《人工智能与数字化》课件-项目1 AI基础：人工智能的发展历程与未来趋势

项目一

AI基础：人工智能的发展历程

与未来趋势目录PART01项目情景PART04任务实施PART02项目分析PART03项目目标PART05项目小结01项目情景古老星图闪烁，机械装置有序运转，人脸带好奇，共迎AI奇妙世界。时空穿梭者奇异画面展开，人们与装置互动，表情兴奋，普通机器屏幕亮起，揭示AI奥秘。异界探索四周弥漫神秘气息，机械装置启动，人群忙碌互动，普通机器揭示AI欢迎信息。神秘装置星图诉说往事，机械生命忙碌，普通机器屏幕亮，欢迎语开启AI世界大门。尘封往事欢迎来到AI世界项目情景早晨唤醒服务，个性化音乐推荐，智能家居控制，安全出行规划，全方位提升生活质量。AI生活助手高精度地图导航，障碍物自动避让，平稳驾驶体验，保障乘客安全抵达。自动驾驶技术语音识别精准，音乐库丰富，支持多语种交互，轻松营造愉悦氛围。智能音箱功能远程控制家电，智能温控调节，安全监控报警，打造舒适便捷居住环境。智能家居系统01020304项目情景从机器学习到深度学习，人工智能每一次跃进都离不开人类的智慧与努力，我们不仅是观察者，更是推动者，携手AI，共创美好明天。AI发展的见证在人工智能的浪潮中，每个人都是见证者、参与者，共同塑造着科技的未来，理解AI发展，就是理解未来的方向。人类与AI的共生项目情景02项目分析项目分析AI应用领域AI发展历程03探索AI在办公自动化、教育科技、娱乐产业、智能家居及创意设计等领域的实践案例。大模型原理01全面理解AI从起源到现代的发展脉络，包括关键事件、重要人物及技术突破。02深入解析大模型的架构、训练方法及优化策略，掌握其在自然语言处理中的应用。技术发展趋势04预测AI未来方向，包括强化学习、迁移学习及跨模态融合等前沿技术的潜在影响。项目分析03项目目标项目目标（1）熟悉人工智能的基本概念、发展历程及其核心技术。（2）了解人工智能的主要应用领域。（3）了解深度学习和大语言模型的关键技术。（4）熟悉大模型的基本原理和主要应用领域。（5）熟悉常用大模型的发展历程及其优缺点。（6）熟悉大模型工具的科学使用方法。知识目标（1）能够正确使用大模型辅助工作、学习（2）能够运用AI技术解决生活小问题。能力目标（1）增强持续学习的意识，紧跟AI领域的最新进展和技术趋势，不断提升自身的专业素养。（2）培养对大模型的兴趣，激发探索AI领域的热情，能够利用AI工具高效学习和工作。（3）增强对大模型的科学使用意识，理解其对社会的影响及伦理问题。（4）培养创新思维，能够在团队中有效沟通和协作，共同推动大模型的发展和应用。素质目标04任务实施任务1.1：人工智能的发展历程任务1.1人工智能的发展历程本任务深入分析人工智能的发展历程，包括关键技术突破、标志性事件及其对社会经济的影响，以AI未来发展趋势为主题，撰写一篇1000字以上的小论文，讨论对人工智能技术未来发展的见解。任务描述任务分析任务知识任务实施任务评价任务拓展通过学习，利用网络查找相关资料，对当前人工智能技术的发展现状进行分析，阐述人工智能在技术深化、应用场景拓展以及与多领域融合等方面的未来走向，同时也不可忽视人工智能发展所面临的诸多挑战，如伦理道德、就业结构变化等，旨在全面展现人工智能未来发展的复杂性与多元性。任务1.1人工智能的发展历程任务描述任务分析任务知识任务实施任务评价任务拓展85%1.1.3任务知识_1人工智能的定义AI,模拟人类智能，引领科技革命，深度融入生活，改变社会运行模式。人工智能的定义与影响01人工智能促进产业升级，优化社会服务，解决全球问题，提升生活品质。人工智能社会经济影响02人工智能挑战：隐私、偏见、就业、伦理，影响科技趋势与社会和谐。人工智能的挑战与问题03任务描述任务分析任务知识任务实施任务评价任务拓展任务1.1人工智能的发展历程1.1.3任务知识_2AI发展历程第一阶段01"AI萌芽于1950s，图灵测试定标准，达特茅斯会议命名，初探专家系统与语言处理。"任务描述任务分析任务知识任务实施任务评价任务拓展任务1.1人工智能的发展历程1.1.3任务知识_2AI发展历程第二阶段02计算机技术推动AI转向知识工程，专家系统广泛应用，IBM深蓝胜国际象棋冠军，展现AI解复杂问题能力。任务描述任务分析任务知识任务实施任务评价任务拓展任务1.1人工智能的发展历程1.1.3任务知识_2AI发展历程第三阶段03数据驱动时代的开端AI产品进入家庭深度学习引发新热潮任务描述任务分析任务知识任务实施任务评价任务拓展任务1.1人工智能的发展历程1.1.3任务知识_2AI发展历程生成式AI技术显著进步，GPT-3、ChatGPT推动日常应用，智能机器人、自动驾驶发展迅速。