專業

學生實訓基地的建設，以及中國人民大學與中國科學技術協會、中國外文出版發行事業局合作的兩大研究中心，都是産學交融的探索。一覽群智、百度、京東、滴滴、愛奇藝、美團點評、地平線等知名科技企業成爲首批學生實訓基地。

西安交通大學

人工智能學院

今年1月21日成立，由鄭南甯院士作爲首席教授，主要進行以計算機視覺與模式識別爲基礎的智能信息處理結合學科發展前沿，重點進行視覺信號統計特性、初級視覺模型、計算機圖形學和機器視覺信息計算模型研究；智能系統的數理機制探索與模型化；計算視頻及面向圖像和視頻處理的超大規模專用集成電路設計；基于圖像信息的智能控制與識別系統和各種圖像處理方法與技術。

西安交大“人工智能本科專業課程設置”按課程群分類設置，包括通識教育、數學與統計、科學與工程、人工智能、計算機科學、機器人等11個課程群，共開設64門課程，其中必修課程41門、選修課程23門 (完成所需學分需選修其中12門)。

東南大學

人工智能學院（人工智能研究院）

今年1月14日成立，著名校友、聯想集團首席技術官、高級副總裁芮勇博士出任兼職院長。

人工智能學院的本科生及碩士生招生規模均會不少于100人，探索本碩博貫通培養模式。研究院將在人工智能基礎理論研究、共性技術與核心算法研究、人工智能産業合作推廣、人工智能人才隊伍建設等方面開展工作。

大連理工大學

人工智能、機器學習、深度學習、卷積神經網絡的關系

需要注意的是，深度學習與傳統機器學習的區別在于：傳統機器學習描述樣本的特征通常由專家來設計，這稱爲“特征工程”；深度學習則通過機器學習自身來産生特征，即“特征學習”或“表示學習”。

傳統機器學習與深度學習的區別

在數據的“初始表示”（如圖像的“像素”）與解決任務所需的“合適表示”相距甚遠的時候，傳統機器學習就顯得無能爲力而只能嘗試使用深度學習的方法。

人工智能應用框架

• 基礎層：爲人工智能産業奠定網絡、算法、硬件鋪設、數據獲取等基礎，主要包括AI芯片、IoT傳感器、數據服務、雲計算等。其中：

• AI芯片包括GPU、FPGA等加速硬件與神經網絡芯片，爲深度學習提供計算硬件，是重點底層硬件；

• 傳感器主要對環境、動作、圖像等內容進行智能感知，是人工智能的重要數據輸入和交互硬件；

• 數據服務包括數據挖掘、監測、交易等，爲人工智能産業提供數據的收集、處理、交易等服務；

• 雲計算主要爲人工智能開發提供雲端計算資源和服務，以分布式網絡爲基礎，提高計算效率。

• 技術層：模擬人的智能相關特征爲出發點構建技術路徑，主要包括圖像識別、語音識別、自然語言處理NLP、知識圖譜等。目前發展比較成熟的主要包括：

• 計算機視覺包括靜態和動態圖像識別與處理等，對目標進行識別、測量和計算，有廣泛的應用場景；

• 語音及自然語言處理包括語音識別和自然語言處理，基于數據化和框架化的處理模型，研究語言的手機、識別理解和處理等工作，設計計算機、語言學、邏輯學等學科。

• 應用層： 集成一類或多類人工智能基礎應用技術，面向特定應用場景需求而形成的軟硬件産品或解決方案。主要包括：無人駕駛、智慧安防、智慧城市(城市大腦)、金融科技(Fintech)、智慧醫療、智慧物流等領域。

  
  

當下,人工智能(AI)似乎成了一個時髦詞,幾乎每家公司都聲稱自己使用了這項技術。然而,AI在遊戲中的應用並不新鮮——甚至可以說它是“所有電子遊戲的基礎”。從最簡單的遊戲《Pong 乒乓》就在使用AI技術,AI技術創造的遊戲體驗一直和我們玩家相伴,早期遊戲中使用的AI技術給與遊戲一種不可預測性,玩家每一次進入遊戲都有不同的遊戲體驗。

如今,遊戲中使用的人工智能比以往任何時候都更加複雜,玩家的遊戲體驗前所未見。開發者使用的AI工具更加強大,這讓遊戲更加真實同時還能簡化開發過程,我們接下來討論AI技術如何推動手機遊戲的變革與手遊開發進程。

