人工智能应用通识教程 课件 第一章AI大模型原理与应用-第一次课

课程介绍课程名称：人工智能应用课程属性：专业必修课课程学分：2学分课程学时：32课时，理论16课时、实践16课时考核方式：考查，过程性评价40%+终结性评价60%课程目标：了解人工智能发展脉络、技术分支以及基本原理，了解人工智能技术的应用场景，掌握人工智能技术的集成与应用方法。学习资源人才呀平台：http://rencaiya.vip/college/allcourse超星学习通课程页：/mooc2-ans/mycourse/tch?courseid=260658916&clazzid=139608912&cpi=531593717&enc=e2b74c526177a7a719d8cd792ede1634&t=1772334499086&pageHeader=-1&v=2&hideHead=0中国大学生MOCC平台：/course/WHU-1207037803?from=searchPage&outVendor=zw_mooc_pcssjg_2第一章：AI大模型原理与应用目录人工智能发展与演进什么是人工智能？人工智能的分类 人工智能的发展历史和阶段 人工智能应用方向及场景什么是人工智能？地图APP自动售货机无人配送车人脸识别门禁系统到底什么是人工智能？视频链接：【IAMAI|NVIDIAGTC2024|官方主题演讲介绍】

https://b23.tv/WREJbaf什么是人工智能？人工智能（ArtificialIntelligence）研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新技术科学。1956年由约翰.麦卡锡首次提出，当时的定义为“制造智能机器的科学与工程”。人工智能的目的就是让机器能够像人一样思考，让机器拥有智能。时至今日，人工智能的内涵已经大大扩展，是一门交叉学科。

人工智能脑科学认知科学心理学语言学逻辑学哲学计算机科学什么是人工智能？人工智能技术分支：人工智能（AI）、机器学习（ML）和深度学习（DL）是层层递进的技术体系。AI

是最广泛的概念，旨在让机器具备感知、推理、学习和决策等类似人类的智能能力；ML

是

AI的一个子集，通过数据驱动模型学习规律，无需显式编程；DL

则是ML的重要分支，利用多层神经网络自动提取特征，擅长处理图像、语音、文本等非结构化数据。需要强调的是：人工智能、机器学习和深度学习是相互关联而又有所区别的概念。人工智能是整体框架（或者说目标），而机器学习和深度学习则是实现人工智能的具体技术和方法。在实际应用中，我们可以根据具体需求选择合适的技术和方法来实现人工智能的应用目标。什么是人工智能？尽管这些技术密切相关层层递进，但它们在技术实现、数据需求和应用场景上有显著区别。强人工智能弱人工智能人工智能超人工智能人工智能的分类

弱人工智能是指专心于且只能解决某一特定领域问题的人工智能。它只能在特定的领域、既定的规则中，表现出强大的智能。战胜世界围棋冠军的AlphaGo就属于弱人工智能，它只擅长下围棋，不会解决其他问题。人工智能的分类人脸识别、机器翻译、语音识别应用领域01模仿人类的行为，代替人类执行计算、预测等任务。主要任务02基于背后既定的编程指令和训练数据。工作原理03人工智能的分类

通常只能按照其所用训练数据的模式来解决问题，对于从未见过的模式，往往难以做出正确的决策。缺乏跨领域的迁移能力。在某个领域表现很好的弱人工智能，可能在其他领域表现平平。通常需要持续的人类干预（如更新训练数据、调整算法参数等）来保持性能。弱人工智能的发展限制原因人工智能的分类

强人工智能是指能够胜任人类所有工作的人工智能。它不受领域、规则的限制，可以像人类一样思考、学习、计划、解决问题和理解复杂理念等。如何判断一个人工智能是否具备强人工智能的特征呢？人们普遍使用的判断方法是图灵测试。人工智能的分类

人工智能模型GPT-4在图灵测试中让54%的测试者将其误认为人类。可见，这些人工智能模型模仿人类交流的能力已经达到了较高的水平，这为强人工智能的实现奠定了基础。

图灵测试的基本思想是，测试者同时与一个人和一台机器进行交流，如果这台机器能让测试者无法区分它是人还是机器，那么它就被认为具有了与人类相似的智能。图灵测试人工智能的分类

超人工智能可理解为在任何领域都比最聪明的人类大脑还要聪明的人工智能。它不仅具备强人工智能的所有能力，还能够进行自我改进和优化，达到甚至超越人类的认知极限。

尽管对于现今的科技发展水平来说，超人工智能还只是一个遥远的概念，但它指引着科技发展的方向，是人工智能研究人员追求的终极目标。人工智能的分类人工智能的发展历史和阶段孕育期（1956年之前）反思发展期（1976—1982）低迷发展期（1987—1997）蓬勃发展期（2010-2020年）起步发展期（1956—1976）应用发展期（1982—1987）稳步发展期（1997—2010）大模型时代2020—至今图灵测试ENIAC图灵机发展时期发展经历重要历史事件孕育期

