《人工智能基础》课件-1.1.1初始人工智能

PARTONE任务1——初始人工智能03（1）什么是人工智能？Companies

and

teams

AI的标志性事件2016年，AlphaGo以4:1战胜李世石，这一事件震惊全球围棋界，让人工智能重新成为全球焦点，凸显了AI在复杂决策领域的巨大潜力。AI的定义拆解人工智能由“人工”和“智能”两部分组成。人工指人类制造，智能则指类似人类的思维与决策能力，AI是通过机器模拟人类智能的过程。权威定义贝尔曼认为AI是将人类思维活动自动化；温斯顿教授则认为AI是让计算机完成过去只有人类才能做的智能工作，二者都强调了AI的核心是模拟人类智能。（2）人工智能的分类01弱人工智能(ANI)弱人工智能也被称为狭隘人工智能或应用人工智能，指的是只能完成某一项特定任务或解决某一特定问题的人工智能。并不真正拥有智能，也不会有自主意识的。03超人工智能(ASI)超人工智能是超级智能的一种，可以实现与人类智能等同的功能，即拥有类比生物进化的自身重编程和改进功能——递归自我改进功能。02强人工智能(AGI)强人工智能具有一种宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作。强人工智能需要结合情感、认知和推理等人脑高阶智能，并能在各种场景中通用，是未来人工智能的主要发展方向。（3）人工智能三要素数据数据是AI的原料，涵盖采集、清洗、标注和合规处理等环节，高质量的数据是AI学习的基础，直接影响模型的性能。算法算法是AI的核心，从早期规则系统到现代深度学习算法，算法的进步推动了AI从简单任务到复杂决策的跨越。算力算力是AI的硬件基础，现代GPU和专用AI芯片的出现，极大地提升了计算能力，为深度学习模型的训练和运行提供了支持。三要素关系数据、算法和算力相互依存，共同决定了AI系统的性能和效率，缺一不可。（4）人工智能的发展1956达特茅斯：AI正式诞生达特茅斯会议1956年，达特茅斯会议提出“人工智能”概念，标志着AI正式诞生，开启了人类探索机器智能的旅程。逻辑理论家逻辑理论家程序证明了《数学原理》中的定理，展示了AI在符号逻辑推理方面的潜力，为后续研究奠定了基础。符号主义早期AI研究遵循符号主义，试图通过符号逻辑体系模拟人类思维，但受限于复杂现实问题，逐渐转向其他方向。专家系统崛起：知识就是力量AI2.0时代，通过编码人类专家的知识，人工智能在特定领域大放异彩。DENDRAL系统早期的成功案例，能根据质谱仪数据推断未知有机化合物的分子结构。它把化学家的专业知识结合到搜索规则中，展现了知识驱动的巨大威力。MACSYMA系统由麻省理工学院研制的符号数学专家系统，因其强大的符号运算能力，吸引了全球科研人员使用，成为早期AI网络应用的典范。机器学习曙光让数据自己说话专家系统面临“知识工程瓶颈”：手工输入知识成本高昂且缺乏通用性。于是，学者们开始探索让机器自动从数据中学习，AI3.0时代来临。核心思想转变：从“人工输入知识”到“机器自动学习知识”。反向传播算法(BP)为训练多层神经网络奠定了基础。卷积神经网络(CNN)在图像识别领域大放异彩。支持向量机(SVM)&随机森林代表了集成学习算法的胜利，简单高效。深度学习爆发：AI4.0蓬勃兴起2006年，深度学习浪潮被掀起，AI进入实用化黄金时代。2006Hinton提出深度信念网络2012AlexNet夺冠