AI大模型与AIGC技术在公安领域的应用解决方

02A

I

GC与大模型技术03人工智能应用案例01人工智能概述CONTENTS人工智能基本概念与发展历程关键技术与研究学派0102人类的智能，源于人类的大脑、感觉器官和神经网络从自然环境中感知和解析信息，提炼知识并运用于指挥自身行为的能力，就是“智能”。1.何谓智能？人工智能基本概念人工智能，指由人制造出来的机器所表现出来的智能。人工智能就是把人的智能转移到人造的机器中，让机器来具备了感知、思考、决策的能力。2.什么是人工智能？人工智能基本概念1950年，图灵在论文《计算机器与智能》中提出图灵测试，将机器智能定义为“若机器能通过自然语言对话让人类无法区分其与人类，则具备智能”

。这一测试方法至今仍是衡量AI智能水平的重要标准，例如ChatGPT等大模型均以通过类似测试为目标。图灵通过图灵测试与图灵机构建了人工智能的理论框架，其密码学实践与哲学思考为现代AI技术提供了方法论与伦理基础。尽管他未亲历AI的爆发式发展，但其思想至今仍是技术突破的核心驱动力。阿兰·图灵(1912-1954)——现代计算机的奠基人，人工智能之父。图灵与人工智能图灵测试-成为判定机器智能的标准1956年6月，达特茅斯会议并没有得出什么重要的结论或宣言，但是提出了“人工智能（ArtificialIntelligence）”的命名，也大致明确了后续的研究方向。这次会议，标志着人工智能作为一个研究领域正式诞生，也被后人视为现代人工智能的起点。达特茅斯会议-首次提出“人工智能

”术语，标志着学科诞生3.人工智能的历史第一次低谷阶段（1974年-1979年）-项目失败、政府撤资在1974年至1979年间，人工智能领域经历了第一次发展低谷，即“AI之冬”。此前，AI在1960年代迎来了黄金时代，得益于符号主义的推动和冷战时期美国政府的资金支持，AI研究取得了显著成果。然而，由于学术界对AI的预期过于乐观，加之当时计算机算力和存力有限，AI系统未能达到预期效果。特别是机器翻译等领域的失败，导致政府资助减少。1973年，

《莱特希尔报告》对AI技术提出严厉批评，随后英国政府、美国DARPA和美国国家科学委员会等机构大幅削减对AI的投资，使得AI研究陷入低谷。发展历程-第一次低谷专家系统基于知识整理出来的规则，进行逻辑推理，来模拟和延伸人类专家的决策能力，解决复杂的问题。3.人工智能的历史发展历程-第二次高潮阶段第二次高潮阶段（1980年-1987年）3.人工智能的历史第二次低谷阶段（1987年-1993年）-专家系统遇到瓶颈在1987年至1993年间，人工智能经历了第二次发展低谷。这一阶段的原因主要包括：专家系统（符号主义）在实际应用中遇到能力瓶颈，如应用领域狭窄、缺乏常识性知识、知识获取困难等；同时，80年代个人电脑技术革命使得通用PC性能超越AI专用计算机，导致AI硬件市场崩溃。此外，专家系统维护更新复杂且成本高昂，使得市场和用户兴趣减退。最终，战略计算促进会和DARPA等机构削减了对AI的资助，AI研究因此进入第二次低谷阶段。发展历程-第二次低谷阶段█第三次高潮阶段（1994年-现在）自1994年以来，人工智能进入第三次高潮，神经网络和机器学习复兴，深度学习诞生。大数据和云计算推动AI发展，重要算法和模型如SVM

、LSTM

、LeNet相继提出。AI在图像和语音识别应用广泛。里程碑事件包括深蓝战胜卡斯帕洛夫和AlphaGo战胜李世石。GANs和无监督学习推动图片生成领域。Transformer架构改变深度学习方向。OpenAI的GPT系列和生成式AI崛起，多模态AI处理多种媒体。全球大模型竞争激烈，AI技术取得显著进展，对社会产生深远影响。3.人工智能的历史发展历程-第三次高潮阶段3.人工智能的历史发展历程-“三起两落

”五阶段窄人工智能(Narrow

AI):也称为弱人工智能,指的是在特定领域或任务上表现出智能的系统,例如语音识别或图像识别。通用人工智能(AGI):也称为强人工智能,指的是具有广泛认知能力的系统,能够像人类一样在多个领域和任务上表现出智能。超级人工智能(Superintelligent

