第一章 初识AI技术-从理论萌芽到生成式时代

CHAPTER01·教学课件初识AI

技术——从理论萌芽到生成式时代王丹丹2026.10.08从ChatGPT的爆发式增长出发，建立对人工智能的系统认知：定义与能力·发展历程·技术流派·能力分级·应用领域配套教材：《人工智能基础：案例驱动的技术认知与应用》第1章LEARNINGOBJECTIVES学习目标：学完本章，你能做到什么？第1章·初识AI知识目标KNOWLEDGE01理解AI的基本定义与核心特征02掌握AI发展的7个关键阶段03认识AI的主要技术流派与能力分级04了解AI在现实生活中的典型应用场景素养目标LITERACY01树立"技术向善"的AI认知观，理解科技发展与伦理规范的辩证关系02激发对科技创新的探索热情，增强民族科技自信与社会责任感03培养跨学科思维，认识AI对人类社会发展的长远价值本章定位：全书的认知起点——先建立对AI的整体图景，再进入后续技术章节的深入学习。02CONTENTS本章学习路径：从"为什么学"到"在哪里用"第1章·初识AI11.1为什么要学习AI智能时代为何是必修课？21.2什么是AI本质定义与四大核心能力31.3AI简史走过哪7个关键阶段？41.4技术流派实现智能的3种思维方式51.5能力分级弱AI、强AI、超AI差在哪？61.6应用领域正在哪些领域改变世界？贯穿主线技术向善我们手中的工具越来越强大，但驾驭它的智慧，仍掌握在人类自己手中。03CASESTUDY导读案例：ChatGPT，一场席卷全球的"AI风暴"第1章·导读2022年11月，OpenAI推出的对话式AI产品ChatGPT正式上线，其能力远超大众预期：·流畅地写诗、创作小说、撰写商业文案·精准编写多门编程语言的代码·高效完成数据分析报告·通过美国律师资格考试、医学院执业考试这场"AI风暴"迅速波及教育、法律、医疗、媒体等多个领域——AI已从实验室走向日常生活。图1-1ChatGPT的爆发式增长（教材原图）5天注册用户突破100万2个月月活跃用户飙升至1亿课堂思考爆发式增长并非偶然，而是AI技术长期积累后的集中突破。曾经的实验室概念，如何一步步走到今天？资料来源：教材第1章导读案例（图1-1）04SECTION1.1·WHYAI1.1为什么要学习AI：智能时代的必修课第1章·1.1学习AI已不再是计算机专业学生的"选修课"，而是所有当代人提升核心素养的"必修课"——其重要意义体现在个人、社会、国家三个层面。对个人提升数字素养，增强核心竞争力：AI辅助学习工具可按个人进度精准推送资源、解答疑难；智能办公软件能自动整理会议纪要、生成报告、优化流程；理解AI基本原理还能帮助我们理性看待智能推荐算法的影响、保护个人数据隐私——成为AI技术的"使用者"而非"被动接受者"。对社会推动产业升级，促进科技创新：AI正在重构千行百业——制造领域工业机器人推动"中国制造"向"中国智造"转型；医疗领域AI辅助诊断缓解优质资源紧张；农业领域智能灌溉、病虫害识别助力精准种植。同时，AI为新材料研发、药物发现、气象预测等科技创新提供了全新路径。对国家抢占全球科技制高点的战略需要：AI已成为全球科技竞争的核心赛道——美国推出《国家人工智能研发战略计划》，欧盟发布《人工智能法案》，日本实施《人工智能战略2023》。我国将AI纳入"新基建"重要内容，出台《新一代人工智能发展规划》。学习AI知识、培养AI人才，是助力我国在全球AI竞争中抢占制高点的坚实支撑。内容来源：教材1.1节05SECTION1.2·WHATISAI1.2什么是AI：让机器拥有"智能"第1章·1.2AI的核心内涵：研究如何使计算机模拟、延伸和扩展人类智能行为的科学与技术。01核心目标不是"复制人类大脑"，而是"模拟人类智能行为"——AI无需像人类一样拥有自我意识，只需通过技术手段实现与人类智能等价的"行为结果"，如ChatGPT不会"思考"，但能生成符合人类逻辑的语言内容。02研究范畴涵盖"科学理论"与"技术应用"两大维度——前者聚焦AI的底层原理、算法逻辑等基础研究，后者侧重将理论转化为可落地的产品（如语音助手、智能诊断系统）。03核心价值"延伸和扩展"人类智能——弥补人类能力的局限（如处理海量数据的效率、极端环境下的作业能力），实现"人机协同"而非"替代人类"。补充说明：不同学科对AI的定义略有差异——计算机学科侧重"算法与系统实现"，心理学侧重"模拟人类认知过程"，工程学科侧重"解决实际问题的智能工具开发"，但都围绕"机器模拟人类智能行为"这一核心目标。内容来源：教材1.2.1节06SECTION1.2·CORECAPABILITIESAI的四大核心能力：感知、认知、决策与创造第1章·1.2感知能力让机器"看清、听懂、说出"与外部世界交互的基础，将物理信号转化为数字信号。如：手机拍照识物、语音助手听懂指令、人脸识别门禁完成身份核验。认知能力让机器"理解、推理、记忆"AI处理信息的核心。如：ChatGPT读懂提问的核心需求、智能客服推理问题原因、解题AI完成逻辑推导。决策能力让机器"规划、选择、判断"基于感知和认知结果自主制定方案。