CC07-机器智能-学习日志

2个与艺术相关的人工智能实例

• 绘画

• 弹琴

• 物体识别
• 安全帽openCV基础

• 英伟达nvidia Jetson TX1

• tenserflow 实例音频识别

• 人工智能初创公司介绍及演示

• 基于tensor.js的demo

• 通过神经网络风格化照片

周二

2018011551 王洋

'第一节课：'在第一节课上，我们了解了 '第二节课：'第二节课一开始，马老师首先给我们介绍了关于Github的一些相关知识，例如实现多人编辑同一文件的原理。之后我们继续讲解了人工智能的相关知识，例如：卷积神经网络，循环神经网络，以及长短时记忆神经网络（LSTM）等等。然后介绍了一些基于人工智能的软件以及网站，从中我看到了人工智能的强大——能够部分识别人的语言（通过函数方法实现对人声函数的识别），以及把曲子转化成特定乐器的程序，还有把梵高名作《星空》制作成风格化的照片的软件……但是如今的人工智能还有很长的路要走：首先是如今的人工智能执行指令所需的过程很长，听老师说，可能会有一小时甚至一天来完成一些人的指令。其二就是人工智能的准确度有待提高，在上堂课上，我们利用网页上基于Tensorflow和RNN的程序实现画图和转换音乐——但最后的效果并不像想象中的那么好——如果说人工智能存在等级的话，那么它应该就是相当于1—3岁小孩的智能一般（画图仿佛不过是简笔涂鸦而已）。

2018010667 杨星原

通过这节课，我们一开始从一个智能完成画图工作的软件和一个可以将任意一个MP3格式的歌曲转化为钢琴版歌曲的软件，通过这个引入了人工智能的概念，接着讲了Github软件和其实现文件共享和共同编辑的基本原理。后来通过讲解神经网络告诉我们现阶段的人工智能很多都是基于类似人体神经元的处理方式。之后看了几个智能语音台灯（二极管），并深入的解释了语音智能的原理和形成人工智能的过程：例如，语音台灯的智能化是先采集数百份不同人的语音材料，通过波形图等其他方式让人工智能进行分析处理，最后从而得到了语音调节/操控的过程。另外老师也说了现阶段人工智能的一些不足，比如学习分析还是较慢等等。最后用Anaconda软件让我们体验了一下自己动手（在老师的教导之下>.<）接触人工智能。

人工智能

人工智能是现在非常火的一个话题，但是身为一名清华大学的本科生，我们对他的认识不能只停留在人工智能非常厉害上。本节课中，马老师带我们体验了人工智能TENSORFLOW环境的搭建，体验了利用人工智能软件绘制图片，转换音频文件等操作。人工智能是来源于人类对自己的理解，来源于对脑科学的研究，人们企图用一个个电器元件来模仿神经元，达到机器自主学习，自主阅读，自主决策等功能。实际上人工智能是需要大量的训练的，而训练需要极大的计算能力，可能需要几天的时间，而训练的实质实际上是给人工智能一堆参数与数据，并给它结果，然后计算机通过设计参数最终实现从输入到输出的转换过程，而这就是训练过程，以后计算机只需要识别输入是否和最初的输入相同，就可以来判断是否要输出相同的结果。