《人工智能通识基础（慕课版 在线案例实训版）》-课件 第1章 初识人工智能

初识人工智能第1章人工智能通识基础

（慕课版在线案例实训版）案例引入深圳打造人工智能先锋城市：全栈生态领跑全国2024年，深圳聚焦“赋能千行百业”与“做大产业集群”，全力打造人工智能全域全时全场景应用先锋城市。全市有人工智能企业超2200家，形成以华为、腾讯为龙头，元象科技、兔展智能等高成长企业支撑的“雁阵式”生态，覆盖芯片、模型、硬件到应用的全栈产业链。深圳的科技创新硬实力持续增强。鹏城实验室、光明实验室等平台错位布局，聚焦具身智能、高效大模型等前沿方向；国家人工智能学院（深圳）加速筹建，联合清华大学、北京大学培养拔尖人才。算力与数据基础设施同步提速：鹏城云脑Ⅲ获批建设，全市训力超55E；建成政务智能语料平台，加工语料10TB；深圳数据交易所累计交易额达133.58亿元，居全国首位。深圳滚动发布近200个“城市+AI”场景，在司法、气象、城管等领域打造标杆：深圳中院上线全国首个司法审判大模型，覆盖85项流程；市气象局联合华为云推出区域级AI预报模型“智霁”；80余个人工智能环卫机器人应用场景落地。华为昇腾AI处理器、欣旺达AI设备调优系统等4个案例入选工业与信息化部“人工智能赋能新型工业化”典型名单；腾讯、小库科技等在游戏、建筑等现代服务业深化AI应用。“三全智能”（全身、全车、全屋）产品加速破圈，华为、荣耀发布AI手机，乐聚、逐际动力推出智能机器人。政策与空间保障同步强化。2024年12月，《深圳市打造人工智能先锋城市的若干措施》出台，推出“训力券”“语料券”等支持举措；高标准规划建设十大人工智能集聚区，并举办国际通用人工智能大会、AI视觉创意大赛等重大活动，推动技术、资本、人才高效对接，加速构建最健全、最开放的人工智能产业生态。思考：全栈式AI产业链是不是城市构建人工智能竞争力的必要条件？深圳“芯片—模型—应用”一体化生态对其他城市有何影响？人工智能基础人工智能伦理与安全人工智能与人才培养010203目录CONTENTS01人工智能基础人工智能（ArtificialIntelligence，AI）是人类智慧的延伸与拓展，它正以前所未有的深度和广度，影响着人们的生活方式和思维方式，成为驱动新一轮科技革命和产业变革的重要力量。从最初的概念提出到如今的“超级智能”探索阶段，AI已走过曲折而辉煌的发展历程，并在算法、算力与数据的协同驱动下，形成了涵盖基础层、技术层与应用层的完整产业链。当前，弱人工智能广泛应用，强人工智能稳步推进，超人工智能仍处于探索前沿；与此同时，全托管与开源生态并行、平台化服务与定制化方案共存的多元商业模式，正加速AI在医疗、制造、金融、教育等千行百业的落地。开放平台与开源软件则成为推动技术普惠与创新的重要引擎，不仅降低了使用门槛，也促进了全球协作与生态繁荣。站在2026年这一关键节点，人工智能已从“技术可行”迈向“商业普及”，成为驱动社会进步与产业升级的核心动力。1.1.1人工智能的概念与特征人工智能是计算机科学技术的一个分支，旨在研究用于模拟和延伸人的智能的理论、方法及技术。它利用计算机系统和算法，使机器能够执行那些通常需要人类智慧才能完成的任务，包括学习、推理、感知、理解和创造等活动。简单来说，人工智能就是让计算机像人一样“会看、会听、会说、会思考、会学习”。人工智能的概念跨学科性具备模仿人类智能的能力自主性集成性可扩展性强人工智能的特点1.1.2人工智能的发展历程与现状发展阶段发展特点主要事件初步发展阶段（1950年－1973年）人工智能成为一个研究领域，并取得了一些研究成果①1950年，英国数学家艾伦·图灵提出“图灵测试”，奠定了人工智能研究的理论基础，激发了人们对研究智能机器的热情；②1955年，“逻辑理论家”程序问世，其被认为是人类历史上第一个人工智能程序；③1956年，在美国达特茅斯学院举行的学术研讨会上，人工智能的概念被首次提出；④1958年，约翰·麦卡锡提出LISP编程语言，这种语言专为人工智能研究设计，至今仍被广泛使用；⑤1966年，美国科学家发布了世界上第一款聊天机器人ELIZA，标志着人工智能在自然语言处理方面取得了初步进展第一次寒冬阶段（1974－1980年）因技术瓶颈、社会舆论压力及人工智能研究项目的失败，人工智能进入低谷期，政府和企业对人工智能的投资减少1973年，英国科学研究理事会发布报告，批判人工智能项目进展缓慢。