人工智能通识教程 课件 第1章-人工智能导论

第一章人工智能导论主讲教师：冯林人工智能通识基础1目录什么是人工智能？01人工智能发展历史02人工智能的流派03人工智能现状与未来04人工智能应用案例052目录什么是人工智能？0131.1从智能到人工智能41.1从智能到人工智能1.1.1

人工智能无处不在5WhatisAI？1.1从智能到人工智能1.1.2

什么是智能6我们眼中的“智能”：通俗理解：“智能”是指人类“思考的能力”。包括：推理、计划、解决问题、抽象思维、表达意念以及语言和学习等能力。多元智能理论（霍华德·加德纳，1983年）人的智能不是单一的，是由多个侧面组成的，每个人擅长的智能活动是不同的（7+2）。7：逻辑数学智能、语言智能、空间智能、音乐智能、运动智能、人际交往智能、自省智能2：自然智能（利用自然的能力）和存在智能（对人类存在意义等重大问题的思考能力）1.1从智能到人工智能1.1.3

从智能到人工智能7“智能”的核心要素：感知（Perceive）：从环境中获取信息学习（Learn）：从经验中总结规律决策（Decide）：基于信息和规律做出判断和行动“智能”是否可以人造？前提：人类智能行为具有可观测性和可理解性。人工系统是否能具备智能行为？智能行为的实现方式是什么？人工智能就是研究和创造智能机器的学科1.2人工智能定义81.2人工智能定义1.2.1什么是人工智能？9约翰·麦卡锡“人工智能”概念的提出者人工智能是制造智能机器的科学与工程。帕特里克·温斯顿MIT人工智能实验室主任人工智能就是研究如何使计算机做过去只有人才能做的智能工作。1.2人工智能定义1.2.2定义与架构10人工智能是研究如何用计算机模拟、延伸和扩展人类智能的技术科学。当前人工智能方法都是基于计算实现的模拟的是人类的思维，关注需要“动脑子”才能完成的任务人工智能技术架构：感知层：（五官）摄像头/麦克风/传感器采集环境数据处理层：（大脑）神经网络等算法分析数据、识别模式执行层：（四肢）驱动设备执行具体动作（如机器人避障）1.2人工智能定义1.2.3人工智能是一门基础学科11人工智能已经在物理、化学、医学材料等各个领域大显身手。这是因为数据量的增加已经超出了人们所能处理的极限，只有依赖人工智能。人工智能将成为所有学科进一步发展的基础工具。因此，我们应该像学习数学那样学习人工智能。学习人工智能知识，培养人工智能思维。AlphaEvolveAlphaFoldAlphaproofAlphaPLATO1.3人工智能核心能力121.3人工智能核心能力1.3.1感知理解能力AI基于多种传感器构建对周围环境的全面认知，感知能力远超人类自然感官。13自动驾驶1.3人工智能核心能力1.3.2自主学习能力AI能够从海量数据中自主学习和“进化”，不断提升自身性能。AI的学习方式多种多样，AI不仅能模仿人类的行为，还能自主优化和适应新情境。141.3人工智能核心能力1.3.3决策推理能力AI的推理方式大致可分为三类：确定性推理、概率性判断和策略推理。15确定性推理：基于​​严格的、明确的规则​​进行逻辑推导。推理过程是确定的，给定相同的局面和规则，结果总是唯一且可预测的。如：国际跳棋。概率性判断：AI在处理​​不完整或不确定信息​​时，利用统计模型和历史数据，计算出不同结果发生的​​可能性​​。如：天气预报模型。策略推理：AI在一个​​多步骤的、对抗性的环境​​中，预测未来的行动序列，评估不同行动序列对最终目标的潜在长远影响，并根据评估选择当前最优策略。如国际象棋。1.3人工智能核心能力1.3.4内容生成能力AI的内容生成能力让它能够在艺术、文学、音乐等多个领域产出原创作品。