AI):指的是在所有领域都远远超过人类智能的系统。人工智能的分类(按智

能程度分类)人工智能的分类1.从自然环境中感知和解析信息，提炼知识并运用于指挥自身行为的能力，就是“

智能”。2.人工智能把人的智能转移到人造的机器中，让机器来具备了感知、思考、决策的能力。3.人工智能从20世纪

50年代出现，发展至今，经过了“三起两落”

五个阶段。4.人工智能的分类（按智能程度分类）窄（弱）人工智能通用人工智能超级人工智能小结03人工智能硬件基础，包括GPU（图形处理单元）

、TPU（张量处理单元）等专门为AI计算优化的芯片，能够高效处理大量数据和复杂的算法。1.人工智能的关键技术机器学习深度学习强化学习智能芯片技术基础算法技术二

、关键技术计算机视觉自然语言处理语音处理多模态分析推理技术1.人工智能的关键技术感知技术二

、关键技术人工智能研究的三个门派符号主义，又称逻辑主义、心理学派或计算机学派，是一种基于逻辑推理的智能模拟方法，认为人工智能源于数学逻辑，其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。

典型代表：1997年5月，名为“深蓝”的IBM超级计算机打败了国际象棋世界冠军卡斯帕罗夫，这一事件在当时也曾轰动世界，其实本质上，

“深蓝”就是符号主义在博弈领域的成果。注：深蓝是美国IBM公司生产的一台超级国际象棋电脑，重1270公斤，有32个大脑（微处理器）

，每秒钟可以计算2亿步。

“深蓝”输入了一百多年来优秀棋手的对局两百多万局。人工智能研究的三个门派1

、符号主义行为主义，又称进化主义或控制论学派，是一种基于“感知——行动”

的行为智能模拟方法，思想来源是进化论和控制论。其原理为控制论以及感知——动作型控制系统。该学派认为：智能取决于感知和行为，取决于对外界复杂环境的适应，而不是表示和推理，不同的行为表现出不同的功能和不同的控制结构。生物智能是自然进化的产物，生物通过与环境及其他生物之间的相互作用，从而发展出越来越强的智能，人工智能也可以沿这个途径发展。

典型代表：著名的研究成果还有波士顿动力机器人和波士顿大狗，以及国内的宇树科技的人型机器人和四足机器狗。人工智能研究的三个门派2

、行为主义人工智能研究的三个门派按照设置好的路线行走扫描

典型代表：波士顿大狗。收集施工现场的数据变身“牧羊犬”放羊检测病人体温工地上监工应急排险宇树科技军用机器狗亮相中柬“金龙-2024

”联合演习功夫BOT完成全球首例720度回旋踢：

宇树G1联结主义，又称仿生学派或生理学派，是一种基于神经网络和网络间的连接机制与学习算法的智能模拟方法。连接主义强调智能活动是由大量简单单元通过复杂连接后，并行运行的结果，基本思想是，既然生物智能是由神经网络产生的，那就通过人工方式构造神经网络，再训练人工神经网络产生智能。

典型代表：在人工智能的算法、算力、数据三要素齐备后，连接主义学派就开始大放光彩了。2016年DeepMind公司（AlphaGo）击败围棋冠军李世石。3

、联结主义学派人工智能研究的三个门派联结主义：从生物神经网络到人工神经网络30智能芯片技术、基础算法技术和感知技术。小结1.人工智能的关键技术包括：2.人工智能研究的三个门派联结主义符号主义行为主义大模型与AIGC概述DeepSeek推理大模型提示词与提示工程04AlGC与GPT(通用大模型的代表)生成式预训练Transfomer模型，GPT的全称，是Generative

Pre-TrainedTransformer（生成式预训练Transfomer模型）是一种基于互联网的、可用数据来训练的、文本生成的深度学习模型。大模型的基本概念-ChatGPT概述各大热门平台产品月活跃用户数破亿所需时长。ChatGPT被称为AI的“

iPhone时刻”,以ChatGPT为代表的生成式AI让每个人命令计算机解决问题成为了可能。可对生产工具、对话引擎、个人助理等各类应用,起到协助人、服务人甚至超越人的角色。海量下游应用也因此捕捉到新的技术与产业机会,希望通过各类大模型与工程化能力,将类ChatGPT产品能力输送到原有的应用中,关于应用革命的序幕就此拉开。凭借此革命性突破,ChatGPT在搜索引擎与各类工具软件中率先掀起应用热潮,引起了广大用户对ChatGPT相关技术的关注与学习。AI的“iPhone时刻

