当前课程知识点:万物互联 >  第5章 人工智能 >  第一节 人工智能 >  人工智能

返回《万物互联》慕课在线视频课程列表

人工智能在线视频

下一节:人工智能讨论

返回《万物互联》慕课在线视频列表

人工智能课程教案、知识点、字幕

大家好 今天我们简要介绍一下人工智能
ལྷན་རྒྱས་སྐུ་ཁམས་བཟང་། དེ་རིང་ང་ཚོས་མི་བཟོས་རིག་སྟོབས་ངོ་སྤྲོད་མདོར་བསྡུས་ཤིག་བྱ།

首先我们学习人工智能
ཐོག་མར་ང་ཚོས་མི་བཟོས་རིག་སྟོབས་ལ་སློབ་སྦྱོང་བྱ།

我们从人工智能的定义
ང་ཚོས་མིས་བཟོས་རིག་སྟོབས་ཀྱི་མཚན་ཉིད་དང་

人工智能的分类 图林测试
མིས་བཟོས་རིག་སྟོབས་ཀྱི་རིགས་དབྱེ་བ། ཐུའུ་ལིན་ཚོད་ལྟ།

研究范畴和应用实例四个方面进行简要的介绍
ཞིབ་འཇུག་ཁྱབ་ཁོངས། ཉེར་སྤྱོད་དངོས་དཔེ་བཅས་ཕྱོགས་བཞིའི་ཐད་ནས་ངོ་སྤྲོད་མདོར་བསྡུས་བྱ།

图1-1是人工智能的一个示意图
རི་མོ་1-1ནི་མིས་བཟོས་རིག་སྟོབས་ཀྱི་དོན་མཚོན་རི་མོ་ཞིག་ཡིན།

这个图的左边是一个人造的机器
རི་མོ་འདིའི་གཡོན་ཕྱོགས་ནི་མིས་བཟོས་འཕྲུལ་ཆས་ཞིག་ཡིན།

右边是一个人头
གཡས་ཕྱོགས་ནི་མི་ཞིག་གི་མགོ་ཡིན།

中间有一个交集是人脑部分
དཀྱིལ་དུ་སྣོལ་ཚོགས་ཤིག་ཡོད་པ་ནི་མིའི་ཀླད་པའི་སྐོར་ཡིན།

他想表达的意思就是让机器具有人的智能
ཁོས་བརྗོད་འདོད་པ་ནི་འཕྲུལ་ཆས་ལ་མིའི་ཡི་རིག་སྟོབས་ལྡན་དུ་འཇུགས་རྒྱུ་དེ་ཡིན།

下面我们看人工智能的定义
གཤམ་དུ་ང་ཚོས་མིས་བཟོས་རིག་སྟོབས་ཀྱི་མཚན་ཉིད་ལ་བལྟ།

人工智能因为他研究的范畴广泛
མིས་བཟོས་རིག་སྟོབས་ཀྱི་ཞིབ་འཇུག་ཁྱབ་ཁོངས་རྒྱ་ཆེ་བའི་རྒྱུ་མཚན་ནི་དེའི་

应用实例众多 涉及的学科众多
ཉེར་སྤྱོད་དངོས་དཔེ་མང་ལ། དེ་དང་འབྲེལ་བའི་རིག་ཚན་ཡང་མང་པོ་ཡོད།

所以他没有一个统一的定义
དེའི་རྐྱེན་གྱིས་དེ་ལ་གཅིག་གྱུར་གྱི་མཚན་ཉིད་ཞིག་མེད།

我们下面列举常见的三个定义
ང་ཚོས་གཤམ་དུ་རྒྱུན་མཐོང་གི་མཚན་ཉིད་གསུམ་རེ་རེ་བཞིན་བཀོད་ཡོད།

定义一人工智能是关于知识的学科
མིས་བཟོས་རིག་སྟོབས་ཀྱི་མཚན་ཉིད་གཅིག་ནི་ཤེས་བྱའི་སྐོར་གྱི་རིག་ཚན་དང་

