信息技术与人工智能课件 模块四 拥抱AI和数字浪潮

模块四拥抱AI和数字浪潮【知识目标】1．理解人工智能的定义、发展历程及基本技术架构。2．掌握人工智能涉及的核心技术及其基本原理。3．理解人工智能在各领域的典型应用场景与实现方式。4．了解人工智能的发展现状与未来趋势。5．理解智能体与传统人工智能的主要区别。【技能目标】1．能够识别和区分不同类型的人工智能技术。2．能够分析人工智能在不同行业的应用案例。【素质目标】1．通过了解人工智能的发展脉络，激发科学探索兴趣，树立崇尚科学、求真务实的科学精神。2．通过剖析核心技术，培养批判性思维，理性看待人工智能的优势与局限。3．在案例学习中提升理论联系实际的能力，增强技术应用中的社会责任意识。4．通过展望人工智能未来，激发创新意识与前瞻思维，强化科技伦理观念和时代责任感。任务4.1初识新一代信息技术学途引航

通过对本任务相关知识的学习和实践，读者应能够深入了解云计算、区块链、大数据和物联网等新一代信息技术的概念、特点、发展历史及关键技术，掌握它们在不同领域的应用场景及对社会的影响，并完成对新一代信息技术的模拟体验与实践。基石共筑4.1.1认识云计算1．云计算的定义

云计算（CloudComputing）是分布式计算的一种，通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，通过多部服务器组成的系统来处理和分析这些小程序，得到结果并返回给用户。2．云计算的发展

20世纪中期，“虚拟化”概念被提出，它是云计算基础架构的核心，是云计算发展的基础。

20世纪90年代，随着互联网的发明和普及，个人计算机迅速进入家庭和办公室，互联网用户数量呈爆炸式增长，以思科为代表的一系列公司也应势得到蓬勃发展。

2006年8月9日，在搜索引擎战略大会（SESSanJose2006）上，谷歌（Google）公司的首席执行官埃里克·施密特首次公开提出了“云计算”这一概念。同年，亚马逊推出了其基础设施即服务（InfrastructureasaService，IaaS）平台AWS，这是云计算服务商业化的一个重要里程碑。

2007年至2009年，Salesforce（客户关系管理软件服务提供商）发布了其平台即服务（PlatformasaService，PaaS）平台F；Google发布了其PaaS平台GoogleAppEngine；而后云服务的全部形式出现。

2009年至2016年，云计算功能日趋完善，种类日趋多样。传统企业开始通过自身能力扩展、收购等模式，纷纷投入云计算服务中。

2016年至今，通过深度竞争，主流平台产品和标准产品功能比较健全，市场格局相对稳定，云计算进入成熟阶段。3．云计算的特点（1）弹性伸缩（2）高可用性（3）可靠性（4）按需付费（5）无边界性4.1.2了解区块链

区块链是一个信息技术领域的术语，该技术融合了数学、密码学、互联网和计算机编程等众多领域的专业技术。1．区块链的定义

区块链（Blockchain）是一种将数据区块有序连接，并以密码学方式保证其不可篡改、不可伪造的分布式账本（数据库）技术。2．区块链的分类（1）公有区块链（2）联盟（行业）区块链（3）私有区块链3．区块链的特点（1）去中心化（2）开放性（3）独立性（4）安全性（5）匿名性4．区块链的核心技术（1）分布式记账

分布式记账是指交易记账由分布在不同地方的多个节点共同完成，且每一个节点都记录了完整的账目，因此它们都可以监督交易的合法性，同时可以共同为其作证，如图4-1所示。图4-1

分布式记账网络（2）非对称加密

非对称加密（公钥加密）是指在加密和解密两个过程中使用不同的密钥。在这种加密技术中，每位用户都拥有一对钥匙：公钥和私钥。在加密过程中使用公钥，在解密过程中使用私钥。公钥向全网公开，而私钥由用户自己保存。这样就解决了对称加密中密钥需要分享所带来的安全隐患。（3）共识机制

共识机制是指所有记账节点之间怎样达成共识去认定一个记录的有效性的一种机制，这种机制既是认定的手段，又是防止篡改的手段。区块链提出了多种不同的共识机制，适用于不同的应用场景，在效率和安全性之间取得了平衡。区块链的共识机制主要有工作量证明机制、权益证明机制、授权股权证明机制。（4）智能合约

