大数据与人工智能导论 课件 第8章人工智能初探

大数据与人工智能导论IntroductiontoBigDataandArtificialIntelligence厚德·博学·求是·创新CH8人工智能初探第8章人工智能初探

主要内容8.1人工智能的概念和思想8.2人工智能的发展历程8.3人工智能发展的重大事件8.4未来发展与奇点的遐想8.5本章小结8.1人工智能的概念和思想人工智能的概念人工智能—ArtificialIntelligence，英文缩写AI。麦卡锡等在1956年达特茅斯会议中提出：对于人工智能预期目标的设想是“精确地描述学习的每个方面或智能的任何其他特征，从而可以制造出一个机器来模拟学习或智能”。目前人们普遍认为：人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。8.1.1思想的萌芽8.1人工智能的概念和思想8.1.1思想的萌芽1666年，数学家和哲学家莱布尼茨出版《论组合的艺术》，创立了数理逻辑的新思想。这个时期的巴斯卡和莱布尼茨，已经萌生了会产生智能机器的想法，这便是人工智能思想的萌芽。8.1人工智能的概念和思想8.1.1思想的萌芽1943年，沃伦·麦卡洛克（WarrenMcCulloch）和沃尔特·皮茨（WalterPitts）发表了一篇划时代的论文，提出了第一个人工神经元模型，为神经网络研究奠定了基石。这一模型试图用数学和逻辑来模拟人脑神经元的工作方式，麦卡洛克和皮茨的模型虽然远不及今天的深度学习网络复杂，但它的核心思想却极具前瞻性：通过简单的“开关”机制（类似于神经元的激活与抑制），可以实现逻辑运算。8.1人工智能的概念和思想8.1.2图灵和他的密码破译机二战时期，电子计算机还没有出现，而德国海陆空全军上下都装备了一种叫“enigma”（恩尼格玛）的机器。它主要由三部分组成，分别是键盘、编码器和显示板。由于盟军需要尽快破解经“恩尼格玛”加密的情报，于是英国从剑桥大学招来了包括图灵在内的四位优秀的数学家，进行密码破译。图灵的设想是用机器打败机器。功夫不负有心人，图灵发明一种名为“Bombe（炸弹）”的破译机，大大缩短了破译时间，为盟军赢得胜利奠定了基础。8.1人工智能的概念和思想8.1.3图灵机图灵机的基本构造人工智能历史上的第一座里程碑，便是图灵机。在1936年，数学家艾伦·麦席恩·图灵提出了一个抽象的计算模型的构想——图灵机。左图便是图灵机的基本构造，我们可以简单地将其理解为三部分：纸带、程序和处理盒。图灵机这种虚拟的计算机器实际上是一种理想中的计算模型，它的基本思想是用机械操作来模拟人们用纸笔进行数学运算的过程。8.1人工智能的概念和思想8.1.5图灵测试：何谓机器智能？1950年，图灵发表了一篇划时代的论文，这也为他正式获得了“人工智能之父”这一桂冠。图灵提出了一个测试方法，这个方法就是通常说的“图灵测试”。图灵测试为人工智能的概念与方向做出了进一步的解释与分析，也为人工智能做出了基本的标准。为纪念图灵对计算机科学和人工智能领域的贡献，美国计算机协会（ACM）于1966年设立了“A.M.图灵奖（ACM

A.MTuringAward）”，简称“图灵奖（TuringAward）”。8.1人工智能的概念和思想10因为机器在图灵测试上一次又一次的失败，人类基于机器通过这种测试的困难度，反而创造出图灵测试最广泛的应用场景，这种应用在网络上随处可见——图形验证码。验证码的英文单词“Captchac”其实就是“CompletelyAutomatedPublicTuringtesttotellComputersandHumansApart（通过图灵测试来完全自动地分辨出计算机和人类）”这句话的首字母缩写。8.1.4图灵测试：何谓机器智能？8.2人工智能的发展历程8.2.2人工智能发展的6个阶段从1956年至今，人工智能从20世纪50年代出现到现在，共经过了6个阶段，如图所示。8.2人工智能的发展历程第一阶段：起步发展期(1956年——20世纪60年代初)。1956年，在美国达特茅斯学院举办会议上，计算机科学家约翰·麦卡锡提出了“人工智能”一词，标志着人工智能这门学科的诞生。麦卡锡也因此被誉为是“人工智能之父”。