人工智能伦理 课件 第二章人工智能的前世今生

AI蔚蓝革命：人工智能的前世今生第二章主讲人：课程讲师2026年05月开篇引导：苏菲的AI奇妙之旅2智慧校园的两难抉择01PART案例背景苏菲的父母在孩子的择校问题上产生了分歧：一方倾向于高科技的AI智慧校园，另一方则坚持传统的人性化教育。02PART父亲观点：效率至上支持引入“智慧行为课堂管理系统”。认为系统通过大数据分析学生行为，能让家长和老师更精准、客观地掌握孩子的学习情况，实现因材施教。03PART母亲观点：关注成长反对全天候的监控模式。担忧这会剥夺孩子的隐私和自由，导致孩子长期压抑真情实感，不利于培养独立人格和身心健康发展。04PART课堂思考与讨论1.如果你是苏菲，你会如何选择？

2.除了校园，AI还在哪些生活场景中引发了“便利”与“隐私”的争论？本章学习目标📚知识目标•理解人工智能的定义、发展历程和产业现状。•掌握人工智能的应用价值。•了解AI技术的最新发展。💡能力目标•理解机器学习、深度学习等常见AI算法的基本概念。•将实际问题抽象为可解决的AI问题。•描述AI常见应用场景及社会价值。🌟素养目标•培养创新素养，理解跨学科研究的重要性。•形成历史意识，认识AI发展的关键人物和里程碑。•树立自主学习目标，追踪AI技术发展和伦理更新。PART01人工智能的起源与发展第一节：人工智能的起源与发展案例导入：腾讯云智能小样本数智人生产平台2023年4月25日，腾讯云智能小样本数智人生产平台首次对外发布，平台可以轻松实现“自助式”数智人生产制作。依托腾讯自研AI能力和技术经验，只需要3分钟真人口播视频、100句语音素材，平台便可通过音频、文本多模态数据输入，实时建模并生成高清人像，在24小时内制作出与真人近似的“数智人”。什么是人工智能(AI)📌核心定义广义定义：模仿人类认知、思维逻辑以及相关心智功能的人造系统。简单来说，就是让机器像人一样思考、学习并解决问题。核心目标：用工程手段模拟人类的感知、推理与决策能力，实现对“智能”的机械化复现。🧩核心问题人工智能研究旨在构建具备类人智能的系统，重点解决以下关键能力的实现：•推理、知识表示与逻辑推演

•任务规划与动态决策能力

•持续学习与自适应进化

•自然语言交流与多模态感知当前&观点💡尼尔逊教授：

“AI是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的科学。”💡温斯顿教授：

“AI就是研究如何使计算机去做过去只有人才能做的智能工作。”🚀弱人工智能(WeakAI)

