生命在于学习——Python人工智能原理（1.2）
一、人工智能的基本知识
6、新一代人工智能驱动因素
（1）数据量爆发性增长。
（2）计算能力大幅提升
（3）深度学习等算法发展
（4）移动AI创新应用牵引
7、人工智能关键技术
（1）机器学习和深度学习
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，研究计算机怎样模拟或实现人类的学习行为，以获取新的只是或技能。
机器学习是人工智能技术的核心，基于数据的机器学习是现代智能技术中的重要方法之一。
a、根据学习模式分为监督学习、无监督学习、强化学习
b、根据学习方法分为传统机器学习和深度学习（深度学习是机器学习的一个子集）
（2）计算机视觉
计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有人类提取、处理、理解和分析图像及图像序列的能力。
计算机视觉可分为：
a、计算机成像学
b、图像理解
c、三维视觉
d、动态视觉
e、视频编解码
（3）自然语言处理
自然语言处理是计算机科学领域与人工智能领域的一个重要方向，它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。
a、机器翻译
b、语义理解
c、问答系统
（4）知识图谱
知识图谱的概念是由谷歌公司于2012年5月17日首次提出，旨在描述客观世界的概念、实体、事件及其之间的关系，并作为构建下一代智能化搜索引擎的核心基础。
知识图谱本质上是结构化的语义知识库，是一种由节点和边组成的图数据结构，以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是“实体-关系-实体”三元组以及实体及其相关“属性-值”对
用途非常广泛：
a、语义搜索
b、智能问答
c、个性化推荐或精准营销
d、公共安全保障领域
（5）SLAM技术（同步定位于建图）
机器人想要自由行走，实现自主定位与导航是关键，自主定位导航包括定位、建图与路径规划。
SLAM技术是目前市场上使用较为广泛的室内自主定位与导航技术，采用该技术运动物体可以根据传感器的信息，一边计算自身位置，一边构建环境地图或环境模型。
SLAM技术——早期的声呐-2D3D激光雷达——单目、双目、RGBD、ToF相机，SLAM算法从开始的基于滤波器的方法向基于优化的方法转变，技术框架从开始的单一线程向多线程演进。
SLAM技术根据传感器可以分为：
a、基于视觉的VSLAM
b、基于激光雷达的激光SLAM
（6）人机交互
人机交互主要研究人与计算机之间的信息交换，是人工智能领域重要的外围技术。
（7）虚拟现实/增强现实/混合现实
a、基本定义
虚拟现实VR、增强现实AR、混合现实MR是以计算机为核心的新型视听技术。结合相关科学技术，在一定程度上生成与真实环境在视觉、听觉、触觉等方面高度相似的数字化环境，用户借助必要的设备，与环境中的对象进行交互，互相影响，获得近似真实环境的感受和体验。
按照不同处理阶段，可以分为获取与建模技术、分析与利用技术、交换与分发技术、展示与交互技术及技术标准与评价体系5个方面。
b、三者的关系
实现方式不同、应用场景不同、用户体验不同。
（8）生物特征识别
生物特征识别技术是指通过个体生理特征或行为特征对个体身份进行识别认证的技术，从应用流程看，分为注册和识别两个阶段。
从应用任务看，生物特征识别一般分为辨认和确认两种任务。
8、人工智能、机器学习和深度学习的关系
人工智能、机器学习和深度学习之间的关系可以概括为逐层递进和包含的关系。
人工智能是最宽泛的概念，机器学习是实现人工智能的一种方法，机器学习是人工智能的一个子集。
三者的关系可以概括为：人工智能是最宽泛的概念，机器学习是实现人工智能的一种方法，深度学习是机器学习算法中的一个分支，三者之间逐层递进，深度学习是机器学习的一种特殊形式，而机器学习又是实现人工智能的一种方式。同时，它们之间也是包含关系，即人工智能包含的机器学习，而机器学习又包含了深度学习。
第一部分总体框架图：
