深度学习案例教程 教案全套 钱月钟 第1--9章 深度学习简介--语音识别.docx

1-01人工智能与机器学习

（p1）同学们大家好，今天我们来学习深度学习课程的第一章，深度学习的简介。

（p2）在开始学习之前，首先我们明确学习目标。在本章中，我们需要理解深度学习的概念和发展历程；了解深度学习在各种应用场景中的应用；理解机器学习的相关概念；掌握深度学习的特点和优势；熟悉常用的深度学习框架，能够选择合适的框架进行开发。

（p3）下面，我们来学习我们的第一节。人工智能与机器学习、深度学习的关系。那么，什么是人工智能呢？人工智能相信大家都有听说过，人工智能是指使计算机系统具备模拟、延伸和扩展人类智能的能力，使其能够完成通常需要人类智力才能完成的任务。在这个定义中，人工智能系统不仅能够模拟人类的智能，还能够超越人类的智能，从而实现更高效、更准确和更快速的决策和行动。

（p4）我们来看一下人工智能的发展历程。在20世纪50年代的时候，计算机科学家们开始研究如何创建能够像人类一样思考和决策的计算机系统。最初的人工智能系统是基于规则的，也就是说，它们是通过一系列预定义的规则来进行决策和行动的。但是，这种方法在面对复杂和不确定的环境时效果不佳。在80年代初期，基于专家系统的人工智能技术曾经一度风靡一时。专家系统是一种基于规则的人工智能系统，它使用了人类专家的知识和经验，以此来进行决策和推理。但是，由于专家系统很难适应不确定和复杂的环境，它的应用范围被限制了。经过十年的发展，在90年代初期，人工神经网络和机器学习技术开始受到关注。这两种技术的出现使得人工智能在图像识别、语音识别、自然语言处理等领域取得了重要的进展。近年来，深度学习的出现使得人工智能的发展又迎来了一个重要时期。这种技术在计算机视觉、语音识别、自然语言处理等领域取得了显著的进展，并且正在逐渐改变着我们生活和工作的方式。

除了机器学习和深度，人工智能还包括了一些其他的技术和方法，例如知识表示和推理、规划和决策等等。这些技术和方法在人工智能系统中扮演着不同的角色和功能，共同实现了计算机系统和人类智能的交互和融合。

（p5）接下来我们来看一下，机器学习。那什么是机器学习呢？机器学习它的英文名称是Machinelearning是一种基于数据的人工智能方法，它使用大量的数据来训练机器学习模型，并从中学习和识别规律。深度学习是一种基于人工神经网络的机器学习算法，它使用了多层的神经网络结构，使得机器学习模型能够处理更加复杂和抽象的数据，从而实现更高效、更准确的决策和预测。

（p6）机器学习涉及概率论，统计学，逼近论，图分析，算法复杂度理论等多门学科。

他的核心的目的主要就是通过统计等方法，来进行智能的推理。机器学习在形式上，近似于在数据对象中通过统计或推理的方法寻找一个适用特定输入和预期输出功能的函数。例如左图所示：第一个f，输入是一个音频，输出是文字“你好”，第二个f输入是一张猫的图片，输出就是文字“cat”，而机器学习就是中间的转化函数。

而如何让机器学习这个函数转换更加准确，那么就需要大量的数据让他学习。这个学习需要以下几个步骤，如右图所示，首先需要收集数据，然后对数据进行整理清洗，也就是准备数据，接着我们要根据任务选择相应的模型算法，下一步进行模型训练，训练好的模型还不能直接使用，需要进一步进行模型评估，中间可能会涉及到一些参数设置调整，然后不断优化模型，最后再进行结果的预测。这就是机器学习的一般步骤。

（p7）机器学习一般分为4类。

首先第一类是监督学习。它是利用已知类别的样本，进行调整参数训练得到一个最优模型，利用这个训练好的模型将输入映射为对应的输出。通俗来讲可以这么理解，我们给计算机出一些题作为一个训练样本，同时提供标准答案进行学习，计算机努力来调整自己的模型参数，使得他计算的答案与标准答案尽可能一致，这样再让计算机去做一些没做过的但是类似的题目，他就能给出较好的答案。

第二类是无监督学习，在无监督学习中，数据都是没有标签的，需要根据类别未知的数据来训练模型，而模型会通过样本数据之间的区别或相似性，总结出区分样本区分的方法。

至于他能学到什么，取决于数据它自身的特性。举个例子，俗话说，物以类聚，人以群分，我们通过认识很多人，慢慢的就会总结出经验，这样就能够更好的认识一个人。

第三类是半监督学习。半监督学习是介于监督学习和无监督学习之间的一种机器学习的方式。主要是考虑，利用少量的标注样本和大量的未标注样本进行训练和分类。通俗的来说就是我们给计算机一堆选择题作为训练样本，但是只提供一部分标准答案，计算机会尝试去分析这些题目之间的关系，通过少量的标注样本对题目进行分类，从而得到标准答案。

第四类是强化学习，强化学习就是智能系统从环境到行为映射的学习，强化学习会根据环境提供的强化信号来评价之前动作的好坏。从而优化模型，使之做出效果更好的动作。我们还是以做题为例，我们给