人工智能通识课件 第1章-人工智能概述

人工智能通识第1章人工智能概述提纲1.1智能与人工智能1.2人工智能与计算1.3人工智能发展历程1.4人工智能时代的应对提纲1.1智能与人工智能1.2人工智能与计算1.3人工智能发展历程1.4人工智能时代的应对1.1智能与人工智能生活中的AI有哪些？人脸识别智能音箱扫地机器人会下围棋的AlphaGo生成式AI人形机器人人类智能行为VS人工智能行为人类智能行为感知理性思维行为人通过感觉器官接收外界信息（信息输入）（信息输出）人脑的思考过程（信息处理）看（眼睛）听（耳朵）推理决策规划创造人脸识别说话各种动作扫地机器人生成AI智能音箱会下围棋的AlphaGo智能音箱会跳舞的人形机器人1.1智能与人工智能智能(Intelligence)指主体(无论是生物还是机器)在特定环境中，基于有限的资源与信息，适应性地达成目标的能力。主体环境实现目标资源与信息智能主体：谁在行动环境：在哪里行动资源与信息：有哪些限制目标：为什么行动适应：如何动态调整1.1智能与人工智能智能系统（主体）环境感知（获取资源信息）形成决策（目标）反馈调整（适应）形成更优决策产生行动1.1智能与人工智能人工智能人工智能(ArtificialIntelligence，AI)是究和开发用于模拟、延伸和扩展人类智能的理论、方法及应用系统。AI在哪些方面延伸和扩展人类智能？

感知记忆计算1.1智能与人工智能1950年，艾伦·图灵(AlanTuring)发表了奠定人工智能理论基础的划时代论文《计算机器与智能》人工智能之父1.1智能与人工智能图灵的三个观点观点1：智能的功能与实现可以分离，因此机器是否具有智能，可以利用图灵测试来检验;观点2：计算机的通用性使其完全能够模拟人类智能的计算过程，因此智能可以在计算机上实现;什么是智能（定义层）智能的功能

≠

智能的载体（解耦）它确立了“智能可以被复刻”的前提确定智能载体（物理层）计算机

≈≈

人脑计算过程从抽象到了具体1.1智能与人工智能图灵的三个观点观点3：人工智能不应直接模拟复杂且充满偏见的成人大脑，而应模拟儿童大脑，尽量减少先验设定，然后通过学习逐步发展出智能。如何实现智能（实施路径）减少先验通过学习演化大模型+预训练的鼻祖1.1智能与人工智能阿兰·图灵（AlanTuring）1950年提出“图灵测试”（TuringTest）基本设定：一位人类评估者通过文本与两个实体（一个人类和一个机器）进行对话，评估者需要根据对话内容判断哪个是人类，哪个是机器。如果机器能够成功让评估者误认为它是人类，那么这台机器就被认为通过了图灵测试，具有智能。1.1智能与人工智能强人工智能与弱人工智能弱人工智能(WeakAI)只要系统在特定任务中表现出人类的智能行为，就可以被视为人工智能，至于它的内部运作机制是否与人类相同则无关紧要，评判的唯一标准是任务完成效果。强人工智能(StrongAI)要求机器必须像人类一样完成需要智能的任务，最终目的是让机器获待与人类一样的意识和完全的自主性。图灵测试1.1智能与人工智能强人工智能与弱人工智能下面哪些是强人工智能，哪些是弱人工智能1.1智能与人工智能人工智能与生物智能——能耗不同人脑硬件AI大模型硬件耗能：20瓦（一个灯泡）耗能：数万瓦（一座城市的用电量）碳基生命硅基生命人工智能生物智能1.1智能与人工智能人工智能与生物智能——目标不同

生物智能目标人工智能目标生存繁殖情感体验完成人类的任务为自己活一种内在动机为人类服务是一种外部目标1.1智能与人工智能人工智能与生物智能——结构不同生物智能人工智能晶体管