AI技术进展AI正与物联网、区块链、量子计算等技术融合，同时，伦理和法律问题也日益受到关注。技术融合与伦理关注2023年欧盟AI法案助力法律支持，2025年DeepSeek突破算力限制，推动AI普及。法律与技术突破AI发展带来了产业的变革，AI产业发展主要分为三个阶段，如图1-1-7所示。产业变革0102030404第四阶段任务描述任务分析任务知识任务实施任务评价任务拓展任务1.1人工智能的发展历程1.1.3任务知识_3AI的核心技术机器学习包括监督学习、无监督学习和强化学习，例如通过垃圾分类来理解这些概念。使用“垃圾分类”作为例子来解释机器学习的三种主要类型。监督/无监督/强化学习应用实例机器学习任务描述任务分析任务知识任务实施任务评价任务拓展任务1.1人工智能的发展历程1.1.3任务知识_3AI的核心技术深度学习：机器学习的进阶深度学习利用多层神经网络处理复杂数据，核心为反向传播算法，已在图像识别、自然语言处理及医疗领域展现巨大潜力。任务描述任务分析任务知识任务实施任务评价任务拓展任务1.1人工智能的发展历程1.1.3任务知识_3AI的核心技术自然语言处理自然语言处理(NaturalLanguageProcessing,NLP)是AI领域的重要研究方向，它融合了语言学、计算机科学、机器学习、数学、认知心理学等多个学科领域的知识，是一门集计算机科学、人工智能和语言学于一体的交叉学科，包含自然语言理解和自然语言生成两个主要方面,研究内容包括字、词、短语、句子、段落和篇章等多种层次，是机器语言和人类语言之间沟通的桥梁。任务描述任务分析任务知识任务实施任务评价任务拓展任务1.1人工智能的发展历程1.1.3任务知识_3AI的核心技术计算机视觉01计算机视觉简介计算机视觉模拟生物视觉，处理图像获取三维信息。02计算机视觉技术框架计算机视觉转化像素矩阵为结构化知识，实现图像识别与分析。03计算机视觉的学习与应用构建大规模数据集，优化神经网络，实现图像泛化识别，支持智能制造、智慧城市和数字医疗。任务描述任务分析任务知识任务实施任务评价任务拓展任务1.1人工智能的发展历程1.1.3任务知识_3AI的核心技术大模型与多模态融合多模态融合技术提升AI性能，如M6优化商品检索，PLATO-XL改善客服响应。01多模态融合技术的应用AI进展：跨模态应用与挑战，资源、环境、隐私与透明度问题待解。02AI技术的发展与挑战任务描述任务分析任务知识任务实施任务评价任务拓展任务1.1人工智能的发展历程1.1.3任务知识_3AI的应用领域在线教育平台利用AI分析学生学习习惯，提供个性化教学方案；智能批改系统减轻教师负担，提升教学效率。AI教育革新智慧城市项目中，AI实时分析交通流量，优化信号灯控制，减少拥堵；自动驾驶技术逐步成熟，提高道路安全。AI交通管理AI辅助诊断系统在全球范围内得到广泛应用，如美国的IBMWatson在癌症治疗中的精准匹配，中国的肺部CT影像分析系统助力早期肺癌筛查。AI医疗应用德国的“工业4.0”项目中，AI优化生产流程，实现个性化定制；日本的AI机器人在汽车制造中提高装配精度和速度。AI工业制造任务描述任务分析任务知识任务实施任务评价任务拓展任务1.1人工智能的发展历程1.1.4任务实施查找资料,可以通过搜索引擎、中国知网、AI大模型等工具搜索人工智能发展的相关资料,包括但不限于国家、区域发布的人工智能相关政策、指南、产业报告等。梳理资料内容,以自己对人工智能发展的理解,梳理人工智能在技术深化、应用场景拓展以及与多领域融合等方面的未来走向,人工智能发展所面临的诸多挑战,如伦理道德、就业结构变化等。撰写小论文,根据拟定的思路和前面的资料整理内容,完成小论文的撰写。任务描述任务分析任务知识任务实施任务评价任务拓展任务1.1人工智能的发展历程对任务实施过程进行全面评价学生从职业素养、专业能力、创新能力等方面进行自我评估。学生自评同学之间互相评价，促进相互学习和共同进步。生生互评老师根据评价标准对学生任务完成情况进行综合评定。老师评议按学生自评、生生互评、老师评议占比计算总分，评定任务表现。综合评分任务描述任务分析任务知识任务实施任务评价任务拓展任务1.1人工智能的发展历程实训工单1：AI发展给人类带来的机会和挑战辩论赛工单名称AI发展给人类带来的机会和挑战辩论赛实施地点

