大学计算机与人工智能基础 课件 第7章 人工智能基础

第7章

人工智能基础本章目标人工智能的概念、发展历程和分类；机器学习与深度学习；人工智能的典型应用领域；人工智能伦理与社会问题；人工智能实践案例：决策树和猫狗识别。第7章

人工智能基础人工智能概述

7.1人工智能技术基础人工智能的典型应用领域人工智能伦理与社会问题

7.27.37.4人工智能实践案例7.57.1人工智能概述7.1.1什么是人工智能从广义上讲，人工智能是指由计算机系统执行的、通常需要人类智能的任务，如感知、推理、学习、决策等。人工智能的核心目标是赋予机器理解、学习、推理、解决问题以及适应新环境的能力。从技术实现角度来看，人工智能依赖于多种复杂的算法和模型。7.1人工智能概述7.1.2人工智能的发展历程早期探索，20世纪50年代被视为人工智能的诞生元年。发展低谷，人工智能的发展并非一帆风顺。复苏与发展，到了20世纪80年代末，随着计算机硬件性能的显著提升以及算法的不断创新，人工智能迎来了复苏的曙光。现代人工智能的崛起。7.1人工智能概述7.1.3人工智能的分类

按能力分类：弱人工智能、强人工智能、超人工智能。按实现方式分类：符号主义、连接主义、行为主义。按功能分类：感知智能、认知智能、运动智能按应用领域分类：计算机视觉、自然语言处理、机器人......第7章

人工智能基础人工智能概述

7.1人工智能技术基础人工智能的典型应用领域人工智能伦理与社会问题

7.27.37.4人工智能实践案例7.57.2人工智能技术基础7.2.1机器学习

监督学习可以理解为计算机在“老师”的指导下进行学习。与监督学习不同，无监督学习就像是让计算机在没有“老师”指导的情况下自己探索数据的奥秘。强化学习可以看作是计算机在与环境进行交互的过程中，通过不断尝试来学习最优行为策略的过程。7.2人工智能技术基础7.2.2深度学习

人工神经网络基础多层感知机（MLP）卷积神经网络（CNN）与应用场景循环神经网络（RNN）及其变体（LSTM、GRU）第7章

人工智能基础人工智能概述

7.1人工智能技术基础人工智能的典型应用领域人工智能伦理与社会问题

7.27.37.4人工智能实践案例7.57.3人工智能的典型应用领域7.3.1自然语言处理

什么是自然语言处理

自然语言处理（NaturalLanguageProcessing，NLP）就是让计算机学会像人类一样理解、分析、生成自然语言。7.3人工智能的典型应用领域7.3.1自然语言处理

自然语言处理的主要任务

词法分析是自然语言处理的基础环节，它主要负责对文本进行切分和词性标注。句法分析则是进一步分析句子的结构。语义理解是自然语言处理中较为复杂的部分，它的目标是让计算机真正理解文本所表达的含义。7.3人工智能的典型应用领域7.3.1自然语言处理

自然语言处理的实现方式

早期的自然语言处理主要依赖于基于规则的方法，也就是语言学家制定大量的语法规则和语义规则，让计算机按照这些规则来处理自然语言。随着技术的发展，现在更多地采用基于机器学习和深度学习的方法。7.3人工智能的典型应用领域7.3.2计算机视觉

图像识别图像识别可以说是计算机视觉中最广为人知的应用之一。例如，你在手机相册里搜索“风景”，相册能快速找出你拍摄的风景照片。

7.3人工智能的典型应用领域7.3.2计算机视觉

目标检测与跟踪目标检测不仅仅要识别出图像中存在什么物体，还要确定物体在图像中的具体位置。目标跟踪则是在视频序列中持续锁定特定目标的位置。7.3人工智能的典型应用领域7.3.2计算机视觉

图像生成与风格迁移图像生成技术可以让计算机“创作”图像。风格迁移则是一种独特的图像生成应用。它能将一幅图像的风格应用到另一幅图像上。

7.3人工智能的典型应用领域7.3.3智能推荐系统

协同过滤算法原理

协同过滤算法是智能推荐系统中常用的一种方法。它的核心思想是“人以群分”。假设你和一些用户对电影的喜好比较相似，当这些用户中有很多人都喜欢某一部电影，而你还没看过这部电影时，系统就会把这部电影推荐给你。

7.3人工智能的典型应用领域7.3.3智能推荐系统

基于内容的推荐算法

基于内容的推荐算法则是从物品本身的特征出发。还是以电影推荐为例，每部电影都有很多特征，比如类型（是科幻、爱情还是动作片）、演员阵容、导演风格等。系统会先分析你过去喜欢的电影的特征，然后找到具有相似特征的其他电影推荐给你。

7.3人工智能的典型应用领域7.3.3智能推荐系统

混合推荐系统架构与应用

在实际应用中，为了提高推荐的准确性和效果，往往会采用混合推荐系统架构，将协同过滤算法和基于内容的推荐算法结合起来使用。这样既能利用用户之间的相似性进行推荐，又能考虑到物品本身的特征。

