大学人工智能通识基础 课件 模块一：初识人工智能

人工智能通识课目录人工智能的发展历程主题一人工智能的相关知识主题二人工智能的常见应用场景主题三人工智能的未来发展趋势主题四人工智能的挑战与争议主题五发展历程相关知识人工智能的发展历程主题一（一）人工智能的概念（二）人工智能发展史（三）中国人工智能发展（一）人工智能的概念人工智能是研究、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学科。人工智能是计算机学科的一个分支，它通过算法和系统赋予机器“智能”，使其具备学习、推理、感知、规划、决策甚至创造的能力，从而完成通常需要人类智力才能完成的任务。何为智能：认知，识别，推理，解决问题，学习等内在而天然的才能（二）人工智能发展史初创时期（20世纪30-50年代）1950年，艾伦·麦席恩·图灵发表了一篇划时代的论文，这也为他正式获得了“人工智能之父”这一桂冠。图灵提出了一个测试方法，这个方法就是通常说的“图灵测试”。测试的具体形式采取问与答的模式，观察者通过打字机与两个被测试对象（一人类一机器）通话，观察者不断提出问题，通过被测试对象的回答来辨别其是人还是机器，如果机器使30%以上的观察者对其身份产生了误判，那么这个机器就可以被认定为具备智能。图灵测试为人工智能的概念与方向做出了进一步的解释与分析，也为人工智能做出了基本的标准。为纪念图灵对计算机科学和人工智能领域的贡献，美国计算机协会（ACM）于1966年设立了计算机奖项“A.M.图灵奖（ACM

A.MTuringAward”。（二）人工智能发展史人工智能发展史中里程碑式会议--在美国达特茅斯学院召开的达特茅斯会议，又名达特茅斯夏季人工智能研究计划。达特茅斯会议的主题是“用机器来模仿人类学习以及其他方面的智能”。在这个会议上人工智能（ArtificialIntelligence）这一概念被正式使用和广泛接受，由此1956年被普遍称为人工智能元年。初创时期（20世纪30-50年代）（二）人工智能发展史专家系统（解决特定领域问题的智能系统）形成阶段（20世纪50-80年代）----符号主义模式识别（第一个机器学习程序）Dendral–化学分析系统（二）人工智能发展史发展阶段（20世纪80-90年代）--标志性事件北京时间1997年5月12日凌晨4点50分，国际象棋世界冠军卡斯帕罗夫对“深蓝”的人机大战落下帷幕，“深蓝”以3.5：2.5的总比分战胜卡斯帕罗夫，这一事件标志着人工智能在特定任务上超越了人类。

超级计算机“深蓝”正在下棋的卡斯帕罗夫（二）人工智能发展史平稳发展期（20世纪90年代—2011年）四足机器人：波士顿机械狗人工智能程序Waston在智力问答中击败人类（二）人工智能发展史走向新的繁荣（2012年-至今）AlphaGo战胜围棋世界冠军李世石2016年，Google人工智能AlphaGo与围棋世界冠军李世石的人机大战落下了帷幕。在经过长达5个小时的搏杀后，最终李世石与AlphaGo比分定格在1：4，以李世石认输结束。这一次的人机对弈让人工智能正式被世人所熟知更新后的AlphaGo（Zero）（二）人工智能发展史走向新的繁荣（2012年-至今）2022年OpenAI推出人工智能聊天机器人程序ChatGPT，引发世界关注2025年中国自主研发的DeepSeek-V3在开源模型中位列榜首，与世界上最先进的闭源模型不分伯仲。（三）中国人工智能发展“东数西算”工程北斗卫星大疆无人机物流机器人智慧交通系统deepseek目录人工智能的发展历程主题一人工智能的相关知识主题二人工智能的常见应用场景主题三人工智能的未来发展趋势主题四人工智能的挑战与争议主题五相关内容（一）人工智能的学派（二）人工智能的技术（三）人工智能的形态（四）人工智能的体系相关知识人工智能的相关知识主题二（一）人工智能的学派符号主义---机器拟人心---心智派连接主义---机器拟人脑---结构派行为主义---机器拟人身---行动派人工智能三大学派（一）人工智能的学派学派比较方法学习模式优势不足符号主义用规则教与人类逻辑推理相似，解释性强难以构建完备的知识规则库连接主义用数据学直接从数据中学以深度学习为例：依赖于数据、解释性不强行为主义感知-行动智能取决于感知和行为，取决于对外界复杂环境的适应；重视结果，实用侧重于应用技术，理论基础薄弱数据→知识→能力，能力增强是最终目标三种学习方法的综合利用值得关注！