智能合约指基于可信的不可篡改的数据，自动化地执行一些预先定义好的规则和条款。以保险为例，如果说每个人的信息（包括医疗信息和风险发生的信息）都是真实可信的，则很容易在一些标准化的保险产品中进行自动化理赔。在保险公司的日常业务中，虽然交易不像银行和证券行业那样频繁，但是其对可信数据的依赖有增无减。因此，如果利用区块链技术，则从数据管理的角度切入，能够有效地帮助保险公司提高风险管理能力。4.1.3熟悉大数据1．大数据的定义

大数据（BigData）是指数据大到无法在常规时间内使用普通软件工具进行处理的数据集合；需要采用新的处理方法才能从海量数据中获取有用的信息，以支持更强的决策能力。2．大数据的发展

大数据是信息技术发展的必然产物，同时代表了信息化进程的新阶段。信息化曾经历3次高速发展的阶段。首次发展始于20世纪80年代，主要特征是个人计算机的普及和应用，人类迎来了第一次信息化浪潮。第二次高速发展始于20世纪90年代中期，以互联网大规模商业应用为主要特征，人类迎来了第二次信息化浪潮。2010年前后，云计算、物联网、大数据的快速发展，拉开了信息化的第三次浪潮的序幕，人类进入了大数据时代。

从大数据的发展历程来看，其总体上可以划分为以下3个重要阶段：萌芽期、成熟期和大规模应用期，如图4-2所示。图4-2

大数据发展历程3．大数据的关键技术

大数据技术是一种通过运用非传统的数据处理工具和方法来处理海量的结构化、半结构化及非结构化数据，从而获得分析和预测结果的数据处理技术。（1）大数据采集技术（2）大数据预处理技术（3）大数据存储与管理技术（4）大数据分析与挖掘技术（5）大数据展现与应用技术（6）大数据安全开发技术4.1.4认识物联网1．物联网的定义

物联网（InternetofThings，IoT）指的是将广泛的终端设备和设施，包括具备“内在智能”的传感器、移动终端、工业系统、数控系统、家庭智能设施、视频监控系统等，以及“外在使能”（Enabled）的，如贴上RFID的各种资产（Assets）、携带无线终端的个人与车辆等“智能化物件或动物”或“智能尘埃”（Mote）等，按约定的协议与网络相连接，以实现智能化识别、定位、跟踪、监管等功能的一种网络技术。2．物联网的关键技术

物联网技术是一种综合性的技术，涵盖了信息获取、传输、存储、处理直至应用的全过程，其关键在于传感器和传感网络技术的发展及提升。物联网的关键技术主要包括RFID技术、无线网络技术、中间件技术和智能处理技术等。（1）RFID技术RFID

技术俗称电子标签，通过射频信号自动识别目标对象，并对其信息进行标志、登记、储存和管理。

通常RFID系统由3部分组成：标签（即射频卡）、阅读器和天线。（2）无线网络技术

无线网络技术主要包括短距离无线网络技术、基于IEEE802.11系列的无线物联网技术、移动通信技术，以及其他无线网络技术。

短距离无线网络技术主要包括无线传感网、蓝牙。（3）中间件技术

中间件是一种位于操作系统与应用程序之间的软件系统（或软件基础设施），用于提供通用服务和功能，以支持分布式、异构环境下的应用开发与运行。中间件技术旨在屏蔽底层硬件和操作系统的差异，为上层应用提供统一、高效、可靠的通信、数据管理、安全控制等通用服务。在分布式系统（如物联网、云计算、企业信息系统）中，中间件能够简化开发复杂度，提升系统互操作性、可扩展性和可维护性。（4）智能处理技术

在物联网架构中，感知层负责收集大量数据，然而这些原始数据必须经过处理和分析才能转化为特定领域的服务。这个过程可类比于互联网搜索引擎的机制：用户输入查询关键字后，搜索引擎会返回相关的信息列表，但这通常还需要用户自己进一步筛选和处理这些结果。鉴于信息量的庞大，人类无法对全部数据进行深入处理，因此需要借助智能处理技术来提取真正有价值的信息。此外，物联网不仅提供信息查询服务，还应当提供决策支持服务。攀登向远——体验“V故宫”