16透明玻璃体中漂浮着微型城市模型，环境光由左上照入呈现层次阴影。文生图音乐创作一位时尚的女士穿着黑色皮夹克、长红裙和黑靴，在充满温暖霓虹灯光和动态城市标志的东京街头漫步。她背着黑色手提包，戴着太阳镜和红色口红。她走路自信而随意。街道湿润且反光，为五彩斑斓的灯光创造了镜面效果。许多行人来来往往。文生视频1.4人工智能分类171人工智能基本概念1.4.1人工智能的分类18弱人工智能是当前最常见的AI形式，专注于特定任务，类似于专精某一学科的“学霸”。例如，IBM的Watson系统辅助医生进行医疗诊断科大讯飞的语音识别技术能实时将语音转换为文字。交叉人工智能介于弱AI和强AI之间，具备一定的跨任务能力。大型语言模型如ChatGPT和DeepSeek便是典型代表，它们能够进行对话、回答问题、生成文本，甚至在多个领域执行简单推理任务。这是科幻作品中常出现的“全能型”AI，如《西部世界》中的机器人，能够像人类一样灵活处理各种任务，具备意识、自我认知和跨领域学习能力。强人工智能1人工智能基本概念1.4.2人工智能的分类从应用场景方面，AI分为三类感知型AI（PerceptualAI）：专注于环境感知与信号处理，如计算机视觉、语音识别，让机器具备"感官能力"。例如谷歌Lens通过拍照就能识别花卉种类。认知型AI（CognitiveAI）：模拟人类逻辑思维，实现推理决策，如医疗诊断、金融分析，赋予机器"思考能力"。例如阿里云的ET城市大脑通过实时交通数据优化信号灯，缓解拥堵。创造型AI（CreativeAI）：突破模仿实现原创生成，如AI绘画、音乐创作，展现机器的"想象力"。例如百度文心一言能写出“落叶飘零秋风起”这样的诗句。19人工智能发展历史02202.1人工智能的三次浪潮212人工智能发展历史222.1.1人工智能的三次浪潮第一次浪潮（1956-1974）：理性主义的探索。第二次浪潮（1980-1993）：知识工程的崛起。第三次浪潮（2006至今）：深度学习的觉醒。2人工智能发展历史232.1.2人工智能的三次浪潮第一次浪潮（1956-1974）：以符号逻辑与早期神经网络为核心，奠定了AI的理论框架与技术雏形。2人工智能发展历史2.1.3人工智能的三次浪潮图灵于1951年发表论文《计算与智能》，提出图灵测试："当人类无法区分对话对象是机器还是人时，即通过测试"。1956年6月18日-8月17日达特茅斯会议。首次提出术语​​“人工智能”​​，确立学科名称与独立研究领域。弗兰克·罗森布拉特于1957年提出了“感知器”模型，并于1962年出版《神经动力学原理：感知机和大脑机制的理论》。1969年，马文·明斯基和西蒙·派珀特出版《感知器：计算几何简介》。24阿兰·图灵罗森布拉特马文·明斯基达特茅斯学院西蒙·派珀特2人工智能发展历史252.1.4人工智能的三次浪潮第二次浪潮（1980-1993）：知识工程的崛起。2人工智能发展历史1980年专家系统​：模拟人类专家决策的AI系统，基于“知识库+推理机”双核结构，通过规则推理解决特定领域复杂问题。日本“第五代计算机计划”投资8.5亿美元，推动美日AI技术竞争；美国DARPA启动SC战略计算计划应对。“专家系统的成功证明：人类知识的形式化是AI落地的关键桥梁”——爱德华·费根鲍姆（知识工程提出者）262.1.5人工智能的三次浪潮爱德华·费根鲍姆专家系统日本“第五代计算机计划”2人工智能发展历史272.1.6人工智能的三次浪潮第三次浪潮（2006至今）：深度学习的觉醒。2人工智能发展历史第三次浪潮背景​​：20世纪90年代起计算机计算能力飞速提升。摩尔定律：PC芯片每18个月性能提升一倍。已有方法仍存在活力+新的方法不断产生。282.1.7人工智能的三次浪潮戈登·摩尔2人工智能发展历史1997年5月深蓝以3.5:2.5(2胜1负3平)战胜卡斯帕罗夫。2006年，辛顿团队提出深度信念网络，开启了深度学习时代。2012年，AlexNet在图像识别比赛中大胜，标志着AI的“觉醒”。2016年，AlphaGo是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人。2023年ChatGPT引爆人工智能。292.1.8人工智能的三次浪潮2.2三次浪潮的总结302人工智能发展历史​​成功共性​​：每次突破均始于特定场景，算法+算力+数据缺一不可。失败教训​​：（1）明斯基预言“十年实现人类智能”引发两次寒冬；（2）专家系统忽略常识获取，大模型忽视可解释性。​​未来启示​​：符号逻辑（可解释性）+神经网络（泛化能力）=神经符号AI。AI的历史是螺旋上升的进程——每次寒冬都在孕育下一次绽放，而人类始终是持炬者。312.2.1三次浪潮的总结人工智能三大流派03323人工智能三大流派333.1符号主义343.1

