什么是人工智能(AI)?

你需要知道的三件事

人工智能(AI)是对人类智能行为的模拟。它是一种计算机或系统，旨在感知环境，理解其行为，并采取行动。以自动驾驶汽车为例:像这样的人工智能驱动系统将机器学习和深度学习等人工智能算法集成到复杂的环境中，从而实现自动化。

AI为何重要

人工智能工作流

人工智能与MATLAB

为什么人工智能很重要？

据麦肯锡预测，到2030年，人工智能预计将在全球创造13万亿美元的经济价值。

这是因为人工智能正在改变几乎所有行业和应用领域的工程。

除了自动驾驶，人工智能还被用于预测机器故障的模型，表明何时需要维护;健康和传感器分析，如患者监测系统;以及直接从经验中学习和改进的机器人系统。

面向工程师的人工智能:构建人工智能系统

AI工作流的关键组件

要想在人工智能领域取得成功，需要的不仅仅是训练人工智能模型，尤其是在人工智能驱动的决策和行动系统中。一个可靠的人工智能工作流程包括准备数据、创建模型、设计运行模型的系统，以及部署到硬件或企业系统。

AI工作流中的步骤。

数据准备

获取原始数据并使其对一个准确、高效和有意义的模型有用是关键的一步。事实上,它代表了你大部分的人工智能努力.

数据准备需要领域专业知识，例如在语音和音频信号、导航和传感器融合、图像和视频处理以及雷达和激光雷达方面的经验。这些领域的工程师最适合确定数据的关键特征是什么，哪些是不重要的，以及需要考虑哪些罕见事件。

人工智能还涉及大量的数据。然而标记数据和图像是乏味的且耗时。有时，您没有足够的数据，特别是对于安全关键系统。生成准确的合成数据可以改进数据集。在这两种情况下，自动化对于在最后期限前完成任务至关重要。

人工智能建模

人工智能系统建模成功的关键因素是：

从一整套算法和预建模型用于机器学习、深度学习、强化学习和其他人工智能技术
使用应用程序用于生产设计和分析
工作在一个开放的生态系统哪里有像MATLAB这样的人工智能工具^®、PyTorch和TensorFlow™可以一起使用
管理计算的复杂性通过GPU加速并扩展到并行和云服务器以及内部数据中心

系统设计

人工智能模型存在于一个完整的系统中。在自动驾驶系统中，用于感知的人工智能必须与定位、路径规划和制动、加速和转弯控制的算法相结合。

人工智能在自动驾驶场景中的应用。

想想人工智能在风力发电场的预测性维护和今天飞机的自动驾驶控制。

像这样复杂的人工智能驱动系统需要集成和模拟。

部署

AI模型需要部署到最终产品的cpu、gpu和/或fpga上，无论是嵌入式或边缘设备、企业系统还是云。运行在嵌入式或边缘设备上的人工智能模型提供该领域所需的快速结果，而运行在企业系统和云上的人工智能模型则从许多设备收集的数据中提供结果。人工智能模型经常被部署到这些系统的组合中。

当您从模型生成代码并瞄准设备时，部署过程会加快。使用代码生成优化技术和硬件优化库，您可以调整代码，以适应嵌入式和边缘设备所需的低功耗配置，或企业系统和云的高性能需求。

用MATLAB开发人工智能驱动系统

人工智能技术的缺乏是有据可查的。然而，使用MATLAB或Simulink的工程师和科学家万博1manbetx^®具备在其专业领域创建人工智能驱动系统所需的技能和工具。

用MATLAB进行数据预处理

你会花更少的时间数据预处理. 从时间序列传感器数据到图像到文本，MATLAB应用程序和数据类型大大减少了预处理数据所需的时间。高级函数可以轻松地同步不同的时间序列，用插值替换异常值，过滤噪声信号，将原始文本拆分为单词，等等。你可以很快想象你的数据了解趋势，并通过绘图和现场编辑.