”

大模型的基本概念大型语言模型(又称:大语言模型、大模型,英文:Large

Language

Model,缩写LLM)是在大量语料库上训练的机器学习模型,使用自监督或半监督学习在大量未标记文本上训练数十亿个参数。大模型在语言理解方面表现出非凡的能力,也能够执行从情感分析到数学推理的各种任务。大模型与搜索引擎有着本质的不同:大模型通过理解问题直接给出答案

;搜索引擎则是给出你要查询信息的参考链接,答案需要用户查看返回链接的内容并自行进行总结。总之,大模型经过训练,可以执行简单任务,如预测句子中的下一个单词。然而,它们也能够理解人类语言的大部分结构和含义,并具备丰富的常识,能够在训练中“记住”大量的事实。将大模型想象成一个巨大而灵活的大脑,只要它们有足够的数据和处理能力,就可以学会执行各种任务。因此,当与大模型互动时,请记住您正在与一种令人印象深刻的人工智能技术进行交流。“是谁”“什么时候”“在哪里”“发生了什么事””为什么”“怎么做”核心是两个，一个是理解自然语言，明白人的意图；另一个是产生自然语言的文本，满足人的要求。ChatGPT背后的技术是什么？跟逻辑推理有关的问题跟事实有

关的问题容易问题难的问题解决了什么问题？大语言模型也可按照其生态系统进行层次划分，包括场景层、应用层、功能层、模型层、平台层、算力层和社区层大模型生态系统生成式AI应用：

内容制作，从辅助人到“替代

”人AIGC（Artificial

Intelligence

Generated

Content）指的是利用人工智能技术自动生成内容的生产方式。这些内容可以是文本、图片、音频、视频甚至3D模型等多种形式。什么是AIGC?从决策到生成，AI技术与应用迎来跨越发展AI模型可大致分为决策式/分析式AI（Discriminant/AnalyticalAI）和生成式AI（GenerativeAI）两类。决策式AI：学习数据中的条件概率分布，根据已有数据进行分析、判断、预测，主要应用模型有用于推荐系统和风控系统的辅助决策、用于自动驾驶和机器人的决策智能体。生成式AI：学习数据中的联合概率分布，并非简单分析已有数据而是学习归纳已有数据后进行演技创造，基于历史进行模仿式、缝合式创作，生成了全新的内容，也能解决判别问题。AI：

决策式AI与生成式AI对比从感知世界到生成创造世界AIGC的核心价值AIGC（AI-Generated

Content）指利用人工智能技术自动生成的内容，是继专业生成内容（PGC）和用户生成内容（UGC）之后一种新型生成内容的方式。国际上被称为人工智能合成媒体（AI-generated

Media或Synthetic

media）

，是通过人工智能算法对数据或媒体进行生产、操作和修改的统称。AI绘画作品出圈、一级投资活跃，2022年AIGC爆发式发展。2022年8月，在美国科罗拉多州举办的新兴数字艺术家竞赛中，参赛者提交AIGC绘画作品《太空歌剧院》获得了此次比赛“数字艺术/数字修饰照片”类别一等奖，而参赛者没有绘画基础，通

过AI绘图软件MidJourney耗时80个小时创作了该作品。AI绘画技术发展快速，从年初的技艺生疏到目前能够生成专业级别的图像仅过去几个月的时间，

目前国外已有Stable

Diffusion

Midjourney等多个成熟的AIGC平台。其中技术领先的AI公司Open

AI当前估值或达290亿美元，Stable

Diffusion背后的Stability

AI

估值也达到10亿美元。AIGC：

生成式AI在娱乐媒体领域的应用文本生成是生成式AI最早应用的领域之一，已经在对话机器人、内容续写、新闻稿撰写、诗歌小说创作等领域具有广泛的应用。对话机器人：包括问答型机器人、闲聊型机器人、任务型机器人、知识图谱型机器人、多轮对话机器人，在智能客服场景中能够显著降低企业人力成本。新闻稿撰写：在全球范围具有广泛的应用，很多新闻机构使用AI生成稿件，尤其是体育、天气、股市交易变动、公司业绩报道等结构性新闻报道。

