人工智能通识：理论、案例与应用 课件 第1章 人工智能基础

第1章人工智能基础人工智能通识：理论、案例与应用（慕课版在线实训平台版）

CHAPTER1永乐宫壁画是我国现存唯一的元代大规模壁画群，因自然侵蚀导致壁画大面积褪色与剥落。用传统方法修复壁画，工作精细且耗时费力，需要修复师凭借经验与技艺解决颜料层起甲、脱落等问题。对于永乐宫壁画这样大规模的修复工程，使用传统方法工期长，还原风格与细节难度大。为了更好地完成壁画修复工作，永乐宫壁画保护研究院联合相关公司，运用人工智能技术对《朝元图》进行了修复，为文物保护开启新篇章。在此次修复中，修复团队将人工智能技术与传统工艺结合，引入专业的壁画与美术知识，对图像生成模型进行微调，让其理解中国绘画元素，学习壁画与美术知识，从色彩、笔触、人物造型等方面精准学习永乐宫壁画的独特绘画风格，从而实现自动修复。针对壁画污渍、褪色等问题，修复团队基于数字版壁画提取线稿，结合古代壁画数据训练生成式人工智能模型，由模型填充线稿颜色，使其呈现接近原壁画的色彩。对于因自然风化、地震等原因造成的缺失区域，修复团队让人工智能模型模仿原壁画笔迹风格进行重绘修补。在科技的助力下，历经近800年风雨的永乐宫壁画重焕往日华彩。引导案例

人工智能助永乐宫壁画“破茧重生”案例思考人工智能技术与传统壁画修复工艺的有机结合为文物保护工作带来了诸多积极影响，除了文中提到的提高修复效率、精准还原风格细节等，你认为还有哪些重要意义？目录CONTENTS初识

人工智能PART01PART02PART03PART04人工智能的核心要素人工智能时代的人才培养人工智能伦理与安全人工智能通识：理论、案例与应用（慕课版在线实训平台版）

如今，人工智能已成为科技领域中最具影响力和变革性的力量之一。随着计算机技术的飞速发展和数据量的爆炸式增长，人工智能逐渐从理论研究走向实际应用，深刻地改变了人们的生活、工作和社会的方方面面。它不仅在科学研究中展现了强大的潜力，还在医疗、金融、交通、教育等多个行业发挥着重要作用。01.初识人工智能人工智能通识：理论、案例与应用（慕课版在线实训平台版）

