对AI的理解及应用的思考

1. 概述

1.1 常用术语

1.2 AI学习方式及地位

序号 学习方法 地位 1 强化学习(Reinforcement Learning) 犹如蛋糕上的一颗樱桃 2 监督学习(Supervised Learning) 犹如蛋糕外的一层糖霜 3 无监督学习/预测学习
(Unsupervised/Predictive Learning) 才是蛋糕本身

到目前为此（2017.3），我们只知道做樱桃和糖霜， 却不知道如何做蛋糕本身。

1.2.1 AI如何学习?

1）监督学习：使用精心设计的成本函数（costfunction）来指导学习
2）无监督学习：利用生成式对抗网络（GAN:Generator Adversarial Networks）对机器进行对抗训练（Adversarial Training）

1.2.1. GAN （Generator Adversarial Networks）

1）它是一种面向无监督学习的神经网络
2）它带有一个生成器（Generator，好比说谎者），从随机输入中生成某类假数据（比如： 假和图片）
3）假数据和来自世界的真数据一起输入一个判别器（Discriminator，好比测谎器）中，等待判别器裁决
4）GAN训练过程：判别器这位测谎器要从过去失败的经验中学习如何识别生成器生成的假图像，以防止自己被骗；而说谎者也同样从过去的经验中学习如何骗过测谎器，从而双方在博弈过程中不断进步。其博弈结果为：生成器通过训练，最后可以生成非常真实的图片，即它已经掌握了图像的本质特征，即准确的成本函数（costfunction）

1.3 深度学习经典模型

深度学习经典模型有：
1）VGG（牛津大学视觉几何组）
2）GoogLeNet（Google）
3）ResNet （Facebook的尝试残差网络）
4）Mask R-CNN （Facebook）

1.4 AI的应用领域

1）自动驾驶
2）语音交流
3）工业制造（生产本地化）
4）教育
5）医疗健康