《新一代信息技术与人工智能导论》课件第2章人工智能概论

第2章

人工智能概论01人工智能概述02人工智能三大学派

03人工智能三大要素04行业应用案例目录contents01人工智能概述人工智能定义人工智能（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的技术科学，是让计算机像人一样“思考”和“做事”的技术。简单来说，AI就是让电脑变得”更聪明“，来帮助我们完成各种任务。人工智能发展历程1950年，艾伦·图灵提出图灵测试，预示了人工智能的可能性。1956年，在美国召开的达特茅斯会议上，人工智能这一名词被提出，AI作为一门独立学科正式诞生。理论奠基期人工智能自20世纪50年代首次提出到如今大致经历了理论奠基期、两次繁荣和寒冬、稳步发展、蓬勃发展等阶段。图灵测试达特茅斯会议人工智能发展历程1958年，约翰・麦卡锡开发了LISP语言，成为早期人工智能研究的重要工具。1966年首台采用人工智能技术的移动机器人“Shakey”机器人诞生，它具备自主规划路径能力，标志着机器人自主决策技术的重要突破。第一次繁荣到20世纪70年代，由于当时计算机硬件性能难以满足人工智能系统的需求，且主流方法难以应对复杂多面的问题，AI的发展受到质疑，各国政府开始削减或停止对AI研究的资助，AI发展进入第一次寒冬。第一次寒冬LISP语言Shakey机器人AI第一次寒冬人工智能发展历程进入20世纪80年代，计算机的处理性能显著提升，社会各界对人工智能的信心回暖。1980年，为数字设备公司开发的专家系统XCON正式投入使用，标志专家系统从科研验证走向商业化实践的重要跨越。从1983年起，大量AI企业相继成立，人工智能迎来新的发展高潮。第二次繁荣随着人工智能技术在产业界的应用不断扩展，曾被广泛采用的专家系统逐渐暴露出一系列局限性。如开发成本高，使用领域有限等。与此同时，当时计算机硬件性能尚无法支撑大规模、高复杂度的人工神经网络模型训练与运行，导致新兴的学习方法难以取得突破性进展，人工智能再次陷入低谷。第二次寒冬人工智能发展历程1995年，理查德·华莱士受早期聊天程序ELIZA的启发，开发了基于互联网的聊天机器人程序AILCE。2006年，杰弗里·辛顿

提出深度置信网络（DeepBeliefNetwork），标志着深度学习研究的重新兴起，为人工智能的发展注入了新的活力。稳步发展期聊天机器人程序AILCEDeepBeliefNetwork人工智能发展历程随着互联网、云计算、物联网和大数据等信息技术的飞速发展，人工智能特别是以深度神经网络为代表的技术实现突破性进展。2016年，DeepMind研发的AlphaGo在围棋比赛中以4:1击败世界冠军李世石，成为首个在围棋这种高复杂度策略游戏中击败人类顶尖高手的AI系统，震惊全球科技界。2022年，OpenAI发布基于FPT-3.5架构的大语言模型对话系统ChatGPT，引发全球范围的人工智能热潮和应用浪潮‌。2025年，国产大语言模型如DeepSeek等也逐渐崭露头角，成为全球大模型竞争的重要力量之一。