1.1.1

人工智能的概念与特征人工智能的概念人工智能是一门前沿交叉学科，尚未形成统一的概念。概括来说，人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统。人工智能是计算机科学的一个分支，其目标是了解智能的实质，并生产出一种新的能以类似于人类智能的方式做出反应的智能机器。人工智能的特征本质为计算，基础为数据能感知环境并做出反应具备推理与决策能力能与人类、环境进行交互具备自适应能力具备学习能力1.1.2人工智能的类型弱人工智能、强人工智能和超人工智能按照智能水平划分，人工智能可以分为弱人工智能、强人工智能和超人工智能。类型释义特点弱人工智能专注于且只能解决特定领域问题的人工智能。它们无自主意识，只是在某个特定任务上表现得像人类一样智能●通常依赖于大量的数据和特定的算法来执行任务●其行为基于复杂的模式识别和数据处理，而非真正的“理解”或“思考”●不具备自我意识和通用智能，只能在预先设定的规则和数据范围内工作强人工智能具备与人类相当或接近的通用认知能力，能在各种环境中学习、推理、解决问题的人工智能●可以将其在某个领域学到的知识，迁移到另一个完全不同的领域●拥有自我意识、情感、信念和理解因果的能力，不仅能处理信息，还能“理解”信息的含义●可以像人一样进行抽象思维、情感理解和创造性活动超人工智能在所有方面都远超人类智能水平的人工智能●不仅能完成人类可以完成的所有任务，而且在速度、准确性和创新能力上远远超过人类●能够自我进化和优化，不断突破人类的认知极限各类人工智能的特点1.1.2人工智能的类型决策式人工智能和生成式人工智能按照技术逻辑划分，人工智能可以分为决策式人工智能和生成式人工智能。项目决策式人工智能生成式人工智能释义基于历史数据、规则或实时信息，通过算法分析“选项”并输出最优决策或判断的人工智能基于大规模数据学习内容的分布规律，如语言逻辑、图像风格等，主动生成全新的、有意义的内容的人工智能技术原理主要是基于数据和规则来做出决策或推荐。它通常依赖于对数据的分析和处理，通过算法来评估不同的选项，并选择最优的决策路径通过学习大量的数据样本，捕捉数据的分布特征，然后生成与训练数据相似但又不完全相同的新内容核心目标做出判别、预测或决策创造新的数据输出形式输出的是明确的决策或预测结果，形式固定，如“风险等级：高”“垃圾邮件”“推荐评分：9.2分”等输出的是具有一定创造性和多样性的内容，如一张图片、一段文字、一段音频等主要功能分类、判别、预测生成、创造、模拟决策式人工智能与生成式人工智能的对比1.1.2人工智能的类型决策式人工智能和生成式人工智能按照技术逻辑划分，人工智能可以分为决策式人工智能和生成式人工智能。项目决策式人工智能生成式人工智能典型应用场景●图像分类：如人脸识别、医学影像诊断●垃圾邮件检测：判断邮件属性●信用评分：判断贷款风险●欺诈检测：判断一笔交易是否可疑●情感分析：判断一段文字体现的是正向情感还是负向情感●文本生成：生成文章、诗歌等●图像生成：生成绘画作品、海报等●音视频生成：生成音乐、视频等●数据增强：生成新的训练数据●药物发现与分子设计：生成新的分子结构●场景生成：生成逼真的虚拟场景和物体决策式人工智能与生成式人工智能的对比1.1.3人工智能的发展等级OpenAI根据人工智能的发展阶段将其划分为5个等级。等级名称核心能力典型应用场景第一级（Level1）聊天