+逻辑门数字电路（硅基）神经元+突触神经网络（碳基）运算速度快（纳秒级）、能耗高运算速度慢（毫秒级）、能耗低1.1智能与人工智能人工智能与生物智能——学习方式不同生物智能人工智能海量数据训练数据驱动神经可塑性自适应机制神经可塑性→越用越强人类会自己学AI靠数据学数据训练→看很多例子总结规律1.1智能与人工智能人工智能与生物智能——研究取向不同生物智能人工智能理解大脑揭示生物智能本质做出有用的AI系统追求功能、性能和扩展性数学+计算机科学认知科学+神经科学提纲1.1智能与人工智能1.2人工智能与计算1.3人工智能发展历程1.4人工智能时代的应对1.2人工智能与计算计算系统规则

…………代数系统输入：实数规则：各种代数运算输出：实数输入输出导航系统输入：起点和终点位置规则：路径规划输出：最优路径1.2人工智能与计算辅助计算工具古希腊算盘算盘算盘的操作规则1.2人工智能与计算计算机计算机的三个基本要素计算单元存储单元控制单元存放输入输出控制规则的运行顺序（指令序列）执行具体的规则确保规则运行硬件软件1.2人工智能与计算图灵机……01101001……状态寄存器如果当前状态为1，对读出数据取反，得到的结果改写当前状态，且改写纸带对应数据。如果当前状态为0将读出的数据改写当前状态当前状态0011000011111100纸带指令序列控制器1.2人工智能与计算图灵机图灵机=对“人脑计算过程”的极简抽象，模拟人类按规则做事的能力。三个基本要素无限长的纸带：相当于存储器，用来记录和保存信息。读写头：相当于处理器，负责读取、修改信息。状态与规则表：相当于程序，告诉处理器在何种情况下该做什么：1.2人工智能与计算图灵机给出了计算的定义

计算：一系列机械可执行的步骤（规则）机械可执行的步骤（规则）

…………输入：纸带上预先写好的一串符号输出：纸带上最终留下的符号1.2人工智能与计算可计算问题和不可计算问题可计算问题：可计算问题是指存在必然在有限步内结束的算法。逻辑悖论问题一个村子里有个理发师，他宣称：“我只给所有不给自己刮胡子的人刮胡子。”理发师该不该给自己刮胡子？该问题是可计算问题吗？他给自己刮胡子属于给自己刮胡子的人理发师不应该给自己刮他不给自己刮胡子属于不给自己刮胡子的人理发师应该给自己刮逻辑悖论不可计算1.2人工智能与计算可计算问题和不可计算问题可计算问题：可计算问题是指存在必然在有限步内结束的算法。停机问题：是否存在一个程序，能够判断任意程序在给定输人下是否会在有限步内终止？H(P,x)：判断程序P在输入x时是否会停停机问题是否可计算呢？1.2人工智能与计算可计算问题和不可计算问题不可计算问题反证法：设计一个和H对着干的程序DD：如果H(P,X)会停，那D就死循环。