蓬勃发展期AlphaGoChatGPTDeepSeek人工智能核心技术01机器学习机器学习（MachineLearning,ML）是人工智能的核心分支，通过算法和统计模型让计算机从数据中学习并进行预测或决策，而无需明确编程。它包括监督学习、无监督学习、强化学习等子领域。监督学习：通过带标签的数据进行训练，常见算法包括线性回归、逻辑回归等。无监督学习：处理无标签的数据，常见算法包括聚类（如K均值算法）、降维（如主成分分析）等。强化学习：通过与环境互动来学习，使用奖励和惩罚机制来增强行为，常见算法包括Q学习和深度Q网络。人工智能核心技术02深度学习深度学习（DeepLearning,DL）则是机器学习的一个子领域，其核心是通过多层神经网络自动提取数据特征。相较于传统机器学习，深度学习在处理非结构化数据（如图像、语音）时表现更优，成为当前AI发展的主要驱动力。深度学习与机器学习和人工智能的关系人工智能核心技术03自然语言处理自然语言处理（NaturalLanguageProcessing,NLP）是人工智能领域的关键技术之一，其核心目标是让计算机理解、解释并生成人类语言。在信息爆炸时代，海量文本数据每日涌现，NLP有助于高效处理这些信息。NLP人工智能核心技术04计算机听觉计算机听觉（ComputerAudition,CA）也是人工智能领域的关键技术之一，其核心目标是让计算机感知、理解和处理人类语音及环境声音。在万物互联时代，音频数据呈指数级增长，计算机听觉技术有助于高效处理这些声音信息。计算机听觉人工智能核心技术05计算机视觉计算机视觉（ComputerVision,CV）是人工智能领域的另一项关键技术，致力于赋予计算机感知和理解视觉世界的能力，通过对图像、视频等视觉信息的处理和分析，实现目标检测、图像分类、语义分割等功能。计算机视觉02人工智能三大学派符号主义学派核心观点挑战符号主义作为人工智能领域早期研究的关键范式，其核心在于利用逻辑规则与符号操作来模拟智能行为。该假设主张：“一个物理符号系统具备产生智能行为的必要且充分条件。”符号主义系统普遍依赖“搜索”作为主要推理方式，而在实际应用中往往会遇到“组合爆炸”问题——即随着问题规模的扩大，可能的状态和路径数量呈指数级增长，计算成本变得不可承受。符号主义连接主义学派核心观点挑战连接主义主要观点为“在揭示人类大脑结构及其进行信息处理的过程和机理的基础上，设计人工神经元之间的连接机制和神经网络学习算法，利用人工神经网络实现人类智能在机器上的模拟”目前人类大脑中概念的具体表现形式、表示方式、组合方式等机制都尚未研究清楚，深度学习模型的工作机制并非人脑的运行机制，要实现完全的连接主义也面临着极大挑战连接主义符号主义学派核心观点挑战行为主义，也被称为进化主义、控制论学派或行为模拟学派，它认为智能行为的基础是“感知-行动”反应机制，即人工智能可以像人类智能一样分阶段发展和增强，主要观点为“智能行为只能通过与周围环境交互而表现出来”。虽然行为主义方法在某些任务中能够生成类似人类的反应，但它无法真正实现理解、推理和因果建模，缺乏对世界结构的抽象表征，因而在复杂情境中难以泛化。行为主义03人工智能三大要素人工智能三大要素三大要素人工智能的核心驱动力包括数据、算法、算力三个主要要素。其中，数据可以比作人工智能的燃料，算法是发动机，而算力是发动机高速运转的加速。数据数据在人工智能行业发展中占据着至关重要的地位，其质量与规模直接影响模型的学习效果与泛化能力。高质量且大规模的训练数据集是推动各类人工智能算法实现高性能表现的基础支撑。无论是在计算机视觉、计算机听觉，还是自然语言处理等领域，构建强大模型通常依赖于贴近实际应用场景、具有代表性的数据样本。算法如果说数据是人工智能的燃料，那么算法就是发动机。那么如何推动人工智能这台机器快速奔跑，算法的不断提升至关重要。人工智能算法包括机器学习、深度学习等。算法作为人工智能的“灵魂”，既是技术发展的底层驱动力，也是未来突破的关键方向。从早期规则编码到如今的自主学习，其演进推动着AI从“人工智障”迈向“类人智能”。机器学习深度学习算法算力是计算系统处理数据能力的体现，其重要性可与汽车发动机排量相类比——数值越高，处理复杂任务的速率越快。在人工智能发展过程中，算力的进步扮演了关键角色，当前主流的算力类型有CPU、GPU、TPU和量子算力。不同类型的算力平台在部署设备、特点、适用场景及局限性各有不同，对比如表所示。算力类型代表设备特点适用场景局限性CPU算力家用轿车通用性强，适合多任务处理日常办公、网页浏览复杂计算速度慢GPU算力专业赛车并行计算快，适合图形处理游戏、AI训练功耗高、价格贵TPU算力F1方程式赛车为AI定制，计算效率极高大规模深度学习只能跑特定赛道量子算力科幻太空飞船理论速度突破物理限制密码破解、药物研发目前稳定性不足算力类型对比（以汽车为类比）04行业应用案例医学领域AI在肺结节检测中敏感度超90%，显著降低漏诊率，如某医疗肺结节AI系统将早期肺癌检出率提升至92%，助力精准诊断。肺结节检测01基于深度学习的AI系统对乳腺肿块和钙化的检测准确率超90%，微小钙化区域灵敏度达80%-100%，提高早期诊断准确性。乳腺癌诊断03AI与MRI结合，如脑梗死早期诊断，MRI能在2小时内发现病灶，AI辅助诊断使准确率提升15%以上，助力重大病症检测。MRI影像诊断04AI可自动识别冠脉CTA和心脏磁共振中的血管狭窄、斑块，并计算狭窄程度，为医生评估心血管风险提供有力支持。心血管疾病诊断02医疗机器人研发外科手术机器人康复机器人外科手术机器人借助AI实现精准操作，减少手术风险和并发症，如达芬奇手术机器人在复杂手术中表现出色，提升手术成功率。康复机器人通过AI监测患者康复进度，提供个性化康复方案，如智能假肢和康复辅助设备帮助患者恢复身体功能。医疗大数据分析疾病预测AI分析医疗大数据预测疾病流行趋势，如流感爆发预测，提前部署医疗资源，降低疾病传播风险。患者健康管理AI根据患者电子病历和健康数据提供个性化健康管理建议，如慢性病患者管理，提醒用药和检查，提高患者生活质量。交通领域智能交通系统实时采集交通流量数据，优化信号灯时长，如某城市主干道高峰通行时间缩短30%，有效缓解拥堵。交通信号控制01物联网技术实现停车场智能化管理，驾驶者通过APP查询车位并预约，如某商业中心车位周转率提升40%，缓解停车难。智能停车管理03智能调度和线路规划技术根据客流量调整公交、地铁发车时间和频次，某城市公交准点率提高至90%，提升乘客满意度。公共交通优化02自动驾驶技术自动驾驶汽车通过AI感知环境、规划路径，如特斯拉自动驾驶技术在复杂路况下安全行驶，推动未来出行变革。01无人机利用AI实现物流配送，避开障碍物和复杂地形，如亚马逊无人机配送服务提高物流效率，降低成本。