是关于怎样获取知识 怎样表现知识
ཤེས་བྱ་ཇི་ལྟར་ལེན་པའི་སྐོར། ཤེས་བྱ་ཇི་ལྟར་མཚོན་པ།

怎样使用知识的学科
ཤེས་བྱ་བེད་སྤྱོད་ཇི་ལྟར་བྱ་རྒྱུའི་རིག་ཚན་ཡིན།

这个定义里面的关键词就是知识
མཚན་ཉིད་འདིའི་ནང་གི་གནད་ཚིག་ནི་ཤེས་བྱ་ཡིན།

他要想表达研究的内容就是怎样获取知识
དེས་བརྗོད་འདོད་པའི་ཞིབ་འཇུག་གི་ནང་དོན་ནི་ཇི་ལྟར་བྱས་ནས་ཤེས་བྱས་ཐོབ་ཐབས་པ་དང་

怎样表示知识以及怎样使用知识
ཇི་ལྟར་ཤེས་བྱ་མཚོན་པ། ཇི་ལྟར་ཤེས་བྱ་བཀོལ་སྤྱོད་བྱེད་རྒྱུ་བཅས་ཡིན།

定义二是人工智能是关于一个
མིས་བཟོས་རིག་སྟོབས་ཀྱི་མཚན་ཉིད་གཉིས་པ་ནི་

一种能够从环境接受感知
ཁོར་ཡུག་ནས་ཤེས་ཚོར་དང་ལེན་བྱེད་ཐུབ་པ་མ་ཟད།

并且对环境的刺激做出响应的这样一个智能体
ཁོར་ཡུག་གི་ཟུག་གཟེར་ལ་དང་ལེན་བྱེད་ཐུབ་པའི་རིག་ནུས་གཟུགས་ཞིག་ཡིན།

那我说这个关键词是一个智能体
དེ་ན་ངས་འདིའི་གནད་ཚིག་ནི་རིག་ནུས་གཟུགས་ཞིག་རེད་ཟེར་རྒྱུ་ཡིན།

这个智能体他能够接受环境的刺激
རིག་ནུས་གཟུགས་འདིས་ཁོར་ཡུག་གི་ཟུག་གཟེར་དང་ལེན་བྱེད་ཐུབ།

并且对环境的刺激做出响应
དེ་མ་ཟད་ཁོར་ཡུག་གི་ཟུག་གཟེར་ཡང་དང་ལེན་བྱ་ཐུབ།

第三个定义是人工智能是关于模拟
མིས་བཟོས་རིག་སྟོབས་ཀྱི་མཚན་ཉིད་གསུམ་པ་ནི་ལད་ཟློས་སྣུར་སྲིང་དང་

延伸和扩展人的智能的理论
མིའི་རིག་སྟོབས་སྐྱེད་པའི་གཞུང་ལུགས་ཀྱི་

00:02:00,569 --> 00:02:03,367
30
方法 技术及应用的科学
བྱེད་ཐབས། ལག་རྩལ། བཀོལ་སྤྱོད་དང་འབྲེལ་བའི་ཚན་རིག་ཡིན།

这个里面的关键词就是人的智能
འདིའི་ནང་གི་གནད་ཚིག་ནི་མིའི་རིག་སྟོབས་ཡིན།

那我们说人工智能他就是要对
དེ་ན་ང་ཚོས་མིས་བཟོས་རིག་སྟོབས་ནི་

人的智能进行模拟 延伸和扩展
མིའི་རིག་གི་ནུས་པ་ལ་ལད་ཟློས་དང་སྣུར་སྲིང་། རྒྱ་སྐྱེད་བཅས་བྱས་པ་ཡིན་ཟེར།

在这个模拟人的智能
མིའི་རིག་སྟོབས་ལ་ལད་ཟློས་དང་

延伸和扩展人的智能的时候
སྣུར་སྲིང་། མིའི་རིག་སྟོབས་ལ་རྒྱ་སྐྱེད་པའི་དུས་རབས་འདིར་

会涉及一些理论 方法以及应用
གཞུང་ལུགས་དང་བྱེད་ཐབས། ཉེར་སྤྱོད་བཅས་འགའ་དང་འབྲེལ་ཡོད།

下面我们看一下人工智能的分类
གཤམ་དུ་ང་ཚོས་མིས་བཟོས་རིག་སྟོབས་གྱི་རིགས་དབྱེ་ལ་ལྟ།

人工智能分为弱人工智能和强人工智能
མིས་བཟོས་རིག་སྟོབས་དེ་དྲག་པོ་དང་ཞན་པའི་མིས་བཟོས་རིག་སྟོབས་གཉིས་སུ་དབྱེ།