人工智能研究资金被削减第二次发展阶段（1981－1987年）专家系统兴起，出现一些人工智能公司，人工智能技术开始产生一些商业价值专家系统被应用于医疗诊断、地质勘探等领域人工智能的发展历程1.1.2人工智能的发展历程与现状发展阶段发展特点主要事件第二次寒冬阶段（1988－1993年）人工智能大规模商业应用的期望仍未实现，人工智能再次进入低谷人工智能大规模应用受阻，资金被削减深化发展阶段（1994－2015年）人工智能技术被应用于多个领域，出现许多创新的理论、方法、技术和应用①1997年5月，IBM深蓝超级计算机在国际象棋比赛中战胜国际象棋世界冠军加里·卡斯帕罗夫；②2011年，IBM的智能系统沃森在智力问答节目中战胜两位人类选手并获得冠军蓬勃发展阶段（2016年至今）大数据技术的发展、计算能力的提升和机器学习技术的进步，推动了人工智能的蓬勃发展①2016年，AlphaGo击败围棋选手李世石，展示深度学习潜力；②2019年，百度发布文心大模型1.0；2023年10月，百度发布文心大模型4.0；2024年6月，百度发布文心大模型4.0Turbo；③2022年，OpenAI发布聊天机器人ChatGPT，其凭借强大的文字处理能力和人机交互功能迅速获得了众多关注；④2023年，阿里云发布通义千问大模型；2024年5月，阿里云发布通义千问2.5版本人工智能的发展历程1.1.2人工智能的发展历程与现状2025年，人工智能的发展呈现技术突破、产业深化、国际竞争与治理创新并行的鲜明特征，整体进入“超级智能”探索阶段，应用落地与商业化加速推进。技术突破在技术层面，2025年被称作“推理之年”。AI通过“思维链+强化学习”在数学、代码等复杂任务上实现显著突破；同时，开源生态快速崛起；小模型趋势明显；硬件的提升与液冷技术的突破缓解了算力瓶颈。产业深化在产业应用方面，智能体和多模态AI成为新热点。智能体具备记忆、规划和工具调用能力，已广泛用于IT、医疗、金融等领域，预计未来更多企业将整合智能体到工作中。多模态AI的发展推动内容生成、医疗影像诊断等场景深度融合。国际竞争国际竞争格局加速演变。美国推动“AI国家行动计划”，中国加速算力自主与开源生态建设，欧盟《人工智能法案》的实施面临阻力。AI的全球监管呈现差异化，欧盟注重多层风险义务，美国加州以轻量化透明度为主，中国通过“人工智能+”行动与生成内容标识等务实政策推动产业融合。治理创新在安全治理方面，AI安全标准体系加速构建。生成式AI内容标识、专利指引等政策密集出台，力图在创新与风险间寻求平衡。1.1.3人工智能的类型超人工智能强人工智能弱人工智能按照智能程度分类弱人工智能是指专注于执行特定任务的人工智能系统，这类人工智能系统无法像人类一样进行广泛的学习和适应新环境。强人工智能是指能够像人类一样理解、学习、推理、解决各种复杂问题，并能够在不同的任务和环境中灵活运用知识、完成任务的人工智能系统。超人工智能是指远超人类智慧的人工智能系统。智能音箱1.1.3人工智能的类型人工智能类型特点弱人工智能·单一任务导向：在其特定的任务领域可以表现出很高的性能，但在其他领域则无法进行智能操作；·无自我意识：不具备真正的理解和认知能力，只依靠预设的算法和模型进行运算；·实时学习和改进：虽然不具有全局学习能力，但它可以通过大量的数据输入和反馈机制不断优化其在特定任务领域的性能强人工智能·多功能性：能够处理各种类型的任务，而不局限于某一特定领域；·学习和适应：具备广泛的认知能力，能够在不同情境下推理、解决问题和学习新技能，并将学到的技能应用于新的任务中；·自我改进：具有自我修正和升级的能力，能够不断提高自身的性能和效率；·情感理解：理论上，强人工智能能够理解和模拟人类的情感，可以在社会互动中展现出更高的智能水平超人工智能·超越人类的智能：能够进行高度复杂的推理和决策；·自我驱动：具有自己的需求、欲望和情感，能够自主设定目标并为之努力；·全方位能力：不仅能完成智力任务，还可以在艺术创作、情感表达和人际关系处理等方面超越人类弱人工智能、强人工智能与超人工智能的特点对比1.1.4人工智能的产业链与商业模式1.1.4人工智能的产业链与商业模式0501030402该模式以标准化AI产品为核心，企业自主研发成熟的人工智能硬件或软件产品，直接面向客户销售，类似传统行业的货架式售卖。技术产品售卖模式该模式聚焦传统行业的转型升级需求，AI企业作为技术合作伙伴，将人工智能技术与传统行业的业务流程深度融合，帮助合作方降本增效、创造新价值，再从中获取收益。AI赋能传统行业模式针对不同行业或企业的个性化需求，AI企业提供量身定制的解决方案。AI企业会根据客户的具体业务流程、数据特点，专项开发AI系统或模型。定制化服务模式基于“数据是AI的燃料”这一核心逻辑，企业先通过合法合规渠道收集、整理、清洗各类数据，再运用AI技术进行深度分析、挖掘，将加工后的高价值信息产品提供给客户。数据服务+AI结合模式企业搭建综合性AI服务平台，整合各类AI功能，用户通过付费订阅获得使用权限，模式类似主流的视频会员、办公软件订阅服务。平台订阅/会员模式人工智能的