虚拟现实（VirtualReality，VR）技术是一种以计算机技术为基础，融合了传感器、图形图像、通信、测控多媒体、人工智能等多种技术的前沿技术。它能通过给用户同时提供视觉、触觉、听觉等感官信息，使用户如同亲历其境一般。借助于计算机系统，用户可以生成一个自定义的三维空间。用户置身于该环境中，借助轻便的跟踪器、传感器、显示器等多维输入输出设备，去感知和研究客观世界。在虚拟环境中，用户可以自由运动，随意观察周围事物并随时添加所需信息。借助于VR，用户可以突破时空域的限制，优化自身的感官感受，极大地提高了对客观世界的认识水平。①打开浏览器，搜索V故宫，找到“V故宫-故宫博物院”超链接并单击，进入“V故宫”首页，如图4-6所示。图4-6“V故宫”首页②单击“养心殿”按钮，进入养心殿的开始页面，如图4-7所示。图4-7

养心殿的开始页面③单击“开始”按钮，进入养心殿的VR浏览页面，如图4-8所示。移动鼠标指针即可360°旋转视角，滑动鼠标滚轮可以放大或缩小视野，单击页面中的指引箭头即可“进入”建筑。图4-8

养心殿的VR浏览页面任务4.2人工智能概述学途引航

通过对本任务相关知识的学习和实践，读者应深入理解人工智能的定义、发展历程、技术架构，并能够对人工智能发展历程进行梳理。

基石共筑4.2.1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的技术科学。

人工智能具有自主性、自适应性、智能交互、大数据处理能力、学习能力、实时响应能力、高度集成能力、模式识别能力、错误容忍性、并行处理能力等特点，随着技术的不断创新和发展，人工智能系统的特点和能力将会进一步拓展和完善。4.2.2人工智能的发展历程1．第一阶段：起步发展期（20世纪40年代至20世纪60年代）

在这一阶段，人工智能概念被提出，发展出了符号主义、联结主义（神经网络），并相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序、人机对话等，掀起了人工智能发展的第一个高潮。2．第二阶段：反思发展期（20世纪70年代）

在这一阶段，人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，然而，算力及理论等的匮乏使得人工智能的发展陷入瓶颈，人工智能的发展走入低谷。3．第三阶段：应用发展期（20世纪80年代）

在这一阶段，专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。而机器学习（特别是神经网络）探索不同的学习策略和各种学习方法，在大量的实际应用中也开始慢慢复苏。4．第四阶段：平稳发展期（20世纪90年代至21世纪初）

在这一阶段，互联网技术的迅速发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化，人工智能相关领域取得了进步。在这一阶段，由于专家系统的项目都需要编码大量的显式规则，降低了效率并增加了成本，人工智能研究的重心从基于知识系统转向了机器学习。5．第五阶段：蓬勃发展期（2011年至今）

2017年，国务院发布了《新一代人工智能发展规划》，其中提出了大数据智能、跨媒体智能、群体智能、人机混合增强智能、智能自主系统五大智能形态，指出人工智能呈现深度学习、跨界融合、人机协同、群智开放、自主操控等新特征，标志着中国人工智能发展进入新阶段。

2024年，中国发布《中国智慧教育发展报告（2023）》，明确智慧教育作为数字化转型的核心路径，并试点“人工智能基础”必修课。

随着大数据、云计算、互联网、物联网等信息技术的发展，在感知数据和图形处理器等计算平台的推动下，以深度神经网络为代表的人工智能技术取得了飞速发展，大幅跨越了科学与应用之间的技术鸿沟，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了重大的技术突破，迎来爆发式增长的新高潮。4.2.3人工智能的技术架构

人工智能的技术构架通常由基础层、技术层和应用层构成，如图4-9所示。图4-9

人工智能的技术构架1．基础层

基础层是人工智能技术的基础，负责数据的收集和处理。它包括数据、平台系统和硬件设施。2．技术层

技术层是人工智能技术的核心，包括通用技术、算法和底层框架。3．应用层

应用层是人工智能技术在各个行业和领域中的具体实现。

这3个层次共同构成了人工智能的技术构架，从底层的数据收集和处理，到中层的算法和框架，再到顶层的具体应用，形成了一个完整的生态系统。这种结构不仅确保了人工智能技术的高效运行，还为未来的技术创新和应用拓展提供了广阔的空间。攀登向远——中国AI力量：从追赶到引领的创新之路AI已从科幻走向现实，深刻改变着社会运行与人们的生活方式。对中国而言，AI发展既是一段从“跟跑”到“并跑”乃至部分领域“领跑”的奋进历程，更是国家战略引领、产业创新实践与人才培养协同推进的成果。2017