弱人工智能是对人的智能的一种模拟
ཞན་པའི་མིས་བཟོས་རིག་སྟོབས་ནི་མིའི་རིག་སྟོབས་ལ་ལད་ཟློས་བྱས་པ་ཞིག་ཡིན།

他看起来很智能
དེར་བལྟས་ཚོད་ཀྱིས་ཧ་ཅང་རིག་སྟོབས་ཡིན།

但他解决的问题受到很多的约束
འོན་ཀྱང་དེས་ཐག་གཅད་པའི་གནད་དོན་ལ་བཀག་རྒྱ་མང་པོ་ཐུགས།

比如说我们刚才提到的
དཔེར་ན་ང་ཚོས་ད་ལྟ་གོང་དུ་བཤད་པའི་

计算机解决数值计算的时候
རྩིས་འཁོར་གྱིས་གྲངས་ཀ་ཐག་གཅོད་བྱེད་པའི་དུས་སུ།

他解决就是一个单一的计算问题
དེས་ཐག་གཅོད་པ་ནི་ཁེར་རྐྱང་གི་རྩིས་རྒྱག་གནད་དོན་ཞིག་ཡིན།

而我们熟悉的AlphaGo下围棋
ང་ཚོར་ཆ་རྒྱུས་ཡོད་པའི་AlphaGoཡིས་

战胜了人类的围棋高手柯洁
མིའི་རིགས་ཀྱི་འགྱིག་མཁས་པ་ཁེ་ཅེ་ཕམ་པར་བརྒྱབ།

他解决的也是一个非常单一的问题
དེས་ཐག་གཅོད་བྱས་པའི་གནད་དོན་ཡང་ཧ་ཅང་སླ་མོ་ཞིག་ཡིན།

强人工智能又称广义人工智能
དྲག་པའི་་མིས་བཟོས་རིག་སྟོབས་ལ་ཡང་ཁྱབ་ཆེ་བའི་མིས་བཟོས་རིག་སྟོབས་ཀྱང་ཟེར།

所谓的强人工智能他就是和人类一样
དྲག་པོ་མིས་བཟོས་རིག་སྟོབས་ཞེས་པ་དེ་མིའི་རིགས་དང་འདྲ།

机器要具有通用的智能
འཕྲུལ་ཆས་ལ་ཐུན་མོང་དུ་སྤྱོད་པའི་རིག་ནུས་ལྡན།

他能够解决任何问题
དེས་གནད་དོན་ཐམས་ཅད་ཐག་གཅོད་བྱེད་ཐུབ།

简单的来说强人工智能实际上就是让
སྟབས་བདེའི་སྒོ་ནས་བཤད་ན་དོན་དངོས་སུ་དྲག་པའི་མིས་བཟོས་རིག་སྟོབས་ནི་

机器具有人的智能或者是具有超人脑的智能
འཕྲུལ་ཆས་ལ་མིའི་རིག་སྟོབས་ལྡན་པའམ་ཡང་ན་མིའི་ཀླད་པ་ལས་བརྒལ་བའི་རིག་སྟོབས་ལྡན།