1956年：艾伦·纽厄尔与赫伯特·西蒙，开发首个能自动证明数学定理的程序，成功证明《数学原理》中52条定理。1958年：约翰·麦卡锡发明LISP语言，专为AI研究设计，支持符号处理和递归算法。1959年：亚瑟·塞缪尔开发首个具有自我学习能力的跳棋程序，通过强化学习击败人类棋手。8.2.2人工智能发展的6个阶段约翰·麦卡锡8.2人工智能的发展历程第二阶段：反思发展期(20世纪60年代——70年代初)。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，很多人因此将人工智能神话，认为它能够解决已有科技无法解决的许多问题，但接二连三的失败和预期目标的落空使人工智能的发展走入低谷。1965年：美国ALPAC（自动语言处理咨询委员会）报告指出机器翻译效率低下且成本高昂，远未达到实用水平。1966年：

ELIZA通过模式匹配模拟心理治疗对话，初期引发轰动，但随后暴露其缺乏真实理解能力。1969年：马文·明斯基与西摩尔·派普特在《感知机》一书中证明单层感知机无法解决异或（XOR）等非线性问题，导致神经网络研究停滞。1973年：莱特希尔报告批评AI研究未能实现承诺，称其“缺乏实际应用价值”。引发全球对AI可行性的质疑。8.2.2人工智能发展的6个阶段8.2人工智能的发展历程第三阶段：应用发展期(20世纪70年代初——80年代中)。经过一代人的努力之后，20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，成效显著，推动人工智能走入应用发展的新高潮。1972年：斯坦福大学开发的MYCIN能通过规则推理诊断血液感染疾病，准确率接近人类专家。1980年：卡内基梅隆大学为DEC公司开发的XCON系统，用于自动配置计算机硬件，累计节省数亿美元成本。1985年：杰弗里·辛顿等。提出多层感知机和反向传播算法雏形，突破单层感知机局限，为神经网络复兴埋下伏笔。8.2.2人工智能发展的6个阶段8.2人工智能的发展历程第四阶段：低迷发展期(20世纪80年代中——90年代中)。经过实践应用，人们发现专家系统存在应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能和难以与现有数据库兼容等问题，因此一度将人工智能打入冷宫，相关科研经费大幅度缩减，人工智能相关研究也步入了长达10年的低迷期。1987年：专家系统依赖人工构建知识库，更新与维护成本高昂，企业逐渐放弃大规模部署。1992年：专为AI开发的LISP计算机因价格昂贵、通用计算机性能提升而失去市场，相关企业陆续破产。1990年代中期：尽管1986年反向传播算法提出，但因算力不足、数据稀缺，多层神经网络难以实用化。8.2.2人工智能发展的6个阶段8.2人工智能的发展历程第五阶段：稳步发展期(20世纪90年代中——2010年)。互联网技术的发展和高性能计算机的出现，加速了人工智能的创新研究，人们渐渐使用人工智能算法来解决数据采集和处理中的很多问题，促使人工智能技术进一步走向实用化。1997年：IBM超级计算机“深蓝”，依赖暴力搜索与专用硬件优化，击败世界冠军卡斯帕罗夫。2006年：杰弗里·辛顿等提出深度信念网络（DBN）与逐层训练方法，开启神经网络复兴序幕。8.2.2人工智能发展的6个阶段8.2人工智能的发展历程第六阶段：蓬勃发展期(2011年至今)。随着大数据、云计算、互联网和物联网等信息技术的广泛应用，以深度神经网络、大语言模型、生成式AI为代表的人工智能技术飞速发展，使得人工智能出现在越来越多的场景中，成为了与人们日常生活生活息息相关的一项技术。8.2.2人工智能发展的6个阶段8.2人工智能的发展历程2010年代：深度学习革命与基础技术突破2011年：IBMWatson在《危险边缘》中战胜人类冠军事件：IBMWatson通过自然语言处理与知识库检索，击败人类智力竞赛冠军。意义：展示非结构化数据处理能力，推动问答系统与知识图谱发展。2012年：AlexNet引爆深度学习革命事件：AlexNet在ImageNet图像识别竞赛中夺冠，错误率较传统方法降低超10%。影响：CNN（卷积神经网络）成为计算机视觉标准架构，GPU加速训练成为主流。