如：自动驾驶规划最优路径、金融AI判断违约风险、推荐系统选择适配内容。创造能力让机器"写作、绘画、作曲"★近年突破重点生成式AI的核心优势——基于海量数据学习，生成具有新颖性、合理性的内容。如：ChatGPT撰写论文、Midjourney绘制插画、AI生成产品原型。图1-2AI的核心能力维度（教材原图）记忆锚点感知（五官）→认知（大脑）→决策（权衡）→创造（表达），四大能力最终服务于人类生产生活。内容来源：教材1.2.2节（图1-2）07SECTION1.3·HISTORY1.3AI简史："探索—突破—回落—再突破"的螺旋式上升第1章·1.3图1-3AI的发展历程（教材原图）读图要点：从1940s的梦想萌芽到2022年生成式AI爆发，7个阶段并非绝对割裂，而是相互衔接、层层递进——前一阶段的技术积累为后一阶段的突破奠定基础，共同推动AI从理论构想到现实应用的飞跃。内容来源：教材1.3节（图1-3）08SECTION1.3·STAGE1-2从理论萌芽到学科诞生：机器能思考吗？1940s—1974①梦想萌芽期1940s—1956计算机刚刚诞生的年代，探索源于哲学和数学的交汇1943年·人工神经元模型麦卡洛克与皮茨合作提出人工神经元的数学模型，首次将"脑的功能"转化为可计算的形式，为后来的连接主义埋下了思想种子。1950年·图灵测试图灵发表《计算机器与智能》，提出"机器能否思考？"，并转化为可操作的实验——若机器在文字对话中让人类无法分辨其非人身份，就有理由认为它表现出智能行为，为AI作为一门学科提供了方法论基础。②乐观探索期1956—1974AI正式诞生，整个领域充满乐观情绪1956年·达特茅斯会议约翰·麦卡锡首次提出"人工智能"这一术语，并联合多位年轻学者发起研究计划。这场会议被公认为AI作为一门独立学科的正式起点。开创性程序相继问世·"逻辑理论家"：能自动证明数学定理，被认为是第一个真正意义上的AI程序·1966年ELIZA：模拟心理治疗师对话——许多用户竟产生情感依赖，让人们第一次意识到：机器或许不需要真正"理解"，也能表现出类似智能的行为内容来源：教材1.3.1、1.3.2节09SECTION1.3·STAGE3-4低谷与复兴：第一次AI寒冬与专家系统时代1974—1990s③第一次AI寒冬1974—1980过度的乐观终究难敌现实的沉重为什么跌入寒冬？·计算机运算能力严重不足，存储空间极其有限·真实世界问题伴随巨大的不确定性与组合爆炸风险·实际应用成果迟迟未能达到宣传水平标志性事件1973年莱特希尔报告严厉批评AI研究进展缓慢→英国政府大幅削减资金，美国DARPA也停止部分拨款。经费枯竭、人员流失，领域进入长达数年的低谷期。深刻警示：技术创新不能脱离现实条件，任何领域的进步都需要理性引导与长期积累。④知识复兴期1980s—1990s转向聚焦特定领域的专业能力专家系统：符号主义路径的高峰将人类专家的知识总结成一系列规则输入计算机，使其在医疗诊断、工程配置等任务中辅助决策。代表成果·MYCIN：判断细菌感染类型并推荐抗生素，某些情况下准确率甚至超过普通医师·XCON：为DEC公司自动配置计算机硬件，每年节省数千万美元成本为何退出主流舞台？知识获取困难（"知识工程瓶颈"）、规则维护成本高昂、缺乏学习能力——面对规则之外的新情况便束手无策。内容来源：教材1.3.3、1.3.4节10SECTION1.3·STAGE5-6从规则到数据：机器学习崛起与深度智能突破1990s—2022⑤机器学习崛起1990s—2012与其教机器每条规则，不如让它自己从数据中学习规律范式转变不再依赖人工编码知识，而是利用统计方法训练模型识别模式——支持向量机、决策树、贝叶斯网络等算法相继成熟，广泛应用于垃圾邮件过滤、手写数字识别、语音处理等领域。标志性事件·1997年：IBM"深蓝"在国际象棋比赛中击败世界冠军卡斯帕罗夫·2011年：IBMWatson系统在智力问答节目《危险边缘》中战胜两位人类冠军这些成就表明：机器在特定任务上的表现已可媲美甚至超越人类专家。⑥深度智能突破2012—2022神经网络的胜利，深度学习时代正式开启2012年·真正的转折点多伦多大学团队的AlexNet在ImageNet大规模图像识别竞赛中，错误率显著低于其他参赛方法，震惊整个学界。关键驱动力：三者结合互联网海量标注数据＋GPU强大并行算力＋反向传播、Dropout、批归一化等算法优化技术的成熟接连突破·2016年：AlphaGo融合深度神经网络与强化学习，击败围棋世界冠军李世石·Transformer架构推动NLP发展，BERT、GPT等模型展现强大上下文理解能力内容来源：教材1.3.5、1.3.6节11SECTION1.3·STAGE7生成式AI爆发：ChatGPT开启新时代（2022至今）2022至今2022年底，OpenAI发布ChatGPT——上线仅5天注册用户破百万，不到2个月月活用户超过1亿。与以往不同，这次AI不再只是完成特定任务的工具，而是展现出跨领域能力和上下文理解力，仿佛具备了一定程度的"通用性"。