下面我们看一下图林测试
གཤམ་དུ་ང་ཚོས་ཐུའུ་ལིན་ཚོད་ལྟ་ལ་ལྟ།

图林测试是一个非常简单的
ཐུའུ་ལིན་ཚོད་ལྟ་ནི་ཧ་ཅང་སྟབས་བདེ་ཞིག་དང་

非常经典的测试方法
ཧ་ཅང་གསུང་རབ་ཀྱི་ཚོད་ལྟ་བྱེད་ཐབས་ཤིག་ཡིན།

用来测试机器是不是具有人的智能
དེས་འཕྲུལ་ཆས་ལ་མིའི་རིག་སྟོབས་ལྡན་མིན་ཚོད་ལྟ་བྱས།

那我们看这张图
དེ་ན་ང་ཚོས་རི་མོ་འདི་ལ་བལྟ།

图的左边是一个人
རི་མོའི་གཡོན་ཕྱོགས་ནི་མི་གཅིག་རེད།

他表示他是一个测试者
དེས་ཁོ་ནི་ཚོད་ལྟ་བྱེད་མཁན་ཞིག་ཡིན་པ་མཚོན།

图的右边是一个机器和一个人
རི་མོའི་གཡས་ཕྱོགས་ནི་འཕྲུལ་ཆས་གཅིག་དང་མི་གཅིག་རེད།

那我们把他叫被测试者
དེ་ན་ང་ཚོས་ཁོ་ལ་ཚོད་ལྟ་བྱ་ཡུལ་ཟེར།

这个测试者和被测试者有一堵墙
ཚོད་ལྟ་བྱེད་མཁན་འདི་དང་ཚོད་ལྟ་བྱ་ཡུལ་གྱི་བར་དུ་གྱང་ཞིག་

或者是一个障碍物隔开
ཡང་ན་བཀག་ཆས་ཤིག་གིས་བར་བཅད་ཡོད།

相互看不到
ཕན་ཚུན་རིག་མི་ཐུབ།

但是测试者和被测试者之间有通信线路连接
འོན་ཀྱང་ཚོད་ལྟ་བྱེད་མཁན་དང་ཚོད་ལྟ་བྱ་ཡུལ་གྱི་བར་དུ་འཕྲིན་གཏོང་སྐུད་ལམ་གྱིས་འབྲེལ་ཡོད།

测试者和被测试者之间可以进行通信 交互
ཚོད་ལྟ་བྱེད་མཁན་དང་ཚོད་ལྟ་བྱ་ཡུལ་གཉིས་ཀའི་ཕན་ཚུན་འཕྲིན་གཏོངདང་སྤེལ་རེས་བྱེད་ཆོག

测试者通过和被测试者对话
ཚོད་ལྟ་བྱེད་མཁན་དང་ཚོད་ལྟ་བྱ་ཡུལ་གཉིས་ཀྱིས་སྐད་ཆ་བཤད་རེས་བྱས་ནས་

来测试测试的对象到底是人还是机器
ཚོད་ལྟ་བྱ་ཡུལ་ནི་མི་འམ་འཕྲུལ་ཆས་ཡིན་པ་ཚོད་དཔག་བྱས།

如果30%的测试者
གལ་ཏེ་30%ཡི་ཚོད་ལྟ་བྱེད་མཁན་གྱིས་

他分不清楚到底进行测试的是人还是机器
ཚོད་ལྟ་བྱེད་བཞིན་པ་ནི་མི་ཡིན་པའམ་ཡང་ན་འཕྲུལ་ཆས་ཡིན་པ་གསལ་པོ་དབྱེ་མི་ཐུབ།

我们说这个机器就具有人的智能
དེ་བས་ང་ཚོས་འཕྲུལ་ཆས་འདི་ལ་མིའི་རིག་སྟོབས་ལྡན་པའམ་

或者是具有强人工智能
ཡང་ན་དྲག་པའི་མིས་བཟོས་རིག་སྟོབས་ཡོད་ཟེར།

下面我们看一下人工智能的
གཤམ་དུ་ང་ཚོས་མིས་བཟོས་རིག་སྟོབས་ཀྱི་

研究范畴和应用实例
ཞིབ་འཇུག་ཁྱབ་ཁོངས་དང་ཉེར་སྤྱོད་ལ་ལྟ།

这页PPT上我们列出来的是人工智能的研究范畴
PPTཡི་ཤོག་ངོས་འདིའི་ཐོག་ཏུ་ང་ཚོས་བཀོད་པ་ནི་མིས་བཟོས་རིག་སྟོབས་ཀྱི་ཞིབ་འཇུག་ཁྱབ་ཁོངས་ཡིན།

我们说人工智能的研究范畴是非常广泛
ང་ཚོས་བཤད་པའི་མིས་བཟོས་རིག་སྟོབས་ཀྱི་ཞིབ་འཇུག་གི་ཁྱབ་ཁོངས་ནི་ཧ་ཅང་རྒྱ་ཆེ།

涉及自然语言处理 智能搜索 模式识别等等
རང་བྱུང་སྐད་བརྡའི་སྒྲིག་གཅོད་དང་རིག་ནུས་འཚོལ་བཤེར། རྣམ་པ་ངོས་འཛིན་སོགས་དང་འབྲེལ་ཡོད།

有非常广泛的应用研究范畴
ཉེར་སྤྱོད་ཞིབ་འཇུག་གི་ཁྱབ་ཁོངས་ཧ་ཅང་ཆེ།

自然语言的应用范畴应用涉及机器翻译
རང་བྱུང་སྐད་བརྡའི་ཉེར་སྤྱོད་ཁྱབ་ཁོངས་འཕྲུལ་ཆས་ཡིག་སྒྱུར་དང་རང་འགུལ་གྱིས་གྲུབ་པའི་ཡིག་དེབ།