人工智能是如何進入到手機遊戲開發中的

簡單來講,人工智能是機器或軟件展示智慧的一種技術。可以體現在語音識別、大數據識別和自動駕駛上。由于人工智能需要複雜的計算,因而主機遊戲和PC上面的遊戲引領了遊戲中人工智能的發展。隨著近年來,移動端手機CPU處理能力的提升,AI在智能手機上的應用也在迅速增加。同時流媒體和5G技術將原本只能在主機和PC上使用的AI技術可以在手機端應用。

手機遊戲中使用AI技術制作的遊戲最好的例子是谷歌開發的虛擬現實遊戲《Artie’s Adventure》,AI角色驅動的互動冒險遊戲。圍繞著沖浪小狗Artie,它需要你的幫助才能回到海灘,需要使用語音控制與Artie和其他新朋友交談,協助小狗穿越洛杉矶。這是面向兒童的一款遊戲,顯示了手機遊戲是如何融入人工智能。

人工智能不僅僅可以提供可供互動的智能角色,還可以生成程序化的內容,例如關卡和不同的角色。這意味著隨著玩家的遊玩關卡可以一直在創造,這也意味著給與每個玩家不同的遊戲體驗。《我的世界》就是一個很好的例子,通過程序不斷生成內容來保持遊戲的新鮮感。

人工智能對手遊開發的影響

對于遊戲開發者來說,AI可以通過分析玩家行爲來幫助開發手機遊戲。這使得開發者通過分析玩家遊戲行爲,爲他們量身定制遊戲體驗。Telltale Games工作室收集數據並將其作爲體驗的一部分。他們的遊戲《行屍走肉》,展示了不同玩家的選擇差別巨大。

Telltale Games並沒有提供玩家數據給AI,然後去改變遊戲玩法,但它卻暗示了未來的可能性。想象一個場景,當一個玩家因爲某個特定關卡或解謎太難而感到沮喪時,開發人員可以檢測到該場景。然後,AI可以提供一些提示來幫助玩家,同時還能讓玩家獲得通關的滿足感。這意味著在遊戲開始時,玩家不需要在簡單的、普通的或困難中做出選擇——遊戲會根據玩家遊戲技巧作出反應。

《行屍走肉》

不僅如此,AI也有能力調整遊戲中的要素來提高遊戲收入。《Game of whale》使用AI技術在最佳時間來介紹應用內購買或廣告等內容。這確保了玩家遊戲體驗不會被打斷,整體體驗順暢進行。AI工具可以幫助開發者和在合適的時間吸引玩家注意力,並且幫助開發者將普通玩家轉變爲付費客戶。

只是一個開始

關于分類

人類對事物的識別其實很大程度就是對事物進行分類。就好比下面圖中的各種花，我們看到桔梗時就知道它是一種花，看到曼陀羅時也認爲它是一種花，看到不同的花我們都對它們進行分類。類似的還有人、樹、汽車等等，都屬于分類概念，當看到相應事物時都會對其進行分類。

分類是人工智能的核心部分，神經網絡則可以實現像人類這樣的識別分類能力。對于機器來說，所有信息都是用離散的數字信號來表征的，神經網絡的目標就是通過這些離散的信號來進行分類從而達到識別效果。

最簡神經網絡

感知器是最基礎的神經網絡，它可以有多個輸入(x1,x2,…xn)，每個輸入對應有一個權重(w1,w2…wn)，除此之外還有一個偏置項w0。每個輸入和對應的權重相乘然後進行累加，再通過一個階躍函數，最簡神經網絡就是這麽簡單。這麽簡單的模型有什麽用？其實它可用于線性分類。

假如現在有兩類事物，分別用藍色和黃色表示。我們提取了兩個判斷因子x1和x2，現在准備使用簡單的神經網絡函數來決定某個點屬于藍色還是黃色。先計算z = ax1+bx2+c，然後再將z值通過Sigmoid激活函數，Sigmoid函數如圖，其值被壓縮到0-1之間，0.5作爲藍黃色的分界線。

現在的問題是a、b、c參數該怎麽確定才能正確地將藍色和黃色分開呢？我們先隨便猜三個值，比如a=0.20，b=-0.3，c=0.7，則此時的分類效果如下。

繼續猜a=-0.20，b=-0.7，c=-0.5，這會運氣好，效果看起來挺不錯的，都正確分類了。可以肯定的是我們可以無限地猜測下去，而且會找到更加完美的分割線。但是哪條分割線是最好的，而且我們應該如何來尋找這些分割線呢？目前爲止我們采取的是猜的策略，也許一猜就中，也許永遠都猜不中。