自动驾驶汽车无人机物流配送交通规划与管理城市交通规划交通流量预测智能交通系统收集数据支持城市交通规划，如新区规划中基于数据的方案有效避免后期拥堵，实现交通与城市发展协调。AI预测交通流量，提前部署交通资源，如大型活动前预测交通高峰，合理安排警力和疏导措施，保障交通顺畅。农业领域01020304病虫害识别实时监测精准防治智能预警基于CNN的目标检测技术精准识别稻瘟病、蚜虫等病虫害，如某农业企业监测系统检测准确率超95%，为防治提供依据。--01----02----03----04--物联网传感器和无人机实时采集农田数据，生成病虫害分布图，如美国农业科技公司机器人每天覆盖100公顷农田，高效掌握作物健康状况。AI精准定位受灾区域，减少农药使用量30%，降低生产成本和环境污染，实现绿色农业发展。AI整合历史和实时数据预测病虫害发生趋势，提前7-15天预警稻飞虱等病虫害，争取防治时间。农业领域自动驾驶拖拉机通过AI实现精准作业，提高作业效率和土地利用率，如约翰迪尔自动驾驶拖拉机在大规模农场应用。自动驾驶拖拉机农业机器人完成采摘、播种等任务，如采摘机器人识别成熟果实并精准采摘，降低人力成本，提高作业质量。农业机器人农业领域农业大数据分析农业供应链优化作物生长预测AI优化农业供应链，从生产到销售全程监控，如农产品物流配送优化，减少损耗，提高经济效益。AI分析土壤、气候等数据预测作物生长情况，如精准预测小麦产量，提前安排收割和销售，保障粮食安全。文化保护艺术品修复文物修复计算机视觉技术精准“诊断”艺术