符号主义3.1.1

符号主义起源1955年，纽厄尔和西蒙开发了首个AI程序——逻辑理论家（LogicTheorist），标志着符号主义人工智能的诞生。该程序成功证明了52条数学定理中的38条，有些解法甚至优于人类。随后，他们提出了通用问题解决器，其思路对后来的AI发展影响深远，例如AlphaGo也采用了类似策略。35HerbertA.SimonAllenNewell符号主义的起源可以追溯到1956年的达特茅斯会议3.1

符号主义3.1.2

符号主义内涵符号主义主张人工智能应从功能模拟入手，将智能视为符号处理过程，通过逻辑规则和符号系统模拟人类智慧。符号主义是知识和规则的有机组合。“知识”是对现实世界的抽象描述，用于支持推理和决策；“规则”是连接知识之间的逻辑表达式，用于从已知知识推出新知识。363.1

符号主义3.1.3

符号主义特点优点：可解释性：模型基于明确定义的规则和知识，因此人们可以理解模型的决策结果。可控性强:模型根据预定义的规则和约束进行决策，从而确保模型的行为符合预期和要求。缺点：知识获取瓶颈：获取领域知识通常需要耗费大量时间和资源，有的知识很难有效表达。计算复杂性：不同来源的知识可能使用不同的表示方式，需要进行转换和映射。373.2

连接主义383.2

连接主义3.2.1

连接主义起源连接主义又称仿生学派或生理学派，起源于仿生学，特别是神经元模型的研究。连接主义认为智能活动是由大量神经元通过复杂连接后涌现产生的，主要通过人工神经网络来进行建模和学习。深度学习是连接主义的代表性成果。391943年MP神经元模型1958年感知机1982年Hopfield神经网络模型1985年多层感知机1986年BP神经网络2006年深度学习3.2

连接主义3.2.2

连接主义内涵连接主义网络架构：层级结构​​：输入层→隐藏层→输出层，深度模型​​关键变体​​：CNN，RNN​​，Transformer​​学习机制：数据驱动​​：依赖海量标注数据，通过损失函数优化权重反向传播​​：误差从输出层反向传递，梯度下降更新权重局限与挑战：神经网络决策过程不透明，难以解释推理路径（黑盒）依赖海量标注数据，计算代价高泛化与鲁棒性不足，领域迁移能力弱403.3

行为主义413.3

行为主义3.3.1

行为主义起源心理学行为主义：一种观察个人、组织或动物等有机体在既定环境中或内外刺激下的表现和反应的学说。42在斯金纳箱实验中，箱内有拉杆的老鼠无意中拉动时，食物分配器会奖励一颗食物球。老鼠起初未留意食物，但经多次重复后，形成了压杆取食的条件反射。训练师通过外部刺激（指令）和强化手段（奖励）来控制和塑造个体（动物）的行为。3.3

行为主义3.3.2

强化学习将心理学行为主义衍生到机器领域产生了控制论学派：以机器中的控制与调节原理、以及将其类比到生物体或社会组织体后的控制原理为对象的科学研究。——诺伯特·维纳强化学习：通过对某些行为进行奖励或惩罚，使得智能体能够通过尝试和错误逐步优化策略，选择能够获得最大化奖励的行为。两者核心思想都基于“强化”的概念，即通过奖励或惩罚来影响和塑造行为。43诺伯特·维纳3.3

行为主义3.3.3

行为主义的广泛应用游戏AI44自动驾驶具身智能AI角色能够通过与环境的交互学习并改进其行为宇树智能和大疆的机器人技术赢得2005DARPA挑战赛的Stanley车和特斯拉自动驾驶技术人工智能现状与未来04454.1人工智能现状4647人工智能的产业化已经从点到面，从通用应用场景渗透到更多行业特定场景，产业AI化已经从早期的试点逐渐成为企业发展和生存的刚需。4.1人工智能现状4.1人工智能现状4.1.1