如果H(P,X)不会停，那D就立刻停是否存在H(P,x)：判断程序P在输入x时是否会停1.2人工智能与计算可计算问题和不可计算问题不可计算问题利用H判断程序D是否会停止，会发生什么？如果H(D,x)判断D会停止，D会死循环如果H(D,x)判断D不会停，D会立刻停止逻辑悖论H不存在不可计算问题是指不存在算法能解决该问题的所有情况停机问题为不可计算问题1.2人工智能与计算可计算问题和不可计算问题提纲1.1智能与人工智能1.2人工智能与计算1.3人工智能发展历程1.4人工智能时代的应对1.3人工智能发展历程早期孕育期（1936-1956）推理期(1956-1970s）知识期（1970-1980s）机器学习期（1980-2000s）深度学习期（2006-至今）1.3人工智能发展历程四个阶段推理期(1956-70年代中期）知识期（70年代中期到80年代末）机器学习期（80年代末到21世纪初）深度学习期（2006-至今）认为只要让机器具备逻辑推理(LogicalReasoning)能力，便可赋予其智能。理念认为不仅让机器具备推理，而且要让机器同时具备知识，才能使他具有智能。认为让机器具备学习能力，自动从数据中获取知识，才能使他具有智能。认为不仅要让机器具备学习能力，而且让机器具有人脑结构，才能使他具有智能。1.3人工智能发展历程推理期(1956-70年代中期）达特茅斯会议（1956）:标志人工智能正式成为一门学科。典型事件逻辑理论家(1956):自动证明《数学原理》中的数学定理。IBM塞缪尔跳棋程序(1959)：公开击败美国排名第四的跳棋选手。ELIZA对话系统(1964-1966)模拟罗杰斯式心理治疗师，引发用户情感共鸣。引发人工智能的第一次高潮1.3人工智能发展历程推理期(1956-70年代中期）第一次低谷当时的计算机软硬件水平有限，不足以支撑复杂AI算法的运行，支撑研究者的宏大设想。人工智能系统偏重符号推理而缺乏常识支撑;人工智能的研究深度与广度不足，使得很多盲目乐观的承诺和预测无法兑现。1.3人工智能发展历程知识期（70年代中期到80年代末）能够模拟人类专家的决策过程的专家系统出现专家系统的核心架构： 1.3人工智能发展历程知识期（70年代中期到80年代末）专家系统应运而生MYCIN医疗诊断系统（1976,斯坦福大学）XCON计算机硬件配置统（1980，IBM）它帮公司配置计算机订单。人工智能迎来第二次高潮1.3人工智能发展历程知识期（70年代中期到80年代末）专家系统的局限性人工智能的第二次低谷知识获取困难：难以表述直觉性知识，知识难以转化为规则化语言无关联系统维护复杂：知识与推理高度耦合，知识更新需调整多条推理规则。领域适应性差：一般针对特定领域构建，需重构系统才能适配新场景。无常识性知识：无通用常识库，无法结合常识推理，决策受限1.3人工智能发展历程机器学习期（80年代末到21世纪初）

突破了人工提炼并输入知识的知识工程瓶颈，开启了从数据中自动获取知识的新路径。计算机视觉、计算机听觉、自然语言处理、模式识别、数据挖掘等领域相继与机器学习结合，催生了丰硕的研究成果与商业产品，人工智能的产业价值日益凸显。告诉机器规则（老师灌输）给它大量数据例子，让它自己找规律推理期和知识期机器学习期1.3人工智能发展历程机器学习期（80年代末到21世纪初）

典型事件1.3人工智能发展历程深度学习期（2006-至今）如何通过模拟人脑结构产生智能？人工神经元单层感知机早期：转折人物登场：GeoffreyHinton2006年证明了多层神经网络可以训练开启了深度学习期1.3人工智能发展历程深度学习期（2006-至今）第二次世界震惊2016年AlphaGo战胜围棋冠军深度神经网络+强化学习标志着深度强化学习在复杂策略推理中的重要突破1.3人工智能发展历程深度学习期（2006-至今）第三次使世界爆炸事件：ChatGPT与大模型时代1.3人工智能发展历程人工智能三大流派从AI如何获得知识角度理解被动接收人类灌输的知识主动通过学习获得知识被动的灌输式学习（不具有自我学习能力）无监督学习有监督学习强化学习自学老师教试错学习机器的自我学习人类学习符号主义连接主义行为主义1.3人工智能发展历程人工智能三大流派从AI如何模拟智能角度符号主义直接指定各种规则，模拟人的理性推理连接主义模拟人脑神经网络强化主义模拟人如何通过试错和反馈来优化行动1.3人工智能发展历程人工智能三大基石数据、算法、算力智能的基础养料（燃料）智能的规则（灵魂）数据质量决定算法性能

算法优化降低算力需求‌