日本人工智能算法

㈠ 人工智能艺术作品的算法是什么

人工智能艺术作品的算法是GAN算法。根据查询相关公开信息显示人工智能艺术作品的GAN算法由2个相互竞争的神经网络组成，一个生成器和一个鉴别器，人工智能艺术作品是通过CAN创造出了可以通过图灵测试的抽象艺术作品，故而人工智能艺术作品的算法是GAN算法的对抗。是这张名为《太空歌剧院》的画作。人工智能艺术作品第一名太空歌剧其实是一个科幻名词，泛指把故事的背景舞台设定在外太空的未来向作品。

㈡ 你见过哪些“奇葩”的人工智能应用

席卷全球的人工智能浪潮——一浪高过一浪，它为现有的服务场景提供了技术支持，正在重新定义我们的生活。

人工智能是一个比较复杂的产业结构，它由大数据和计算能力构成人工智能产业支撑，有了这层支撑，还不足以撑起整个产业链，这里需要核心的关键技术，包括机器学习、计算机视觉、语音及自然语言处理等关键技术的研究和应用，促进实现人工智能产业商业化构建，最后应用在服务机器人、个人助手、智能医疗、智能家居、智能营销等细分行业。

然而

落地应用五花八门，只有你想不到，没有你见不到的人工智能落地产品。那些人工智能落地产品有“正经”的，也有“不正经”的；有“严肃”的，也有“奇葩”的。总之，“雅俗共存”。

人工智能落地应用无非是创造变革生活的方法，而且按照目前人工智能企业定位，大多是在图像识别、语音识别、无人驾驶等方面的应用，所以它是“正经”的。

但这里小编只想说些看起来“不正经”“奇葩”的人工智能应用，依据个人观点和评价，分别打了奇葩指数，供大家“参考”。

上榜理由：叹为观止！或许这就是为什么有些专家认为人工智能会对人类产生威胁，在道德伦理上，这点的确是在挑战人类的底线。

奇葩指数：

选美机评委器人

据主办方介绍，之所以让人工智能当选美评委，是因为他们希望将来通过一张照片判断人的健康情况。他们认为，人的长相通常和健康程度成正比，所以人工智能可以从选美开始，逐渐学会判断人的健康状况。

人对美的标准是很主观的，所以主办方将美的标准细分，具体包括肤色、皱纹、性别、年龄段、脸部对称性及种族等因素。参与的人工智能算法有三种，均掌握深度神经网络技术。参赛人只要下载客户端，在里面上传自己不带妆、不戴眼镜、无胡须的脸部照片，最后经过三个人工智能“评委”的选择就可以了。

上榜理由：长相和健康程度成正比？那你让长相丑的该怎么活？

奇葩指数：

4.智能捡黄瓜

人工智能干的活有时候不仅不高大上，还很容易让人一头雾水，比如下面要说的拣黄瓜。

日本的一名技术人员开发了一套人工智能系统，用来给黄瓜分门别类。开发者的父母以种黄瓜为生，但是为了给种出来的黄瓜定品级是十分麻烦的一件事。就像他们家，为了给自家黄瓜分到九类品级，需要大量的时间观察黄瓜的颜色、长短、粗细、纹理等等，费时费力，而且需要长时间的学习，没法临时雇人帮忙。

所以这名技术人员开发了一套可以分拣黄瓜的人工智能系统。他利用谷歌开源的TensorFlow平台，通过图像识别，再加上树莓派3(RaspberryPi3)的硬件，人工智能系统就这样做出来了。他给这套系统“喂”了7000张黄瓜照片，帮助人工智能学习黄瓜类别。

但目前为止，这套系统用于实践的准确率仅为70%，并且因为训练系统的照片分辨率太低，目前系统还不能分辨出黄瓜的颜色、纹理、小刺和刮痕等判断因素。目前这名技术人员正打算使用谷歌的云机器学习平台，改善他的人工智能系统。

上榜理由：开发人员是个孝顺的孩子，赶紧开发让更多孝子能用上。

奇葩指数：

无论如何，人工智能落地应用就是一种实践，它是检验理论的基础。不管奇葩与否，能够应用在生活中，并改变我们细微生活，都是人工智能的实践。

㈢ 人工智能与设计（一）：AI 发展历史

姓名：饶明磊

学号：19021210815

【嵌牛导读】随着人工智能的兴起，设计师会不会担心自己被取代？

【嵌牛鼻子】机器学习 深度学习 创意设计

【嵌牛提问】人工智能对设计起到辅助作用还是会完全取代设计师？

【嵌牛正文】人工智能的发展历史

本人业余偶尔做一些设计、摄影之类的艺术活动，经常接触到一些创意软件，发现最近几乎每一款创意软件的重磅更新都体现在了人工智能算法的加入。包括本人从事的研究领域，相关调试软件也是在不断加入人工智能调试算法，更加智能化了。从设计方面着手，我在想，以后人工智能会不会完全取代设计师和工程师呢？