机器人具备基础的自然语言对话能力，能够理解用户的输入并给出合适的回复智能客服、语音助手、内容创作辅助第二级（Level2）推理者具备与人类相媲美的推理能力。它能跨越不同领域进行深度逻辑思考、问题分解和规划编程助手，如代码生成、代码调试；数学推理工具第三级（Level3）代理人能够独立采取行动，无须人类持续监督即可完成任务自动化生产线监控、自动收集市场数据第四级（Level4）创新者不仅能解决问题，还能提出全新理论、发明新技术，能够协助人类完成新发明科学发现，提出新理论或技术路径；技术发明，设计原创产品或解决方案第五级（Level5）组织者具备高度自主性和组织协同能力，能够完成组织性、统筹性工作，能够协调多个人工智能系统或与人类协同完成任务运营公司或机构，实现高效管理；战略决策，根据环境变化自主调整运营策略人工智能的发展等级1.1.3人工智能的发展等级课堂案例“清小搭”是清华大学为学生开发的全功能大模型智能体学伴，能为师生提供智能问答、伴学工具和成长档案管理等服务。（1）智能问答清华“百事通”“清小搭”以自然语言交互为核心，整合清华大学校内资源，覆盖课程安排、学术资源查询、行政事务办理等场景。例如，学生可以向“清小搭”询问“清华大学食堂营业时间”“二级选课包含哪些课程”，或者通过“学业志趣自测”功能挖掘学术兴趣，获取个性化选课建议。（2）智能伴学工具箱“清小搭”能为学生提供个性化学习支持，为学生解答在学习过程中遇到的各类学科难题。它还具有文档解读、数据分析、辅助制作PPT、学业提醒等功能，为学生高效完成学习任务提供支持。例如，学生可以通过“智慧日历”整合课程表、活动安排、作业截止日期，为自己设置智能提醒，避免遗漏事项。（3）个人成长云盘“清小搭”能记录学生的学习成果与成长轨迹，自动生成学期成长报告，结合清华云盘构建个人学术档案，直观地向学生展示进步历程，帮助学生直观看到自身进步及成长情况。“清小搭”不仅是一款人工智能工具，还是清华大学探索“人工智能+教育”的创新实践，它重新定义了智能时代的学习模式，通过人工智能技术赋能，既帮助教师从重复性工作中解放出来，又满足了学生个性化的学习需求，成为连接传统教育与未来学习的重要桥梁。人工智能“搭子”为教育教学注入新活力1.1.4人工智能产业链与商业模式人工智能产业链人工智能产业链通常划分为3个层级，即基础层、技术层与应用层。这3个层级相互支撑、逐层递进，共同构成了人工智能从理论研究到产业落地的完整生态。基础层基础层是人工智能产业链的根基，为上层技术的研发与应用提供必要的硬件设施、数据资源和算法算力支持。技术层技术层是人工智能产业链的中间环节，通过通用技术、大模型和开发平台将基础层能力转化为可复用的技术资产。应用层应用层是人工智能产业链的价值实现端，人工智能技术被整合为解决方案、产品或服务，渗透到生产生活的方方面面，最终解决实际问题，创造商业价值和社会效益。人工智能产业链结构1.1.4人工智能产业链与商业模式人工智能产业链人工智能产业链通常划分为3个层级，即基础层、技术层与应用层。这3个层级相互支撑、逐层递进，共同构成了人工智能从理论研究到产业落地的完整生态。基础层基础层是人工智能产业链的根基，为上层技术的研发与应用提供必要的硬件设施、数据资源和算法算力支持。技术层技术层是人工智能产业链的中间环节，通过通用技术、大模型和开发平台将基础层能力转化为可复用的技术资产。应用层应用层是人工智能产业链的价值实现端，人工智能技术被整合为解决方案、产品或服务，渗透到生产生活的方方面面，最终解决实际问题，创造商业价值和社会效益。人工智能应用层的应用场景1.1.4人工智能产业链与商业模式人工智能的商业模式随着人工智能技术的不断成熟与应用场景的持续拓展，其商业化路径日益清晰，形成了多样化的商业模式。这些商业模式不仅推动了技术的产业化落地，还深刻地改变了传统行业的运营方式与价值创造逻辑。技术授权模式技术授权模式是企业将自主研发的算法模型、软件开发工具包或专用芯片等技术成果授权给其他企业使用，通过收取授权费或按使用量计费的方式盈利。解决方案模式解决方案模式是人工智能企业根据特定行业（如金融、医疗、制造）的业务流程，设计并部署集成了人工智能算法、硬件设备与软件系统的整体解决方案。解决方案模式通常涉及项目制合作，人工智能企业的收入来源于项目开发与实施，以及后续的运维服务。平台服务模式平台服务模式是指企业构建开放的人工智能平台，提供模型训练、推理部署、数据管理等通用服务，使用户可以通过API（应用程序编程接口）按需调用。在这种模式中，人工智能平台运营商通常通过收取用户订阅费、按用户调用量收费或提供增值服务等方式盈利。数据驱动模式数据驱动模式是企业通过收集、整理、清洗和标注数据，为用户提供高质量的数据集，或者提供数据采集与标注工具。企业通常通过直接销售数据或通过按服务收费的方式盈利。人工智能的发展和应用依赖于三大核心要素，即数据、算力与算法。这三者相互依存、协同作用，共同构成了人工智能技术的基石，推动着人工智能技术的进步与应用。02.人工智能的