自然语言生成公司Automated

Insights仅在2014年就产生了10亿篇新闻文章，每秒可撰写多达2000篇新

闻报道，用户包括雅虎、美联社等。文本生成：

对话机器人

、新闻稿撰写广泛应用内容续写：基于给定的文本续写新的内容，续写的内容包括文学创作、商业写作、教学内容等，典型应用有Google推出的Wordcraft

、OpenAI推出的GPT-3等。Wordcraft:2021年由谷歌推出，作者和AI以对话的形式共同编辑故事，支持续写、扩写、改写、生成大纲等功能，能够极大提升写作效率，激发创作者灵感。文学创作：2017年微软研发的AI“

小冰”出版了人类历史上第一部人工智能诗集《阳光失了玻璃窗》

，其中包含139首现代诗；

2018年，AI创作的小说《1The

Road》出版；2022年谷歌子公司DeepMind发布剧本写作AI

Dramatron

，能够从一句话表述的戏剧冲突中生成剧本标题、角色、场景、对话；越来越多的AI文学创作平台进入公众视野，AI创作的内容包括剧本、诗歌、小说、对联等等。文本生成：

内容续写

、文学创作部分达到专业水平使用流程使用方法进入AIGC用户可以通过计算机、手机或其他设备打开AIGC的应用平台，并进行注册或登录操作。需要注意的是，不同的AIGC平台可能具有不同的使用方式和功能特点。用户在使用AIGC时，需要根据自己的需求和实际情况选择合适的平台，并了解其使用方法和功能特点。提问与对话在AIGC的主界面，用户可以在文本框中输入问题或对话内容，并单击发送按钮进行发送。AIGC会分析用户输入的内容，然后生成回答或建议，并将其显示在对话框中。除了简单的提问，用户还可以与AIGC进行更深入的对话。用户可以输入一个或几个完整的句子，然后AIGC会根据上下文和语义进行回应。这种对话方式使用户可以与AIGC进行自然而流畅的交流，就像两个人在交谈一样。AIGC能够保存先前的对话记录，并在此基础上生成新的回应。这意味着用户可以和AIGC逐步深入地探讨一个问题，不断获得新的信息和视角。问题追问当用户的问题不够清晰或不够具体时，AIGC会进一步追问用户以获取更多信息。用户可以根据

AIGC的追问进行补充说明，以便AIGC能够更好地理解问题并给出准确的回答。例如，如果用户提问：“什么是人工智能？”AIGC可以进一步追问：“您是指人工智能的定义、历史、应用领域，还是其他方面？”通过追问，AIGC可以更好地理解用户的意图，并提供更有针对性的答案。查看历史记录AIGC会自动保存与用户的对话历史记录，用户可以通过查看历史记录来回顾以往的对话内容。这有助于用户了解之前的问题和回答，避免重复提问。此外，查看历史记录还可以帮助用户更好地理解对话的上下文，从而更好地参与到对话中。为了方便用户查看历史记录，AIGC提供清晰的界面和易于操作的工具。用户可以自行选择使用市面上已有的AIGC工具，在使用AIGC工具之前，需要去对应的平台或者网站注册才能使用。AIGC的使用方法05DeepSeek是一家专注通用人工智能（AGI）