当前技术已取得显著成果，在特定领域（图像识别、围棋、语音交互）的专业能力已超越人类水平，但尚未具备通用智能。AI的诞生：达特茅斯会议(1956年)一场改变人类科技史的“天才聚会”✨关键人物汇聚了计算机科学领域的先驱：约翰·麦卡锡、马文·明斯基、克劳德·香农、内森尼尔·罗切斯特（被称为“AI之父”的核心奠基者）📜历史里程碑意义•命名：“人工智能(ArtificialIntelligence)”术语被首次正式提出。•定调：确立了AI的核心任务——用机器模拟人类的学习与智能行为。•标志：被公认为人工智能这一学科正式诞生的元年。🚀当时的“雄心壮志”与会科学家们对技术爆发充满乐观：“我们预测，十年内计算机将赢得国际象棋世界冠军，二十年内，机器将能完成人类能做的任何工作。”“这张黑白照片定格了1956年的那个夏天。一群年轻人在达特茅斯学院的草坪上，开启了人类探索‘机器智能’的伟大征程。”💡一句话总结：达特茅斯会议不是一场普通的学术研讨会，它像一颗火种，点燃了人工智能半个多世纪的蓬勃发展，直至今天深刻改变我们的世界。曲折的发展之路：两次“AI寒冬”从狂热到低谷：技术瓶颈与资本退潮的双重打击第一次瓶颈(1970s)：期望落空与资助缩减💡原因：早期研究者严重低估了实现通用人工智能的技术难度。加之当时的计算机硬件性能极其有限，无法支撑大规模数据处理与复杂算法的运行。📉结果：无法兑现“机器智能”的宏大承诺，直接导致了政府机构和私人资本对AI领域的资助大幅缩减，研究进入漫长的“寒冬”。第二次瓶颈(1980s末)：盲目跟风后的资本撤退🌏背景：受日本政府启动“第五代计算机”国家项目的刺激，全球范围内掀起了一股AI研发与投资的热潮。📉结果：“第五代工程”因技术路线问题未能实现预期目标，再次导致公众与投资者的期望落空，资金再次大量撤出，AI迎来了第二次低谷。快速发展期(1990s至今)核心驱动力与关键里程碑驱动核心引擎：计算机性能的指数级飞跃（摩尔定律）与海量大数据的爆发，共同为AI提供了强大的算力基础与训练数据。1997深蓝(DeepBlue)：IBM开发的超级计算机击败国际象棋世界冠军卡斯帕罗夫，标志着AI在复杂博弈领域取得历史性突破。2011沃森(Watson)：IBM的AI系统在智力竞赛节目《危险边缘》中战胜人类冠军，展示了强大的自然语言理解与知识推理能力。2016AlphaGo：DeepMind的AI以4:1战胜围棋世界冠军李世石，证明了深度学习技术在解决具有复杂搜索空间问题上的巨大潜力。2022生成式AI爆发OpenAI发布ChatGPT，以强大的对话和生成能力迅速走红全球，将AI应用推向大众视野，标志着人工智能进入“生成式”新时代。未来展望从感知智能向认知智能跨越，AI将深度融入医疗、教育、制造等各行各业，重塑生产力与社会生活方式。第二节：人工智能的技术变革01感官：计算机视觉(CV)计算机视觉是赋予AI“眼睛”的技术，它让机器能看懂图像与视频。通过算法从海量视觉数据中提取特征，AI可精准识别物体、人脸、场景，广泛应用于安防监控、自动驾驶、图像识别等领域，是AI感知世界的核心窗口。大脑：深度学习与大模型模拟人类神经网络，通过多层网络对海量数据进行复杂计算，让AI具备推理、决策和生成内容的能力，是人工智能技术变革的核心驱动力。02交互：自然语言处理(NLP)自然语言处理赋予了AI“嘴巴”和“耳朵”，让机器理解和生成人类语言。从早期的简单对话机器人到如今的ChatGPT等大语言模型，NLP实现了人机之间流畅的沟通，推动了智能客服、内容创作等应用场景的爆发式增长。AI的感官：传感器技术▍什么是传感器？传感器是一种能感受规定的被测量，并按照一定规律转换成可用输出信号的器件或装置。它就像人类的眼、耳、鼻、舌，是AI感知外部世界的“神经末梢”。▍核心作用作为物理世界与数字世界的桥梁，传感器的核心任务是实时感知外部环境的各类物理量（如光、声、热、力、位置等），并将这些模拟信息精准转化为AI系统可读取、可处理的数字化格式。工业自动化用于检测设备的位移、速度、压力、温度等，保障生产稳定。智能驾驶摄像头、激光雷达、毫米波雷达等，为车辆提供全方位感知。智能交通路况与流量传感器实时监测，助力城市交通的智能调度。可穿戴设备实时监测心率、血氧、步数等，守护个人健康。AI的大脑：算法核心概念●机器学习(MachineLearning)让计算机从大量样本数据中自发学习，无需人工干预地提炼数据背后的特征和规律。●深度学习(DeepLearning)机器学习的重要分支，通过构建深层神经网络结构，自动学习更抽象、更丰富的高级特征表示。深度学习优势：1.强大的自动特征提取能力；2.解决图像/语音识别等复杂问题；3.模拟人脑神经元机制进行分析。AI的交互：人机交互技术(HCI)人机交互(HCI)全景01技术演进历程•早期：键盘、鼠标、命令行界面(CLI)•现代：图形界面(GUI)、触摸屏交互•未来：多通道、多媒体智能融合交互02沉浸式感知与显示技术•增强现实(AR)/虚拟现实(VR)：沉浸式视觉交互•抬头显示(HUD)：驾驶与工业场景的实时信息融合03智能交互与神经连接技术•自然语言处理(NLP)与语音识别•计算机视觉：手势/面部识别•脑机接口(BCI)：意识直接控制机器图1：汽车HUD抬头显示技术图2：侵入式/非侵入式脑机接口(BCI)技术AI的心脏：AI芯片算力基石·驱动智能未来的硬件核心▍核心定义专门为人工智能应用设计的集成电路，通过优化的架构实现高效的并行计算，是支撑AI算法运行的物理硬件基础。▍主要分类·云端芯片：高算力，支撑云计算与数据中心