计划工期

项目负责人

组员

任务说明组织一场辩论赛，讨论AI的发展给人类带来的机会和挑战，从多方面理解人工智能技术发展带给人们生活、生产的变化。任务目标1.熟悉人工智能发展历程

2.熟悉人工智能的应用领域

3.深度思考人工智能对人们生活、生产带来的变化和挑战，以及未来发展趋势。步骤1组织参加辩论的团队

1.确定正方团队

2.确定反方团队步骤1解决方案或结果

步骤2确定辩论环节

1.辩论发言顺序

2.辩论规则步骤2解决方案或结果

步骤3辩论过程

1.通过多角度、全方位的辩论，总结人工智能发展中存在的挑战

2.通过多角度、全方位的辩论，总结人工智能未来的发展趋势步骤3解决方案或结果

任务总结与心得任务1.1人工智能的发展历程任务描述任务分析任务知识任务实施任务评价任务拓展任务1.2：深度学习与大模型基础本任务主要探索深度学习与大模型技术基础，为学习大模型技术的同学画一张大模型技术知识导图。任务描述任务分析任务知识任务实施任务评价任务拓展任务1.2深度学习与大模型基础1.2.2任务分析大语言模型的发展得益于深度学习技术和算力的快速发展，本任务通过对深度学习和大模型基础技术的学习，总结大模型技术知识导图，通过画知识导图，对大模型技术基础有一个全方位的认知。任务描述任务分析任务知识任务实施任务评价任务拓展任务1.2深度学习与大模型基础1.2.3任务知识_1

深度学习深度学习是一种模拟人脑神经元运作机制的机器学习方法，通过构建多层次的“虚拟神经元网络”使计算机能够自动从大量数据中提取规律。深度学习的定义深度学习网络通常由输入层、隐藏层和输出层组成，每一层都承担着不同的功能和任务。深度学习网络的组成输入层在深度学习模型中相当于人类的视觉器官，负责接收图像、文本、声音等信息，为后续的处理提供基础数据。输入层的作用隐藏层类似于人脑的皮层，负责逐层分析并提取特征，从宏观轮廓到微观细节，是深度学习中特征提取和学习的关键部分。隐藏层的功能输出层在模型中相当于人类的发声器官，用于输出识别结果，是将学习到的信息转化为具体输出的阶段。输出层的角色任务描述任务分析任务知识任务实施任务评价任务拓展任务1.2深度学习与大模型基础1.2.3任务知识_1

深度学习深度学习技术功能生活应用案例卷积神经网络（CNN）擅长处理图像手机相册自动分类“人物/风景/美食”循环神经网络（RNN）处理序列数据输入法根据上文预测下一个词生成对抗网络（GAN）生成逼真内容美颜APP的“AI换脸”特效Transformer处理长文本微信聊天中的智能回复推荐深度学习的四大关键模型任务1.2深度学习与大模型基础任务描述任务分析任务知识任务实施任务评价任务拓展1.2.3任务知识_1

