【读书笔记】《人工智能基础——高中版》

《人工智能基础——高中版》.png

就是这个书，我一个啥都不懂的文科生竟然能看懂各种专业名词，真厉害哈哈哈，顺便记录一下～
这是一本很科普又很专业的书（相对某些畅销书来说），几句话就把几个概念说明白。定位受众是高中生，没机会回炉重造读高中了，只能读读书了，hhhh......

【第一章】人工智能：新时代的开启

1956年，闵斯基、约翰·麦卡锡、克劳德·香农、纳撒尼尔·罗切斯特在美国组织了达特茅斯会议，会议提出了Artificial Intelligent（AI）即人工智能，宣告人工智能作为一门学科的诞生。

• 第一次浪潮（1956-1974）：伟大的首航——人工智能初露头角
• 第二次浪潮（1980-1987）：专家系统的兴衰——专家系统、人工神经网络
• 第三次浪潮（2011-今）：厚积薄发、再造辉煌——重大突破

人工智能在各个领域的应用：

• 安防：视频分析、视频检测、检测异常；
• 医疗：医学影像分析；
• 智能克服：电子商务、金融、通信、物流、旅游等；
• 自动驾驶
• 工业制造：工业4.0，人工智能系统提升生产效率、降低生产风险；

监督学习：为每个样本提供预测量的真实值来获得模型；
无监督学习：在不提供监督信息（预测量的真实值）的条件下进行学习；
半监督学习：对小部分样本提供预测量的真实值；
强化学习：在下棋、股票交易、或商业决策等场景中，关注行动能否带来最大收益，目标是获得一个策略去指导行动；

【第二章】牛刀小试：察异辨花（分类问题）

• 分类器（classifier）：完成分类任务的人工智能系统

  
  分类器

• 向量：把数据中的特征放在一组数据
  向量可以做加减法、乘法、内积（对应相乘并求和）
  向量内积：（X1 ， X2）·（Y1， Y2）=（X1Y1+X2Y2）

  
  特征空间
  

  特征点与特征点之间的距离被用来衡量相似程度；

• 训练集：当一个数据集被用于分类器训练，我们称之为训练集；
  训练线性分类器的方法：

• 感知器：使用被分错的样本来调整分类器
  损失函数：误分类的数据点离得越远，损失函（loss）数越大；
  优化：调整分类器的参数，使损失函数最小；

• 支持向量机SVM（support vector machine）：在特征空间上，分类间隔最大的分类器

  
  

---

归一化：将一个向量压缩到另一个向量中，使其每一个元素的范围在（0，1）之间，并且所有元素的和为1。也就是看每一个向量的概率

【第三章】别具慧眼：识图人物（图像分类）

图像可以表示成为一个由数字组成的矩阵阵列，即矩阵（matrix）
彩色图片（RGB），按立方体排列的数字阵列为三阶张量（tensor）

色彩表示

张量：标量属于零阶张量；向量属于一阶张量；矩阵是二阶张量。

卷积：卷积和加减乘除一样，是一种数学运算，参与卷积运算的可以是向量、矩阵、三阶张量；

向量卷积 矩阵的卷积

• 卷积神经网络：当一个神经网络以卷积层为主体时，我们称之为卷积神经网络；

• 全连接层：输入图片在经过若干卷积层之后，会将得到的特征图转换为特征向量，用到的就是全连接层；

• 非线性激活层：保留多层结果（这个不是很理解？？）

• 池化层：降低特征图的分辨率，减少计算量；

• 反向传播算法：从后往前调整参数；

  
  

• 过拟合：迎合训练数据，在新数据上表现很差；（在已有数据优秀）

• 欠拟合：在训练数据和新数据上表现都很差；（都不行）

【第四章】耳听八方：析音赏月（声音识别）

声音：频率是声音的重要特征；人的发声的频率范围在85-1100Hz;
声波到Mp3 文件的过程：采样（sampling）、量化（quantization）、编码（encoding）；

计算机里音频文件是按照时间先后顺序排列的数据点，所以也被称为“时间序列”；
采样的频率比较高时，波形看起来是近似连续的；

声音的变化

• 声学模型：把一系列语言转为若干音素的过程利用了语言的声学特性；
• 语言模型：从音素到文字的过程需要用到语言表达的特点，这样才能从同音字中挑出正确的文字，组成意义明确的语句；