的中国科技公司，

主攻大模型研发与应用。DeepSeek-R1是其开源的推理模型，擅长处理复杂任务且可免费商用。AI+国产+免费+开源

+强大DeepSeek是什么？对AI行业的重大影响直接面向用户或者支持开发者，提供智能对话

、文本生成

、语义理解

、计算推理

、代码生成补全等应用场景，支持联网搜索与深度思考模式，

同时支持文件上传，

能够扫描读取各类文件及图片中的文字内容

。DeepSeek应用场景：

自然语言处理：DeepSeek可以进行语言翻译、文本摘要、情感分析和命名实体识别等任务

智能对话：能与用户进行智能对话，理解用户的意图和情感，并给出相应的回答

代码生成和辅助：DeepSeek-Coder-V2支持338种编程语言，可以生成代码、解释代码含义、修复代

码错误等

问答系统：回答用户提出的各种问题，包括常识、专业、历史和科技等领域

内容创作：根据用户提供的关键词和主题，

自动生成相关的文章和内容

智能客服：代替人工客服，回答用户的咨询和问题，提高客服效率和质量

多模态交互：处理图像、音频等多种数据形式，适用于智能助手和移动应用等场景

数学和推理任务：在数学计算和复杂推理任务方面表现出色

信息推荐：根据用户的历史行为和偏好，推荐相关的内容和信息Deepseek可以做什么？概率预测

（快速反应模型

，

如ChatGPT

4o

）链式推理(慢速思考模型

，

如OpenAI

o1)性能表

现响应速度快，算力成本低慢速思考，算力成本高运算原理基于概率预测，通过大量数据训练来快速预测可能的答案基于链式思维（Chain-of-Thought

）

，

逐步推理问题的每个步骤来得到答案决策能

力依赖预设算法和规则进行决策能够自主分析情况，实时做出决策创造力限于模式识别和优化，

缺乏真正的创新能力能够生成新的创意和解决方案，具备创新能力人机互动能力按照预设脚本响应，较难理解人类情感和意图更自然地与人互动，理解复杂情感和意图问题解决能力擅长解决结构化和定义明确的问题能够处理多维度和非结构化问题，提供创造性的解决方案伦理问

题作为受控工具，几乎没有伦理问题引发自主性和控制问题的伦理讨论CoT链式思维的出现将大模型分为了两类：

“概率预测（快速反应）

”模型和“链式推理（慢速思考）

”模型

。

前者适合快速反馈，处理即时任务；

后者通过推理解决复杂问题

。了解它们的差异有助于根据任务需求选择合适的模型，

实现最佳效果

。快思慢想：

效能兼顾全局视野生成模型与推理大模型的对比推理模型的优劣势DeepSeek最新的生成模型和推理模型版本对比DeepSeek-R1版本DeepSeek-R1应用场景部署DeepSeek-R1满血版的算力要求和性能06依次向大模型输入以下三个提示，体会大模型输出内容的区别:1.写一首关于大模型的诗。2.写一首关于大模型的诗，要包含标题和正文。3.写一首关于大模型的七言律诗，要包含标题和正文，正文共8句，注意严格遵守七言律诗的格式并押韵。什么是提示工程？

（

m

示）AIGC中用于指导用户进行文本输入和内容生成的关提示词大模型生成内容时，会先处理Prompt

，再根据对其的理解进行输出。大模型的工作原理是根据用户的输入预测下一个词出现的概率，逐字生成下文。Prompt会直接影响输出结果的质量。对大模型来说，Prompt

就是用户的输入，它可以是一个简单的问题，一段较长的文本，也可以是一组指令，这取决于用户的具体需求。Prompt的设置可以影响模型处理信息的方式，从而影响最终的输出结果。什么是提示词举例：绘画提示词问：今天我要去________

。提示：家里没菜了。答：菜市场。对传统计算机来说，计算机按指令执行，不存在提示计算机该怎么做。但语言模型不这样工作，NLP语言模型的工作原理是不断地预测一句话中下一个应该出现的单词是什么，有点类似于词语接龙。根据提示“家里没菜了”

，AI就会生成菜市场或者超市，或者生成更加复杂的输出。提示词原理简单来说，类似ChatGPT这样的语言模型做的是复杂的计算和逻辑推理，而不是执行指令或者从数据库里提取数据。“提示”是影响大模型生成答案的质量的重要因素。今天我想去________

。提示：很久没游泳了。答：游泳池。什么是提示词又例如：特征描述示例沟通桥梁连接人类意图和AI理解“将以下内容翻译为法语

：Hello,world”上下文提供者为AI提供必要的背景信息“假设你是一位19世纪的历史学家,评论拿破仑的崛起”任务定义器明确指定AI需要完成的任务“

为一篇关于气候变化的文章写一个引言,长度200字”输出塑造器影响AI输出的形式和内容“用简单的语言解释量子力学,假设你在跟一个10岁的孩子说话”AI能力引导器引导AI使用特定的能力或技能“使用你的创意写作能力,创作一个关于时间旅行的短篇故事”1

.指令型提示语：

直接告诉AI需要执行的任务。2

.

问答型提示语：

向AI提出问题，期望得到相应的答案。3.

角色扮演型提示语：要求AI扮演特定角色

，模拟特定场景。4.创意型提示语：

引导AI进行创意写作或内容生成。5.

分析型提示语：

要求AI对给定信息进行分析和推理。6.

