计算机与人工智能导论 课件 第14章 AI赋能行业典型应用

第14章AI赋能行业典型应用AI第14章知识导图AI赋能行业典型应用智能交通与智慧城市雄安新区AI智能红绿灯系统第1章计算机工具与计算机演进史第2章计算机系统组成第3章计算机中的数据表示第4章操作系统与网络基础第5章软件构建基础：语言、编译与工程第6章算法与数据结构第7章数据管理与大数据技术第8章人工智能概述第9章机器学习基础第10章深度学习基础第11章机器人学、智能体与具身智能第12章自然语言处理与大语言模型第13章AI伦理、法律、治理与未来第14章AI赋能行业典型应用第15章前沿技术与实践能力培养案例分析技术原理智慧医疗与AI辅助诊断腾讯觅影·肺炎CT影像分析系统案例分析技术原理智能教育与个性化学习学堂在线大模型智能教育助手案例分析技术原理智能制造与工业视觉库卡工业机器人柔性生产系统案例分析技术原理蚂蚁集团“智能风控大脑”案例分析技术原理遨博智能采收机器人案例分析技术原理AI在金融中的应用AI在农业中的应用内容导航AI14.1智能交通与智慧城市14.2智慧医疗与AI辅助诊断14.3智能教育与个性化学习14.4智能制造与工业视觉14.5AI在金融中的应用14.6AI在农业中的应用第14章AI赋能行业典型应用14.1.1典型案例：雄安新区AI智能红绿灯系统雄安新区容东片区落地的会“思考”的AI红绿灯系统，是中国电信联合交通管理部门打造的智慧城市交通核心应用。不同于日常固定配时红绿灯，这套系统像“智能交通指挥官”，可根据路口实时路况灵活调整红绿灯时长。它通过7000多根多功能信息杆柱上集成的信号灯、摄像头、雷达以及各类传感设施，实时捕捉车流量、行人过街等动态数据，经AI算法快速分析后优化放行策略：平峰期车辆少，最后一辆车驶离即切换红绿灯；有行人过街时，自动预留充足时间；早晚高峰优先放行主干道，减少拥堵；深夜无左转需求时，直接跳过左转放行。投入使用后，车辆在道路上的平均停车次数下降50%，通行效率提升40%，早晚高峰时长压缩了15分钟。14.1.2案例分析①传统痛点：传统红绿灯采用固定配时模式，无法响应实时交通流变化，常出现“绿灯无车、红灯堵车”的资源浪费，行人过街需求无法及时匹配，通行效率和人性化程度较低，难以适配城市交通流的动态变化。②AI赋能价值：AI红绿灯的核心价值是“按需调控”，通过“实时感知—AI分析—动态调控”的闭环，解决了传统红绿灯配时僵化的痛点，既提升了车辆通行效率，也兼顾了行人和非机动车的通行需求，直观体现了AI“数据驱动决策”的核心思想。③适配场景：适用于城市商业区、居民区、学校周边等交通流量波动较大的路口，无需大规模改造现有道路基础设施，落地成本可控，可广泛推广至各类智慧城市的交通管控场景。14.1.3技术原理机器学习通俗来说就是让计算机通过数据“自主学习”，无需人工预设所有规则就能完成分析和决策的技术，核心是“感知设备+机器学习算法”的配合。（1）数据采集：路口的摄像头、雷达等感知设备，实时捕捉车流量、行人数量、车辆行驶速度等动态信息，将“看得见”的现场场景，转换为计算机可处理的数字信号。（2）数据处理：核心依托机器学习算法，快速计算采集到的数据，判断当前路口是否拥堵、通行需求优先级（如行人优先、高峰时段主干道车辆优先），无需人工预设调控规则，算法可自主学习优化。（3）动态调控：AI算法根据分析结果，自动调整红绿灯的时长和放行顺序，确保路口通行最顺畅；同时可根据长期运行数据，逐步优化调控逻辑，提升调控精准度。14.1.3技术原理图14.1雄安AI智能红绿灯系统工作流程示意图数据采集层AI处理层执行层采集车流量、行人动态数据判断拥堵、确定通行优先级动态调整红绿灯、提升通行效率实时传输数据实时传输数据内容导航AI14.1智能交通与智慧城市14.2智慧医疗与AI辅助诊断14.3智能教育与个性化学习14.4智能制造与工业视觉14.5AI在金融中的应用14.6AI在农业中的应用第14章AI赋能行业典型应用14.2.1典型案例：腾讯觅影·肺炎CT影像分析系统腾讯觅影系统在3分钟内就能完成初筛，用红色方框精准标记出92%的可疑病灶，医生只需重点复核这些区域，整体诊断时间缩短至20分钟。该系统通过分析超过300万份标注影像，学会了识别直径仅3毫米的微小结节，其检出准确率高达97%，对早期肺癌的敏感度达到85%。在复旦大学附属中山医院的临床测试中，AI将肺结节漏诊率从传统方法的12%降至3%。这种“超能力”源于AI对影像特征的深度挖掘。传统医生主要观察结节大小、密度等5~6个指标，而AI系统能同时分析2000多个微观特征，包括血管走向、边缘毛刺程度甚至钙化分布模式。