深度学习注意力机制是一种重要的深度学习技术概念。它模仿人类注意力,让模型更有效地处理复杂数据。模型能为输入数据的不同部分分配不同权重,即“注意力”,以动态聚焦于相关任务信息,提升性能。数学上，注意力机制包括权重计算、归一化和加权求和三个步骤。注意力机制适应性强,适用于多种任务和数据模态,如自然语言处理、计算机视觉等,可根据任务需求调整优化,显示其广泛适用性和灵活性。注意力机制任务1.2深度学习与大模型基础任务描述任务分析任务知识任务实施任务评价任务拓展1.2.3任务知识_1

大模型早期突破Transformer革新012013年左右，预训练语言模型时代开启，BERT引领潮流，GPT系列、T5等大型模型相继登场。02Transformer架构革新NLP，有效处理长序列与长距离依赖，奠定大模型处理复杂任务基础。交互质量飞跃多模态整合032022年，ChatGPT通过监督微调与强化学习，显著提升人机交互质量，推动对话系统发展。042023年，GPT-4等多模态模型整合文本、图像、音频，拓宽应用场景，实现跨领域信息融合。发展历程任务1.2深度学习与大模型基础任务描述任务分析任务知识任务实施任务评价任务拓展1.2.3任务知识_2大模型大模型的技术基础大模型技术融合了深度学习、NLP、分布式计算和硬件优化等领域。基于2017年提出的Transformer框架，通过自注意力机制处理序列数据，多头注意力机制捕捉上下文信息，位置编码弥补顺序敏感性缺陷。任务1.2深度学习与大模型基础任务描述任务分析任务知识任务实施任务评价任务拓展参数规模大多任务统一处理长上下文理解通用性与领域适应结合数据驱动与黑箱性预训练与微调范式涌现能力高质量生成能力跨模态融合高资源依赖与工程挑战135792468101.2.3任务知识_2大模型大模型的技术特点任务1.2深度学习与大模型基础任务描述任务分析任务知识任务实施任务评价任务拓展1.2.3任务知识_2大模型应用领域应用领域具体应用描述示例/案例自然语言处理（NLP）智能对话与客服提供24/7在线问答、情感支持和个性化服务文心一言、企业客服机器人等内容生成自动生成文章、代码、诗歌等，辅助创意与文档总结豆包、DeepSeek翻译与多语言处理高精度跨语言翻译，支持全球化协作百度AI翻译计算机视觉（CV）图像生成与编辑生成创意图像，修复老照片或替换背景WPSAI、腾讯混元图像视频分析内容理解（动作识别、违规检测）、自动生成字幕商汤日日新自动驾驶实时解析道路环境，支持决策系统百度Apollo自动驾驶多模态融合跨模态生成文本生成图像/视频，图片生成描述豆包、Kimi虚拟数字人结合语音、表情、动作生成逼真形象央视AI主播工业质检分析图像与文本报告，识别缺陷并生成建议华为盘古大模型科学研究蛋白质结构预测破解蛋白质折叠难题，加速药物研发GeoFlowV2、MEGA-Protein材料科学预测新材料性质，缩短实验周期MatMind、MatChat、环球新材AI气候建模分析气象数据，预测极端天气风乌模型、伏羲模型、盘古气象社会与伦理应用虚假内容检测识别AI生成的虚假新闻、图片或视频OpenAI检测工具无障碍技术为视障/听障人士提供图像描述或实时字幕曹植大模型、蓝心大模型任务1.2深度学习与大模型基础任务描述任务分析任务知识任务实施任务评价任务拓展1.2.3任务知识_2大模型大模型的未来方向垂直领域专业化多模态与跨模态融合技术演进:更高效、更智能人机协作增强伦理与安全治理计算基础设施革新任务1.2深度学习与大模型基础任务描述任务分析任务知识任务实施任务评价任务拓展1.2.4任务实施通过任务知识和网络资料搜集，总结大模型的技术基础学习路线。选用任意一种AI大模型工具，画出学习路线图。根据搜集到的资料，选一个合适的生成式人工智能大模型绘制一张知识导图任务描述任务分析任务知识任务实施任务评价任务拓展任务1.2深度学习与大模型基础对任务实施过程进行全面评价O1学生自评学生从职业素养、专业能力、创新能力等方面进行自我评估。O2生生互评同学之间互相评价，促进相互学习和共同进步。O3老师评议老师根据评价标准对学生任务完成情况进行综合评定。O4综合评分按学生自评、生生互评、老师评议占比计算总分，评定任务表现。任务描述任务分析任务知识任务实施任务评价任务拓展任务1.2深度学习与大模型基础