为了更好理解人工智能和设计的关系，我开始涉猎一些机器学习、深度学习等方面的知识，并且和相关专业的同学探讨这个方面的话题，从当初觉得人工智能只会让大部分设计师失业，到现在觉得人工智能只是一个设计的辅助工具，也算是成长了不少。

这个专题将分成三个部分来调研，用三篇文章较为详细地将 AI 的历史、定义以及和设计之间的关系和影响呈现给大家。

说起人工智能（AI：Artificial Intelligence）这词，不得不提及人工智能的历史。人工智能的概念主要由Alan Turing提出：机器会思考吗？如果一台机器能够与人类对话而不被辨别出其机器的身份，那么这台机器具有智能的特征。同年，Alan Turing还预言了存有一定的可能性可以创造出具有真正智能的机器。（说明： Alan Turing （1912.6.23-1954.6.7）曾协助英国军队破解了德国的着名密码系统Enigma，帮助盟军取得了二战的胜利。因提出一种用于判定机器是否具有智能的试验方法，即图灵试验，被后人称为计算机之父和人工智能之父。）

1956年，在达特茅斯学院举行的一次会议上，不同领域（数学，心理学，工程学，经济学和政治学）的科学家正式确立了人工智能为研究学科。

2006年达特茅斯会议当事人重聚，左起：Trenchard More、 John McCarthy 、 Marvin Minsky 、Oliver Selfridge、Ray Solomonoff

达特茅斯会议之后是大发现的时代。对很多人来讲，这一阶段开发出来的程序堪称神奇：计算机可以解决代数应用题、证明几何定理、学习和使用英语。在众多研究当中，搜索式推理、自然语言、微世界在当时最具影响力。

大量成功的AI程序和新的研究方向不断涌现，研究学者认为具有完全智能的机器将在二十年内出现并给出了如下预言：

1958年，H. A. Simon，Allen Newell：“十年之内，数字计算机将成为国际象棋世界冠军。” “十年之内，数字计算机将发现并证明一个重要的数学定理。”

1965年，H. A. Simon：“二十年内，机器将能完成人能做到的一切工作。”

1967年，Marvin Minsky：“一代之内……创造“人工智能”的问题将获得实质上的解决。”

1970年，Marvin Minsky：“在三到八年的时间里我们将得到一台具有人类平均智能的机器。”

美国政府向这一新兴领域投入了大笔资金，每年将数百万美元投入到麻省理工学院、卡耐基梅隆大学、爱丁堡大学和斯坦福大学四个研究机构，并允许研究学者去做任何感兴趣的方向。

当时主要成就：

神经网络机、世界第一台机器人被制造出来了；贝尔曼公式（ 增强学习 雏形）被提出；感知器（ 深度学习 雏形）被提出；搜索式推理被提出

然而遇到了 第一次寒冬（1974年—1980年）

70年代初，AI遭遇到瓶颈。研究学者逐渐发现，虽然机器拥有了简单的逻辑推理能力，但遭遇到当时无法克服的基础性障碍，AI停留在“玩具”阶段止步不前，远远达不到曾经预言的完全智能。

当时主要问题：

计算机运算能力有限，解决不了超大型的计算问题，同时人们对世界的认知还不够充分

当时有一个莫拉维克悖论：如果机器像数学天才一样下象棋，那么它能模仿婴儿学习又有多难呢？然而，事实证明这是相当难的。

1987年，AI 硬件的市场需求突然下跌。科学家发现，专家系统虽然很有用，但它的应用领域过于狭窄，而且更新迭代和维护成本非常高。同期美国Apple和IBM生产的台式机性能不断提升，个人电脑的理念不断蔓延；日本人设定的“第五代工程”最终也没能实现。人工智能研究再次遭遇了财政困难，一夜之间这个价值五亿美元的产业土崩瓦解。

当时主要问题：

1.受到台式机和“个人电脑”理念的冲击影响

2.商业机构对AI的追捧和冷落，使AI化为泡沫并破裂

3.计算机性能瓶颈仍无法突破

4.仍然缺乏海量数据训练机器

在摩尔定律下，计算机性能不断突破。云计算、大数据、机器学习、自然语言和机器视觉等领域发展迅速，人工智能迎来第三次高潮。

摩尔定律起始于Gordon Moore在1965年的一个预言，当时他看到因特尔公司做的几款芯片，觉得18到24个月可以把晶体管体积缩小一半，个数可以翻一番，运算处理能力能翻一倍。没想到这么一个简单的预言成真了，下面几十年一直按这个节奏往前走，成为了摩尔定律。