（二）人工智能的技术技术分类人工智能方法众多，但当前落地应用的人工智能主流技术主要是机器学习（特别是基于神经网络的深度学习）人工智能专家系统进化计算机器学习模糊逻辑知识表示......统计学习神经网络概率图......技术方法人工智能监督学习无监督学习半监督学习强化学习训练（学习方式）（二）人工智能的技术机器学习广义的机器学习：通过计算机程序从观测数据（样本）中寻找规律（模型），并利用学习到的规律（模型）对末知数据进行预测，包含神经网络、深度学习等。传统机器学习：除深度学习之外的机器学习，需要人工进行特征工程。机器学习主要研究如何使计算机从给定的数据中学习规律，即从观测数据（样本）中寻找规律，并利用学习到的规律（模型）对未知或无法观测的数据进行预测。（二）人工智能的技术机器学习的分类监督学习：从带标签(标注)的训练样本中建立一个模式（模型），并依此模式推测新的数据标签的算法，并分为回归、分类两种任务。无监督学习：在学习时并不知道其分类结果，其目的是去对原始资料进行分类，以便了解资料内部结构算法。半监督学习：利用少量标注样本和大量未标注样本进行机器学习，利用数据分布上的模型假设,建立学习器对未标签样本进行标签。强化学习：强化学习的学习方式是在获得样例过程中进行探索性学习，在获得样例之后根据环境反馈的奖赏和状态更新自己的模型，利用更新后的模型来指导下一步的行动，下一步的行动获得奖赏反馈之后再更新模型。（三）人工智能的形态人工智能的三种形态人类智能水平（四）人工智能的体系人工智能的技术框架技术名称开发公司特点适用场景TensorFlowGoogle支持深度学习、机器学习、强化学习等多种任务；强大的分布式计算能力，适合大规模数据和训练；提供高层API（如Keras）和低层API（如TensorFlowCore），灵活性高；丰富的社区支持和文档资源。大规模深度学习模型训练与推理、生产环境的部署与服务。PyTorchFacebook强大的动态计算图支持，易于调试；与Python集成紧密，支持原生的Python数据结构（如NumPy）；具有深度学习和计算机视觉领域的领先优势。快速原型开发和学术研究；深度学习，特别是计算机视觉、自然语言处理等领域。Keras社区专注于传统机器学习任务，如分类、回归、聚类等；提供了大量的机器学习算法和工具，涵盖了数据预处理、模型选择、评估等方面。传统机器学习任务，如线性回归、决策树、KNN、SVM等；数据处理、模型选择、模型评估。（四）人工智能的体系人工智能的技术框架：国产深度学习框架框架名称开发组织PaddlePaddle（飞桨）百度MindSpore华为MegEngine（天元）旷世Jittor（计图）清华大学…………解决基础技术的“卡脖子”问题。2017年，国务院《新一代人工智能发展规划》等关于AI顶层规划的政策中都着重提及，除了加大应用层技术落地，更希望业界和学界深入AI底层技术研发......目录人工智能的发展历程主题一人工智能的相关知识主题二人工智能的常见应用场景主题三人工智能的未来发展趋势主题四人工智能的挑战与争议主题五课堂思考思考：随着人工智能理论和技术的日益成熟，人工智能与传统行业的融合不断加深，人工智能技术的快速发展正在深刻改变各行各业的运作方式。人工智能应用领域包括计算机视觉、智能语音、自然语言处理、自动驾驶等，促进了社会发展和经济增长，提高了人们日常生活水平。请列举出你每天接触的人工智能？