AI人工智能概念简介
1、人工智能、机器学习、深度学习的关系image.png大关系。
image.png发展历史关系。
image.png内容关系。1.1什么是人工智能人工智能（ArtificialIntelligence），英文缩写为AI。是计算机科学的一个分支。人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具。
人工智能实际应用：机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划，智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程等。人工智能目前也分为：强人工智能(BOTTOM-UPAI)和弱人工智能(TOP-DOWNAI)，有兴趣大家可以自行查看下区别。
1.2什么是机器学习机器学习(MachineLearning,ML)，是人工智能的核心，属于人工智能的一个分支。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。所以机器学习的核心就是数据，算法（模型），算力（计算机运算能力）。机器学习应用领域十分广泛，例如：数据挖掘、数据分类、计算机视觉、自然语言处理(NLP)、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用等。机器学习就是设计一个算法模型来处理数据，输出我们想要的结果，我们可以针对算法模型进行不断的调优，形成更准确的数据处理能力。但这种学习不会让机器产生意识。机器学习的工作方式
选择数据：将你的数据分成三组：训练数据、验证数据和测试数据。
模型数据：使用训练数据来构建使用相关特征的模型。
验证模型：使用你的验证数据接入你的模型。
测试模型：使用你的测试数据检查被验证的模型的表现。
使用模型：使用完全训练好的模型在新数据上做预测。
调优模型：使用更多数据、不同的特征或调整过的参数来提升算法的性能表现。
image.png机器学习的分类
基于学习策略的分类
1、机械学习(Rotelearning)
2、示教学习(Learningfrominstruction或Learningbybeingtold)
3、演绎学习(Learningbydeduction)
4、类比学习(Learningbyanalogy)
5、基于解释的学习(Explanation-basedlearning,EBL)
6、归纳学习(Learningfrominduction)
基于所获取知识的表示形式分类
1、代数表达式参数
2、决策树
3、形式文法
4、产生式规则
5、形式逻辑表达式
6、图和网络
7、框架和模式（schema）
8、计算机程序和其它的过程编码
9、神经网络
10、多种表示形式的组合
综合分类
1、经验性归纳学习(empiricalinductivelearning)
2、分析学习（analyticlearning）
3、类比学习
4、遗传算法（geneticalgorithm）
5、联接学习
6、增强学习（reinforcementlearning）
学习形式分类
1、监督学习(supervisedlearning)
2、非监督学习(unsupervisedlearning)
注：细分的话还有半监督学习和强化学习。当然，后面的深度学习也有监督学习、半监督学习和非监督学习的区分。监督学习（SupervisedLearning）是指利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。也就是我们输入的数据是有标签的样本数据（有一个明确的标识或结果、分类）。例如我们输入了50000套房子的数据，这些数据都具有房价这个属性标签。
监督学习就是人们常说的分类，通过已有的训练样本（即已知数据以及其对应的输出）去训练得到一个最优模型（这个模型属于某个函数的集合，最优则表示在某个评价准则下是最佳的）。再利用这个模型将所有的输入映射为相应的输出，对输出进行简单的判断从而实现分类的目的。就像我输入了一个人的信息，他是有性别属性的。我们输入我们的模型后，我们就明确的知道了输出的结果，也可以验证模型的对错。
举个例子，我们从小并不知道什么是手机、电视、鸟、猪，那么这些东西就是输入数据，而家长会根据他的经验指点告诉我们哪些是手机、电视、鸟、猪。这就是通过模型判断分类。当我们掌握了这些数据分类模型，我们就可以对这些数据进行自己的判断和分类了。在监督式学习下，输入数据被称为“训练数据”，每组训练数据有一个明确的标识或结果，如对防垃圾邮件系统中“垃圾邮件”“非垃圾邮件”，对手写数字识别中的“1“，”2“，”3“，”4“等。在建立预测模型的时候，监督式学习建立一个学习过程，将预测结果与“训练数据”的实际结果进行比较，不断的调整预测模型，直到模型的预测结果达到一个预期的准确率。
监督式学习的常见应用场景如分类问题和回归问题。常见监督式学习算法有决策树（ID3，C4.5算法等），朴素贝叶斯分类器，最小二乘法，逻辑回归（LogisticRegression），支持向量机（SVM），K最近邻算法（KNN，K-NearestNeighbor），线性回归（LR，LinearRegreesion），人工神经网络（ANN，ArtificialNeuralNetwork），集成学习以及反向传递神经网络（BackPropagationNeuralNetwork）等等。