年，国务院发布了《新一代人工智能发展规划》，确立了“三步走”战略，系统布局大数据智能、跨媒体智能、人机混合增强智能等五大方向，精准契合技术演进规律。

其中，“人机混合增强智能”已在医疗等领域落地见效，如北京协和医院与中国科学院合作研发的“AI医生助手”系统可辅助完成80%常规诊断，准确率达96.5%，实现了高效人机协同。这一系列进展标志着中国AI正从技术追赶迈向自主创新的新阶段。

中国AI产业的独特优势在于将技术创新深度融入本土实际需求，构建起覆盖基础层、技术层到应用层的完整生态。阿里云CTO周靖人指出，中国AI已深入田间地头、工厂车间和课堂教室，展现出强大的场景化创新能力。

在教育领域，国家智慧教育平台汇聚海量数据，科大讯飞等企业提供智能语音技术支持，AI作文批改、个性化学习系统等应用广泛落地。上海某中学实践表明，AI不仅能自动批改语法错误，还可分析文章情感倾向，助力教师实现精准教学，真正体现“技术赋能教育”的价值。据《中国智慧教育发展报告（2023）》，B端AI+教育市场规模已达213亿元，C端智能硬件加速普及，AI正成为推动教育公平与质量提升的重要力量。

面向未来，中国AI发展正从“技术驱动”转向“价值驱动”。清华大学“悟道”、中国科学院“紫东太初”等大模型的推出，彰显我国在基础研究领域的突破；同时，中国发布《新一代人工智能治理原则——发展负责任的人工智能》，倡导“发展负责任的人工智能”，并在中小学试点AI必修课，将伦理教育纳入国民教育体系。这不仅体现了对技术风险的前瞻应对，更展现了科技向善的价值追求。中国AI的发展路径，正是一条技术创新与责任担当并重、追赶超越与可持续发展同行的现代化之路。任务4.3了解人工智能核心技术学途引航

通过对本任务相关知识的学习和实践，读者应理解机器学习、深度学习、计算机视觉、自然语言处理和人机交互等人工智能核心技术的基本概念、原理和应用，掌握简单的操作技能，探索这些技术在实际生活中的应用场景，并完成人机交互技术体验与设计。基石共筑4.3.1机器学习与深度学习1．机器学习（1）机器学习的定义

机器学习是一种数据分析方法，通过训练算法模型，计算机能够从数据中自动学习规律和模式，并利用这些学习成果对新的数据进行预测或决策。其核心是通过算法让计算机从大量数据中自动发现数据特征和内在规律，而无须进行明确的编程指令。（2）机器学习算法分类

机器学习算法按学习方式的不同，可以分为以下几类。①监督学习：利用带标签的训练数据来学习输入输出的映射关系。常见的监督学习算法有线性回归、决策树、支持向量机、神经网络等。例如，通过已知房屋面积和对应房价的数据来训练模型，预测新的房屋面积对应的房价。②无监督学习：输入数据没有标签，模型需要自行发现数据中的结构和模式。典型的无监督学习方法包括聚类分析（如K-均值聚类）和降维技术（如主成分分析）。③半监督学习：结合了监督学习和无监督学习的特点，训练数据中包含少量带标签数据和大量无标签数据，其核心是利用少量带标签数据引导模型学习，同时充分挖掘大量无标签数据中的潜在结构和规律，以降低数据标注成本并提升模型性能。④强化学习：在环境交互过程中，智能体根据环境反馈的奖励信号来学习最优行为策略，以最大化累积奖励。例如，机器人在迷宫中通过不断尝试找到到达终点的最优路径。（3）模型训练与评估数据集划分：通常将数据集分为训练集、验证集和测试集。训练集用于模型训练，验证集用于调整模型参数和选择最优模型，测试集用于最终评估模型的泛化能力。性能评估指标：对于分类问题，常用性能评估指标有准确率、召回率、F1值等；对于回归问题，常用性能评估指标有均方误差（MeanSquareError，MSE）、平均绝对误差（MeanAbsoluteError，MAE）等。过拟合与欠拟合：过拟合指模型在训练集上表现很好，但在测试集上泛化能力差；欠拟合指模型在训练集上就未能很好地学习到数据规律。解决过拟合的方法包括正则化、交叉验证、数据增强等；解决欠拟合的方法包括增加模型复杂度、增加训练数据量等。2．深度学习