核心要素人工智能通识：理论、案例与应用（慕课版在线实训平台版）

1.2.1数据数据的概念数据是事实或观察的结果，是对客观事物的逻辑归纳，是用于表示客观事物的未经加工的原始素材。数据是人工智能系统的“燃料”，是人工智能系统实现认知与决策的基础，如同人类智能形成所需的经验积累，人工智能系统的学习与进化本质上是对数据中隐含规律的挖掘与应用。数据的规模和质量直接影响人工智能系统的智能水平，数据越多、越准确，算法学习到的模式就越丰富、越精准，人工智能系统的性能也就越好。数据的来源人工智能数据的来源具有多样性，常见的数据来源有以下6个。从数据服务商处购买数据集企业内部数据网络爬虫抓取数据物联网与传感器数据合成数据与模拟数据政府与开放数据门户1.2.1数据数据的处理数据处理是将原始数据转化为适合模型训练的结构化数据的过程。数据处理通常包括以下内容。数据清洗：数据清洗是指识别并纠正数据中的缺失、异常、重复等问题，从而提升数据质量。包括处理数据集中的缺失值、异常值、重复值和不一致数据等。数据转换：数据转换是指将数据从一种格式或结构转换为另一种更适合特定机器学习算法处理的形式的过程。数据归一化：数据归一化是指将不同特征的数据映射到统一的取值区间，消除量纲差异，使各特征的数据具有同等的重要性。数据增强：数据增强是在不实质增加新数据的情况下，通过对现有数据施加一系列随机变换来生成新的、合理的数据

样本。数据标注：数据标注就是对数据进行人为的标记或分类，赋予其明确的标签。数据集成：数据集成是将不同来源、不同格式、不同结构的数据集融合为一个统一数据集的过程。数据集划分：数据集划分是指将处理后的数据集按照一定比例划分为训练集、验证集和测试集，核心目的是实现模型的训练、验证与测试，确保模型的性能评估客观准确。开发者划分数据集需遵循随机性与代表性原则，确保各子集的数据分布与原始数据集一致；对于分类任务，还需保证各子集的类别比例与原始数据集一致。1.2.2算力算力的内涵算力的本义是表示某个设备或系统的计算性能，是计算性能的口语化表达。在智能时代，算力的内涵有所扩大，体现为为用户带来实际效用的计算性能。算力是人工智能系统的“引擎”，其性能直接决定了模型训练与推理的效率；算力还影响着人工智能技术的落地场景。算力的硬件人工智能所需的算力主要依赖于以下4类硬件。中央处理器：中央处理器（CPU）作为计算机系统的运算和控制核心，是信息处理、程序运行的最终执行单元。图形处理器：图形处理器（GPU）是一种用于处理图像和图形运算工作的协处理器。专用集成电路：专用集成电路（ASIC）是为特定用户或特定电子系统制作的集成电路，如华为的昇腾系列。ASIC在执行其目标任务时，通常能提供比GPU更高的性能功耗比和更低的推理延迟。现场可编程门阵列：现场可编程门阵列（FPGA）是一种半定制化电路。用户可以根据需要，通过硬件描述语言对其逻辑功能进行重新配置。虽然其绝对峰值性能和能效比可能不及顶级的ASIC，但FPGA通常优于CPU，在金融交易、工业控制等对延迟性比较敏感的应用场景中表现出色。FPGA常在云端作为GPU的补充，或者在边缘计算场景中扮演核心计算角色。1.2.3算法算法的概念算法是指对解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。在人工智能领域，算法通过对数据的分析和处理，发现其中的规律和模式，并根据这些规律和模式进行预测和推理。人工智能领域常用的算法深度学习算法：卷积神经网络、循环神经网络及其变体、生成对抗网络……

强化学习算法：Q-learning、深度Q网络、策略梯度方法……监督学习算法：线性回归、逻辑回归、决策树、随机森林、支持向量机……无监督学习算法：聚类算法、主成分分析、关联规则学习……开发算法时需考虑的因素不同的算法具有不同的特点，适用于不同的任务场景。在开发人工智能产品选择算法时，开发者需要综合考虑多个因素。具体的应用场景和问题类型数据的特点和质量算法的复杂度和计算成本算法的可解释性和可扩展性人工智能与各个领域的深度融合，既需要掌握算法、数据等知识的专业人才，也迫切需要具备人机协作思维、伦理判断力的复合型人才。面对人机共生的未来图景，人才培养的重点需要从知识传授转向能力塑造，从标准生产转向个性发展。03.人工智能时代的人才培养人工智能通识：理论、案例与应用（慕课版在线实训平台版）