商业模式1.1.5人工智能开放平台与人工智能开源软件人工智能开放平台人工智能开放平台是指面向开发者、企业及研究机构，提供人工智能能力（如语音识别、图像处理、自然语言处理等）及模型训练、部署、管理、API（应用程序编程接口）调用等全流程服务的软件平台。这些平台旨在降低AI技术使用门槛，加速AI应用落地。人工智能开放平台的核心功能包括数据采集、清洗、标注与存储；模型训练、调优、自动化超参数调整；模型部署、API服务化与分布式计算；监控、评估与安全管理；支持多种开发框架，如TensorFlow、PyTorch

等。人工智能开放平台的应用场景主要是智能客服、智能家居、医疗影像分析、金融风控、工业制造、智慧教育、城市大脑等；通过社区协作，推动技术快速迭代；产业赋能，推动AI技术向实体经济渗透。类型概念举例国家级平台由科技部主导，依托头部企业建设百度建设自动驾驶国家级平台，阿里云建设城市大脑国家级平台，腾讯建设医疗影像国家级平台，科大讯飞建设智能语音国家级平台企业级平台由科技企业自主建设，聚焦自身技术与场景优势百度飞桨与文心大模型深度协同，形成立体开源体系，支持内部技术迭代与外部开发者使用开源社区平台由开源组织或企业建设，聚焦开源模型与工具的协同开发开放原子开源基金会推出的AtomGit平台，提供“代码+模型+环境+算力”全流程服务，支持国产芯片与主流深度学习框架，推动开源生态繁荣人工智能开放平台的具体说明1.1.5人工智能开放平台与人工智能开源软件人工智能开放平台人工智能开放平台是指面向开发者、企业及研究机构，提供人工智能能力（如语音识别、图像处理、自然语言处理等）及模型训练、部署、管理、API（应用程序编程接口）调用等全流程服务的软件平台。这些平台旨在降低AI技术使用门槛，加速AI应用落地。人工智能开放平台的核心功能包括数据采集、清洗、标注与存储；模型训练、调优、自动化超参数调整；模型部署、API服务化与分布式计算；监控、评估与安全管理；支持多种开发框架，如TensorFlow、PyTorch

等。人工智能开放平台的应用场景主要是智能客服、智能家居、医疗影像分析、金融风控、工业制造、智慧教育、城市大脑等；通过社区协作，推动技术快速迭代；产业赋能，推动AI技术向实体经济渗透。人工智能开源软件人工智能开源软件是指人工智能的源代码公开，允许任何人查看、使用、修改和分发的软件库、框架和工具，其核心是“开放、协作、共享”，通过社区驱动创新，降低技术垄断，推动技术普惠。人工智能开源软件的核心特征包括以下几点。●代码开放：源代码公开，用户可以查看、修改与分发。●社区协作：通过GitHub、GitCode

