生成式人工智能基础与应用-课件 1.1人工智能时代的到来

第1章人工智能时代的创新与变革1.1人工智能时代的到来AIGC+创新思维目录AI的内涵、特征、类别与发展历程02AI引领下的时代特征01AIGC+创新思维生成式人工智能基础与应用01AI引领下的时代特征生成式人工智能基础与应用（AIGC+创新思维）①高度智能化②数据驱动③创新加速④社会结构改变⑤全球合作与竞争并存⑥伦理与法律

面临新挑战在AI引领的时代，智能化在各个领域深度渗透。在这个时代，数据成为核心生产要素之一。AI技术的发展加速了各个领域的创新进程。AI引领下的时代特征AI的广泛应用导致了社会结构的深刻改变。AI发展是全球性趋势，一个国家或地区很难独立完成整个产业链的布局和技术突破。随着AI技术的广泛应用，诸多伦理和法律问题逐渐凸显。02AI的内涵、特征、类别与发展历程生成式人工智能基础与应用（AIGC+创新思维）AI的内涵AI的类别AI的发展历程010204AI的内涵、特征、类别与发展历程03AI的特征提出1956年，当时计算机科学家约翰·麦卡锡（JohnMcCarthy）在达特茅斯会议上正式提出这一术语，如今AI已成为全球公认的三大前沿科技领域之一。效用作为计算机科学的重要分支，AI致力于通过算法建模和系统开发，使机器具备感知、学习、推理等类人智能特征，最终构建能够自主完成复杂认知任务的AI系统。目标使机器能够完成需要人类智能的任务，例如图像识别、语言翻译、自动驾驶等AI——全球三大前沿科技领域之一找准创新起点，把握问题本质01.AI的内涵1234技术体系与应用系统技术体系：涵盖机器学习、深度学习、自然语言处理、计算机视觉等。应用系统：包括专家系统、智能机器人、自动驾驶等

。①学习与适应能力②数据驱动③模式识别与推理④多模态交互⑤高效性与可拓展性⑥不确定性处理⑦伦理与风险并存通过数据训练（如监督学习、无监督学习）优化性能；动态适应新环境（如在线学习、迁移学习）。依赖大量高质量数据训练模型，数据质量和多样性直接影响结果从数据中发现隐藏规律（如聚类、分类）；可进行逻辑推理（如知识图谱）或概率推理（如贝叶斯网络）02.AI的特征可处理多种形式的信息（如文本、语音、图像、视频等），例如GPT-4的跨模态理解能力。快速处理海量数据（如金融风控中的实时分析）；通过分布式计算扩展任务规模。在信息模糊或噪声干扰情况下仍能输出合理结果（如自动驾驶应对复杂路况）。存在算法偏见、隐私泄露、就业冲击等潜在问题，需通过伦理框架约束。

DAI——决策式人工智能DAI专注于在特定环境中基于数据和规则做出最优决策。⚫方式：通过分析输入信息（如用户行为、环境状态）选择最佳行动路径，⚫

目标：是提升解决结构化问题的效率或使收益最大化。⚫典型应用：推荐系统（如电商平台的商品推荐）、自动驾驶的路径规划、金融风险预测等03.AI的类别GAI——生成式人工智能GAI的核心能力是创造与原始训练数据相似但全新的内容（如文本、图像、代码等）。⚫

方式：通过学习数据的联合概率分布，模拟现实世界的复杂模式并生成逼真结果⚫

关键技术：生成对抗网络、变分自编码器和模型03.AI的类别DAI和GAI在功能定位、技术路径和应用场景上存在差异，但也存在技术联系和互补性。⚫在技术互补性层面，DAI与GAI形成协同关系：DAI通过强化学习等算法为GAI提供内容质量的优化框架，而GAI能生成合成数据为DAI构建模拟训练环境。⚫

从数据驱动共性看，二者虽均依赖大规模数据，但DAI侧重因果分析（如金融风控建模），GAI聚焦数据分布模仿（如文本图像生成）

。随着DAI与GAI的不断发展，AI最终将会朝着通用人工智能（ArtificialGeneralIntelligence，AGI）的方向演进。维度DAIGAI功能定位数据分析和决策优化内容创造与创新技术基础条件概率分布、判别模型联合概率分布、生成模型典型应用风险评估、人脸识别、推荐系统艺术创作、文本生成、虚拟角色设计数据需求高精度、结构化数据大规模、多样化数据发展情况应用成熟(2012年前主导)快速发展(2012年后崛起)04.AI的发展历程①萌芽期：理论奠基与学科诞生②黄金期与寒冬交替：符号主义的兴衰③复兴期：技术迭代与路径分化④深度学习时代：数据驱动的爆发与GAI前夜⑤GAI崛起与AGI探索：从创造到认知的革命20世纪40～50年代，AI的种子在数学与哲学的土壤中萌芽。20世纪50～80年代，符号主义主导，专家系统兴起，遭遇第一次寒冬。20世纪80～90年代，专家系统（如医疗诊断工具MYCIN）推动AI初步商业化，但其依赖人工规则的生成方式难以突破创造力边界。21世纪的前20年，算力（GPU）、数据（互联网）与算法（如CNN、RNN）的协同突破推动AI跨越式发展。2020