当前位置

极速飞艇 > 智活 >

人工智能及在民航业的应用

推荐人: 来源: 我爱阅读网 阅读: 次 时间: 2018-05-03 15:44

 

实际上我们身边处处可以显现人工智能的“身影”:我们使用的手机:指纹识别、人脸识别功能也是人工智能技术的一部分;我们使用的APP(百度、淘宝、微信等)使用了人工智能技术后更“懂得”我们:如果理财它可以建议更大收益的方案;如果要去某地它给我们最佳路线;上网下棋,和机器对弈也是人工智能在起作用。影响我们生活的人工智能在下一个十年将更深入地发挥作用,目前可以看得到的比如自动驾驶汽车、智能机器人、智能家庭等等。在智慧城市、智慧交通、智慧医疗等有更广泛的应用。特别是智慧医疗,计算机读片、病理分析、药效分析、健康跟踪等用处特别大。

 

 

 

 

人工智能

 


 

 

人工智能技术是一个大的概念,机器学习只是人工智能的一部分,人工神经网络也只是机器学习的一项技术。人工神经网络之所以在最近很火,主要是谷歌的AlphaGo战胜了韩国围棋第一人李世石,因为本来人们认为机器战胜人类围棋高手还有很长路要走。今年初AlphaGo 2.0版更是接连战胜了世界围棋高手(包括世界围棋第一人柯杰),取得60连胜纪录,震惊世界。

 

 


 

 

人工智能的主要技术有下列这些,其中每一项又包括很多分项内涵:

 

 

 

 

 

 

 

 

知识表达与推理:研究人类知识如何表达(符号、规则、推理、机器证明、思维逻辑等等)。知识必须以合适的表达方式才能被机器学习和应用。特别是一些抽象的知识,如何正确、有效的表达,也有各种学派、方法。

 

 

计算智能:各种算法是计算智能研究的主要方面,如人工神经网络、模糊计算、粗糙集理论(对事物的粗线条描述)、遗传算法、进化策略、人工生命(虚拟人工生命)、粒子群优化算法、蚁群算法、免疫计算(计算机安全控制)。我们知道算法其实是一段专门的计算机程序,去实现某种模型计算或功能。特别复杂的算法需要结合硬件(专门的计算设备),如CNN、BP一般使用专门的计算部件。现在还包括操作系统的智能化问题。

 

 

专家系统:是一种模拟人类专家解决有关领域问题的计算机程序系统。有人依据应用目的将专家系统分成12种类型:解释型、诊断型、调试型、维修型、教育型、预测型、规划型、设计型、监测型、控制型、决策型、咨询型。专家系统具有知识汇集、启发性推理、推理和解释的透明性(how&why)、知识更新等特点。由于专家系统的特点,它需要建立高级知识表达、基于概率的推理、模糊计算、模糊推理、解释型表达(语言、图像)等技术。

 

 


 

 

机器学习:研究如何训练机器获得知识和提高机器智慧能力。目前研究领域是:面向任务的研究—研究根据特定任务的要求建立相应的学习系统。认知模拟—研究人类的学习过程并进行计算机模拟。传统学习方法是学什么就应用到相同领域。新的方法是“转移学习”,即可以将学到的知识或技能举一反三应用于其他领域。

 

 


 

 

理论性分析—从理论上探索各种可能的学习方法和独立于应用领域的算法。如归纳法学习、解释学习、遗传学习、连接学习(人工神经网络)。

 

 


 

 


 

 

至于“监督学习”、“无监督学习”和“半监督学习”是机器学习算法的分类。有监督学习就是用已有的特征数据(表示为“输入—结果”)去训练机器,使得机器在新的输入时能够自己获得输出,而误差最小。无监督学习是计算机在无现成特征数据的情况下,自己寻找数据分类规律。如k-means 聚类算法、Apriori算法(一种最有影响的挖掘布尔关联规则频繁项集的算法)。半监督学习是有少量学习样本,结合测试样本数据不断迭代修正已有知识,并对测试样本数据进行分类。

 

 


 

 

强化学习是一种以环境反馈作为输入的、适应环境的机器学习方法。强化学习围绕如何与环境交互学习的问题,在行动——评价的环境中获得知识改进行动方案以适应环境达到预想的目的。

 

 

深度学习相对于浅层学习而言,在人工神经网络中具有5层及以上认为是深度模型,对应机器学习即是深度学习。

 

