1;2;3;4;计算机视觉（ComputerVision,CV）
定义：
研究如何使计算机“看”的科学，用摄影机和计算机代替人眼对目标进行识别、跟踪和测量，使计算机处理成为更适合人眼观察或传送给仪器检测的图像。
应用：
医疗、工业、农业、安全监控、自动驾驶、游戏和娱乐等。;计算机视觉研究方向及常用算法;2023年计算机视觉领域十大技术进步;未来几年，进一步彻底改变计算机视觉这一动态领域的预期趋势主要可能在：
增强现实（AR）集成
机器人语言视觉模型（RLVM）
复杂的卫星视觉
3D计算机视觉
计算机视觉中的伦理考虑
合成数据与生成式AI
计算机视觉的边缘计算
CV-Native医疗保健应用
检测深度伪造技术
实时计算机视觉;9;典型应用：YOLO模型
是一种流行的物体检测和图像分割模型，由华盛顿大学的约瑟夫?雷德蒙和阿里?法哈迪开发。
特点：高速度和高精确度，适用于各种应用和硬件平台。
版本：从YOLOv1到YOLOv11，不断引入创新方法。
功能：支持全方位的视觉AI任务，包括检测、分割、姿态估计、跟踪和分类。
安装与训练：
安装命令：pipinstallultralytics和pipinstallimutils
训练步骤：准备数据集、配置YAML文件、使用yolotrain命令开始训练。
示例：使用已训练好的YOLOv8模型进行实时目标检测。
源代码详见ch6_1_2_yolo.py;11;定义：让计算机理解、解释和生成人类语言的能力。
目的：建立自然语言处理系统，如机器翻译系统、自然语言理解系统、信息检索系统等。
典型应用案例1：
;典型应用案例2：
;14;定义：让计算机能够“听明白”人类的语音，将语音信号中包含的文字信息“剥离”出来。
重要性：在“能听会说”的智能计算机系统中扮演着至关重要的角色。
关键部分：
;发展历程：
初级阶段：孤立词识别系统、小词汇量连续语音识别系统。
现阶段：复杂的大词汇量连续语音识别（LVCSR）系统。
关键技术：混合高斯模型、隐马尔科夫模型、梅尔频率倒谱系数（MFCC）、深度神经网络隐马尔可夫模型（DNN-HMM）等。
应用案例：
国内：科大讯飞、搜狗知音、百度语音识别。
国外：IBM的ViaVoice、微软的语音输入法等。
;应用案例：
;18;定义：一种模拟人类专家决策能力的人工智能系统，它通过知识库、推理引擎和用户接口三个主要组成部分来实现特定领域的复杂问题求解，易于管理的系统。
发展历程：经历有5个发展阶段（基于规则、基于框架、基于案例、基于模型、基于网络）
应用领域：医疗领域、金融风险评估、客户服务、工程领域、农业领域、法律咨询、教育与培训、制造业优化、环境监测等诸多领域。随着人工智能技术的发展，专家系统尽管在2000年之后沉寂了很久，但与现代人工智能技术相结合，预计将更加集成化、个性化，并会在更多领域得到应用。
;专家系统经典案例：MYCIN
MYCIN是由美国斯坦福大学研制，基于规则的、用于细菌感染患者诊断和治疗的第一代经典专家系统。1972年开始建造，1978年完成，用LISP语言编写。其知识库有200多条规则，可识别51种病菌，能正确处理23种抗生素。
MYCIN对ES的发展具有重要影响，被视为ES的设计典范，现在的ES基本都是参考MYCIN而设计研发的。
设计目标：
（1）在临床上提出有用的建议。
（2）在需要时针对决策进行说明解释。
（3）从行业专家处直接获取行业知识。
;专家系统经典案例：MYCIN
MYCIN系统组成：
咨询子系统、解释子系统、知识获取子系统、诊断信息库、训练知识库。其中，数据库中的知识数据都用形如(对象属性值)的三元组描述
;专家系统经典案例：MYCIN
成功与挑战：
（1）MYCIN巨大影响力在于其知识表达、推理方案所体现的强大功能。
（2）困难：从行业专家工作领域中抽取所需知识并转化为规则库成了知识获取的瓶颈。
（3）MYCIN的瓶颈随着新技术的出现，人们把更多的注意力放在了自学习能力更强的神经网络和深度学习等方向。
（4）神经网络和深度学习的成果也反过来会促进ES与之结合。
总之，MYCIN是一个非常经典的原型系统，对现代专家系统有非常重要的启迪效果。通过对MYCIN的分析，再结合企业的业务领域和实际需求，完全可以创造出非常适合企业的现代专家系统。
;23;定义：知识图谱作为人工智能和语义网络技术的重要组成部分，其核心在于将现实世界的对象和概念以及它们之间的多种关系以图形的方式组织起来。它不只是一种数据结构，更是一种知识的表达和存储方式，能够为机器学习提供丰富、结构化的背景知识，从而提升算法的理解和推理能力。
特点：提供了一种机器可读的知识表达方式，使计算机能够更好地理解和处理复杂的人类语言与现实世界的