大数据时代的人工智能应用优质PPT.pptx

大数据时代的人工智能应用优质PPT.pptx

《大数据时代的人工智能应用优质PPT.pptx》由会员分享，可在线阅读，更多相关《大数据时代的人工智能应用优质PPT.pptx（75页珍藏版）》请在冰豆网上搜索。

AlphaGo成功的关键在于:

海量对弈数据：

6000万局对弈数据。

算法创新：

深度神经网络+“左右手互搏”。

计算能力出众：

打败李世石的AlphaGoLee的芯片为50TPU,搜索速度为10k位置/秒。

3,AlphaGo绝非一帆风顺,4,3月13日李世石九段“神之一手”,“AlphaGo远非人工智能的终点。

”微软研究院著名机器学习专家JohnLangford批评了Wired和Slashdot等媒体对于“实现人工智能”夸大其词的相关报道。

Langford认为这些进展本是好事，但报道的时候产生了偏差，这容易导致失望和人工智能寒冬。

JohnLangford国际机器学习大会ICML2016程序主席,“AlphaGo以为自己做的很好，但在87手迷惑了，有麻烦了”,“错误在第79手，但AlphaGo到第87手才发觉”,从AlphaGo到AlphaGoMaster,5,60-0vs顶级专业人士（在线游戏）,等级分,专业级,业余级,入门级,2017年7月9日,柯洁携20连胜,等级分冲至3675分，世界排名第一。

6,震撼之后的思考,什么是人工智能？

为什么那么厉害？

AlphaGo未来有没有可能被人类打败？

人工智能技术未来有没有可能取代人类？

为什么？

人工智能可以帮助人类完成哪些事情？

人工智能已经出现在哪些领域，今后还会出现在哪些领域？

大数据时代的人工智能,内容提纲,人工智能基本概念与发展历史人工智能与大数据人工智能在气象领域的应用案例人工智能在环保领域的应用案例人工智能在网络安全领域的应用案例人工智能面临的机遇与挑战总结与展望,8,内容提纲,人工智能基本概念与发展历史人工智能与大数据人工智能在气象领域的应用案例人工智能在环保领域的应用案例人工智能在网络安全领域的应用案例人工智能面临的机遇与挑战总结与展望,9,什么是智能,智力或知能是指生物一般性的精神能力。

这个能力包括以下几点：

理解、计划、解决问题，抽象思维，表达意念以及语言和学习的能力。

智力三因素理论（RobertSternberg）成分性智力（componentialintelligence）,指思维和问题解决所依赖的心理过程。

经验智力（experientialintelligence）,指人们在两种极端情况下处理问题的能力：

新异的或常规的问题。

情境智力（contextualintelligence）反映，在对日常事物的处理上，它包括对新的和不同环境的适应，选择合适的环境以及有效地改变环境以适应你的需要。

10,RobertSternberg（1949-）是美国心理学家和心理测量学家。

他是康奈尔大学人类发展教授。

什么是人工智能,人工智能（ArtificialIntelligence,AI）也称作机器智能，是指由人工制造出来的系统所表现出来的智能。

通常人工智能是指通过普通计算机实现的智能。

人工智能研究研究内容：

包括认知建模、知识学习、推理及应用、机器感知、机器思维、机器学习、机器行为和智能系统等。

研究动机：

包括推理，知识，规划，学习，交流，感知，移动和操作物体的能力等。

基础知识：

包括搜索和数学优化，逻辑，基于概率论和经济学的方法等。

应用系统：

目前有大量的人工智能应用系统，如AlphaGo,Siri等。

11,人工智能的三大发展要素,12,基础理论引入,相关学科交叉,多领域应用,机器学习,数据挖掘,人工智能,数学,统计学,认知科学,神经科学,控制论,人工智能发展历程中的里程碑

