Speciallize! 人工智能基础入门，做个脑图，清醒一下

2019-01-11 本文已影响0人曹小静

2018年4月，华师大出版社和商汤科技携手出版了《人工智能基础（高中版）》，由陈玉琨和汤晓鸥主编，是国内第一本面向中学生的人工智能教材。

这本书深入浅出，清晰地勾勒出了人工智能的主要框架，读过之后，受益匪浅。对人工智能的诸多概念有了较为有条理的认识，当然也对高中数学老师表示，对不起你们。。。我的高中数学知识不足以支撑我完全理解书中的公式。。。

Anyway，人工智能是大势所趋，必将颠覆诸多行业，专业翻译理应对其有所了解，这本高中版课本作为入门书籍，实在值得一读。

我一边读一边整理了一份脑图，觉得整体概念更清楚了一些。日后再逐渐深入。整体图片在这里看不清，分享在百度网盘里，感兴趣的朋友可以去收。

人工智能的广泛定义，实际应用和主流实现方法。

人工智能主要是通过机器学习machine learning实现的，

而机器学习又可分为“从数据中学习”和“在行动中学习”，两种途径各有其优势应用领域。

“从数据中学习”又可分为监督学习和无监督学习，以及半监督学习。

监督学习主要应用于分类classification，例如图像分类，声音分类，视频理解等。

分类是如何实现的呢？

提取对象特征，用数学表达出来

2. 设计、测试和训练分类器，也就是弄一个函数，并且不断调整函数的参数，让它变聪明，更有效地处理对象特征的数学表达，从而实现分类。“算法”就是这里的函数，好的算法就能设计出更高效的函数。

4. 实际应用

这里就是“分类”在图像分类中的应用。步骤也是如此，关键在于把握图像特有的数据特征及其数学表达。

这里也首先引入了“深度学习”和“深度神经网络”的概念。图像分类基于图像识别，是人工智能领域最为成熟的部分。整本教材看下来，图像分类和声音分类是最容易理解的。。。

这里对“深度学习”和“深度神经网络”进行了深入浅出的解释，包括以Alex Net的较为简单和经典的神经网络为例，介绍了神经网络的结构；并介绍了神经网络的训练方法，困难和解决办法。

声音分类，类似于图像分类，也是提取声学特征，通过深度神经网络分类，并应用于现实场景中。

视频理解可以看作是在图像分类的基础上，增加了时间维度的处理，复杂程度也随之增加。总体思路还是大同小异的。

以上领域的发展成熟度比较高一些，以监督学习为主吧（个人理解），教材接下来介绍了无监督学习，可以说更高级，更高效，更智能，不需要对训练数据进行人工标注。教材主要从人脸聚类、理解文本和创作图画三方面，介绍了三种无监督学习方法：

聚类

主题模型

生成对抗网络

人脸聚类——聚类

理解文本——主题模型

创作图画——生成对抗网络

以上，“从数据中学习”的机器学习方法就介绍这么多了，接下来，教材以AlphaGo为例，介绍了“在行动中学习”的典型——强化学习。

整本书的主要内容大概就是这些了。我仅对书中内容做了个大概的结构出来，具体内容还是非常丰富的，而且书中语言颇具美感，真诚而富有感染力，推荐一读。

人工智能将很快成为高中教育，甚至义务教育阶段的基本学科，已经离开大学、步入职场的我们，不妨“回到高中”，不要被落在时代后头啊（大哭）。