MATLAB应用程序自动对图像、视频和音频数据进行地面真实标记。

要在传感器或其他设备提供数据之前测试算法，可以从Simulink生成合成数据。万博1manbetx该方法常用于自适应巡航控制、车道保持辅助和自动紧急制动等自动驾驶系统。

将标签应用程序用于语义分段等深入学习工作流。

与深度学习框架互操作。

基于MATLAB的人工智能建模

人工智能建模技术因应用而异。

机器学习

MATLAB用户已经部署了数千个用于预测性维护、传感器分析、金融和通信电子的应用程序。统计和机器学习工具箱™通过应用程序训练和比较模型，先进的信号处理和特征提取，分类，回归和聚类算法，使机器学习的困难部分变得容易监督和无监督学习。

半导体制造商ASML利用机器学习技术创建虚拟计量技术，以改善构成芯片的复杂结构中的重叠对准。“作为一名过程工程师，我没有神经网络或机器学习的经验。我通过MATLAB示例找到生成虚拟计量的最佳机器学习函数。我不能用C或Python完成这项工作，因为要找到、验证和集成正确的软件包需要太长时间。”工程师埃米尔·施密特·韦弗解释道。

在大多数统计和机器学习计算中，MATLAB模型的执行速度也比开源软件快。

分类学习者应用程序，它让你尝试不同的分类器，并找到最适合你的数据集。

深度学习

工程师使用MATLAB深度学习能力用于自动驾驶、计算机视觉、语音和自然语言处理等应用。深度学习工具箱™用于创建、互连、训练和评估深层神经网络的各个层。示例和预训练的网络使使用MATLAB进行深入学习变得很容易，即使没有先进的计算机视觉算法或神经网络知识。

MATLAB使工程师能够跨不同的深度学习框架一起工作。通过对ON万博1manbetxNX的支持，MATLAB允许从其他支持的框架(包括TensorFlow)导入和导出最新的模型。

深度网络设计师应用程序，它可以让你构建、可视化和编辑深度学习网络。

强化学习

在基于累积奖励的学习的控制系统中，强化学习是一种理想的技术。强化学习工具箱™允许您使用DQN、A2C、DDPG和其他强化学习算法训练策略。您可以使用这些策略为复杂系统(如机器人和自治系统)实现控制器和决策算法。可以使用深度神经网络、多项式或查找表来实现这些策略。

使用强化学习工具箱设计和培训政策。

自然语言处理

自然语言处理模型通常用于情绪分析、预测性维护和主题建模。文本分析工具箱™提供用于预处理、分析和建模文本数据的算法和可视化。它允许您从设备日志、新闻提要、调查、操作员报告和社交媒体等来源提取和处理原始文本。

使用机器学习技术，如LSA、LDA和单词嵌入，您可以从高维文本数据集找到聚类并创建特征。使用Text Analytics Toolbox创建的功能可以与来自其他数据源的功能相结合，以构建利用文本、数字和其他类型数据的机器学习模型。

确定风暴报告数据中的主题。

系统设计

复杂的人工智能驱动系统需要与其他算法集成。系统设计与仿真因为整个系统会影响AI模型的有效性。工程师使用Simulink进万博1manbetx行快速设计迭代和闭环测试。

例如，在一个自动驾驶系统中，你使用人工智能和模拟来进行整体系统设计。使用Simuli万博1manbetxnk对车辆进行动力学建模，设计驱动控制器，并融合各种传感器信号。您使用MATLAB开发和训练人工智能模型，并将训练后的模型集成到Simulink中进行系统级仿真。万博1manbetx你可以使用像虚幻引擎这样的软件来合成相机图像，以提供人工智能模型和3D可视化。

航行该公司在不到3个月的时间里就部署了3级自动驾驶汽车。集成模型加速了从想法到道路测试的过程。万博1manbetxSimulink可以让他们在危险的条件下安全地进行测试。

万博1manbetxSimulink还允许从已知的故障条件生成故障数据。在风电场中，你可以将合成故障数据添加到风力涡轮机的测量数据中。您可以完善您的系统模型，以获得未来设备故障的准确预测。