多模态提示语：结合文本

、图像等多种形式的

输入。提示语的类型提示语的本质提示语类型提示工程(Prompt

Engineering)也叫「指令工程」

。就是探讨如何设计出最佳提示词，用于指导语言模型帮助我们高效完成某项任务。Prompt(提示词)

即发送给大模型的指令，比如「讲个笑话」

、

「制定一份哈尔滨三天的旅游攻略」等。Prompt是

AGI时代的「编程语言」Prompt工程是AGI时代的「软件工程」

提示工程师

是AGI时代的「程序员」什么是提示工程？提示工程是一种利用人工智能模型生成内容的方法，用户需要给模型提供输入，模型会根据输入生成输出（Response）提示工程可以让人们更好地与人工智能对话，更好地利用人工智能的能力和潜力，从而更好地进行创造和创新工作一个过程提示工程的难点在于如何设计合适的输入，让模型能够理解用户的意图和需求，并生成高质量的输出提示工程（PromptEngineering）是大语言模型开发、训练和使用过程中的一个基本元素认识提示工程提供模型所需的背景信息或上下文，以帮助模型理解任务并生成相关输出。上下文可以是对问题的描述、场景的背景、先前的对话等。通过提供上下文，模型可以更好地理解任务的具体要求。希望模型执行的特定任务或指令，常见的指令包括写入、分类、总结、翻译、排序等。例如，

“请将以下文本翻译成英文”“请对以下文章进行分类”等。用户输入的指令应该清晰明了，以便模型能够准确理解任务要求。上下文（Context）指令（Instruction）提示工程要素明确指定模型需要达到的目标或期望的结果。

目标可以是生成特定类型的回答、提供特定类型的建议、解决特定类型的问题等。明确的目标可以帮助模型更有针对性地生成输出。提供一些示例输入或输出，以帮助模型理解任务的具体要求和期望的输出格式。示例可以是实际的问题和答案、对话片段、文本段落等。通过提供示例，模型可以生成与示例类似的输出。示例可以是已经存在的数据样本，也可以是手动创建的样例。它们可以展示期望的输出样式或结构，并指导模型生成符合要求的输出。指定模型在执行任务时应遵循的限制条件。这些限制条件可以是特定的格式要求、输出的主题或内容要求、输出长度限制等。设置限制条件可以使模型的输出满足特定需求。例如，在生成文本的任务中，可以限制输出长度，避免生成内容过长。示例（Examples）限制条件（Constraints）目标（Objective）提示工程要素1.编写清晰的提示2.提供参考示例3.让模型一步步思考4.调用外部工具5.将复杂任务分解成子任务6.采用系统的提示框架7.用结构化方式进行提示编写提示词的原则与策略AIGC工具1.明确自身需求2.评测工具能力3.关注使用成本如何选择AIGC工具大模型与AIGC概述DeepSeek推理大模型提示词与提示工程07大模型行业落地生态大模型行业知识结合的几种方式智慧公安--新一代公安信息网智慧公安--新一代公安信息网大模型技术数字人技术（Digital

Human

Technology）是一种结合人工智能、计算机图形学、语音合成、

自然语言处理（NLP）等多领域技术的综合应用，

旨在创造高度拟人化、可交互的虚拟角色。这些数字人能够模拟人类的外貌、表情、动作和语言，并在特定场景中替代或辅助人类完成工作，是元宇宙、虚拟现实（VR）和人工智能领域的前沿研究方向。数字人技术浙江公安多了两名特别的同事——

“

数字警察

”主播

，一个名叫浙小荷，另一个名叫浙小安。他们走上社交媒体，24小时不知疲倦地给大家报路况、宣传反诈知识。浙江公安来了新同事

！

“浙小荷”“浙小安”为你服务_腾讯新闻

(qq.com)数字警察杭州市西湖区作为国家知识产权强县试点，联合浙江警察学院研发了“AI知产警官小西”

，

旨在提升服务范围和响应企业需求。通过分析知识产权案件经验，构建知识库供“

小西”深度学习，以便快速提供侵权线

索给民警，有效打击侵权行为。24年4月，借助“

小西”

，西湖公安破获跨省童装侵权案，抓获21人，查获大量童装和商标，保护了企业权益。数字警察-“AI知产警官小西

”需求：一套智慧公安科创方案，包括智能化警校培训，节约教学时间与警力成本、AI写作协助案件处理、智能外呼、大屏数字人宣传党史党建、24小时数字人警察主播等。

解决方案：

建立一套专属的播报声音模型：选取优质的播报人员声音，通过声音模型训练，多音字、生僻字配置，完成声音克隆。

建立一套视频合成平台：将编辑好的内容文字输入，即可选择采用专属的播报声音模型配合基础服务人员形象播报材料的视频。效果：通过2.5D真人形象克隆技术和声音克隆技术实现：只需将编辑好的内容文字输入，即可选择采用专属的播报声音、配合服务人员的形象，生成播报材料的视频，让培训视频新颖生动又有深刻的教育意义。AIGC解决方案提升南京公安培训质量和效率