2014年：生成对抗网络（GAN）提出事件：伊恩·古德费洛提出GAN框架，实现图像、音频等内容的生成与增强。应用：Deepfake技术、艺术创作、数据增强。2015年：TensorFlow开源事件：谷歌开源深度学习框架TensorFlow，降低AI开发门槛。意义：加速算法迭代，推动工业界与学术界协作。2016年：AlphaGo击败李世石事件：DeepMind的AlphaGo以4:1战胜围棋世界冠军李世石，使用蒙特卡洛树搜索与深度强化学习。影响：强化学习技术引发全球关注，AI进入公众视野。2017年：Transformer模型诞生事件：谷歌团队提出Transformer架构，取代RNN成为自然语言处理（NLP）核心模型。衍生：BERT（2018）、GPT系列（2018–今）均基于此架构。8.2.2人工智能发展的6个阶段8.2人工智能的发展历程2020年代：大模型与通用AI探索2020年：GPT-3发布事件：OpenAI推出1750亿参数的GPT-3，展示零样本与小样本学习能力。意义：生成式AI进入实用阶段，推动聊天机器人、代码生成等应用。2021年：多模态模型突破案例：OpenAI的图文跨模态理解，DeepMind的统一处理文本、图像、音频。影响：AI从单模态向多模态智能演进。2022年：ChatGPT引爆生成式AI浪潮事件：OpenAI发布对话模型ChatGPT，基于GPT-3.5，支持连续对话与复杂任务处理。意义：2个月用户破亿，掀起AI平民化与商业化热潮。2023年：GPT-4与多模态大模型事件：GPT-4支持图文混合输入，逻辑推理能力显著提升。谷歌推出Gemini，实现跨模态生成。趋势：大模型向通用人工智能（AGI）迈进，引发伦理与监管讨论。2023年：AI芯片与算力竞赛案例：英伟达推出H100GPU，专为Transformer模型优化。特斯拉Dojo超算支持自动驾驶模型训练。意义：硬件迭代支撑更大规模模型训练。2024年：Sora与视频生成突破事件：OpenAI发布文生视频模型Sora，可生成60秒高清连贯视频。影响：重塑影视、游戏、广告等内容创作范式。2025年：DeepSeek聚焦“效率+伦理”双轮驱动，通过技术突破与生态合作巩固其在全球AI市场的领先地位。8.2.2人工智能发展的6个阶段8.2人工智能的发展历程8.2.3影响人工智能发展的三大因素（1）算力，是支撑AI技术运行的硬件基础，它决定了AI模型的训练速度和推理能力。随着摩尔定律的延续，计算机硬件性能不断提升，为AI技术的发展提供了强大的动力。GPU（图形处理器）显著提升了计算机的性能，拥有远超CPU的并行计算能力。GPU使训练深度神经网络的速度提升255倍计算能力突破12000GFLOPS2006年2017年GPU：TITANXpCPU：Core2ExtremeX680047GFLOPS8.2人工智能的发展历程8.2.3影响人工智能发展的三大因素（2）算法，算法是AI技术的核心，它决定了AI模型的性能和智能水平。优秀的算法能够使AI模型更加准确地识别、理解和预测数据，从而提高AI的决策能力和自主学习能力。在过去的几年里，深度学习算法取得了突破性进展，使得AI在图像识别、语音识别、自然语言处理等领域取得了前所未有的成绩。随着算法研究的不断深入，越来越多的优化算法和创新模型被提出，为AI技术的发展注入了新的活力。算法突破算法突破推动AI技术成熟和实用化传统神经网络深度神经网络8.2人工智能的发展历程8.2.3影响人工智能发展的三大因素数据井喷全球数据中心数据量年均增速40%（3）算料（数据），数据被誉为AI的“食粮”，是训练和优化AI模型的基础。没有足够多样化、高质量的数据，再先进的算法和强大的算力也难以发挥出应有的效能。随着大数据时代的到来，来自全球的海量数据为人工智能的发展提供了良好的基础。8.4未来发展与奇点的遐想数学中的奇点是指不符合逻辑的点，只能无限接近。例如，任何一个自然数除以一个越来越接近于零的数，其结果将趋近于无限大。0102物理学中的奇点如天体物理学中，大质量恒星经历超新星爆炸后会变成体积接近于零、密度无穷大的点，即黑洞，这是各种物理定律失效的地点。