·边缘芯片：低延迟，赋能终端设备实时响应

·嵌入式：小体积低功耗，适用于IoT设备▍关键特征具备极强的并行计算能力与可扩展性，在保证高性能处理复杂模型的同时，兼顾低功耗与高度集成化设计。第三节：人工智能的应用场景理论学习之后，让我们看看AI在现实世界中是如何大显身手的。在第三部分，我们将通过几个典型的应用场景，来感受AI的巨大威力和潜力。01·智慧医疗利用深度学习技术辅助医生分析医学影像（如CT、MRI），大幅提升病灶识别准确率；通过AI模型进行药物研发，缩短新药上市周期，并为患者提供个性化诊疗方案，缓解医疗资源分布不均的问题。02·自动驾驶AI是自动驾驶的核心“大脑”，融合感知算法与决策规划，实现对路况的实时分析与车辆控制。从L2级辅助驾驶到L4级完全自动驾驶，不仅能减少人为驾驶失误，还能优化城市交通流量，重塑出行体验。03·金融风控通过构建大数据分析模型，实时识别并拦截信用卡欺诈、洗钱等异常交易行为；AI赋能的智能投顾系统能根据用户风险偏好提供个性化资产配置建议，提升金融服务效率，保障交易安全与公平。人工智能的应用领域：自动驾驶自动驾驶技术体系与行业分级(SAE)核心板块关键组成/分级功能描述技术架构感知层·决策层

执行层通过传感器(眼)感知环境，经AI算法(脑)做决策，最后由控制系统(手脚)执行车辆操作，替代人类驾驶功能。SAE分级

(L0-L2)L0无自动化

L1驾驶辅助/L2部分自动化L0由人类全权驾驶；L1提供单一功能辅助(如巡航)；L2可同时控制加减速和转向，但驾驶员仍需时刻监控路况。SAE分级

(L3-L5)L3条件自动化

L4高度/L5完全自动化L3特定场景下可由系统接管；L4特定区域实现“无人驾驶”；L5则是全场景、全天候的真正完全自动驾驶。市场现状L2级辅助驾驶目前市场主流为L2级系统。完全自动驾驶(L5)受限于技术与法规，尚未商业化落地，是行业长期愿景。▌激光雷达感知示意图中展示了自动驾驶车辆通过激光雷达(Lidar)生成的3D点云环境模型。激光雷达能精准探测周围车辆、行人及障碍物的位置和距离，是感知层不可或缺的关键传感器技术。应用场景：ChatGPT&AlphaGo自然语言处理：ChatGPT定义：OpenAI开发的大型语言模型(LLM)，能流畅对话并完成撰写邮件、代码、论文等复杂任务。核心技术：基于Transformer架构，具备强大的上下文理解与生成能力。AI竞技：AlphaGo定义：DeepMind开发的围棋AI程序，曾历史性击败人类世界冠军李世石与柯洁。核心原理：结合策略网络（选点）、价值网络（估值）和蒙特卡洛树搜索，实现超越人类的决策能力。从棋盘到对话，AI正不断突破人类智力边界，重塑工作与生活。应用场景：人形机器人Atlas波士顿动力Atlas：定义人形机器人的技术天花板【代表地位】：由美国波士顿动力公司研制，是目前世界上综合能力最先进的人形机器人之一，是机器人领域技术标杆。【核心能力】：身高约1.8米，拥有类人运动能力，可完成跑酷、后空翻等高难度肢体动作，同时具备极强的环境适应力，能自主完成开门、搬运重物等复杂任务。【产业意义】：它是AI算法、精密制造、高性能新材料的集成载体，开辟了高端人形机器人这一未来产业新赛道，未来有望在医疗护理、