文本的自动生成 文本的自动归类等等
ཡིག་དེབ་རང་འགུལ་རིགས་དབྱེ་སོགས་དང་འབྲེལ་ཡོད།

而智能搜索就是我们常见的Google搜索
འོན་ཀྱང་རིག་ནུས་བཤེར་འཚོལ་ནི་ང་ཚོས་རྒྱུན་དུ་མཐོང་བའི་Googleའཚོལ་བཤེར་ཡིན།

百度搜索 Bing搜索都属于智能搜索
པད་ཏུའུ་བཤེར་འཚོལ་དང་Bingའཚོལ་བཤེར་ཚང་མ་རིག་ནུས་འཚོལ་བཤེར་ཁོངས་སུ་གཏོགས།

而模式识别是人工智能的一个重要的研究内容
ཡིན་ཡང་རྣམ་པ་ངོས་འཛིན་ནི་མི་བཟོས་རིག་སྟོབས་ཀྱི་གལ་ཆེའི་ཞིབ་འཇུག་གི་ནང་དོན་ཞིག་ཡིན།

那我们下面会有必要详细的介绍
དེ་ན་ང་ཚོས་གཤམ་དུ་ངོ་སྤྲོད་ཞིབ་མོ་བྱེད་དགོས་དོན་ཡོད།

下面我们看一下人工智能的实例
གཤམ་དུ་ང་ཚོས་མིས་བཟོས་རིག་སྟོབས་ཀྱི་དངོས་དཔེ་ལ་ལྟ།

首先是语音识别
ཐོག་མ་སྐད་གདངས་ངོས་འཛིན་ཡིན།

我们看这张图
ང་ཚོས་རི་མོ་འདི་ལ་བལྟ།

这个图的左边是一个人
རི་མོ་འདིའི་གཡོན་ཕྱོགས་ནི་མི་ཞིག་ཡིན།

他在讲话 发出声波
ཁོས་སྐད་ཆ་བཤད་ཀྱི་ཡོད་ལ་སྒྲ་རླབས་བཏང་།

但是他发出来的这个声波属于模拟信号
འོན་ཀྱང་ཁོས་གཏིང་བའི་སྒྲ་རླབས་འདི་ལད་ཟློས་བརྡ་རྟགས་ཀྱི་ཁོངས་སུ་གཏོགས།

中间是一个麦克风
དཀྱིལ་དུ་གནས་པ་ནི་སྐད་སྦུག་ཞིག་རེད།

麦克风的作用是
སྐད་སྦུག་གི་ནུས་པ་ནི་

他把人的发出的模拟信号转换成数字信号
ཁོས་མིས་བཏང་བའི་ལད་ཟློས་བརྡ་རྟགས་དེ་ཨང་ཀིའི་བརྡ་རྟགས་སུ་བསྒྱུར།

然后传输给电脑
དེ་ནས་གློག་ཀླད་ལ་བརྒྱུད་སྤྲོད་བྱས།

这个电脑的作用他就是把声波转换成文字
གློག་ཀླད་འདིའི་ནུས་པ་ནི་སྒྲ་རླབས་ཡི་གེར་བསྒྱུར་རྒྱུ་དེ་ཡིན།

从而实现这个语音的识别
དེ་བས་སྐད་གདངས་ངོས་འཛིན་མངོན་འགྱུར་བྱས།

简单的来说所谓的语音识别
སྟབས་བདེ་བའི་སྒོ་ནས་བཤད་ནི་སྐད་གདངས་ངོས་འཛིན་ཞེས་པ་ནི་

就是把人的语言转换成文字
མིའི་སྐད་ཆ་དེ་ཡི་གེ་ལ་བསྒྱུར་བ་དེ་ཡིན།

人工智能的另外一个应用的实例就是人脸识别
མིས་བཟོས་རིག་སྟོབས་ཀྱི་ཉེར་སྤྱོད་ཀྱི་དངོས་དཔེ་གཞན་ཞིག་ནི་མིའི་གདོང་ངོས་འཛིན་འབྱེད།

