大学计算机基础 课件 第8章 人工智能

第八章人工智能目录contents智能的概念01人工智能的实现方法02人工智能的应用03AI发展现状及前景04相关标题文字在科学层面，智能被视作一种现象，目的是理解和解释智能背后的机制、原理和规律。从心理学、神经科学到认知科学，智能在这些领域被研究为一种自然现象，试图揭示人类或动物智能的生物学基础和心理过程。从数学角度来看，智能可以通过算法、计算模型和数学框架来刻画。智能的概念8.1智能的概念智能的特点人类智能的四大特点相互交织，形成独特的适应性系统：感知为信息入口，记忆与思维构建认知框架，学习与自适应实现动态优化，行为则通过情感与社会性体现智能的终极价值。什么是人工智能8.1智能的概念人工智能科学与学科特点人工智能（ArtificialIntelligence，简称AI）是一门研究如何使计算机系统具备智能行为的学科，旨在让机器能够模拟、延伸和扩展人类的智能，以实现感知、学习、推理、决策和自然语言处理等功能。人工智能是十分广泛的科学，包括机器人、语言识别、图像识别、自然语言处理、专家系统、机器学习，计算机视觉等。人工智能作为一门高度交叉的学科，其研究范畴覆盖自然科学与社会科学的多领域融合，几乎覆盖自然科学和社会科学的所有学科，包括计算机科学、心理学、哲学、语言学、神经科学等人工智能的分类及核心要素8.1智能的概念人工智能的核心要素8.1智能的概念算力。算力是支撑算法运行的物理基础，体现为硬件计算效率和资源调度能力。算法。算法是解决问题的策略机制，将数据转化为可执行的智能行为。数据。数据是人工智能的“燃料”，涵盖文本、图像、传感器信号等可被计算机处理的信息。知识。知识是人工智能的认知基础和逻辑框架，指人类通过经验、学习或推理总结出的客观规律与规则。图灵测试8.1智能的概念交互机制、评判标准、局限性由艾伦・图灵1950年提出，核心是通过“模仿游戏”判定机器是否具备人类水平智能。人类评估者通过文本对话与隐藏的人类、机器互动，若机器5分钟内让超30%评估者无法分辨身份，即视为通过。该设计将智能判定从哲学思辨转化为可操作实验标准，开创人工智能评估先河。采用纯文本对话形式，避免语音或视觉线索干扰，聚焦语言理解与生成能力。早期以30%误判率为阈值，近年研究中通过率提升显著，如GPT-4.5在角色扮演提示下被误认为人类的概率达73%。单一维度缺陷。仅评估语言能力，忽视感知、创造力等多元智能。主观依赖性强。人工智能的发展历程8.1智能的概念第一次兴起1956年达特茅斯会议首次提出“人工智能”概念，1964年诞生首个聊天机器人伊丽莎，引发对机器智能的乐观期待。第一次低谷20世纪70年代初因算力不足和技术瓶颈导致研究经费削减，机器翻译失败等事件使发展陷入停滞。第二次兴起80年代专家系统崛起，MYCIN医疗诊断系统和“深蓝”战胜国际象棋冠军标志应用突破。第二次低谷90年代神经网络理论缺陷和硬件限制暴露，专家系统应用狭窄，资金投入再度减少。第三次兴起随着互联网的飞速发展，计算机技术的进步也使得数据的处理能力更强了，深度学习和大数据这一对搭档是这一时期的主要特征。人工智能研究学派8.1智能的概念人工智能研究学派行为主义连接主义符号主义符号主义认为人类认知类似符号处理过程，知识可用符号表示，通过逻辑推理、搜索等操作完成智能任务。连接主义主张通过模拟生物大脑神经元之间的信息传递和处理方式来实现人工智能。行为主义认为智能体通过传感器感知环境信息，根据行为规则对环境做出反应，核心是智能体与环境的动态交互过程。推理机8.2人工智能的实现方法专家系统推理机是人工智能领域的一种关键技术，用于实现基于逻辑和知识的推理和决策。推理机通过模拟人类的逻辑思维和知识处理过程，能够自动推导出结论、解决问题，并提供推理过程的透明性和可解释性。其工作原理是能够根据已有知识和规则对输入的信息进行推理分析，生成相应的结论。专家系统是一种基于知识的智能系统，它利用领域专家的知识和经验，模拟专家的思维方式，解决特定领域内的复杂问题。机器学习8.2人工智能的实现方法汤姆·米切尔（TomMitchell）的经典定义是“机器学习是对能通过经验自动改进的计算机算法的研究“。该定义与埃塞姆·阿帕伊丁（EthemAlpaydin）所给出的定义——“机器学习是用数据或以往的经验，以此优化计算机程序的性能标准”如出一辙，定义突出机器学习是数据驱动和性能导向，强调机器学习通过历史数据调整程序行为，而非依赖显式编程。8.2人工智能的实现方法——机器学习分类机器学习的分类8.2人工智能的实现方法线性模型线性模型通过输入特征的线性组合进行预测，数学形式为权重向量W和偏置项b，权重反映特征重要性。