实训工单2：大模型的应用案例搜集工单名称大模型的应用案例搜集实施地点

计划工期

项目负责人

组员

任务说明搜集大模型的应用案例，撰写一篇不少于1000字的小论文任务目标1.熟悉大模型的技术基础2.熟悉大模型的应用领域步骤1查找资料，搜集大模型的应用方向、领域和案例步骤1解决方案或结果

步骤2撰写小论文步骤2解决方案或结果

步骤3解决方案或结果

任务总结与心得任务描述任务分析任务知识任务实施任务评价任务拓展任务1.2深度学习与大模型基础任务1.3：常用大模型工具1.3.1任务描述本任务聚焦于解析当前国内外大模型在自然语言处理、计算机视觉、多模态交互等领域的应用现状与落地场景，深度剖析产业实践中模型部署的具体挑战。体验使用DeepSeek大模型辅助制定五一出游计划。任务描述任务分析任务知识任务实施任务评价任务拓展任务1.3常用大模型工具1.3.2任务分析通过了解各类大模型的基本情况和主要应用领域，对常用的大模型工具有一个基本认知，通过简单地体验DeepSeek大模型制定五一出游计划，了解大模型工具的基本使用方法。任务描述任务分析任务知识任务实施任务评价任务拓展任务1.3常用大模型工具1.3.3任务知识_1

自然语言处理大模型自然语言处理大模型DeepSeek2024年12月发布DeepSeek-V3，自研模型，拥有671B参数，性能强大。2025年1月20日发布DeepSeek-R1，第一代推理模型，高性能、开源、低成本，推理表现媲美OpenAIo1正式版，成本仅为OpenAIo1模型的十分之一，登顶中美AppStore免费榜，20天内日活跃用户超2000万，三个月内形成完整产业链。文心一言文心一言（ERNIEBot）是百度基于ERNIE架构开发的，采用混合专家系统。文心一言中文分词准确率99.2%，古诗词创作符合平仄规则率98%；支持企业年报智能分析，自动生成等任务描述任务分析任务知识任务实施任务评价任务拓展任务1.3常用大模型工具1.3.3任务知识_2多模态与跨领域融合大模型多模态与跨领域融合大模型KimiKimi是由月之暗面科技有限公司（moonshotai）开发的专注长文本处理的Transformer-XL架构模型。豆包豆包（DouBaoAIEngine）是字节跳动开发的多模态大模型，使用CloudFire3.0框架，提供全天候语言交互服务。任务1.3常用大模型工具任务描述任务分析任务知识任务实施任务评价任务拓展1.3.3任务知识_3科学智能与工业赋能大模型讯飞星火华为盘古大模型华为盘古大模型，由华为云开发，用于气象预测和药物研发。包括基础版盘古α、多模态版盘古•视觉、行业版盘古·文心和编程版盘古·代码。盘古1.0有2000亿参数，支持文本生成、问答、摘要、图像分类、目标检测、代码生成与调试等任务。讯飞星火是科大讯飞开发的大模型，应用于教育和医疗研究。它包括升级的教育专版和医疗版，后者支持医学影像三维重建和智能标注。星云架构2.0基础上构建，语音识别准确率高，支持多种方言和语言转写。科学智能与工业赋能大模型任务1.3常用大模型工具任务描述任务分析任务知识任务实施任务评价任务拓展1.3.3任务知识_4代码生成大模型通义灵码CopilotCopilot，由GitHub与OpenAI合作开发，利用OpenAICodex模型和GitHub的开源代码库，提供编程建议。它集成于VisualStudioCode等IDE，通过分析代码上下文和注释，支持多种编程语言，尤其在特定框架和模型构建中表现优异。Copilot可减少重复编码工作，与GitHub工作流整合，有望改变敏捷开发模式，并扩展至代码审查和智能运维。通义灵码，阿里云的智能编程助手，利用通义大模型开发，专注于代码生成、优化和编程辅助。它支