image.png非监督学习（UnsupervisedLearing）是另一种研究的比较多的学习方法，它与监督学习的不同之处，在于我们事先没有任何训练样本，而需要直接对数据进行建模。是否有监督（Supervised），就看输入数据是否有标签（Label）。输入数据有标签（即数据有标识分类），则为有监督学习，没标签则为无监督学习（非监督学习）。在很多实际应用中，并没有大量的标识数据进行使用，并且标识数据需要大量的人工工作量，非常困难。我们就需要非监督学习根据数据的相似度，特征及相关联系进行模糊判断分类。半监督学习（Semi-supervisedLearning）是有标签数据的标签不是确定的，类似于：肯定不是某某某，很可能是某某某。是监督学习与无监督学习相结合的一种学习方法。半监督学习使用大量的未标记数据，以及同时使用标记数据，来进行模式识别工作。当使用半监督学习时，将会要求尽量少的人员来从事工作，同时，又能够带来比较高的准确性。
image在此学习方式下，输入数据部分被标识，部分没有被标识，这种学习模型可以用来进行预测，但是模型首先需要学习数据的内在结构以便合理的组织数据来进行预测。半监督学习有两个样本集，一个有标记，一个没有标记。分别记作Lable={(xi,yi)}，Unlabled={(xi)}，并且数量,L
大盘延续调整 人工智能反弹
作者|丁臻宇，编辑|顾谨丰
来源：巨丰投顾、好股票应用
盘面简述
周四，A股窄幅震荡，创业板相对强势。盘面上，电机、小金属、消费电子、游戏、专用设备、通信设备、仪器仪表、光学光电子、计算机设备、电子元件、通信服务、航天航空、汽车零部件等行业涨幅居前，航空机场、煤炭、公用事业、旅游酒店、电力、房地产、酿酒、化肥等行业跌幅居前。题材股方面，减速器、机器人概念、稀土永磁、苹果概念、工业4.0等概念领涨；免税概念、白酒、磷化工、绿色电力等概念小幅回调。
热点板块
机器人概念大涨：德恩精工、丰立智能、优德精密、昆船智能20cm涨停，埃夫特、通力科技、昊志机电涨超10%，中马传动、巨轮智能、襄阳轴承等10余股涨停。
消费电子午后冲高，深科技涨超8%，拓邦股份、格林精密涨超7%，传音控股涨超6%，兴瑞科技、福蓉科技、振邦智能等冲高。
CPO概念股午后冲高，兆龙互连涨超18%，联特科技涨超9%，中际旭创、太辰光、铭普光磁等冲高。
消息面
业界预计6月份新增信贷环比大幅回升下半年降息降准都有一定空间
在经历了4月份和5月份的疲弱表现后，6月份金融数据有望走强。多位分析人士表示，预计6月份新增人民币贷款及社融增量环比均将大幅增加。展望下半年货币政策，专家认为，在下半年物价水平有望持续处于温和水平的前景下，若需要进一步加大稳增长政策力度，降息降准都有一定空间。预计宽信用基调有望持续至年底，下半年实体经济融资成本也将稳中有降。
暑期旅游市场提前“升温”多地发放文旅福利
今年端午假期，旅游市场呈现强劲复苏态势。而端午过后，传统暑期旺季临近，旅游市场亦提前迎来高峰，文旅消费持续升温。整体看，2023年暑期国内机票均价较2022年同期上涨约32%。暑期出行的火热将带动当地餐饮消费增长成为共识。多家券商最新发布的研报显示，暑期旺季表现可期，看好景区的强势复苏。
特斯拉人形机器人擎天柱等20余款智能机器人将亮相2023世界人工智能大会
据第一财经，本届世界人工智能大会期间，共二十余款机器人将共同亮相，多款为首发首秀。包括特斯拉人形机器人擎天柱、达闼搭载大模型对话能力的双足机器人、上理工小贝4.0等智能机器人；扩博风机叶片巡检机器人、网易伏羲具身智能工程机器人、青岛慧拓载山CARMO智能矿山运载机器人；微创的手术机器人；美团无人机V4、宇树四足机器人、科大讯飞机器狗、云深处绝影Lite3四足机器人等。
巨丰观点
早盘，A股延续震荡走势，沪指与深成指微跌，创业板指微涨。盘面上，减速器概念掀涨停潮，中船系、存储芯片等走强，电力、景点及旅游、航空运输、煤炭板块回调，总体上板块涨多跌少。北向资金早盘净卖出46.56亿元，两市超3200股上涨。
午后，氢能源、汽车零部件、电力等板块走低；计算机软件、消费电子、机器人概念、CPO概念、传媒、5G概念、通信设备等人工智能相关板块走强；机器人概念涨停个股接近30家，大盘维持窄幅震荡状态。北向资金午后继续大笔流出，全天净流出超过70亿元。
总体看，上证指数短暂冲破3400点后再度展开调整，锂电、风电、光伏等新能源赛道震荡筑底，人工智能概念短线急跌后展开反弹，机器人概念持续走强；上证指数在3200点下方震荡筑底，市场情绪短期偏谨慎。
投资建议
巨丰投顾认为在经济复苏预期下，A股有望步入中长期牛市行情。今年以来A股主线是人工智能与国资改革，人民币汇率快速贬值是近期市场调整的主导因素，调整的主导力量则是中字头与新能源赛道股，经过连续调整后，中字头与新能源止跌反弹，人工智能则陷入调整。预计A股将维持震荡筑底的格局，投资者可逢低布局中报预增板块的补涨机会。
(作者:丁臻宇执业证书:A0680613040001)
免责声明：以上内容仅供参考，不构成具体操作建议，据此操作盈亏自负、风险自担
特别声明：以上文章内容仅代表作者本人观点，不代表新浪网观点或立场。如有关于作品内容、版权或其它问题请于作品发表后的30日内与新浪网联系。