（1956年之前）逻辑推理、计算机、图灵测试的出现促进了人工智能的产生1936

年，图灵提出了一种理想计算机的数学模型，即图灵机；1950

年，提出了图灵测试1946

年，世界上第一台通用计算机ENIAC问世人工智能的发展历史和阶段发展时期发展经历重要历史事件起步发展期（1956—1976年）人工智能概念提出后，相继取得了一批令人瞩目的研究成果，掀起了人工智能发展的第一个高潮达特茅斯会议上提出“人工智能”的概念，标志着人工智能的诞生达特茅斯会议会议主题：用机器来模仿人类学习以及其他方面的智能。人工智能的发展历史和阶段发展时期发展经历重要历史事件反思发展期（1976—1982年）人工智能的突破性进展使人们开始尝试一些不切实际的想法。然而，接二连三的失败和预期目标的落空使人工智能的发展走入低谷机器翻译等项目的失败及一些学术报告的负面影响，导致人工智能的研究经费普遍减少机器翻译于上世纪80年代开始将基于规则的机器翻译走向实际应用，这也是第一代机器翻译技术。人工智能的发展历史和阶段发展时期发展经历重要历史事件应用发展期（1982—1987年）模拟人类专家的知识和经验解决问题的专家系统盛行，并在医疗、地质和化学等领域取得成功，推动人工智能进入应用发展的新高潮1982年，商用专家系统R1开始在公司运行反向神经网络被提出约翰霍·普菲尔德具有全新学习能力的Hopfield网络杰弗里·辛顿（左）大卫·鲁梅哈特（右）可以训练的反向传播神经网络人工智能的发展历史和阶段发展时期发展经历重要历史事件低迷发展期（1987—1997年）随着人工智能的应用规模不断扩大，专家系统的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一等问题逐渐暴露出来直接以LISP语言的系统函数为机器指令的通用计算机市场崩溃LISP语言随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。人工智能的发展历史和阶段发展时期发展经历重要历史事件稳步发展期（1997—2010年）网络技术（特别是互联网技术）的发展，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1997年，电脑深蓝战胜国际象棋世界冠军基于神经网络的深度学习取得突破性进展1997年电脑深蓝战胜国际象棋世界冠军2008年彭明盛提出“智慧地球”概念人工智能的发展历史和阶段发展时期发展经历重要历史事件蓬勃发展期（2010年-2020年）随着大数据、云计算、互联网、物联网等信息技术的发展，以深度神经网络为代表的人工智能技术飞速发展2016年，AlphaGo战胜世界围棋冠军李世石2018年，在央视春晚上，百度阿波罗（Apollo）无人车在荧幕上亮相AlphaGo围棋机器人百度阿波罗（Apollo）人工智能的发展历史和阶段发展时期发展经历重要历史事件大模型(生成式人工智能)时代（2020年-至今）2020年OpenAI发布GPT-3，2022年StableDiffusion与DALL-E2引领图像生成革命，2024年多模态模型突破视觉-语言联合推理，2025年DeepSeek整合多模态分析与强化学习。2023年GPT-3发布2025年DeepSeek系列大模型发布ChatGPTDeepSeek人工智能的发展历史和阶段人工智能三阶段计算智能感知智能认知智能能存会算：机器开始像人类一样会计算，传递信息表现能听会看：机器开始看懂和听懂，做出判断，采取一些简单行动能理解会思考：机器开始像人类一样能理解、思考与决策例：神经计算、进化计算等示例例：可以识别人脸的摄像头、可以听懂语言的音箱例：完全独立驾驶的无人驾驶汽车、自主行动的机器人价值：能够帮助人类存储和快速处理海量数据，是感知和认知的基础价值价值：能够帮助人类高效地完成“看”和“听”相关的工作价值：可以全面辅助或替代人类部分工作人工智能的发展历史和阶段-智能层次当前所在阶段1、符号主义源于数理逻辑。知识表示、知识推理、知识运用是人工智能的核心。认知过程是各种符号进行推理运算的过程。知识和概念可以用符号表示，认知就是符号处理过程，推理就是采用启发式知识及启发式搜索对问题求解的过程。人工智能的发展历史和阶段-三大学派2、连接主义源于仿生学，特别是人脑模型的研究。思维的基本是神经元。连接主义中，一个概念用一组数字，向量，矩阵或张量表示。概念由整个网络的特定激活模式表示。每个节点没有特定的意义，但是每个节点都参与整个概念的表示。以感知机(perceptron)为代表的脑模型的研究人工智能的发展历史和阶段-三大学派3、行为主义源于控制论智能取决于感知和行动，提出智能行为的“感知-动作”模式。智能不需要知识、不需要表示、不需要推理；人工智能可以像人类智能一样逐步进化；智能行为只能在现实世界中，通过与周围环境的不断交互而表现出来。代表：布鲁克斯(Brooks)的六足行走机器人人工智能的发展历史和阶段-三大学派常见的AI应用技术方向计算机视觉：是研究如何让计算机“看”的技术。语音处理：是研究语音发声过程、语音信号的统计特性、语音识别、机器合成以及语音感知等各种处理技术的统称。自然语言处理：是利用计算机技术来理解并运用自然语言的技术。大模型（生成式人工智能）：创建和使用能够产生原始输出的算法和模型，例如图像，音乐，写作甚至视频，模仿或超越人类创造力和想象力的极限。人工智能应用方向及场景1、计算机视觉应用场景计算机视觉是三个AI应用技术中最成熟的技术。计算机视觉研究的主题主要包括图像分类，目标检测、图像分割、目标跟踪、文字识别和人脸识别等。分析客流电子考勤人工智能应用方向及场景1、计算机视觉应用场景视频动作分析身份验证智能相册图片搜索人工智能应用方向及场景2、语音处理应用场景语音识别、语音合成、语音唤醒、声纹识别、音频事件检测等智能问答机器人语音导航人工智能应用方向及场景2、语音处理应用场景智能教育实时会议记录其他：口语测评、问诊机器人、声纹识别、智能音箱人工智能应用方向及场景3、自然语言处理应用机器翻译、文本挖掘和情感分析等舆情分析情感分析人工智能应用方向及场景4、大模型（生成式人工智能）文生文，根据输入生成相应文本文生图，根据输入描述生成对应的图片文生视频：根据输入描述生成相关数据视频文生图文生视频人工智能应用方向及场景人工智能能力体验情感倾向分析体验：/pro