等平台，开发者共同参与代码贡献、错误修复、功能迭代。●许可证规范：遵循开源许可证（如GPL、MIT、Apache），明确使用、修改、分发的规则，保障用户权益。1.1.5人工智能开放平台与人工智能开源软件人工智能开放平台与人工智能开源软件是相辅相成、协同发展的关系：●人工智能开源软件是人工智能开放平台的核心支撑，人工智能开放平台的技术能力（如模型、框架、工具）多基于人工智能开源软件开发，如百度大脑基于飞桨框架，科大讯飞开放平台基于TensorFlow等开源框架。●人工智能开放平台是人工智能开源软件的生态载体，人工智能开放平台通过汇聚开发者、企业、研究机构，推动人工智能开源软件的应用与迭代，如AtomGit

平台通过“开源+AI”一体化服务，推动开源模型与算力的协同。●两者均以“技术共享”为核心，通过降低门槛、加速创新、产业赋能，推动AI技术向实体经济渗透，推动我国抢占AI科技竞争制高点。人工智能开放平台与人工智能开源软件的关系1.1.5人工智能开放平台与人工智能开源软件对比维度人工智能开放平台人工智能开源软件开放性API/SDK服务，部分能力开放源代码全开放使用门槛低，适合企业快速接入较高，需开发能力成本按调用/订阅计费，或部分免费使用免费，但有维护成本定制性受限，依赖平台能力极高，可深度定制生态支持企业级支持，服务完善社区支持，依赖社区数据控制数据可能上传至厂商服务器完全掌握数据，适合敏感场景部署方式以云服务为主支持自托管、私有化部署人工智能开放平台与人工智能开源软件的区别探索AI开放生态——主流人工智能开源平台与工具对比分析学生自由分组，以3～4人为一组，围绕“高职院校AI教学与小型项目开发”这一典型需求，选取至少3个国内外主流AI开放平台或开源框架进行调研。每组需完成一份《AI工具选型对比分析报告》，内容包括各平台/工具的核心特点、适用场景、学习门槛、社区支持情况，并给出针对教学或轻量级项目开发的推荐建议。实训要求课堂协作实训（1）回顾“人工智能开放平台与人工智能开源软件”一节的内容，明确评估AI工具的关键维度，如易用性、文档完善度、中文支持、部署便捷性、算力要求等。（2）小组分工，分别负责不同平台/工具的信息收集，重点查阅官方文档、社区论坛及教学案例。（3）汇总信息，制作对比表格，聚焦高职学生在无强大算力或专业背景下的使用可行性。（4）基于对比结果，讨论并形成推荐意见，撰写分析报告，并准备3分钟的简要汇报用于课堂交流。实训思路02人工智能与人才培养人工智能正以前所未有的速度变革劳动力市场与职业生态。它不仅替代了部分重复性、流程化的工作，还催生出一批融合技术与创意的新职业，这些新职业折射出人机协作日益深化的时代趋势。面对这一变革，人才的定义也在悄然转变——它不再仅是掌握单一技能的执行者，而是兼具技术素养、行业洞察与人文关怀的复合型个体。未来的人才竞争力不仅在于能否驾驭AI工具，还在于能否在“AI+专业”的交叉地带提出创新解决方案，在机器无法触及的情感、伦理与复杂决策领域彰显人的独特价值。1.2.1人工智能对就业的影响01人工智能的发展与应用既给就业带来了新的挑战，也创造了新的机遇。随着人工智能的发展，一些重复性高、规律性强的工作岗位，如数据输入员、文件处理员、客服代表等，很容易被自动化和智能化的系统所取代。02人工智能的广泛应用推动了人机协作工作模式的发展。人机协作工作模式是指人类与人工智能系统在工作过程中相互配合、优势互补、共同完成任务的一种新型工作方式。就业者需要学会与人工智能系统协同工作，借助人工智能的优势提高工作效率和质量，同时发挥人类的独特价值，如情感理解、人际交往等。人类与人工智能协作的模式1.2.1人工智能对就业的影响01人工智能的发展与应用既给就业带来了新的挑战，也创造了新的机遇。随着人工智能的发展，一些重复性高、规律性强的工作岗位，如数据输入员、文件处理员、客服代表等，很容易被自动化和智能化的系统所取代。02人工智能的广泛应用推动了人机协作工作模式的发展。人机协作工作模式是指人类与人工智能系统在工作过程中相互配合、优势互补、共同完成任务的一种新型工作方式。就业者需要学会与人工智能系统协同工作，借助人工智能的优势提高工作效率和质量，同时发挥人类的独特价值，如情感理解、人际交往等。03人工智能的广泛应用对就业者的技能要求发生了显著变化，传统行业的就业者需要不断学习和掌握新技能，以适应新的工作环境和市场需求。这在一定程度上促进了职业转型和升级，使就业者能够向更高技能、更高薪资的岗位发展。1.2.2人工智能催生的新职业人工智能的发展催生了许多新职业，这些岗位主要集中在AI技术的研发、应用、人机协作及与特定产业深度融合等领域。职业名称产生/认证时间具体职责生成式人工智能系统应用员2024年由国家人社部认证运用生成式AI技术进行系统设计、模型调用与训练、性能优化及日常维护管理人工智能训练师2020年由国家人社部认证通过数据标注、算法参数设置、人机交互设计等方式训练AI模型，提升其智能水平与可靠性，其工种包括数据标注员、人工智能算法测试员等无人机群飞行