图1-4生成式AI在各行各业的应用（教材原图）AIGC迅速普及·大语言模型撰写文章、编写代码·Midjourney、StableDiffusion生成图像·Sora生成高度逼真的视频·Udio创作原创音乐深刻影响·教育、媒体、设计等行业面临重塑·AI伦理、版权归属、职业替代的讨论日益激烈AI不再是单纯的"工具"，而是正在成为人类的"协作者"。内容来源：教材1.3.7节（图1-4）12SECTION1.4·SCHOOLS1.4AI的技术流派：实现智能的3种思维方式第1章·1.4对"智能究竟从何而来"这一根本问题的不同理解路径，催生了各具特色的技术流派。技术流派核心思想代表技术类比符号主义Symbolism智能源于符号操作和逻辑推理，用形式化语言描述知识并设计推理机制专家系统、定理证明像数学家一样思考连接主义Connectionism智能源于大量简单单元相互连接、协同作用，通过训练自发涌现出智能行为深度学习、神经网络像人脑一样工作行为主义Behaviorism智能体现在与环境的互动中，通过试错、奖励与惩罚机制不断优化策略强化学习、机器人控制像动物一样试错学习三派关系：交替主导，走向融合。大语言模型虽基于连接主义架构，也引入符号化的提示工程；自动驾驶既依赖神经网络感知环境，又通过强化学习进行决策规划。图1-5AI的3种技术流派（教材原图）内容来源：教材1.4节（表1-1、图1-5）13SECTION1.5·LEVELS1.5AI的能力分级：从弱AI到超AI第1章·1.5图1-6AI的能力分级（教材原图）弱AI（ANI）无处不在的"专业助手"——今天的现实只能在特定任务或有限领域内表现出智能，无法像人类那样自由切换任务场景。AlphaGo离开棋盘便失去优越性；语音助手、推荐算法、人脸识别、自动驾驶辅助系统都是弱AI——虽名为"弱"，却构成了当前智能社会的技术基石。强AI（AGI）尚未实现的"通用大脑"梦想设想具有人类水平综合认知能力的系统——能像人类一样学习新知识、适应新环境、跨领域思考。大语言模型虽展现一定"通才"潜力，但仍依赖训练数据中的模式匹配；大多数专家认为当前技术距真正意义上的强AI仍有较大差距。超AI（ASI）超越人类的"未来之问"设想全面超越人类所有智力活动的存在，最早由哲学家尼克·博斯特罗姆提出——目前完全处于假想阶段，但提醒我们：在追求技术进步的同时，必须建立相应的安全机制与伦理框架。关键认知：既不盲目夸大其能，也不低估未来的可能性。内容来源：教材1.5节（图1-6）14SECTION1.6·APPLICATIONS1.6AI正在改变世界（上）：语言、视觉与听觉第1章·1.6自然语言处理（NLP）让机器读懂人类的语言世界打破人类与机器之间的语言鸿沟——不仅识别文字表面含义，还能捕捉上下文关系、情感倾向乃至推理意图。大语言模型已能撰写文章、翻译多国语言、回答复杂问题；应用于搜索意图理解、客服机器人、法律文书分析、舆情监控等。注意：当前系统仍可能产生"语义误解"或"事实错误"（"幻觉"现象）。计算机视觉（CV）教会机器"看见"并理解图像不仅捕捉图像像素，还能识别其中的对象、结构与意义。从人脸识别解锁手机，到自动驾驶实时分析道路环境；医疗领域通过CT、MRI影像辅助检测肿瘤；工业质检可在毫秒间发现产品表面的微小裂纹。生成式AI还实现了"创造图像"——计算机视觉正重新定义"看见"的含义。语音识别与合成（SR/TTS）构建人机对话的听觉桥梁语音识别将话语转换为文本，支撑智能音箱、车载语音助手、会议转录；语音合成将文字转换为自然人声，应用于导航播报、有声书朗读、无障碍服务。警惕：深度伪造（DeepfakeAudio）风险——当声音可以被完美复制时，信任的基础也需要重建。图1-11AI的应用领域（教材原图）内容来源：教材1.6.1—1.6.3节（图1-11）15SECTION1.6·APPLICATIONS1.6AI正在改变世界（下）：推荐系统与机器人第1章·1.6智能推荐系统（ARS）在信息洪流中为你点亮灯塔通过分析浏览记录、点赞行为、停留时间等数据建立个性化画像，预测你可能感兴趣的内容——短视频推送、商品推荐、每日歌单的背后都是推荐算法在默默工作。这类系统本质上是"注意力经济"的调节器。警惕"信息茧房"：长期只接触相似观点会使人陷入认知闭环——理解推荐机制，更关乎我们在数字时代保持独立思考的能力。机器人学与智能控制让智能走入现实世界将AI"具身化"的关键一步——用手操作、用脚移动、用身体去交互。从工厂机械臂自动装配零件、物流仓库无人搬运车自主调度路径，到手术机器人协助医生完成微创操作，这类技术融合感知、决策与执行三大能力，是AI最综合的应用形态之一。在老龄化加剧、劳动力短缺的背景下，智能机器人或将承担更多体力劳动与重复性任务。五大领域构成完整链条：感知→理解→决策→表达→行动AI并非单一技术，而是一组相互支撑的能力集合图1-12机器人学与智能控制（教材原图）内容来源：教材1.6.4—1.6.5节（图1-12）16思考题：还有哪些领域AI发挥着关键作用，请列举？SECTION1.7·SUMMARY1.7本章小结：建立对AI的系统认知第1章·小结01

