医学人工智能导论第一章 绪论

医学人工智能基础

绪论目录CONTENTS人工智能的概念与发展历史PART01PART02生成式人工智能概述PART02卫生健康与人工智能概述人工智能的概念

人脑神经元结构图

人工智能的概念人工智能的定义

人工智能（ArtificialIntelligence，AI），是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。

人工智能包括机器学习、计算机视觉等多个领域，旨在使机器能够胜任一些通常需要人类智能才能完成的复杂工作。人工智能的发展以算法、计算和数据为驱动力，其中算法是核心，计算和数据是基础。人工智能的特征、分类、要素、技术架构（一）人工智能的特征

1.自主学习2.大数据驱动3.模型与程序分析

人工智能的特征、分类、要素、技术架构人工智能的分类

人工智能可以分为三大类：弱人工智能、强人工智能、超人工智能

人工智能的特征、分类、要素、技术架构人工智能的要素

人工智能可以分为四点要素：弱人工智能、强人工智能、超人工智能

人工智能的技术架构人工智能的发展过程阶段重要事件萌芽期（20世纪40-50年代）图灵发表《计算机器与智能》，提出“图灵测试”，为人工智能奠定理论基础。达特茅斯会议首次提出“人工智能”概念，标志着“人工智能”学科正式诞生瓶颈期（20世纪60-80年代）研究聚焦于逻辑推理和符号主义，开发出首个聊天机器人ELIZA、通用问题求解器（GPS）等，人们对AI充满乐观预期。由于技术瓶颈（如计算能力不足、推理效率低）和资金削减，研究陷入停滞。专家系统（如医疗诊断系统MYCIN）兴起，依赖人工预设规则处理特定领域问题，但通用性差，最终因成本过高进入第二次AI寒冬（1990年代）。繁荣期（21世纪初-2010年代）随着大数据积累和计算能力提升，机器学习成为主流。深度学习（深层神经网络）取得突破，AlexNet在图像识别竞赛中大幅超越传统方法，推动AI进入“深度学习时代”。崛起期（2010年代至今）大语言模型（如GPT系列）、多模态AI（融合文本、图像、语音等）快速迭代，展现出更强的通用能力，能完成聊天、创作、代码生成等复杂任务。行业应用从单一领域（如人脸识别）扩展到医疗、教育、自动驾驶等多场景，同时也引发了关于伦理、安全和就业影响的广泛讨论。人工智能的发展过程

达特茅斯会议图灵测试人工智能的发展过程

人机对弈ELIZA机器人程序生成式人工智能生成式人工智能的概念

生成式人工智能（ArtificialIntelligenceGeneratedContent，AIGC）是一种人工智能技术，其核心目标是利用计算机算法和数据生成新的、具有实际价值的内容。这种技术可以模拟人类的创造力和想象力，从而生成文本、图像、音频和视频等多种类型的数据。生成式人工智能大语言模型

大语言模型（LanguageLargeModel，LLM）是一种基于深度学习的人工智能技术，旨在处理和生成人类语言。LLM是通过在大规模语料库上进行训练来学习语言的模式、规则和语义理解能力的模型。

大语言模型（LanguageLargeModel，LLM）可以被认为是AIGC技术的基础之一。通用生成式人工智能工具Deepseek文心一言KIMI通用生成式人工智能工具WPSAI豆包AIChatGPT通用生成式人工智能工具可灵AI即梦AI卫生健康与人工智能智能医学的定义与发展

智能医学是一门新兴的医、理、工高度交叉的学科，是医学与一系列前沿科技的密切融合。其特征是“信息技术+医学”,“+”是指融合和应用,两者非互相取代的关系。智能医学包括人工智能、虚拟现实、增强现实、大数据、移动互联网等技术+医学,而非人工智能(AI)+医学。智能医学的发展历程时间历程1950—1980年智能医学的“孕育期”1980—1990年智能医学发展的“婴儿期”1990—2000年智能医学发展的“少年期”2000-2010年智能医学的“青春期”2011年至今智能医学进入“成年期”人工智能在医药卫生领域的应用人工智能在医药卫生领域的应用辅助疾病诊断微创手术机器人AI制药人工智能在医药卫生领域