规划员2025年由国家人社部公示为新职业负责规划无人机群的飞行路线，制订飞行计划与任务，并进行飞行现场管理，确保表演或作业的顺利完成生成式人工智能动画制作员2025年由国家人社部公示为新工种使用生成式AI工具设计脚本和镜头，生成动画素材，并进行后期修改和优化，完成动画视频制作具身智能机器人训练师2023—2024年设计并执行人形或服务机器人的行为训练计划；通过仿真与真实环境数据，训练机器人完成行走、抓取、避障等物理交互任务；分析传感器数据，优化控制算法与决策逻辑；协同算法工程师调优强化学习策略，提升机器人在物流、制造等场景的自主作业能力提示词工程师2022年兴起专注于设计与优化输入AI模型的提示词，以精准控制AI生成的文本、图像或视频等内容的质量和风格AI伦理审查员/AI伦理审计师2023年兴起，

2024—2025年制度化负责对AI系统的决策过程、数据使用及输出结果进行审计与评估，确保其符合伦理规范和监管要求人工智能新职业及其具体职责1.2.2人工智能催生的新职业早期职业（如人工智能训练师）侧重于基础模型训练，而现在像生成式人工智能系统应用员这样的角色则更注重将大模型能力与电商、医疗等具体行业场景深度结合，解决实际业务问题。许多新岗位的核心不再是单纯的技术开发，而是当好AI的搭档。例如，提示词工程师需要深刻理解AI的思维方式，用语言引导其工作。AI不仅改造旧行业，还创造全新领域，如低空经济。无人机群飞行规划员这一职业就是随着无人机表演市场的扩大而诞生的，它要求从业者兼具艺术创意和数字技术能力。从通用到行业专用从纯技术到人机协作催生全新产业与岗位新职业的涌现反映了AI技术发展的核心方向1.2.3人工智能对人才的能力与技能要求技术能力是人才对接AI应用的核心支撑，分为通用基础技术能力和专业进阶技术能力，适配不同岗位需求。通用基础技术能力是指所有人工智能人才都需要具备的技术能力；专业进阶技术能力适合技术岗人才。技术能力能力类型相关解释AI工具操作能力熟练使用主流AI工具提高工作效率，如用豆包辅助文案创作、数据整理；

用Midjourney/StableDiffusion生成设计素材；

用Excel插件简化数据处理技术认知能力了解大语言模型、智能体、RAG等核心AI技术的基本原理与适用场景，能清晰区分“AI能做什么”和“AI不能做什么”，避免盲目依赖数据素养具备基础的数据收集、清洗、解读能力，能看懂简单的数据报表，如模型准确率、用户行为数据，理解“数据驱动决策”的核心逻辑，避免被错误数据误导通用基础技术能力1.2.3人工智能对人才的能力与技能要求技术能力是人才对接AI应用的核心支撑，分为通用基础技术能力和专业进阶技术能力，适配不同岗位需求。通用基础技术能力是指所有人工智能人才都需要具备的技术能力；专业进阶技术能力适合技术岗人才。技术能力能力类型相关解释模型应用与开发