应用场景相关知识人工智能的常见应用场景主题三（一）计算机视觉（三）智能语音（四）自然语言处理（五）自动驾驶（六）AIGC技术（二）推荐系统（一）计算机视觉图像识别技术图像识别技术是利用计算机对图像进行处理、分析和理解，以识别不同模式的目标和对象的技术，核心任务是让计算机能够从图像中提取有意义的信息，并进行有针对性的分析和处理。（一）计算机视觉图像识别技术智能交通监控：通过对交通流量监测摄像头获取的图像进行分析，识别车辆的类型、数量、行驶速度、拥堵情况等，为交通管理部门提供数据支持，以便进行交通信号控制、路况疏导等决策。对于违规车辆通过识别车牌号码进行车辆识别与追踪，便于交通管理和违法查处。（一）计算机视觉图像识别技术智能分类与检索：在搜索引擎和相册管理应用中，用户可以通过上传图片或输入关键词来搜索相关的图像，图像识别技术能够对海量的图像数据进行自动分类和标注，提高图像搜索的准确性和效率。（一）计算机视觉图像识别技术作物生长监测：通过无人机或地面摄像头获取农田图像，计算机视觉算法分析作物的生长状况，如作物的株高、叶面积、病虫害情况等，为精准农业提供数据支持，帮助农民合理进行灌溉、施肥和病虫害防治。人脸识别技术人脸采集人脸检测预处理特征提取特征比对识别决策（一）计算机视觉人脸识别技术(FaceRecognition)是指通过计算机程序对人脸图像进行处理，从中提取人脸的特征，并将其与存储在数据库中的人脸特征进行比较，以确定人物身份的技术。（二）推荐系统推荐系统作为一种信息过滤工具，能根据用户的行为、偏好等数据，为用户提供个性化的推荐内容。能够更精准地满足用户的个性化需求，同时在隐私保护和安全性方面也将取得更大的突破。电子商务根据用户的浏览历史、购买记录、收藏偏好等，为用户推荐可能感兴趣的商品。基于商品之间的关联性，为用户推荐可以搭配使用的商品。社交媒体根据用户的社交关系、兴趣爱好、行为数据等，为用户推荐可能认识的人或有共同兴趣的用户。根据用户关注的账号、点赞、评论、分享等行为，为用户推荐相关的文章、视频、图片等内容。娱乐资讯依据用户的视频观看历史、音乐播放历史、收藏偏好、搜索记录等，为用户推荐相关的视频和音乐等。根据用户浏览新闻的类别、关键词、热点事件等行为数据，为用户推荐感兴趣的新闻和资讯内容。教育学习根据学生的学习阶段、学科偏好、学习进度等，推荐相应的教材、辅导书、在线课程、学习视频等学习资料。针对不同用户的职业规划、兴趣爱好等，推荐相关的培训课程、在线学习课程等。（三）智能语音智能语音技术智能语音技术以语音的主要特征为基础，将声音信号转为文字供计算机处理，排除冗余信息，提取关键信息，并与语音知识库进行匹配，得到文字问答结果后，将文本语言转化为声波，使终端具备“能听会说”的能力，实现声音信息在人机间的交互。（三）智能语音常用场景通过智能客服系统，用户可以通过语音与机器人进行自然对话，解决一些常见的问题或者需求。智能客服通过语音指令控制智能家居设备，实现智能化家居生活，提升生活便利性。智能语音系统可学习用户习惯，自动调整设备状态。智能家居教育类智能语音产品可以根据学生的问题，提供准确的答案和解释。可以为学生提供语音朗读、口语评测等学习辅助功能。智能教育（四）自然语言处理自然语言处理常用场景计算机能够把一种语言翻译成另一种语言。机器翻译的难点在于不同语言之间的语法、词汇、文化等差异，需要计算机能够准确地理解原文的含义，并用目标语言合理地表达出来。比如谷歌翻译、百度翻译等，能快速准确地翻译多种语言的文本。计算机能够从给定的文本中，提取出最核心的信息，生成一个简短的摘要。文本摘要有两种方法：抽取式和生成式。抽取式就是从原文中直接选取一些重要的句子作为摘要，生成式就是根据原文的内容重新生成一些句子作为摘要。计算机能够回答用户以自然语言提出的问题。三种类型：检索式、抽取式和生成式。检索式就是从预先建立好的知识库中查找与问题相关的答案；抽取式就是从给定的文本中抽取出与问题相关的片段作为答案；生成式就是根据问题和相关信息生成一个新的答案。