 


 

 


 

 

机器视觉:使机器像人类视觉一样具有识别、判断、检测、处理功能。一般表现为机器对图像和视频识别、处理能力。

 

 


 

 

自然语言理解与处理:即机器处理语言能力,包括语音识别、语言理解、语言输出(语音对话及书写)等相对应的技术类型。

 

 


 

 

智能控制:机器人和汽车的自动驾驶技术是目前智能控制的典型应用了。工业生产的自动控制(工业过程控制)使用人工智能技术是工业4.0的主要内容。人工神经网络、遗传算法、模糊控制、仿真控制等都成功应用于工业控制领域。智能控制对实时性、鲁棒性(容错能力)要求较高。

 

 


 

 

分布式人工智能:主要有代理(Agent)和多代理二类。所谓代理是一种拟人化的应用,具有自主控制、自适应、自我调节、社交能力等等。有些人认为还应该有情绪、性格、信念、选择、承诺等较人格化的成分。多代理研究协同、团体、自治、合作(人工智能在这些领域的应用技术)。

 

 


 

 

智能决策系统:人工智能和决策支持系统(DSS)相结合。人工智能技术纷繁复杂,哪些可以应用到决策支持系统中,需要根据实际情况来定。比如运筹学中的最优化模型、人工神经网络、聚类算法、分类算法、专家系统、机器推理都可以用。

 

 


 

 

上述每一项其实包含了很多很多模型、算法以及相应软硬件技术集成,人工智能技术是一个技术“大杂烩”。这里举二个目前比较热门的具体技术(算法)。

 

 


 

 


 

 

人工神经网络算法:模仿人脑的神经网络,从最基本的单元上模拟了人类大脑的运行机制。最早的神经网络只有二层(输入与输出),根本不能反映客观复杂世界。现在主要使用的是二种改进算法:反馈神经网络(BP)和卷积神经网络(CNN)。

 

 


 

 

反馈神经网络是将每一个“神经元”(神经网络上的节点)除了前向链接(下图左),还让它有反向链接(下图右),中间的“隐层”可以任意多(取决于需求和计算能力)。反馈的意义在于“自修正”,类似于自动控制中的“反馈”作用。

 

 

当“隐层”很多时,由于神经元的链接太过复杂,很难计算处理。卷积神经网络则将相距较远的神经元不链接,只对局部(相邻)的神经元链接,降低了复杂性,也就是使计算更方便一些。

 

 


 

 

由于神经元的数量可以设置很多,可以并行处理,反馈式神经网络可以自修正、自适应,所以在图像处理、语音处理等方面应用广泛。比如围棋是19x19的网格,落子在每一个交叉点,交叉点和邻近交叉点互联,所以AlphaGo围棋使用人工神经网络(卷积神经网络)处理,它共有13层,这已经是目前看到的最多层数的人工神经网络。

 

 


 

 

聚类分析:聚类算法就是将一堆数据根据它们的相似性对数据进行聚集(聚类)。有时不能简单地将数据归类,现在发展了“模糊聚类”,至于如何“模糊”,又有不同的模糊算法。聚类是不需要事前进行训练的,也就是它是“无监督学习”。在行为分析、文档分类、图像处理、客户分析等方面有很多用处。

 

 

2016年1月,美国宣布了“癌症登月计划”,其中一个项目就是让人工智能进行深度学习,以识别癌症。首先是从认识癌症的分子层面学习,让人工智能了解蛋白质相互作用的机理。其次是进行临床前的药物筛查,对临床前和临床试验时的癌症数据进行筛选,结合小鼠模型中的新数据,通过反馈循环让实验模型指导计算模型,建立肿瘤药物反应的预测模型。第三是建立人口模型,根据不同人群的生活方式、生活环境、所患癌症的种类、不同的医疗体系等,从数百万癌症病人的病历数据中自动分析,从而获取最佳治疗策略。海量病人的数据来自美国国家卫生研究院、美国食品和药品管理局、制药公司和第三方付款机构,且大部分都是非结构化数据,如病理报告。

你可能也喜欢这些

赞助推荐

#第三方统计代码(模版变量)
幸运赛车 荣鼎娱乐 福建11选5开奖 钱多多彩票开户 荣鼎娱乐 极速飞艇 赖子棋牌 159彩票 上海11选5 荣鼎娱乐