7.3人工智能的典型应用领域7.3.4医疗健康领域的AI应用

辅助疾病诊断助力药物研发参与健康管理

7.3人工智能的典型应用领域7.3.5智能制造领域的AI应用

助力产品设计创新

优化生产过程提升质量检测精度改善供应链管理

7.3人工智能的典型应用领域7.3.6智能语音

语音识别：让机器听懂人类语言

语音合成：赋予机器说话的能力提升质量检测精度智能语音助手：生活中的智能伙伴智能语音在其他领域的广泛应用第7章

人工智能基础人工智能概述

7.1人工智能技术基础人工智能的典型应用领域人工智能伦理与社会问题

7.27.37.4人工智能实践案例7.57.4人工智能伦理与社会问题7.4.1数据隐私与安全

数据隐私，简单来说，就是我们个人数据的隐私权益。

数据安全面临的威胁：数据泄露、数据滥用、恶意软件攻击。如何保护数据隐私与安全：谨慎使用网络服务、设置强密码并定期更换、注意网络环境安全、安装安全防护软件。7.4人工智能伦理与社会问题7.4.2算法偏见与公平性

算法偏见指的是算法产生的结果偏向于某些特定群体，而对其他群体不利。

算法偏见是如何产生的：数据偏差、算法设计缺陷、反馈循环。

算法偏见带来的影响。如何确保算法的公平性：数据多样化、算法审计、透明性与可解释性、多方参与。

7.4人工智能伦理与社会问题7.4.3人工智能责任归属

简单案例引出责任思考想象一下，你使用一款打车软件，软件基于人工智能算法为你规划了一条行车路线，结果途中因为路线规划失误，导致你错过了重要的会议。这时候，你可能会想，到底该怪谁呢？是开发这款打车软件的公司，还是编写路线规划算法的程序员，又或者是你自己选择相信了软件的推荐？这看似简单的场景，却引发了深刻的责任归属思考。7.4人工智能伦理与社会问题7.4.3人工智能责任归属

不同场景下的责任归属分析自动驾驶汽车事故。智能医疗诊断失误。智能客服引发的纠纷。7.4人工智能伦理与社会问题7.4.3人工智能责任归属

确立责任归属的困难与解决思路确立人工智能的责任归属并不容易。一方面，需要制定明确的法律法规。另一方面，企业和开发者自身要建立严格的质量控制和责任追溯机制。7.4人工智能伦理与社会问题7.4.4国际间的AI伦理准则

为什么需要国际间的AI伦理准则为了避免AI技术被滥用，保障全球人类的利益，国际社会需要共同制定AI伦理准则，让各个国家在发展和应用AI技术时有一个共同遵循的标准。7.4人工智能伦理与社会问题7.4.4国际间的AI伦理准则

核心的AI伦理准则：公平性准则、安全性准则、隐私保护准则、透明度准则。准则的实施与监督：为了确保这些国际间的AI伦理准则能够得到有效实施，需要各国政府、国际组织以及科技企业共同努力。第7章

人工智能基础人工智能概述

7.1人工智能技术基础人工智能的典型应用领域人工智能伦理与社会问题

7.27.37.4人工智能实践案例7.57.5人工智能实践案例7.5.1决策树

案例背景与目标银行每天都会收到好多贷款申请，这些申请人情况各不相同，经济状况、信用记录等都有差异。银行的任务就是通过分析申请人的各种信息，用决策树模型精准判断是否该批准贷款。7.5人工智能实践案例7.5.1决策树

数据收集银行会收集很多和贷款申请人相关的数据，这些数据就是决策树模型的“学习资料”。常见的数据有：信用评分、收入水平、负债情况、贷款金额、贷款期限。7.5人工智能实践案例7.5.1决策树

特征选择银行分析这些数据后，发现信用评分和收入水平对贷款审批的决策影响特别大。所以，我们就选这两个特征来构建决策树。

7.5人工智能实践案例7.5.1决策树

构建决策树7.5人工智能实践案例7.5.1决策树

模型评估决策树建好后，得看看它好不好用。银行会拿出一部分之前没用过的贷款申请数据，这就是测试数据。把测试数据输入到决策树模型里，模型会给出贷款审批的结果，然后和测试数据实际的审批情况对比。7.5人工智能实践案例7.5.2猫狗识别

案例背景与目标

构建一个深度学习模型，当输入一张包含猫或狗的图片时，模型能够准确判断图片里是猫还是狗。7.5人工智能实践案例7.5.2猫狗识别

数据收集

7.5人工智能实践案例7.5.2猫狗识别

数据预处理收集到的图片数据不能直接用于训练，需要进行预处理：统一图片尺寸、统一颜色模式。7.5人工智能实践案例7.5.2猫狗识别

搭建简单神经网络模型我们选择一种简单的神经网络模型—卷积神经网络（CNN）来完成猫狗识别任务。7.5人工智能实践案