我们要进行人脸的识别
ང་ཚོས་མིའི་གདོང་ལ་ཤན་འབྱེད་བྱ་འདོད་ན།

首先我们需要得到人的头部的图像
ཐོག་མར་ང་ཚོར་མིའི་མགོའི་པར་རིས་འབྱོར་དགོས།

我们得到头部的图像以后
ང་ཚོས་མགོའི་པར་རིས་ཐོབ་རྗེས།

但是头部图像里面的头发 肩膀
འོན་ཀྱང་མགོ་པར་རིས་ནང་གི་སྐྲདང་ཕྲག་ཀ

脖子等部分的图像的区域
སྐེ་སོགས་ཀྱི་པར་རིས་ཆ་ཤས་ནི་

对于人脸的识别是冗余的信息
མིའི་གདོང་ངོས་འཛིན་འབྱེད་ལ་མཚོན་ན་ཆ་འཕྲིན་ལྷག་མ་ཡིན།

我们需要剔除这些冗余的信息
ང་ཚོས་ཆ་འཕྲིན་ལྷག་མ་དེ་ལ་དག་བསུབ་དགོས།

或者是我们需要得到人的面部图像
ཡང་ན་ང་ཚོར་མིའི་ངོ་གདོང་གི་པར་རིས་ཐོབ་དགོས།

为了得到人的面部图像
མིའི་ངོ་གདོང་གི་པར་རིས་འབྱོར་པའི་ཆེད་དུ་

我们需要找到一些关键的点
ང་ཚོར་གནད་འགག་གི་ཚེག་འགའ་རྙེད་དགོས།

比如说眉毛的中心 两个眼角 瞳孔
དཔེར་ན་རྫི་མའི་ལྟེ་གནས་དང་མིག་ཟུར་གཉིས། མིག་གི་རྒྱལ་མོ།

鼻尖 甚至嘴唇的中点等等
སྣ་རྩེ། ཐ་ན་མཆུ་ཡི་དཀྱིལ་ཚེག་སོགས།

由这样一些关键的点
འདི་འདྲའི་གནད་འགག་གི་གནས་འགའ་ནས་

我们就可以得到人的面部区域
ང་ཚོས་མིའི་གདོང་གི་ཁྱབ་ཁོངས་ཐོབ་ཐུབ།

然后切出这些面部区域得到人脸的图像
དེ་ནས་གདོང་གི་རི་མོ་དེ་དག་བཏུབ་ནས་མི་ངོའི་པར་རིས་ཐོབ།

我们把人脸的图像输入到计算机
ང་ཚོས་མིའི་གདོང་གི་པར་རིས་རྩིས་འཁོར་དུ་ནང་འཇུག་བྱ།

由计算机完成人脸的识别
རྩིས་འཁོར་གྱིས་མིའི་གདོང་ཤན་འབྱེད་བྱེད་དུ་བཅུག

另外一个实例大家都非常熟悉
དངོས་དཔེ་གཞན་ཞིག་ཚང་མར་ཧ་ཅང་ཆ་རྒྱུས་ཡོད་།

就是AlphaGo和柯洁下围棋
དེ་ནི་AlphaGoདང་ཁུ་ཅེ་ཡིས་འགྱིག་རྩེད་པ་དེ་ཡིན།

左边的这个机器人代表的是AlphaGo
གཡོན་ཕྱོགས་ཀྱི་མིའི་འཕྲུལ་ཆས་འདིས་མཚོན་པ་ནི་AlphaGoཡིན།

右边这个就是柯洁
གཡས་ཕྱོགས་ཀྱི་མི་འདི་ནི་ཁུ་ཅེ་ཡིན།

机器AlphaGo他在下围棋的时候
འཕྲུལ་ཆས་AlphaGoཡིས་འགྱིག་རྩེད་པའི་སྐབས་སུ་

战胜人类的高手柯洁
མིའི་རིགས་ཀྱི་མཁས་པ་ཁེ་ཅེ་ལས་རྒྱལ་བ་ཡིན།

他在下围棋这个领域里面超过了人的智能
དེས་འགྱིག་རྩེད་ཁྱབ་ཁོངས་འདིའི་ནང་དུ་མིའི་རིག་ནུས་ལས་རྒྱལ་སོང་།

