人工智能自动问答系统解决方案
释放数据决策力
目录
第一部分 人工智能大数据概览 第二部分 知识图谱技术概览 第三部分 自动问答解决方案
我国的大数据+人工智能战略
大数据战略发展历程
国外 ➢ 2005年Hadoop项目研究分布式系统
基础架构 ➢ 2008年末，部分计算机研究人员认可
“大数据” ➢ 2012年3月，美国政府发布了《大数
运动 效果
照片 识别
工业 保养
语音 识别
医学图 像识别
深度 学习
机器 翻译
知识 图谱
语音 搜索
精准 营销
自动 驾驶
思想就是堆叠多个层，一层的输出作为下一层的输入，输入信息分级表达
➢ 一堆输入I（如一堆图像或者文本） ➢ 一个系统S（有n层），通过调整系统中参数，使得它的输出仍然是输入I ➢ 自动地获取得到输入I的一系列层次特征，即S1，…, Sn。 ➢ 输出严格地等于输入或者输入与输出的差别尽可能地小 ➢ 训练耗时，模型正确性验证复杂且麻烦 ➢ 某些深度网络不仅训练而且线上部署也需要GPU支持，计算资源要求高
赛马结果 ➢ 微软人工智能的语言理解能创新技术 ➢ 科大讯飞即时语音翻译 ➢ 智慧气象预报\山东智慧旅游
人工智能
什么是人工智能 人工智能有多种表述方式，多种处理技术 必须能够感知、推断和行动，然后根据经验进行调整
国内 ➢ 智慧气象预报 ➢ 智慧城市 ➢ 阿里信用贷款和淘宝数据魔方 ➢ 腾讯大数据视频
相 辅 相 成
人工智能战略发展历程
国外 ➢ 2016年初，AlphaGo在围棋领域实现了
重大突破 ➢ 2016年10月，美国政府发布《国家人工
智能研究与发展策略规划》 国内 ➢ 2016年5月，发改委等印发《＂互联网＋
人工智能
机器学习 深度学习 卷积神经网络
类脑学习
深度增强学习 Q学习 增强学习
人工智能-机器学习-深度学习
传感器数据
预处理
特征提取
特征选择
推理、预测、识别 机器学习
中间三部分是特征表达。良好的特征表达，对最终算法的准确性起了非常关键的作用，而且系 统主要的计算和测试工作都耗在这一大部分。而实际中一般都是人工完成的，靠人工提取特征 费时费力、准确性查。
人的视觉系统的信息处理是分级 的，高层的特征是低层特征的组 合，从低层到高层的特征表示越 来越抽象，越来越能表现语义或 者意图
➢ 不要人工参与的特征自动选取 ➢ 模拟人脑信息处理分层模式 ➢ 需要多层来获得更抽象的特征表达
深度学习
人工智能-深度学习
包含多隐层的多层感知器，通过组合低层特征形成更加抽象的高层表示属性类别或特征，以 发现数据的分布式特征表示。在计算机视觉、语音识别、自然语言理解等领域取得了突破
1，从大量 数据中确定 和识别
4，根据经 验调整更智 能的算法
感知
推断
人工 智能
调整
行动
2，根据背 景环境制定 实现的目标
3，推荐或 直接启动最 佳行动方案
人工智能的实现
两种方式让机器执行人工智能：机器学习和深度学习
机器学习就是学习算法从数据构建模型，并随着数据量的增加不 断改进。 增强学习是如何在环境中采取一系列行为，从而获得最大的累积 回报（某种强化信号） Q学习是最常用的增强学习方法，其中Q代表某种动作的长期回 报价值。 Q学习是通过观察来学习Q值的 深度学习是多层神经网络从大量数据中进行学习，如卷积神经网 络 深度增强学习是将深度学习与增强学习结合起来从而实现从感知 到动作的端对端学习的一种全新的算法 类脑学习是一种低功耗、将生物机制与数学原理融合的新型网络 模型和学习方法，是人工智能的发展方向
丰富关系的数据万维网 ➢ 知识图谱率先由Google提出，以提高其搜索的质量，拉开了语义搜索的序幕
知识图谱 ➢ 知识图谱旨在描述真实世界中存在的各种实体或概念 ➢ 每个实体或概念用一个全局唯一确定的ID来标识 ➢ 每个属性-值对AVP用来刻画实体的内在特性 ➢ 关系用来连接两个实体，刻画它们之间的关联
目录
第一部分 人工智能大数据概览 第二部分 知识图谱技术概览 第三部分 自动问答解决方案
人工智能-深度学习-知识图谱
知识图谱起因 ➢ 网络上全面发布关联开放数据集，RDF链接不同来源数据集的数据，语义Web数据源的数量激增 ➢ 互联网正从仅包含网页和网页之间超链接的文档万维网转变成包含大量描述各种实体和实体之间
关系抽取（Relation Extraction） ➢ 关系抽取是一种典型的信息抽取任务。 ➢ 通过识别表达语义关系的短语来抽取实体间关系 ➢ 关系抽取是知识图谱构建的核心技术，它决定了知识图谱中知识的规模和质量
知识图谱亦可被看作是一张巨大的图 ➢ 图中的节点表示实体或概念 ➢ 图中的边则由属性或关系构成 ➢ 图模型可用W3C提出的资源（网页的标题、作者、修改日期
、内容以及版权信息等）描述框架RDF 或属性图来表示
人工智能-知识图谱中的核心技术
实体链指（Entity Linking） ➢ 自动识别用户输入查询词中的实体并链接到知识图谱的相应节点上。 ➢ 实体链指的主要任务有两个，实体识别与实体消歧，都是自然语言处理领域的经典问题 ➢ 实体链指还可以包括图像、社交媒体等数据与实体之间的关联 ➢ 实体链指是知识图谱构建与应用的基础核心技术。
据研究和发展倡议》 国内 ➢ 2014年2月，贵州印发《关于加快大
数据产业发展应用若干政策的意见》 ，开始布局大数据 ➢ 2015年11月中共中央在“十三五”规 划的建议中提出实施国家大数据战略 ➢ 2016年3月， “国家大数据战略”写 进了 “十三五”规划纲要(草案)
大数据既有成就
国外 ➢ 美国爱荷华和印度增加农业产量 ➢ 阿联酋设计节能建筑 ➢ 巴塞罗那打造智慧城市 ➢ 通用公司改善航空业 ➢ 瑞典斯德哥尔摩出租车缩短通勤时间 ➢ 美国挽救更多“早产儿” ➢ 美国预测灾害天气
＂人工智能三年行动实施方案》 ➢ 2017年3月，“人工智能”首次进入我国
政府工作报告 ➢ 浙江省发改委制定《浙江省“互联网+”
人工智能三年行动实施方案》，建示范区
人工智能新成就
国外 ➢ AlphaGo击败世界围棋冠军 ➢ 特斯拉Autopilot将血栓病人
送到医院 ➢ Swarm人工智能预测肯塔基