数据“大整合

”：

全域全链支撑实战发展近日,慈溪凌晨3时许发生一起入户盗窃案。接到报案后,侦查民警第一时间通过多维数据研判,确定犯罪嫌疑人身份,用时5小时将其抓获,并追回群众被盗财物。如此高效处置得益于慈溪公安智慧警务联合实验室。科学布建前端感知网络,夯实算力、算法、数据、组件等基础支撑能力,梳理、融合、应用警务数据,为全警大数据分析研判和实战运用提供精准数据资源库。

自运行以来,数据库不仅实现了对海量信息的高效整合,还通过利用智能分析引擎,实现了对海量视频、图片的大数据智能分析、智能检索、关联分析、多轨碰撞,为民警提供了多维数据,实现了第一时间感知、第一时间预警、第一时间调度,做到了全域全链服务警务实战和社会治理。项目背景社会治安维护工作复杂多变,传统警情分类方式依赖人工判断,效率低、准确性难以保障。处理重复警情时,关键词搜索分析排查方式易遗漏和误判,无法及时、准确把握社会治安态势。技术应用警情数据自动监测与闭环管理,从时效性、分类准确性、要素完整性监测,建立审核机制,形成闭环。公安专有场景应用训练与辅助分析,采用多种微调方法训练,支持民警自定义分析。智能辅助决策与警情报告生成,提供决策建议,自动生成报告模板。大模型功能警情自动分类,将“关键词被动检索”转变为“语义主动发现”,及时精准识别矛盾源头。深度分析警情趋势,助力公安机关提前介入,预防事态恶化。实时监测警情,分类统计并以直观图表呈现,方便了解警情分布状况。应用成效警情质量监测,人工审核时间大幅缩短,审核及时性提升,实现全面检查。事件风险研判,召回

率和精准率超90%,分析耗时从分钟级缩至秒级。警情编报工作,平均耗时降低,效率提升200%。安庆智算中心暨公安城市治安巡查大模型“Young智

”A

I助手,用于提升窗

口服务水平

。

:梳理户籍业务办理须知

、人

口类政策文件,提升服务效率。服务成效:累计服务群众5300余人次,缩短业务办理时间。成效统计:利用A

I大模型技术全面纵深推进打击整治网络谣言专项行动,查处网络谣言384起,处理造谣传谣人员530余人,清理谣言信息53000余条,关停账号5000余个。案例:2023年上海浦东海滩女童走失事件,A

I大模型助力追踪查处造谣

团伙。AI社区构建:利用监控系统

、

智能门禁

、人脸识别等数据,建立

“

一人一档

”

。警力分配与预警:实现毫秒级响应的警力分配,精准预判化解潜在风险。上海市公安部门AI大模型应用实例警情研判:智能分析,精准决策基于图神经网络的关联分析引擎,DeepSeek大模型可实时挖掘警情事件之间的时空关联。通过融合人口画像数据(年龄/职业/轨迹)、历史案件特征与实时监控视频,模型能在30秒内生成包含9个维度的研判报告。例如在群体性事件处置中,系统可自动标注重点人员社会关系网络,并预测事件扩散概率,为指挥中心提供动态决策支持。侦查打击:挖掘线索,精准打击刑事侦查知识库采用Neo4j图数据库构建,存储超过5000万个实体节点与20亿条关系边。结合DeepSeek大模型的强化学习能力,系统可通过多跳推理(最多5层)发现隐蔽关联。例如在电信诈骗案件侦办中,模型能同时分析通话记录、资金流水与基站定位数据,自动构建嫌疑人关系图谱并推导作案链条。风险防控:预测预警,主动出击部署时序神经网络(LSTM+Transformer)构建风险预测模型,整合交通流量、人流密度、舆情指数等多源数据。在节假日安保场景中,模型可提前72小时预测热点区域人流峰值,准确率达92%。通过部署边缘计算节点,实现毫秒级响应,联动无人机集群与智能信号灯系统进行动态管控。成都公安