AlphaGo战胜柯洁这件事情
AlphaGoཡིས་ཁུ་ཅེ་ཕམ་པར་བརྒྱབཔའི་དོན་དག་འདི་

不仅在人工智能领域
མིས་བཟོས་རིག་སྟོབས་ཀྱི་ཁྱབ་ཁོངས་མ་ཟད་

在整个社会引起了这样的一个疑问
སྤྱི་ཚོགས་ཧྲིལ་པོར་འཕྲུལ་ཆས་ཀྱིས་མིའི་རིགས་ཕམ་པར་རྒྱག་ཐུབ་བམ་

机器是不是会战胜人类
ཞེས་པའི་དོགས་པ་འདི་འདྲ་ཞིག་བསླངས་དུ་བཅུག

当然我们前面提到过
ང་ཚོས་གོང་དུ་བཤད་མྱོང་པ་ལོས་ཡིན།

我们说人工智能它分为强人工智能和弱人工智能
ང་ཚོས་མིས་བཟོས་རིག་སྟོབས་དེ་དྲག་ཞན་གཉིས་སུ་དབྱེ་ཡོད།

但AlphaGo下围棋战胜柯洁这件事
འོན་ཀྱང་AlphaGoའགྱིག་གིས་ཁོ་ཅེ་ལས་རྒྱལ་བའི་དོན་དེ་

他其实属于弱人工智能
དོན་དངོས་སུ་ཞན་པའི་མིས་བཟོས་རིག་སྟོབས་ཀྱི་ཁོངས་སུ་གཏོགས།

AlphaGo他只擅长于下围棋
AlphaGoའགྱིག་མིག་མངས་རྩེ་བར་མཁས།

他没有能力去解决别的问题
དེ་ལ་གནད་དོན་གཞན་པ་ཐག་གཅོད་བྱེད་པའི་ནུས་པ་མེད།

人工智能的另外一个应用的实例就是自动驾驶
མིས་བཟོས་རིག་སྟོབས་ཀྱི་བཀོལ་སྤྱོད་བྱ་ཡུལ་གཞན་ཞིག་ནི་རང་འགུལ་རླངས་འཁོར་ཡིན།

我们这个地方有两张图
ང་ཚོའི་ས་ཆ་འདིར་རི་མོ་གཉིས་ཡོད།

左边这个图形象的展示了
གཡོན་ཕྱོགས་ཀྱི་རི་མོ་འདིས་འཕྲུལ་ཆས་ཀྱིས་མིའི་རིགས་ཀྱི་

由机器替代人类驾驶汽车
ཚབ་བྱེད་ནས་རླངས་འཁོར་སྐོར་བ་འགྲེམས་སྟོན་བྱས་ཡོད།

这是理想化的一种表示
འདི་ནི་རེ་སྨོན་ཅན་གྱི་མཚོན་ཚུལ་ཞིག་ཡིན།

右边这张图实际上是
གཡས་ཕྱོགས་ཀྱི་རི་མོ་འདི་དོན་དངོས་སུ་

真正的一个自动驾驶的一个车的装置
རང་འགུལ་རླངས་འཁོར་གཏོང་བའི་སྒྲིག་ཆས་ངོ་མ་ཞིག་ཡིན།

那我们看这个车的顶部装置了很多传感器
ང་ཚོས་རླངས་འཁོར་འདིའི་ཀླད་ཐོག་ཏུ་ཚོར་འདྲེན་ཆས་མང་པོ་སྒྲིག་པར་བལྟ།

这些传感器他有图像传感器 音频传感器
ཚོར་འདྲེན་ཆས་འདི་དག་ལ་བརྙན་རིས་ཚོར་འདྲེན་ཆས་དང་སྒྲ་ཟློས་ཚོར་འདྲེན་ཆས་ཡོད།

图像传感器他要捕获周围的信息
བརྙན་རིས་ཚོར་འདྲེན་ཆས་ཀྱིས་མཐའ་འཁོར་གྱི་ཆ་འཕྲིན་དང་

道路的信息 信号灯的信息
བགྲོད་ལམ་གྱི་ཆ་འཕྲིན། བརྡ་རྟགས་གློག་སྒྲོན་གྱི་ཆ་འཕྲིན་བཅས་ལེན་དགོས།

语音的传感器他要捕获周边的汽车的喇叭声等
སྐད་གདངས་ཀྱི་ཚོར་འདྲེན་ཆས་ཀྱིས་ཉེ་འཁོར་གྱི་རླངས་འཁོར་གྱི་དུང་སྒྲ་སོགས་ཚོར་དགོས།