（1）-图灵测试,图灵测试（1950）一个人（C）询问两个他看不见的对象（机器A和正常思维的人B）。

如果经过若干询问后，C无法区分A与B，则A通过图灵测试。

聊天机器人EugeneGoostman（2014）在5分钟内试图欺骗30%的人。

13,图灵测试额外加分项：

说服测试者，令他认为自己是电脑。

你知道吗，你说的这些话真的很有道理。

我我已经不知道自己究竟是谁了。

人工智能发展历程中的里程碑

（2）-深蓝vs卡斯帕罗夫,1997年，IBM研制的超级电脑“深蓝”在标准比赛时限内以3.5比2.5的累计积分击败了国际象棋世界冠军卡斯帕罗夫，震惊世界。

“深蓝”的设计者许峰雄曾表示，一般的国际象棋手能想到后7步就很不错了，但“深蓝”能想到12步，甚至40步远，棋手当然不是计算机的对手。

插曲：

卡斯帕罗夫在落败后曾称无法理解电脑下棋时做出的决定。

他亦认为电脑在棋局中可能得到人类帮助并要求重赛，但IBM拒绝。

思考：

深蓝靠什么打败了卡斯帕罗夫？

深蓝能否击败李世石？

14,人工智能发展历程中的里程碑（3）-Waston与人机大战,2011年2月16日，在美国智力竞猜节目危险边缘第三场比赛中，IBM另一超级电脑“沃森”以三倍的巨大分数优势力压该竞猜节目有史以来最强的两位选手肯詹宁斯和布拉德鲁特，夺得这场人机大战的冠军。

“沃森”在比赛中没有连接互联网，其数据库中包括辞海和世界图书百科全书等数百万份资料，强大的硬件则助力其能在3秒钟之内检索数亿页的材料并给出答案。

就面临的挑战来说，“沃森”相比深蓝有哪些不同？

“沃森”的特点是什么？

“沃森”有可能胜任AlphaGo的工作吗？

15,人工智能发展历程中的里程碑（4）-图像识别领域机器首次超越人类,2015年的ImageNet挑战赛，在图像识别准确率上，机器的表现首次超过了人类。

这被公认为是一个里程碑式的突破。

在此之前，2010年算法的图像识别错误率至少在25%左右，但到2015年，计算机图像识别错误率已经低于人类（人类水平大概是4%左右）。

2015年是0.03567，也就是3.5%。

2016年，ImageNet竞赛，图像识别错误率进一步下降，最好成绩为：

平均错误率0.02991，也就是2.99%左右。

思考:

这一次的人工智能突破和前几次相比有何不同?

16,人工智能发展（简史）,17,混沌初生开天辟地,百家争鸣百花齐放,物竞天择适者生存,达特茅斯会议的召开标志着人工智能的诞生。

（1956年）,图灵测试的提出标志人工智能进入萌芽阶段。

以DENDRAL系统为代表的专家系统大量涌现。

（19701980）,浅层机器学习模型兴起，SVM、LR、Boosting算法等纷纷面世。

（19902000）,多伦多大学教授Hinton开启深度学习在学术界和工业界的浪潮（2006）,人工智能出现新的研究高潮，机器开始通过视频学习识别人和事物，AlphaGo战胜围棋冠军（2011今）,随着新的算法和模型不断涌现，学科交叉现象日趋明显，人工智能的研究进入了新的阶段。

奠定了人工智能的数学基础，出现了人工智能历史上的第一个应用。

-西蒙和纽厄尔提出了“LogicTheorist”自动定理证明系统。

大数据时代的到来给人工智能的发展带来契机，人工智能全面融入人们的社会生活。

人工智能发展的真实历史过程（波浪式前进）,18,最近一次的人工智能热潮兴起，是由于大数据时代使得数据需求得到了满足。

内容提纲,人工智能基本概念与发展历史人工智能与大数据人工智能在气象领域的应用案例人工智能在环保领域的应用案例人工智能在网络安全领域的应用案例人工智能面临的机遇与挑战总结与展望,19,大数据是什么？

大数据（BigData）:

是指大小超出了常用软件工具在运行时间内可以承受的收集、管理和处理数据能力的数据集。

大数据是目前存储模式与能力、计算模式与能力不能满足存储与处理现有数据集规模产生的相对概念。

20,大数据真正价值不在于大数据本身，而在于数据内容的分析和洞察。

大数据时代的5V特点,21,大数据时代的要求,大数据规模大小是一个不断演化的指标当前任务处理的单一的数据集当前数据规模：

从数十TB到十几PB级处理大数据的可等待的合理时间依赖应用场景地震数据预测要求在几分钟内才有效气象数据应该在小时级别失联飞机数据处理要在7天之内数据挖掘一般要求在12小时内,22,大数据时代需要人工智能技术同时满足以上两个要求。

大数据时代需要什么样的人工智能？

能适应反映大数据分布的抽样方法解剖麻雀基于大数据分布的算法庖丁解牛追求高效并行的人工智能算法曹冲称象反映全量特征的人工智能算法治大国如烹小鲜,23,大数据时代的人工智能技术不断涌现,24,互联网搜索,生物特征识别,汽车自动驾驶,智能机器人,选举结果预测,智能客服系统,人工智能的应用范围和领域不断拓展,25,人工智能应用,图像识别,语音识别,文字识别,其他信号识别,无人驾驶,人脸识别,场景感知,气象预报,文献筛选,污染预报,医学影像分析,虹膜识别,视频监控,计算机春联,手写数字识别,智能交通,智能客服,智能庭审记录,小米基因筛选,网络安全,计算机写诗,内容提纲,人工智能基本概念与发展历史人工智能与大数据人工智能在气象领域的应用案例人工智能在环保领域的应用案例人工智能在网络安全领域的应用案例人工智能面临的机遇与挑战总结与展望,26,人机交互层,基于人工智能技术的强对流天气聚焦与推演,方案目标：

聚焦：

辅助决策。

从海量数据中聚焦关键特征和重点区域，辅助气象专家进行决策；

推演：

协助研判。

提供智能推演，协助气象专家对未来3小时的天气形势进行研判。

方案特点：

采用人工智能技术综合运用多种深度学习算法半结构化与非结构化大数据处理技术,雷达反射图,核心模块,气象数据,展示效果,模型算法,多层神经网络,Softmax线性模型,卷积神经网络（CNN）,循环神经网络（LSTM）,卫星云图,GRIB2在分析预报场资料,关键特征识别,重点区域识别,时空特征学习,天气变化推演,未来3小时强对流天气模拟推演,关键特征和重点区域2维效果,展示层,系统层,模型层,数据层,辅助人工决策,提供智能推演,气象专家,最终气象预报结果,历史对流过程标注数据,与传统方法的比较,拥有深度自学习能力。

认知计算无需先验知识，即可从海量历史数据中进行训练学习，并挖掘潜在的规律和模式。

同时，认知计算能够根据每天产生的气象数据进行自动学习，自我调整以适应天气变化的最新情况。

拥有基于大数据的辅助决策能力。

能够充分利用气象历史数据。

气象数据越多，收集时间越长，认知计算模型的分析结果越准确。

数据依赖程度低。

认知计算系统只需少量的观察和再分析数据即可完成分析和推演。

基于空气动力学进行数值计算。

传统数值方法主要依赖空气动力学公式对气象数据进行分析，计算开销高。

基于少量历史数据进行人工决策。

传统数值方法主要基于少量历史数据，进行人工外推。

其历史气象数据未得到充分利用。

依赖专家经验。

传统数值方法依赖专家根据其掌握的经验进行分析和调整。

需要大量的物理变量组合分析。

传统数值方法很难处理物理变量缺失的情况。

传统数值方法,人工智能方法,强对流天气聚焦,700mb高度垂直速度，地面能见度，10米风，80米风，地表温度，历史对流天气标注结果,子系统的构成：

气象图片资料的自动解析多层神经网络模型Softmax线性模型特征预测效果评估模块多特征自动排序模块重点区域可视化模块子系统的特点：

支持43+种气象图片的自动分析综