人工智能——背景知识、知识体系、应用领域

一、背景知识

1、图灵测试

图灵在1950年提出，指测试者与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者提问。进行多次测试后，如果有超过30%的测试者不能确定出被测试者是人还是机器，那么这台机器就通过了测试，并被认为具有人类智能。

2、人工智能定义
人工智能科学的主旨是研究和开发出智能实体，在这一点上它属于工程学。也可以说是一门综合性学科，因为其研究领域涉及数学、逻辑学、归纳学、系统学、控制学、工程学、计算机科学，还包括对哲学、心理学、生物学、神经科学、仿生学、经济学、语言学等其他学科的研究。

3、人工智能的层次
弱人工智能：擅长于单个方面，如有能战胜围棋世界冠军的人工智能，但只会下围棋。

强人工智能（通用人工智能）：人类级别的人工智能，各方面和人类比肩，人类能干的脑力活它都能干。到达该层次很难。
超人工智能：在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能。

4、阿西莫夫机器人三定律
第一定律：机器人不得伤害人类个体，或者目睹人类个体将遭受危险而袖手不管。
第二定律：机器人必须服从人给予它的命令，当该命令与第一定律冲突时例外。
第三定律：机器人在不违反第一、第二定律的情况下要尽可能保护自己的生存。

5、社会经济影响
产业变革：人工智能导致很多商业模式重新洗牌，对创业者来说是机会也是挑战。
失业和社会保障问题：可重复性工作将被机器人取代，导致很多人失业，从而带来一系列社会问题。
贫富差距问题：利用人工智能，有钱人更有钱，穷人因为失去了工作而更穷。
地区发展不平衡问题：人工智能这一高科技产业可以提高生产效率，使得两个科技实力差别较大的区域的经济失衡。
产业结构调整：人与机器的分工，会促进产业结构的调整。

二、知识体系

1、数学基础
微积分
线性代数
概率统计
信息论
集合论和图论
博弈论
2、技术基础
计算机原理
程序设计语言
操作系统
分布式系统
算法基础
3、机器学习算法
机器学习基础：估计方法、特征工程
线性模型：线性回归
逻辑回归
决策树模型：GBDT
支持向量机
贝叶斯分类器
神经网络——深度学习：MLP、CNN、RNN（LSTM）、GAN
聚类算法：K均值算法
4、机器学习分类
监督学习：分类任务、回归任务
无监督学习：聚类任务
迁移学习
强化学习
5、问题领域
语言识别
字符识别：手写识别
机器视觉
自然语言处理：机器翻译
自然语言理解
知识推理
自动控制
游戏理论和人机对弈：象棋、围棋、德州扑克、星际争霸
数据挖掘
6、机器学习架构
加速芯片：CPU、GPU、FPGA、ASIC（TPU）
虚拟化：容器（Decker）
分布式结构：Spark
库和计算框架：TensorFlow、scikt-learn、Caffe、MXNET、Theano、Torch、Microsoft CNTK
7、可视化解决方案
8、云服务
Amazon ML
Google Cloud ML
Microsoft Azure ML
阿里云ML
9、数据集和竞赛
ImageNet
MSCOCC
Kaggle
阿里天池

10、其他相关技术
知识图谱
统计语言模型
专家系统
遗传算法
博弈算法：纳什均衡

三、应用领域

1、互联网和移动互联网应用
搜索引擎
内容推荐引擎
精准营销
语音和自然语言交互
图像和视频内容理解、检索
用户画像
反欺诈
2、自动驾驶、指挥交通、物流、共享出行
自动驾驶汽车：传感器、感知、规划、控制、整车集成、车联网、高精度地图、模拟器
智慧公路网络和交通标志
共享出行
自动物流车辆和物流机器人
智能物流规划
3、智能金融
银行业：风控和反欺诈、精准营销、投资决策、智能客服
保险业：风控和反欺诈、精准营销、智能理赔流程、智能客服

证券、基金、投行等：量化交易、智能投顾
4、智慧医疗
医学影像智能判读
辅助诊断
病例理解和检索
手术机器人
康复智能设备
智能制药
5、家用机器人和服务机器人
智能家居
老幼伴侣
生活服务
6、智能制造业
工业机器人
智能生产系统

7、人工智能辅助教育
智慧课堂
学习机器人

8、智慧农业
智慧农业管理系统
智慧农业设备

9、智能新闻写作
写稿机器人
收集资料机器人

10、机器翻译
文字翻译
声音翻译

11、机器仿生
动物仿生
器官仿生

12、智能律师助理
智慧法律咨询
案例数据库机器人

13、人工智能驱动的娱乐业
14、人工智能艺术创造
15、智能客服