人工智能行业概览48人工智能（AI）技术已从实验室中的理论探索迈入产业化落地的全新阶段。机器人自动驾驶大语言模型4.1人工智能现状4.1.2

人工智能应用场景AI的行业应用场景可分为三层：应用层：深入行业猿辅导的“AI督学系统”极飞科技的无人机精准施药技术层：开源框架百度PaddlePaddle谷歌TensorFlow基础层：预训练模型和AutoML技术阿里云的“飞天”AI平台亚马逊的AWSSageMaker494.1人工智能现状4.1.3

机器人技术机器人技术是AI发展中最直观的体现之一。演进历程大致可以分为三个阶段。第一个阶段是程序控制时代（2000年前），那时的工业机械臂完全靠预设代码驱。第二个阶段是感知交互时代（2000-2020），激光雷达和SLAM（同步定位与建图）技术的加入，让机器人拥有了“眼睛”。第三个阶段是认知决策时代（2020至今），多模态融合和强化学习让机器人变得更聪明。504.1人工智能现状4.1.4自动驾驶技术自动驾驶是人工智能（AI）领域最具变革性的技术之一，包括以下三个核心层面：感知层：通过多传感器融合技术，让车辆“看清”周围环境。决策层：需要强大的计算能力来分析数据并作出实时判断，通过学习优化策略。控制层：负责执行决策，利用先进技术，使车辆反应更快、刹车更短，大幅提升安全性。514.1人工智能现状4.1.5

大语言模型大语言模型（LLM）是人工智能领域的重要突破。524.2人工智能未来534.2人工智能未来4.2.1

人工智能社会影响人工智能技术正在以前所未有的速度发展，其未来走向不仅关乎技术本身的演进，更将深刻影响人类社会的方方面面。544.2人工智能未来4.2.2

人工智能技术方向通用人工智能（AGI）的探索，指具备人类水平认知能力的AI系统，它能够像人类一样进行跨领域的推理、学习和创造。AI与新兴技术的融合，人工智能正与量子计算、生物科技等领域深度融合，催生颠覆性创新。边缘AI与轻量化技术，随着物联网设备的普及，将AI能力部署到终端设备的边缘计算成为重要趋势。554.2人工智能未来4.2.3

人工智能应用场景扩展智能制造与产业升级，在工业生产领域，AI与物联网融合推动“数据驱动制造”新范式。智慧医疗与健康管理，医疗领域正经历“诊前预警-术中导航-诊后管理”的全流程变革。教育革新与知识传承，教育领域呈现“教-学-管”三位一体的智能化转型。城市治理与公共服务。56人工智能应用案例05575.1人工智能在医疗诊断中的应用585.1人工智能在医疗诊断中的应用5.1.1

人工智能医疗系统有一种AI系统，能像“超级助手”一样帮助医生看病！IBMWatsonHealth:2015年投入应用的医疗人工智能系统。它能快速分析海量的病历、影像、基因数据，为医生提供参考建议。做医生的“24小时智能倍增器”，是永不疲倦的超级助手（非替代者）驱动核心：

感知-认知-行动

三项强大能力。595.1人工智能在医疗诊断中的应用5.1.2

AI医疗核心能力60像侦探般“看片”：（感知）扫描上千张CT影像，捕捉比发丝还细微的异常。像专家般“思考”：（认知）调取全球海量病例数据，结合患者信息进行推理。像管家般“行动”：（行动）生成清晰方案，标注复查时间、预约检查等信息。5人工智能应用案例5.1.3

AI医疗的价值与展望61AI医生的定位与展望AI的局限性：

它并非无所不能！斯坦福大学的试验表明，面对不典型病例，仍需要人类医生把关。它像24小时待命的超级实习生，无法替代主任医师的临床判断。AI的价值：

它展现了强大的技术突破（如调取海量数据），但也暴露了现实局限（依赖人类决策）。它正在医疗领域开辟人机协作的新模式。5.2自动驾驶汽车中的人工智能625.2自动驾驶汽车中的人工智能5.2.1

自动驾驶核心能力四大核心能力：感知：比人类更敏锐的“眼睛”。自动驾驶配备的激光雷达每秒发射百万束激光，扫描周围环境。8