人工智能（AI）：
- 什么是人工智能：（总结：感知，获取，得出（结论，执行））
运用数理逻辑和计算机成果，提供关于形式化计算和处理的理论，模拟人类某些智能行为的基本方法和技术
使一部机器的反应就像是一个人在行动时所依据的智能--------麦卡锡 --提议用”人工智能”作为学科名
人工智能是关于知识的学科，即怎样表示知识，获取知识和使用知识的学科-----尼尔森
人工智能就是研究如何使计算机区做过去只有人才能做的富有智能工作------温斯顿
让机器做本需要人的智能才能做到的事情的一门科学-------明斯基（人工智能之父---图灵，明斯基）
- 第一次出现的时间：1956年达特茅斯学会,最先提出概念的是图灵（1950）
- 弱人工智能和强人工智能：
弱人工智能：擅长某一领域的人工智能，只能实现部分人类智能
强人工智能：在各方面都能和人类比肩的人工智能
- 人工智能发展的历程：时间
萌芽期（1956年以前）：1950年阿兰图灵提出图灵测试；1951年明斯基创建世界第一台神经网络计算机SNARC
黄金期（1956-1974年）：1956年达特茅斯会议，计算机解决代数应用，几何证明，学习和使用英语，1966年发布第一台聊天机器人ELIZA
瓶颈期（1974-1980年）：由于计算机有限的内存和处理速度，视觉的可变性与自然语言的模糊性
繁荣期（1980-1987年）：1980年XCON专家系统（具有完整专业知识和经验的智能系统：）。。。。
崛起期（1993年至今）：高等代数，概率统计与优化理论。统计学理论，支持向量机，概率图模型的加入
- 人工智能应用领域：
物联网，云服务，大数据，医疗，安防，制造业，金融，零售...
- 人机对话：蚂蚁金服，苹果SiRi..... --人工客服
语音助手（苹果SiRi）---聊天机器人（微软小冰）---面向场景的任务执行（智能语音电视：语音调频道）
机器学习： --人工智能的核心
是什么：模拟人类学习活动，自动获取知识和技能
学习的概念：就是在系统的不断重复工作中改进其性能的过程，使得下一次执行同样的任务或类似任务时效率更高
本质：
强大的计算能力，大批的训练数据，模仿人类学习行为，不断改进自身性能
发展历程：
萌芽期：1950-1960 发展历程和人工智能发展历程差不多一致
常见算法：（企业数据应用场景常用的是1,2）
- 监督式学习：输入的数据对应着一个明确的结果
- 无监督式学习：不知道输入数据对应的结果，只能读取数据并寻找数据的模型和规律
- 半监督式学习：输入数据只有一小部分数据有明确结果，大部分数据没有明确结果。相比监督学习成本较低，但是又达到较高的准确度，用于预测结果，图像识别
- 强化学习：输入数据反馈给模型，模型进行响应。主要用于机器人控制，自动驾驶.需要快速响应的
人工神经网络（ANN[Artificial Neural Networks]）
是什么？
由大量处理单元（被称为人工神经元）经广泛互连而组成的人工网络，用来模拟人脑神经系统的结构和功能。是机器学习的一个庞大分支
主要特征：
能较好地模拟人的形象思维
具有大规模并行协同处理能力
具有较强的学习能力
具有较强的容错能力和联想能力 是一个大规模自组织、自适应的非线性动态系统
应用：
模式识别，信号处理，自动控制，人工智能，辅助决策
自然语言处理（NLP）：
包含机器翻译，文本摘抄，语音识别。 ----注意：图像识别不是自然语言处理
人工智能开发框架和平台：
框架：
TensorFlow是人工智能领域最常用的框架，是一个使用数据流图进行数值计算的开源软件，该框架允许在任何CPU和GPU上进行，使用C++和Python语言
Caffe是一个深度学习的框架，Accord.NET是一个NET机器学习框架，CNTK，theano,keras,torch,spark（大数据，人工智能）
平台：
百度AI开放平台
什么是智能家具：
基于物联网技术，由硬件，软件系统，云计算平台构成的家具生态圈，实现人员控制设备，各设备互联，设备自我学习，并通过收集数据，分析用户行为，为用户提供个性化生活服务
使用的技术：1.智能语音技术（开窗帘，灯光，电器，打扫卫生）
2.机器学习技术（节目推送）
3.声音图像识别（门开锁）
4.大数据技术（智能家电故障诊断，远程监控，诊断）
人工智能引入的案例：
人机大战：2016年3 月AlphaGo击败围棋九段李世石
扫盲：
- 最先提出概念的是图灵（1950），1956年最早出现人工智能一词,麦卡锡提议使用人工智能作为学科名
- 图灵测试想证明的是机器智能，并非人工智能。
- 专家系统以知识为基础，以推理为核心的系统
- 人工智能的运用领域：人机对话，智能金融，智能医疗，智能安防，自动驾驶，智能控制。
- 人工智能在生活中有哪些运用：图像处理领域，机器视觉，电影新闻推荐，人工客服，web搜索引擎，机器翻译，自动驾驶，机器人
- 机器学习的应用：计算机视觉，图像分析，光文字识别，语音识别，手写识别，生物特征识别，搜索引擎，文件分类