为什么学AI是智能时代的必修课——个人提升核心竞争力、社会推动产业升级、国家抢占科技制高点。02

是什么AI是模拟、延伸和扩展人类智能行为的科学与技术，具备感知、认知、决策、创造四大核心能力。03

从哪来从梦想萌芽期到生成式AI爆发，7个关键阶段呈现"探索—突破—回落—再突破"的螺旋式发展。04

怎么实现符号主义、连接主义、行为主义3种思维方式在不同历史阶段交替主导，又在当代逐渐走向融合。05

到哪去弱AI是当下现实，强AI尚未实现，超AI仍是"未来之问"——理性看待当前技术的发展阶段。06

在哪用自然语言处理、计算机视觉、语音识别与合成、智能推荐系统、机器人学与智能控制——五大领域正在改变世界。技术向善：理解科技发展与伦理规范的辩证关系——我们手中的工具越来越强大，但驾驭它的智慧，仍掌握在人类自己手中。内容来源：教材1.7节17PRACTICE课堂练习：检验你的理解第1章·习题一、单项选择1.AI正式成为一门独立学科的标志是（）A.图灵测试的提出B.达特茅斯会议的召开C.ChatGPT的上线D.AlphaGo战胜李世石2.以下属于连接主义代表技术的是（）A.专家系统B.逻辑推理C.深度学习D.强化学习3.2012年，哪个事件标志着深度学习的崛起？（）A.达特茅斯会议的召开