主要事件

1997 年：

IBM的国际象棋机器人深蓝战胜国际象棋世界冠军卡斯帕罗夫

2005 年：

Stanford开发的一台机器人在一条沙漠小径上成功地自动行驶了131英里，赢得了DARPA挑战大赛头奖；

2006 年：

1.Geoffrey Hinton 提出多层神经网络的深度学习算法

2.Eric Schmidt在搜索引擎大会提出“云计算”概念

2010 年：

Sebastian Thrun领导的谷歌无人驾驶汽车曝光，创下了超过16万千米无事故的纪录

2011 年：

1.IBM Waston参加智力游戏《危险边缘》，击败最高奖金得主Brad Rutter和连胜纪录保持者Ken Jennings

2.苹果发布语音个人助手Siri

3.Nest Lab发布第一代智能恒温器Nest。它可以了解用户的习惯，并相应自动地调节温度

2012 年：

Google发布个人助理Google Now

2013 年：

深度学习算法在语音和视觉识别率获得突破性进展

2014 年：

1.微软亚洲研究院发布人工智能小冰聊天机器人和语音助手Cortana

2.网络发布Deep Speech语音识别系统

2015 年：

1.Facebook发布了一款基于文本的人工智能助理“M”

2016 年：

1.Google AlphaGo以比分4:1战胜围棋九段棋手李世石

2.Chatbots这个概念开始流行

3.Google发布为机器学习定制的第一代专用芯片TPU

4.Google发布语音助手Assistant

2017 年：

1.AlphaGO在围棋网络对战平台以60连胜击败世界各地高手

2.Google开源深度学习系统 Tensorflow 1.0正式发布

3.Google AlphaGo以比分3:0完胜世界第一围棋九段棋手柯洁

4.默默深耕机器学习和机器视觉的苹果在WWDC上发布Core ML，ARKit等组件

5.Google发布了ARCore SDK

6.网络AI开发者大会正式发布Dueros语音系统，无人驾驶平台Apollo1.0自动驾驶平台

7.华为发布全球第一款AI移动芯片麒麟970

8.iPhone X 配备前置 3D 感应摄像头(TrueDepth)，脸部识别点达到3W个，具备人脸识别、解锁和支付等功能；配备的A11 Bionic神经引擎使用双核设计，每秒可达到运算6000亿次

9.AlphaGo Zero完全从零开始，不需要任何历史棋谱的指引，更不需要参考人类任何的先验知识，仅需要4个TPU，并花三天时间自己左右互搏490万棋局，最终无师自通完爆阿法狗100-0

很多专家学者对此次人工智能浪潮给予了肯定，认为这次人工智能浪潮能引起第四次工业革命。人工智能逐渐开始在保险，金融等领域开始渗透，在未来健康医疗、交通出行、销售消费、金融服务、媒介娱乐、生产制造，到能源、石油、农业、政府……所有垂直产业都将因人工智能技术的发展而受益，那么我们现在讲的人工智能究竟是什么？

详情参见下一篇：人工智能与设计（二）：AI 是什么？

㈣ 人工智能发展的历史

人工智能发展历程

人工智能诞生于20世纪50年代中期，1956年被确立为一门学科，至今经历过经费枯竭的两个寒冬(1974-1980年、1987-1993年)，也经历过两个大发展的春天(1956-1974年、1993-2005年)。从2006年开始，人工智能进入了加速发展的新阶段，并行计算能力、大数据和先进算法，使当前人工智能加速发展;同时，近年来人工智能的研究越来越受到产业界的重视，产业界对AI的投资和收购如火如荼。

——更多数据请参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》。

㈤ 人工智能算法帮助揭开量子系统的物理学基础

来自布里斯托尔大学量子工程技术实验室（QETLabs）的科学家们开发了一种算法，为量子系统的基础物理学提供了宝贵的见解 ：为量子计算和传感的重大进展铺平了道路，并有可能翻开科学研究的新一页。

在物理学中，粒子系统及其演变是由数学模型描述的，需要理论论证和实验验证的成功互动。更为复杂的是对粒子系统在量子力学水平上相互作用的描述，这通常是用哈密尔顿模型来完成的。由于量子态的性质，从观测中制定哈密顿模型的过程变得更加困难，当试图验证它们时，它们通常就会崩溃。