机器翻译文本摘要问答系统（五）自动驾驶自动驾驶是汽车工程与人工智能等多领域交叉融合的前沿技术，指车辆通过车身布置的传感器，对周围环境进行感知并做出控制决策，从而实现自动驾驶。自动驾驶技术百度Apollo的L4级自动驾驶测试里程已超过1亿公里，并在2024年加速推进车内无人自动驾驶的规模化应用。特斯拉在2024年发布了FSD（全自动驾驶）V12版本，引入全新的端到端神经网络架构，实现了从感知到车辆控制的全面自动化。技术成熟度提升2024年，多个城市出台法规支持自动驾驶汽车的商业化应用，如北京和武汉分别于4月和3月实施相关条例，为L3级及以上自动驾驶汽车提供了制度规范。政策支持不仅推动了自动驾驶技术的规范化，还促进了车路协同基础设施的建设。政策支持与法规完善2024年，自动驾驶出租车和公交车的试点在多个城市落地，如北京、广州、武汉等，标志着自动驾驶技术从测试阶段迈向了规模应用。商业化应用加速（五）自动驾驶自动驾驶汽车通过摄像头、雷达等传感器，实时感知路况，识别行人、车辆等障碍物，感知准确率超95%。通过深度学习算法，优化感知模型，提升复杂环境下的感知能力。环境感知根据感知结果，自动驾驶系统实时做出决策，如加速、减速、变道，决策准确率超90%。通过模拟训练，优化决策模型，提升应对突发状况的能力。行为决策自动驾驶系统根据路况和目标位置，实时规划最优行驶轨迹，提升行驶效率和安全性。通过高精度地图和实时数据，优化轨迹规划，确保行驶顺畅。轨迹规划自动驾驶技术（六）AIGC技术AIGC（AIGeneratedContent，人工智能生成内容）是一种基于人工智能技术，通过生成对抗网络（GAN）、大型预训练模型等方法，对已有数据进行学习和模式识别，从而生成相关内容的技术。AIGC可以根据用户输入的关键词或要求自动地生成内容，无须人工编辑AIGC可以利用深度学习和强化学习等技术，不断地学习和优化内容生成策略AIGC可以自动生成各种类型的内容，例如文章、视频、图片、音乐、代码等，这样可以满足不同用户的不同需求AIGC可以利用机器学习和深度学习等技术，不断地更新和改进内容生成的模型和算法随着自然语言生成技术和AI模型的不断发展，AIGC逐渐受到大家的关注，目前已经可以自动生成图片、文字、音频、视频、3D模型和代码等。（六）AIGC技术AIGC应用：代码生成AIGC可以作为自动化代码生成和重构的工具，能够通过对现有代码库进行学习和分析，生成符合特定需求的代码，并对现有代码进行重构及优化。（六）AIGC技术AIGC应用：AIGC工具自动生成PPT输入提示词：帮我自动生成一份关于人工智能的应用场景及案例分析的PPT（六）AIGC技术常见的AIGC大模型工具目录人工智能的发展历程主题一人工智能的相关知识主题二人工智能的常见应用场景主题三人工智能的未来发展趋势主题四人工智能的挑战与争议主题五相关知识相关知识人工智能的未来发展趋势主题四（一）人工智能的技术突破（二）人工智能的应用拓展（三）人工智能的社会与政策（一）人工智能的技术突破量子计算与人工智能结合取得更多成果，利用量子计算的超强算力，使人工智能算法在处理复杂问题、大规模数据分析和优化等方面实现质的飞跃。例如在药物研发的分子结构模拟等领域，量子AI的发展为解决传统计算难以处理的复杂问题提供了新途径，推动了人工智能在更多领域的应用。量子AI进步多模态预训练大模型可处理文本、图像、音频、视频等多模态数据，实现精准感知和理解。如智能驾驶中对道路环境多维度信息的综合处理，提升安全性。以商汤的“日日新”融合大模型为例，其在图文推理、语言等各方面达到业内最优水平，展现了强大的多模态信息处理能力，为复杂任务提供更精准的解决方案。多模态预训练大模型发展小模型凭借高效、精准、低计算成本和能耗的优势，在特定任务和本地化场景中应用广泛，可针对重复性高的任务提供更具性价比的解决方案，与大模型形成互补。例如微软的Phi模型，参数量仅为140亿，却在数学竞赛、自然语言处理等多个基准测试中表现出色，甚至超越了参数量更大的Llama3.370B及OpenAI的GPT-4oMini。