从这样一些周边的信息他要做出反应
མཐའ་འཁོར་གྱི་ཆ་འཕྲིན་འདི་དག་ལས་ཁ་ཕྱོགས་འགྱུར་དགོས་མིན་ཡང་ན་

改变还是保持当前的运行状态
མིག་སྔའི་འཁོར་སྐྱོད་ཀྱི་རྣམ་པ་རྒྱུན་འཁྱོངས་བྱ་དགོས་པ་ཐག་གིས་གཅོད།

如果遇到突发事件
གལ་ཏེ་གློ་བུར་དུ་དོན་རྐྱེན་དང་འཕྲད་ཚེ།

他需要减速或者是停止
དེས་དལ་དུ་གཏོང་དགོས་སམ་མཚམས་འཇོག་དགོས།

如果道路宽敞
གལ་ཏེ་འགྲོ་ལམ་ཡངས་རྒྱ་ཆེ་ཚེ།

他需要加速或者是保持正常的运行
དེས་མགྱོགས་མོའམ་ཡང་ན་རྒྱུན་ལྡན་གྱི་འཁོར་སྐྱོད་བྱེད་ཚད་རྒྱུན་འཁྱོངས་བྱ་དགསོ།

人工智能除了我们前面提到的人脸识别
མིས་བཟོས་རིག་ནུས་ལ་ང་ཚོས་གོང་དུ་བཤད་པའི་མིའི་གདོང་ངོས་འཛིན་དང་

语音识别 下棋 自动驾驶这方面的应用以外
སྐད་གདངས་ངོས་འཛིན། འགྱིགས་རྩེ། རང་འགུལ་རླངས་འཁོར་སོགས་ཀྱི་ཉེར་སྤྱོད་མ་ཟད།

还有非常广泛的应用
ད་དུང་ཉེར་སྤྱོད་ཧ་ཅང་རྒྱ་ཆེ་པོ་ཡོད།

比如说指纹识别 虹膜识别 智能控制
དཔེར་ན་མཛུབ་རིས་ངོས་འཛིན་དང་འཇའ་སྐྱི་ངོས་འཛིན། རིག་ནུས་ཚོད་འཛིན།

机器人学 语言和图像理解 遗传编程等等
འཕྲུལ་ཆས་སློབ་སྦྱོང་། སྐད་བརྡ་དང་བརྙན་རིས་ལ་གོ་བ་ལེན་པ། རྒྱུད་འཛིན་བྱ་རིམ་སྒྲིག་པ་སོགས།

万物互联课程列表:

第1章 万物互联简介

-第一节:互联网简介

--Video

-第二节上:互联网主要特点(上)

--Video

-第二节中:互联网主要特点(中)

--Video

-第二节下:互联网主要特点(下)

--Video

-第三节:什么是万物互联

--Video

-第四节:思科网络学院IoE在线课程互动游戏

--Video

-第1章 万物互联简介--第一章习题

第2章 万物互联支撑要素

-第一节 “事物”要素

--Video

-第二节上:“数据”要素(上)

--Video

-第二节下:“数据”要素(下)

--Video

-第三节 “人员”要素

--Video

-第四节 “流程”要素

--Video

-第2章 万物互联支撑要素--第二章习题

第3章 联所未连

-第0节:联所未连简介

--Video

-第一节:连接设备

--Video

-第二节上:配置设备(上)

--Video

-第二节下:配置设备(下)

--Video

-第三节:编程

--Video

-第3章 联所未连--第三章习题

第4章 过渡到IoE

-第一节 IoE连接

--Video

-第二节 实施IoE解决方案

--Video

-第三节 IoE的安全性

--Video

-第4章 过渡到IoE--第四章习题

第5章 人工智能

-第一节 人工智能

--人工智能

--人工智能讨论

-第二节 模式识别

--模式识别

--模式识别讨论

-第三节 深度学习

--深度学习

--深度学习讨论

-第四节 小节

--小节

--第五章 习题

第6章 大数据

-第一节 大数据的思维方式

--大数据的思维方式

--大数据思维作业

-第二节 大数据分析基础

--大数据分析基础

--大数据分析作业

第7章 云计算

-第一节 云计算概述

--云计算概述

-第二节 虚拟化技术

--虚拟化技术

-第三节 存储技术

--存储技术

第8章 复杂网络视角下的万物互联

-第一节 复杂网络

--复杂网络

-第二节 复杂网络视角下的万物互联

--复杂网络视角下的万物互联

人工智能笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。