AI人工智能知识图谱
2024-09-12 09:14:58 0 举报AI智能生成
AI人工智能知识图谱是一个高度结构化的语义网络，它通过对AI领域内的大量信息进行梳理、分类和链接，实现了知识的高效存储、检索和利用。知识图谱的核心内容包括机器学习、自然语言处理、计算机视觉等AI领域的重要分支和技术，以及AI在各行各业的应用案例和趋势。知识图谱的文件类型多样，包括文本、图像、音频和视频等，可以支持各种格式的数据导入和导出。通过知识图谱，用户可以轻松获取AI领域的最新动态、研究成果和应用案例，为研究和创新提供有力支持。
作者其他创作
大纲/内容
artificial intelligence（人工的、人造的智能），简称 AI
研究、开发用于模拟、延伸和扩展人的智能行为的理论、方法、技术及应用系统的一门综合性科学。
涉及到了计算机科学、数学、统计学、哲学、心理学等多种学科的知识。总体上归类于计算机学科之下。
定义
认知能力：理解、学习、推理、记忆等
适应能力：解决问题、应对环境变化等
自主能力：独立完成任务、自主决策等
智能的维度
GPU、ASIC（TPU、NPU）、FPGA等
算力
机器学习、深度学习、强化学习、迁移学习等
算法
结构化数据、非结构化数据等
数据采集、数据清洗、数据标准、数据存储等
数据
核心要素
符号主义学派
联结主义学派
行为主义学派
三大主要学派
进化学派
贝叶斯学派
类推学派
其它学派
学派
专家系统、知识图谱
基于知识的方法
机器学习、深度学习
基于学习的方法
行为主义、进化计算
基于仿生的方法
主要研究方法
只专精于单一任务或一组相关的任务，不具备通用智能能力。
弱人工智能（Weak AI）
具有一定的通用智能能力，能够理解、学习并应用于各种不同的任务。
强人工智能（Strong AI）
在几乎所有方面都超过人类智能，包括创造力、社交技能等。
超人工智能（Super AI）
按智能水平
分类
图灵测试
1940s-1956
萌芽
达特茅斯会议
1956
诞生
符号主义
1956-1973
第一次浪潮
符号主义（专家系统）
1980-1990
第二次浪潮
1994-现在
第三次浪潮
发展阶段
算法从带有标签的数据集中学习，即每个训练样本都有一个已知的结果。
监督学习（Supervised Learning）
算法从没有标签的数据集中学习。
非监督学习（Unsupervised Leanring）
结合了少量的带标签数据和大量的未带标签数据进行训练。
半监督学习（Semi-supervised Leanring）
通过试错的方式，学习哪些行为可以获得奖励，哪些行为会导致惩罚。
强化学习（Reinforcement Leanring）
机器学习
卷积神经网络（Convolutional Neural Network，CNN）
循环神经网络（Recurrent Neural Network，RNN）
生成对抗网络（Generative Adversarial Network，GAN）
长短期记忆网络（Long Short-Term Memory，LSTM）
Transformer（转换器）
神经网络
深度学习，具体来说，是深度神经网络学习。
是机器学习的一个重要分支。
深度学习算法使用了更多的“隐藏层”（数百个）。它的能力更加强大，让神经网络能够完成更困难的工作。
TensorFlow（Google）
Caffe（BVLC）
Keras（fchollet）
CNTK（Microsoft）
Torch7（Meta）
PaddlePaddle飞桨（百度）
MindSpore昇思（华为）
框架
深度学习
大模型，是具有庞大参数规模和复杂计算结构的机器学习模型。
绝大多数大模型的基础核心结构，都是Transformer及其变体。
目前常说的大模型，主要是大语言模型（Large Language Model）。
使用大量无标注数据训练语言模型的过程。赋予了模型一定的通用性，适应多种不同下游任务的能力。
预训练
在预训练的基础上，使用标注数据（即特定任务的数据）进一步训练模型，使其适应特定的应用或任务。
微调
过程
通用大模型
行业大模型
按用途
语言大模型（以文本数据进行训练）
视觉大模型（以图像数据进行训练）
多模态大模型（文本和图像都有）
按特点
分析式（决策式）
生成式
按功能
开源大模型
闭源大模型
按开闭源
订阅模式
API服务模式
平台服务模式
定制化服务模式
广告和推广模式
数据授权模式
商业模式
大模型（Large Model）
使用人工智能技术来自动创建或生成内容
生成的内容可以包括文本、代码、图像、音乐、视频等。
GPT系列、文心一言、通义千问、盘古、Claude 3、Diffusion-LM、Chinchilla等
生成文本
DALL·E 2、Stable Diffusion、Midjourney、Pixeling千象、DreamGaussian、百度AI作画、通义万相等
文生图
MusicLM、ElevenLabs、Wondershare Filmora、Reecho睿声、天工SkyMusic、琴乐大模型、FunAudioLLM、MusicGen等
文生音频
Sora、Stable Video Diffusion、Vidu等
文生视频
类别
AIGC（人工智能生成内容）
图像识别、视觉识别、人脸识别、视频识别、文字识别、步态识别......
计算机视觉（CV）
声音识别、声纹识别、语音合成、语音交互......
语音识别
信息理解、文字校对、机器翻译、自然语言生成......
自然语言处理
家庭服务机器人、医疗护理机器人、酒店服务机器人、工业机器人……
具身智能
主要能力
自动化生产、智能质检、设备运维、供应链管理……
工业制造
医疗影像分析、基因测序、疾病预测、药品研发、个性化治疗……
医疗健康
风险管理、信用评估、欺诈监测、量化交易、行情预测……
金融证券
个性化学习路径、智能辅导、课程推荐……
教育培训
自动驾驶、路线优化、流量分析、应急预案……
交通物流
稿件采写、素材创造、文本润色……
新闻媒体
角色设计、元素生成、剧情设计、特效制作……
游戏娱乐
……
应用领域
AI能够自动化重复性、繁琐的任务，提高生产效率和质量，同时降低人力成本。
站在企业的角度
AI不仅可以提升治理效率，也能够带来新的商业模式、产品和服务，刺激经济。
站在政府的角度
AI可以帮助我们完成一些工作，也可以提升我们的生活品质。
站在个人的角度
AI在疾病治疗、灾害预测、气候预测、消灭贫穷方面，也可以发挥重要的作用。
站在整个人类的角度
作用和价值
可能会威胁到大量的人类工作岗位，导致大量失业。
就业
AI被用于发动战争、欺诈（模仿声音或换脸，进行诈骗）
犯罪
侵犯公民权益（信息过度采集、侵犯隐私）
隐私
如果只有少数公司拥有先进的AI技术，可能会加剧社会的不公平现象。AI的算法偏见，也可能导致不公平。
公平
AI变得越来越强大，也会让人们产生对AI的依赖，失去独立思考和解决问题的能力。
依赖
AI的强大创造力，有可能让人类失去创造的动力和信心。
信心
围绕AI的发展，还有安全（数据泄露、系统崩溃）、道德伦理等一系列问题。
安全
困难和挑战
AI人工智能
0 条评论
下一页