8.2人工智能的实现方法决策树模型8.2人工智能的实现方法神经网络模型8.2人工智能的实现方法深度学习深度学习是机器学习的一个分支领域，它是一种基于对数据进行表征学习的方法。深度学习以多层神经网络为核心，通过模拟人脑的神经结构实现数据的特征自动提取与复杂模式识别，基于深层神经网络（通常包含3层以上，甚至上千层），通过非线性变换的嵌套实现数据表征学习。深度学习核心技术模型主要有卷积神经网络、循环神经网络、图神经网络等。8.2人工智能的实现方法卷积神经网络卷积神经网络（ConvolutionalNeuralNetwork,CNN）是一种专为处理网格结构数据（如图像、语音）设计的深度学习模型，其核心思想通过局部连接、权值共享和多层次特征提取实现对复杂数据的高效建模，如图8-12所示卷积神经网络，该网络由两个卷积层、两个池化层及三个全连接层组成。8.2人工智能的实现方法循环神经网络循环神经网络（RecurrentNeuralNetwork，RNN）是一种专门用于处理序列数据的神经网络。以序列数据作为输入，在序列的演进方向进行递归，所有的结点（循环单元）按照链式连接。这种结构使得循环神经网络能够处理具有先后顺序的时间序列数据，非常适合处理自然语言处理任务中具有上下文关系的文本数据。8.2人工智能的实现方法图神经网络图神经网络（GraphNeuralNetwork，GNN）是指使用神经网络来学习图结构数据，网络提取和发掘图结构数据中的特征和模式，满足聚类、分类、预测、分割、生成等图学习任务需求的算法总称。8.3人工智能的应用智能医疗8.3人工智能的应用智能制造智能制造是基于先进制造技术与新一代信息技术深度融合，贯穿于产品全生命周期，具有自感知、自决策、自执行等功能的先进生产方式。人机协同作业先进过程控制技术在线智能检测智能制造面向复杂产品加工、装配等业务活动，部署工业机器人等智能制造装备，构建人机协同作业单元和管控系统，实现加工、装配、分拣、物流等过程人机高效协同。面向流程行业生产过程控制、工艺参数优化等业务活动，基于先进过程控制、实时优化等系统，应用模型预测控制、多目标寻优等技术。面向质量数据采集、分析、判定等业务活动，构建在线智能检测系统，应用物性成分分析、机器视觉检测等技术，实现产品缺陷在线识别和质量自动判定。8.3人工智能的应用智能金融8.4人工智能的发展现状及前景2023年以来，大模型技术的出台，引发全球新一轮人工智能热潮。人工智能大模型的主要类别包括大语言模型、视觉大模型、多模态大模型以及基础科学大模型等。目前，已在多个领域得到广泛应用，包括搜索引擎、智能体、相关垂直产业及基础科学等领域，推动了各行业的智能化发展。智能制造核心定义：大模型平台，基于超大规模预训练模型(如千亿/万亿参数Transformer架构），提供API调用、模型微调、工具链支持等服务的开放平台，赋能开发者与企业快速构建AI应用。战略意义：

技术层面，推动通用人工智能（AGI)探索，突破单一任务限制；产业层面：降低AI开发门槛，加速千行百业智能化转型；国家层面：数字经济时代的核心基础设施，抢占Al话语权。8.4人工智能的发展现状及前景智能制造8.4人工智能的发展现状及前景大模型图标企业优势DeepSeek杭州深度求索人工智能基础技术研究有限公司能力测评豆包字节跳动抖音子公司推出的AI助手用户数量Kimi北京月之暗面科技有限公司文本处理即梦AI深圳市脸萌科技有限公司作图能力通义万相阿里巴巴研发的组合式生成模型视频生成智谱清言北京智谱华章科技股份有限公司文档归纳8.4人工智能的发展现状及前景DeepSeek|深度求索DeepSeek是杭州深度求索人工智能基础技术研究有限公司推出的AI助手，免费体验与全球领先AI模型的互动交流，于2025年1月15日正式上线。DeepSeek凭借自然语言处理、机器学习与深度学习、大数据分析等核心技术优势，在推理、自然语言理解与生成、图像与视频分析、语音识别与合成、个性化推荐、大数据处理与分析、跨模态学习以及实时交互与响应等八大领域表现出色。它能进行逻辑推理、解决复杂问题，理解和生成高质量文本，精准分析图像和视频内容，准确识别和合成语音，根据用户偏好提供个性化推荐，高效处理大规模数据并挖掘有价值信息，实现多模态数据融合与学习，以及通过智能助手和聊天机器人实现快速的自然语言交互。8.4人工智能的发展现状及前景快速体验DeepSeek访问DeepSeek官网(/)，会出现如图7-1所示对话界面，在提示词输入框的底部，有两个按钮，即“深度思考(R1)”和“联网搜索”，可以用鼠标点击来选中或取消，默认情况下，“深度思考(R1)”按钮是处于选中状态，“联网搜索”则处于未选中状态。两个按钮的功能如下：（1)深度思考（R1)。表示触发更复杂的多步推理能力，适合需要逻辑链分析的场景，典型使用场景包括数