小模型崛起020301（二）人工智能的应用拓展智能体普及AI智能体从“增强知识”向“增强执行”转变AI智能体具备更强的自主决策与任务执行能力，将广泛应用于办公、客服、工业生产等领域，成为人们的智能助手，提升工作和生活效率。例如在办公场景中，智能体可以自动安排会议、整理文件和生成报告，提高工作效率；在客服领域，智能体能够实时解答客户问题，提供个性化的服务体验。智能体在多领域的应用智能体在工业生产中可实现自动化流程控制和质量检测，提高生产效率和产品质量；在家庭服务中，智能体能够控制智能家居设备，提供便捷的生活服务。在教育领域，智能体可以根据学生的学习进度和特点，提供个性化的学习计划和辅导，提升学习效果。智能体的未来发展随着技术的不断进步，智能体将具备更强的自然语言理解和生成能力，能够更好地与人类进行交互和协作。未来智能体将更加智能化和人性化，能够自主学习和适应不同的环境和任务，提供更加高效和便捷的服务。（三）人工智能的社会与政策立法与监管完善随着人工智能的广泛应用，各国加快人工智能立法和监管步伐，在数据隐私、算法偏见、安全责任等方面制定更详细、严格的法规和标准。例如欧盟的《人工智能法案》对人工智能系统的开发和使用提出了明确的规范，保障了公众的权益。各国加快人工智能立法和监管步伐各国在人工智能立法和监管方面加强国际合作，共同应对人工智能带来的全球性挑战。例如，国际组织和各国政府之间开展对话和协商，制定统一的人工智能治理框架和标准，促进人工智能的健康发展。立法与监管的国际合作完善的立法和监管体系将为人工智能的发展提供明确的法律依据和规范，促进人工智能的健康发展。同时，合理的立法和监管也将保障人工智能的安全、可靠和公平使用，保护消费者的权益和社会公共利益。立法与监管对人工智能发展的影响（三）人工智能的社会与政策开源创新活跃目录人工智能的发展历程主题一人工智能的相关知识主题二人工智能的常见应用场景主题三人工智能的未来发展趋势主题四人工智能的挑战与争议主题五相关知识相关知识人工智能的挑战与争议主题五（一）人工智能应用存在哪些挑战？（二）人工智能应用是否存在争议？（三）如何规范使用人工智能？引言“科学技术都是一把双刃剑”。伴随着人工智能技术的成熟和广泛应用，人与机器之间的矛盾凸显，人工智能的伦理问题引起了社会和各行各业的日益关注。人类对待AI出现了不同观点，其在科幻电影甚至传统媒体中均有体现。就业结构变化人工智能技术的发展和应用导致一些传统的、重复性高的工作岗位被自动化系统和机器人所替代，如制造业中的流水线工人、客服中心的接线员等。岗位替代与创造：新岗位的数量和对劳动力技能的要求与被替代岗位之间存在不匹配，导致部分劳动力面临失业或转行的压力。技能需求转变：随着人工智能在各个行业的渗透，对劳动力的技能要求发生了显著变化，需要具备更高的数字技能、数据分析能力、创新能力和跨学科知识的人才。010203（一）人工智能应用存在哪些挑战社会公平性影响数字鸿沟数字鸿沟加剧：进一步拉大了社会差距，例如，在一些偏远农村地区，网络覆盖不足，居民缺乏智能手机和电脑等设备，无法使用基于人工智能的在线教育、医疗和金融服务。算法偏见算法偏见与歧视：人工智能算法是基于大量的数据进行训练和学习的，如果数据本身存在偏见，那么算法可能会延续和放大这些偏见，导致在招聘、信贷、司法等领域出现不公平的决策。（一）人工智能应用存在哪些挑战（二）人工智能应用是否存在争议？电车难题是伦理学中一个经典的思想实验，描述一辆失控的电车即将撞上五个人，而你可以拉动杠杆使电车转向，撞死另一个人以拯救那五个人。这个难题引发了关于道德选择的激烈讨论，是基于结果主义还是义务论来做出决策。人工智能系统需评估不同决策可能带来的后果，如自动驾驶汽车撞上行人或转向撞上其他障碍物，对不同个体和群体的伤害程度、影响范围等都是考量因素。电车难题（二）人工智能应用是否存在争议？数据污染以化学材料研发为例，如测量仪器未校准精