在发表于《自然·物理学》的论文《从实验中学习量子系统模型》中，来自布里斯托尔QET实验室的量子力学专家描述了一种算法，该算法通过作为一个自主代理，使用机器学习来逆向设计哈密尔顿模型来克服这些挑战。

该团队开发了一个新的协议，为感兴趣的量子系统制定和验证近似模型。他们的算法自主工作，在目标量子系统上设计和执行实验，并将结果数据反馈给算法。它提出了描述目标系统的候选哈密顿模型，并使用统计指标，即贝叶斯系数，对它们进行区分。

令人振奋的是，该团队能够在一个涉及钻石缺陷中心的现实生活中的量子实验中成功展示该算法的能力，钻石是一个经过充分研究的量子信息处理和量子感应平台。该算法可用于帮助新设备的自动表征，如量子传感器。因此，这一发展代表了量子技术发展的一个重大突破。

"结合当今超级计算机的力量和机器学习，我们能够自动发现量子系统中的结构。随着新的量子计算机/模拟器的出现，该算法变得更加令人兴奋：首先它可以帮助验证设备本身的性能，然后利用这些设备来理解越来越大的计算系统，"布里斯托尔大学QETLabs和量子工程博士培训中心的Brian Flynn说。

了解基础物理学和描述量子系统的模型，有助于我们推进对适用于量子计算和量子传感的技术的认识，该研究的下一步是扩展该算法，以 探索 更大的系统和不同类别的量子模型，代表不同的物理现象或基本结构。

㈥ 智能算法

智能信息处理研究方向

一、 科研方向意义
智能信息处理是人工智能（AI）的一个重要研究领域。在世界各地对人工智能的研究很早就开始了，当计算机出现后，人类开始真正有了一个可以模拟人类思维的工具，而人工智能也始终是计算机科学的前沿学科，计算机编程语言和其它计算机软件都因为有了人工智能的进展而得以存在。80年代初，在美国、日本、接着在我国国内都掀起了一股研究神经网络理论和神经计算机的热潮，并将神经网络原理应用于图象处理、模式识别、语音综合及机器人控制等领域。随着理论研究的不断深入和应用领域的迅速扩大，近年来智能信息处理成了人工智能的一个热门研究方向，我国各高等院校都成立了关于智能信息处理的研究机构。他们立足于信息处理技术的基础研究和应用，积极地将数学、人工智能、逻辑学、认知科学等领域最新研究成果应用于各种信息的智能处理，在模式识别与人工智能、数据库与数据仓库的挖掘技术、信息网络安全与数据保密技术等方面取得了较好的研究成果，在带动其院校学科建设的同时，也努力扩大了信息技术在国民经济各领域的应用，提高了信息处理技术的社会效应和经济效益。
二、主要研究方向
模式识别与人工智能
数据挖掘算法
优化决策支持系统
商用智能软件
三、研究目标
以促进本学科的建设为目标，加强智能理论的研究，并侧重智能系统的开发应用工作。在理论上，配合本硕学生的教学工作，在模式识别与人工智能、数据挖掘和智能算法等方面进行深入研究，取得比较深入的理论研究成果，从而使学生掌握这方面最新的知识理论，为他们在以后的研究和工作中打下坚实的基础，进一步可以独立研究并取得更大的成就。在智能应用上，我们要根据现有的基础条件，进一步加强梯队人员和素质的建设，形成一支结构合理、充满活力、人员稳定的研究队伍；建立并扩展与外界的合作关系，将最新的理论研究成果转化为生产力，开发出企业急需的、先进的智能控制和信息处理软件系统，从而在为社会做贡献的同时提高我校的声誉，有利于我校的招生和就业。本方向的研究工作还会促进学生实验实践环节的质量，从根本上提高毕业生的素质。

㈦ 人工智能中的算法种类

SVM算法，粒子群算法，免疫算法，种类太多了，各种算法还有改进版，比如说遗传神经网络。从某本书上介绍，各种算法性能、效力等各不同，应依据具体问题选择算法。

㈧ 人工智能算法

编程与推理没有关系，编程的智能建立在“是非”之上，以中断判断为基础。推箱子有很多种判断，比如2*2*2……结果会特别多，而编程只是控制其中某一步，这样每一步都有2种情况，相乘后，软件就会有很多种通过方法，太多了。比如棋类软件，我们只要控制某些局部，这些局部组成了“人工智能”，而局部本身是“非智能”的，这么说明白？
即使是人脑的智能，本质上还是电信号的中断处理，处理的速度“即人的聪明”，与人脑中数据库的优化与数据量有关，也就是人脑的智能，其实是机械电子搜索匹配过程……