能力掌握低代码/无代码AI平台的使用，能搭建简单的智能体；

技术研发岗需具备Python编程、机器学习框架（TensorFlow/PyTorch）使用、模型调优（如PromptEngineering、参数微调）能力部署与运维能力了解AI模型的基本部署方式，掌握Docker等容器化工具的基础操作，能监控模型运行状态、排查常见故障（如响应延迟、生成结果偏差）合规与安全技术

能力熟悉AI相关法规（如《生成式人工智能服务管理暂行办法》），具备基础的AI内容合规检测、数据隐私保护能力，避免技术应用引发合规风险专业进阶技术能力1.2.3人工智能对人才的能力与技能要求AI擅长高效执行、批量处理，但在情感交互、复杂决策、创新创造等领域存在天然短板，这些正是软技能的核心价值所在。软技能能力类型相关解释批判性思维与决策能力能对AI生成的结果进行逻辑校验和事实核查，识别“AI幻觉”，如虚假数据、错误结论，并结合实际场景做出最终决策创新思维与问题

解决能力具备“AI+场景”的创新意识，能思考如何用AI技术解决行业痛点。面对AI无法解决的复杂问题，如突发客户投诉、技术故障，能快速拆解问题、寻找替代方案，而非陷入“AI失灵即无措”的困境情感智力与沟通

协作能力具备共情能力，能理解用户的情感需求，在AI辅助下提供更具温度的服务；能清晰表达AI相关需求，也能向非技术人员解释AI技术的核心逻辑，促进跨团队协作终身学习能力AI技术更新迭代速度极快，需保持持续学习的意识，主动关注技术动态、行业案例，不断更新知识体系，避免被技术淘汰软技能1.2.3人工智能对人才的能力与技能要求人工智能的价值在于与各行业深度融合，“AI技术+行业知识”的复合能力成为人才竞争的关键，核心体现为跨领域整合与

落地能力。复合能力能力类型相关解释行业知识与AI技术的融合能力深耕某一行业，如教育、医疗、电商、制造，掌握行业核心业务逻辑与痛点，能将AI技术与行业需求精准匹配，而非单纯追求技术炫酷跨学科协作与资源整合能力能与不同专业背景的人员（如技术研发、市场、合规、行业专家）协作，整合各方资源推进AI项目落地伦理与责任意识具备AI伦理素养，能识别技术应用中的潜在风险，在追求技术效果的同时坚守法律底线与社会责任感复合能力AI时代的职业画像——新职业探索与个人能力规划学生自由分组，以3～4人为一组，选择一个AI新职业，围绕该职业开展调研。每组需完成一份《AI新职业探索与个人适配分析报告》，内容包括该职业的核心工作内容、所需技术能力与软技能、典型应用场景，并结合自身的专业背景，分析“我是否适合这一职业”及“需要补充哪些能力”。实训要求课堂协作实训（1）回顾本节内容，重点理解AI对就业的影响，新职业类型及“T型人才”能力结构。（2）小组协商，选定一个AI新职业，通过人社部官网、招聘平台（如BOSS直聘、智联招聘）、行业公众号等渠道收集该职业的最新信息。（3）对照能力框架，分析该职业对应的关键能力要求，制作“职业—能力”匹配表。（4）每位成员结合自身专业，反思现有能力与目标职业的差距，提出1～2项可落地的学习计划。（5）整合形成小组报告，并准备3分钟课堂分享，重点说明职业亮点与个人发展启示。实训思路03人工智能伦理与安全人工智能的发展为人类社会带来了重大变革，但其对社会的影响是一柄双刃剑，它既改造了人类社会，又给人类社会带来了冲击，人工智能带来的伦理挑战和安全风险是人类必须面对的问题。1.3.1人工智能伦理问题与应对人工智能伦理问题数据偏见机器道德数据隐私与安全1.3.1人工智能伦理问题与应对人工智能伦理问题数据偏见机器道德数据隐私与安全应对人工智能伦理问题增进人类福祉促进公平公正保护隐私安全确保可控可信体现责任担当1.3.2人工智能安全问题与应对人工智能安全问题（1）自身技术缺陷带来的安全风险算法安全漏洞系统稳定性风险数据依赖风险（2）人为不当使用/滥用引发的安全问题数据安全与隐私泄露恶意滥用风险合规与伦理安全1.3.2人工智能安全问题与