1.3.1人工智能对就业的影响创造新的就业机会提高工作效率促进职业发展与技能提升人工智能对就业的积极影响就业岗位的替代与流失就业结构失衡社会不平等加剧人工智能对就业的消极影响1.3.2人工智能时代的新职业和新工种人工智能工程技术人员是指从事与人工智能相关算法、深度学习等多种技术的分析、研究、开发，并对人工智能系统进行设计、优化、运维、管理和应用的工程技术人员。人工智能工程技术人员分为初级、中级、高级3个等级，每个等级均设5个职业方向，即人工智能芯片产品实现、人工智能平台产品实现、自然语言及语音处理产品实现、计算机视觉产品实现和人工智能应用产品集成实现。人工智能工程技术人员人工智能训练师是指使用智能训练软件，在人工智能产品实际使用过程中进行数据库管理、算法参数设置、人机交互设计、性能测试跟踪及其他辅助作业的人员。该职业包括数据标注员、人工智能算法测试员、人工智能数字人训练师3个工种。人工智能训练师有5个等级，五级/初级工、四级/中级工的主要工作任务包括数据采集和处理、数据标注、智能系统运维等，三级/高级工、二级/技师、一级/高级技师的主要工作任务包括业务分析、智能训练、智能系统设计、培训与指导等。人工智能训练师1.3.2人工智能时代的新职业和新工种生成式人工智能系统应用员是指运用生成式人工智能技术及工具，从事生成式人工智能系统设计、调用、训练、优化、维护管理等工作的人员。2025年7月，中华人民共和国人力资源和社会保障部发布新职业信息，在“生成式人工智能系统应用员”职业下增设“生成式人工智能系统测试员”工种。生成式人工智能系统应用员的主要工作任务如下。设计数据输入、模型选择、输出格式等生成式人工智能系统整体架构，制定生成策略。调用不同生成式人工智能模型或应用开发接口（API），生成文本、图像、音频、视频等内容。依法依规收集、处理和标注训练数据，对数据标注进行质量评估、抽样检验，训练不同应用场景中的生成式人工智能

模型。分析系统性能瓶颈，调整模型参数，改进算法或引入新技术，优化生成式人工智能系统的性能和效率。在实际应用场景中部署训练和优化后的生成式人工智能系统。检查和更新生成式人工智能系统。管理相关文档和资源，按照服务规范提供技术咨询、支持和培训。生成式人工智能系统应用员1.3.2人工智能时代的新职业和新工种无人机群飞行规划员是指从事无人机群飞行路线规划、飞行计划与任务制订及飞行现场管理等工作的人员。其主要职责为通过地面站系统完成无人机运行程序的编写、飞行路径规划及实时监控，涉及风险评估、任务分配与应急策略制定等工作内容。无人机群飞行规划员2025年7月，中华人民共和国人力资源和社会保障部发布新职业信息，在“动画制作员”职业下增设“生成式人工智能动画制作员”工种。生成式人工智能动画制作员的主要工作内容包括运用生成式人工智能工具进行数据内容创意设计、设计脚本、生成与优化素材、规划与调整镜头等，其工作流程包括使用生成式人工智能工具输入提示词生成动画脚本、生成动画片段，根据脚本调整镜头等。生成式人工智能动画制作员1.3.3人工智能时代的人才要求人工智能时代，从业者需要具备以下能力。跨学科整合能力批判性思维与解决问题的能力人机协同能力01能力要求技能要求分为基础技能与进阶技能两类，是从业者将能力与素养转化为实际成果的关键。基础技能：一是人工智能工具应用技能，二是数字化沟通

技能。进阶技能：一是能够根据应用场景选择合适的人工智能解决方案，二是领域适配开发能力，三是风险防控技能。03技能要求素养要求是从业者在人工智能时代坚守价值底线、实现可持续发展的基础。伦理与社会责任数据素养与信息安全意识终身学习素养02素养要求人工智能技术的迅猛发展在赋能社会进步的同时，也带来了深刻的伦理挑战与安全隐患。在推动人工智能创新发展的同时，确保其应用符合伦理规范、保障社会安全，是保障社会福祉的必然要求。04.人工智能伦理

与安全人工智能通识：理论、案例与应用（慕课版在线实训平台版）

1.4.1人工智能伦理问题及治理人工智能涉及的伦理问题主要表现在以下6个方面。