深度学习是机器学习领域的一个重要分支，也是当前人工智能技术发展的重要驱动力之一。它的核心在于使用多层神经网络来模拟人脑处理信息的方式，从而能够自动从数据中提取和学习复杂的特征。

深度学习的基本原理是构建深层的、多级别的神经网络结构，使得机器能够从原始数据中自动发现、学习和组合特征，以实现对数据的高层次理解。深度学习在图像识别、语音识别、自然语言处理等领域得到广泛应用并取得了显著的成果，这得益于其能够处理大量的非结构化数据，如图像和声音等。

深度学习和机器学习、人工智能的关系如图4-10所示。深度学习的核心是神经网络模型，使用具有多层非线性处理单元的神经网络来对大量数据进行建模和学习。与传统机器学习相比，深度学习具有更强的表达能力和学习能力，可以更好地处理大规模和高维度数据，因此在计算机视觉、自然语言处理和语音识别等领域应用广泛。图4-10

深度学习和机器学习、人工智能的关系4.3.2计算机视觉1．计算机视觉的定义

计算机视觉是人工智能领域的一个重要分支，它使机器能够解释和理解视觉世界。计算机视觉致力于使计算机能够像人类一样“看”，即通过摄像头、图像传感器等设备捕捉图像，并从中提取信息。2．计算机视觉的核心技术（1）图像处理技术（2）目标检测技术（3）图像分割技术4.3.3自然语言处理

自然语言处理（NaturalLanguageProcessing，NLP）是人工智能领域的一个重要分支，专注于使计算机能够理解和处理人类语言。自然语言处理技术是一门通过建立计算机模型理解和处理自然语言的学科。自然语言处理应用是指使用计算机对自然语言的形、音、义等信息进行处理并识别的应用，大致包括机器翻译、自动提取文本摘要、文本分类、语音合成、情感分析等。

自然语言处理的基本流程如下。①文本预处理：对原始文本进行清洗和转换，包括分词、词干提取、词性标注、去除停用词等操作，以获取适合模型输入的文本形式。②特征提取：将文本转换为数值特征，常用方法有词袋模型、TF-IDF、词嵌入（如Word2Vec、GloVe）等。③模型构建与训练：根据具体任务选择合适的模型，如循环神经网络（RecurrentNeuralNetwork，RNN）、长短期记忆（LongShortTermMemory，LSTM）网络、Transformer架构等，利用标注数据对模型进行训练。④模型评估与优化：使用评估指标（如准确率、召回率、F1值等）衡量模型性能，通过调整模型参数、改进模型结构等方式优化模型。4.3.4人机交互1．人机交互的定义

人机交互（Human-ComputerInteraction，HCI）是指用户与计算机系统之间进行信息交换的过程。良好的人机交互设计能够提高用户对计算机系统的使用效率和满意度，使人与计算机之间的交互更加自然、便捷、高效。在人工智能时代，人机交互技术不断创新，为人机协同工作和生活提供了更好的体验。2．人机交互的主要技术（1）语音交互技术

语音交互技术主要分为语音识别技术和语音合成技术。（2）手势交互技术

手势交互技术利用计算机视觉技术捕捉用户的手势动作，并将其转换为相应的指令。这需要对手部图像进行预处理、特征提取和分类识别。（3）触摸交互技术

触摸交互技术是一种通过直接触摸设备界面或特定区域来输入指令、操控界面并实现人机对话的技术。其核心思想是“所见即所控”。

触摸交互界面设计应遵循直观性、易用性、一致性等原则，使用户能够快速上手并高效地进行操作。例如，在智能手机和平板电脑的触摸交互界面中，用户可以通过触摸、滑动、点击等手势进行各种操作。攀登向远——使用AI工具实现智能抠图①机器学习：模型通过大量“原图-抠图结果”配对数据进行训练，学习前景与背景的区分规律。②深度学习：采用基于卷积神经网络（ConvolutionalNeuralNetwork，CNN）的语义分割模型，能精准识别图像中每个像素属于“人”“物体”还是“背景”。③图像处理：在AI分割结果的基础上，系统还会进行边缘优化、羽化等后处理，确保抠图自然、无锯齿。任务4.4熟悉人工智能技术应用学途引航