【第五章】冰雪聪明：看懂视频（视频识别）

小伙伴的iPad丢了，今天和她去警察局看录像，警察局的录像，真的是无力吐槽啊，作为一个在AI公司工作的人，我们表示，现在技术的发展和应用的鸿沟还蛮大的。。

• 小插曲：
  警察叔叔说他们在招“视频员”，问我俩换不换工作，我们只想技术应用赶紧替换掉他们需要的这个人。
  【视频员，顾名思义—— 1、随时检查辖区内的发生的情况，有什么事件发生赶紧通知在外的同事去处理（人工的视频行为识别）；2、在有人需要看回放的时候帮别人找录像资料（人工视频数据员）】

  
  

• 行为识别的重要特征：运动

• 运动的刻画：光流
  光流就是同一个点在相邻两帧的位移，计算光流的关键就是把两帧之间相同的点对应起来；

  
  

【第六章】无师自通：分门别类（图片分类）

• K值聚类：
  KMeans算法是最常用的聚类算法，主要思想是:在给定K值和K个初始类簇中心点的情况下，把每个点(亦即数据记录)分到离其最近的类簇中心点所代表的类簇中，所有点分配完毕之后，根据一个类簇内的所有点重新计算该类簇的中心点(取平均值)，然后再迭代的进行分配点和更新类簇中心点的步骤，直至类簇中心点的变化很小，或者达到指定的迭代次数。

  
  
• 层次聚类：将每个样本单独当成一个类，而后重复地合并最相似的两个类，当所有的类别间的距离都超过一个预设的截止距离时，层次聚类就完成了；

【第七章】识字断文：理解文本（语义分析）

• 词袋模型（bag-of-words model）： 用于描述文本的一个数学模型，也是常用的一种文本特征提取方式；——词袋模型将一篇文档看作装有若干词语的袋子，只考虑词语在文档中出现的次数，而忽略词语的顺序和句子的结构；

  
  
• 停止词：“的”“也”“了”这样不携带任何主体信息的高频词；

TF-IDF（词频-逆文档频率）：

• 词频 (term frequency, TF)指的是某一个给定的词语在该文件中出现的次数。

• 逆文档频率(nverse Document Frequency，IDF) 是一个词语普遍重要性的度量，它的大小与一个词的常见程度成反比，计算方法是语料库的文档总数除以语料库中包含该词语的文档数量，再将得到的商取对数。

  
  IDF

【第八章】神来之笔：创作图画（图像生成）

• 对抗生成网络（GAN：generative adversarial network）：由生成网络（generative network）——生成器 和判别网络（discriminative network）——判别器 两部分组成，生成网络用于生成数据，判别网络用来分辨数据是真还是假；
• 数据空间（data space）：数据所在的空间；
• 数据分布（data distribution）：数据在空间中的分布情况；

emmm较好的视觉效果？？？

【第九章】运筹帷幄：围棋高手（强化学习，reinforcement learning）

• 强化学习：强化学习与监督学习、无监督学习一样，为机器学习算法中的一种，强化学习与监督学习最主要的区别在于其收到的反馈是评估性的，而不是指导性的。
  强化学习使计算机像人一样通过完全自主学习来掌握一项技能。alphago通过自我对弈左右互搏来提升棋技。
  *主题与环境的交互：
  做出决策的实体叫主体（agent），主体存在于环境（environment）中，主体行为作用于环境并接受环境的反馈。
  主体通过发出特定的动作（action），来改变环境目前的状态（state），环境改变后，会返回给主体一个观察（observation），同时返回给主体一个回报（reward）。

  
  
• 策略（policy）：指的是主体的行为是一个从状态集合到动作集合的映射；强化学习的目的就是找到一个最佳策略。
• 蒙特卡洛搜索算法（Monte Carlo tree search）：一种通过随机推演建立一颗搜索树的启发式搜索过程，我们也可以将其看成某种意义上的强化学习算法。

---

alphago的部分有的没看懂。。。就大概是这样