8.4.1奇点理论8.4未来发展与奇点的遐想在人工智能领域，有一个著名的奇点理论，它提出于2005年，预言：人工智能领域的突破会使计算机变得比人更聪明，计算机的智能超越人类智慧的那一刻，就是奇点。提出这种“奇点理论”的人，是美国未来学家雷·库兹韦尔（RayKurzweil），他把这一“奇点时刻”设定为2045年。未来学家雷·库兹韦尔（RayKurzweil）8.4.1奇点理论8.4未来发展与奇点的遐想8.4.1奇点理论雷·库兹韦尔在其2005年著作《奇点临近》中，对奇点理论进行深入探讨并做出预测。他依据技术发展的指数增长趋势，预测2045年奇点将会到来。他认为届时人工智能将超越人类智能，引发社会、经济等多方面的深刻变革。库兹韦尔的观点和预测，极大地推动了奇点理论在科技界和公众中的传播与讨论。尼克·博斯特罗姆尼克·博斯特罗姆在2014年出版《超级智能》，提出超级智能可能带来生存风险的观点。他强调超级智能一旦出现，其目标若与人类价值观冲突，将对人类生存构成威胁。他构建“控制问题”模型，探讨如何引导超级智能符合人类利益。博斯特罗姆的观点为奇点理论研究引入风险视角，促使人们在期待技术进步时，重视潜在危险。雷·库兹韦尔8.4未来发展与奇点的遐想随着算法、算力（计算能力）和算料（数据）等“三算”方面的快速发展，人工智能发展将会出现怎样的趋势与特征呢？一是从专用人工智能（弱人工智能）向通用智能（强人工智能）发展。8.4.2趋势与展望专用人工智能是指在特定的任务领域内，能够表现出与人类智能相似能力的人工智能系统。它专注于解决某一个明确的问题，比如图像识别中的面部识别系统。这种系统只能在设计它的特定任务范围内工作，不能像人类一样将知识和技能迁移到其他不同领域。通用人工智能，也称为强人工智能，是一种理论上能够像人类一样进行思考、学习和解决问题的人工智能。它具有自我意识、情感和理解能力，能够在各种不同的任务和环境下灵活地应用知识和技能，就像一个具有完整智能的人一样，甚至在某一方面超越人类智能。8.4未来发展与奇点的遐想随着算法、算力（计算能力）和算料（数据）等“三算”方面的快速发展，人工智能发展将会出现怎样的趋势与特征呢？二是从人工智能向人机混合智能发展。8.4.2趋势与展望人机混合智能是由“人-机-环境”相互作用而产生的新型智能系统，它既不同于人类智能，也不同于人工智能。其重点在于将人类的认知模式与计算机的优势计算能力相结合，充分发挥人和机器的长处，形成一种新的智能形式。8.4未来发展与奇点的遐想随着算法、算力（计算能力）和算料（数据）等“三算”方面的快速发展，人工智能发展将会出现怎样的趋势与特征呢？三是从“人工+智能”向自主智能系统发展。8.4.2趋势与展望“人工+智能”（Human-DependentAI）

指传统人工智能系统，其核心特征是高度依赖人类设计，功能局限于特定任务，需人类提供规则、数据和干预。自主智能系统（AutonomousIntelligentSystems）

指能够独立感知、决策、学习和行动的AI系统，其核心特征是自适应性与环境交互能力。从“人工+智能”到自主智能系统的演进，标志着AI从被动执行工具向主动决策主体的质变。这一过程依赖算力、算法与数据的协同突破，但也面临技术伦理与社会治理的深层挑战。未来的AI将不仅是“解决问题的手段”，更可能成为重塑人类文明范式的核心参与者。8.4未来发展与奇点的遐想随着算法、算力（计算能力）和算料（数据）等“三算”方面的快速发展，人工智能发展将会出现怎样的趋势与特征呢？四是人工智能将加速与其他学科领域交叉渗透。8.4.2趋势与展望最终目标：通过交叉渗透，AI将不仅是“技术杠杆”，更成为连接人类知识孤岛的桥梁，推动文明向更高复杂度演进。8.4未来发展与奇点的遐想随着算法、算力（计算能力）和算料（数据）等“三算”方面的快速发展，人工智能发展将会出现怎样的趋势与特征呢？五是人工智能产业将蓬勃发展。8.4.2趋势与展望人工智能产业的蓬勃发展源于技术、需求、政策与资本的四重共振：技术层面，算法、算力、数据的协同突破催生“AI工业化”浪潮；市场层面，从企业增效到消费升级，需求端持续释放动能；生态层面，全产业链协同推动应用场景指数级扩展。未来挑战：将聚焦于技术伦理、可持续性与全球竞合，但长期来看，AI作为“新一代生产