通过对本任务相关知识的学习和实践，读者应理解人工智能技术在智能安防、智能驾驶、智能医疗、智能家居、智能农业和智能交通等各个方面的应用，并能够从各个方面进行智慧城市建设。基石共筑4.4.1智能安防

智能安防是人工智能技术保障社会安全的关键领域，它通过先进的图像识别和数据分析技术，实现了对安全风险的精准防控。1．视频监控与分析2．入侵检测与报警3．人员追踪与定位4．智能安防系统集成4.4.2智能驾驶

智能驾驶作为人工智能技术在交通领域的重要应用，正逐步改变人们的出行方式，提高交通效率和安全性。1．环境感知与传感器融合2．决策规划3．车辆控制4.4.3智能医疗

智能医疗利用人工智能技术为医疗服务带来了创新和变革，提升了医疗效率和质量，改善了患者就医体验。1．辅助诊断2．医学影像分析3．疾病预测与预防4．智能医疗机器人4.4.4智能家居

智能家居利用人工智能技术，使得家居设备更加智能化和人性化。1．设备控制与自动化2．家庭安防监控3．能源管理4．智能语音交互4.4.5智能农业

智能农业借助人工智能技术推动农业生产向高效、精准、可持续方向发展，提升农业产量和质量，优化资源配置。1．农业监测与数据分析2．精准农业生产3．农产品质量检测与溯源4．智能农业生产管理4.4.6智能交通

智能交通作为人工智能技术改善城市交通状况、提高交通运行效率的关键应用，对缓解交通拥堵、减少交通事故具有重要意义。1．交通流量监测与优化2．智能交通管理平台3．无人驾驶车辆应用4．交通信息服务与导航攀登向远——使用智能语音助手实现家庭生活管理

人工智能技术已深入日常生活，智能语音助手成为家庭管理的得力帮手。以“小爱同学”智能音箱为例，用户通过手机与智能音箱联动，即可轻松完成多项生活与学习任务，操作简单、响应迅速，具体步骤如下。1．硬件设备2．绑定设备3．使用语音指令实现智能生活管理图4-14

“米家”首页任务4.5初识AI智能体：会思考、能行动的AI学途引航

如果AI不仅能回答问题，还能主动帮助用户订票、写报告，甚至在用户还没开口时就规划好行程，那么它还是工具吗？

通过对本任务相关知识的学习和实践，读者将初识AI智能体——一种“会思考、能行动”的新型AI。它不再是“你做什么，我做什么”的工具，而是能自主感知、决策、执行与记忆的“数字代理”。本任务将带领读者了解智能体如何像“数字员工”一样工作，体验如何使用“扣子”（Coze）平台创建专属面试官。基石共筑4.5.1什么是智能体1．智能体的概念与定义

在AI领域中，智能体（Agent）是指一种能够感知环境、自主决策并采取行动以实现特定目标的软件或硬件实体。与传统程序不同，智能体不是简单地执行预设指令，而是具备一定的自主性、适应性和目标导向性，能够“思考”并“行动”。2．智能体的基本特征

一个典型的AI智能体通常具备以下基本特征。①自主性②反应性③主动性④社会性3．智能体的发展历程

“智能体”概念最早可追溯至20世纪80年代，随着AI研究的深入而逐步发展。早期的智能体多为理论模型，如20世纪90年代的“智能体理论”。进入21世纪后，随着计算能力的提升和机器学习技术的发展，智能体开始从理论走向实践应用。近年来，大语言模型的突破为智能体提供了强大的认知和推理能力，使得“会思考、能行动”的AI智能体真正成为可能。4.5.2AI智能体的核心能力1．感知能力：环境信息的获取与理解①多模态感知②选择性注意③上下文感知2．决策能