在乳腺癌筛查中，AI对钙化灶的识别准确率达92%，能发现0.2毫米级的微小钙化点——这相当于在一张A4纸上找出比针尖还小的斑点。14.2.2案例分析（1）传统痛点：人工解读CT影像工作量大、耗时长，医生易因视觉疲劳导致漏诊、误诊；成熟影像医生培养周期长达8~10年，基层医院人才匮乏，导致肺癌早期检出率低，患者错失最佳治疗时机。（2）AI赋能价值：AI系统相当于医生的“智能助手”，可快速处理海量影像数据，精准定位微小病灶，减少医生重复劳动，降低漏诊率，实现肺癌“早发现、早诊断、早治疗”；同时降低基层医院对资深影像医生的依赖，推动优质医疗资源下沉。（3）适配场景：适用于各级医院影像科，尤其适合基层医院、社区卫生服务中心，可广泛应用于肺癌、肺结核等疾病的早期影像筛查。14.2.3技术原理深度学习（图像识别方向）通俗来说就是模仿人脑多层结构，擅长处理图像等复杂数据，能精准识别细微特征的AI技术。（1）模型训练：工程师收集大量标注好的胸部CT影像（含正常影像、肺癌早期结节影像、中晚期病灶影像），输入深度学习模型，让模型“记住”不同病灶的核心特征，完成模型训练。（2）影像解析：医生输入新的胸部CT影像后，AI系统自动提取影像中的特征信息，与模型中训练好的病灶特征进行比对，锁定疑似病灶区域。（3）辅助诊断：AI用红色方框标注疑似病灶，标注其位置、大小及疑似恶性概率，供医14.2.3技术原理图14.2AI辅助肺癌CT影像筛查对比示意图传统人工筛查AI辅助筛查耗时8~15分钟漏诊率高依赖资深医生耗时0.3秒精准定位推理过程可见千万级像素、微小结节流程：CT影像输入→AI特征提取→病灶比对→标注输出→医生复核效率提升60%、漏诊率下降内容导航AI14.1智能交通与智慧城市14.2智慧医疗与AI辅助诊断14.3智能教育与个性化学习14.4智能制造与工业视觉14.5AI在金融中的应用14.6AI在农业中的应用第14章AI赋能行业典型应用14.3.1典型案例：学堂在线大模型智能教育助手学堂在线大模型智能教育助手，核心依托大模型技术，解决“个性化辅导不足、学习内容适配差”的痛点，覆盖学习全流程。该助手经通用大模型微调，适配专业基础课程，可实现个性化答疑、学习内容生成、学习路径规划三大功能，能精准响应新生提问、生成适配练习与计划。14.3.2案例分析（1）传统痛点：传统课堂后，学生遇到的疑问多具个性化，通用答疑系统无法精准适配；教师难以兼顾每位学生的薄弱点，无法实现“一人一方案”的个性化辅导；新生面对陌生专业知识，缺乏系统的学习路径指引，预习、复习盲目性强。（2）AI赋能价值：该助手核心依托大模型技术，融合自然语言处理能力，实现“理解疑问、生成内容、规划路径”的一体化服务；大模型可精准理解学生的通俗提问，结合课程知识点生成适配的解答和学习内容；对教师而言，自动化生成辅导材料、跟踪学生学情，减少重复劳动，让教师更专注于重难点讲解。（3）适配场景：适用于高校基础课程、专业基础课程学习，尤其适合大一新生快速适应大学学习节奏、夯实知识基础，也可用于课后复习、考前冲刺。14.3.3技术原理大模型通俗来说就是具备强大的自然语言理解和内容生成能力，能像“智能大脑”一样精准响应需求、生成适配内容的AI模型，核心是“大模型+课程知识库微调”。（1）模型微调：工程师将大一基础课程（高数、C语言等）的知识点、练习题、答疑案例整理成专属知识库，输入通用大模型进行微调，让大模型“适配新生认知、聚焦课程重点”，同时保留其强大的自然语言理解和内容生成能力。（2）疑问理解与需求分析：通过大模型内置的自然语言处理能力，解析学生输入的自然语言提问，精准识别核心疑问，避免“答非所问”。（3）个性化输出与路径规划：大模型结合微调后的课程知识库，生成通俗化解答、适配的练习题或知识点总结；同时根据学生历史学习数据，分析薄弱点，规划专属学习路径。14.3.3技术原理输入层学生自然语言提问/学习需求：如“C语言循环怎么写”理解分析个性化输出输入AI处理层课程知识库微调、适配学生认知大模型（NLP理解+内容生成）输出层个性化答疑+实例练习题+知识点总结专属学习路径图14.3大模型智能教育助手工作流程示意图内容导航AI14.1智能交通与智慧城市14.2智慧医疗与AI辅助诊断14.3智能教育与个性化学习14.4智能制造与工业视觉14.5AI在金融中的应用14.6AI在农业中的应用第14章AI赋能行业典型应用14.4.1典型案例：库卡工业机器人柔性生产系统库卡工业机器人柔性生产系统是智能制造领域典型应用，核心依托机器人技术，专注于生产环节自动化、柔性化作业，替代人工重复性操作。该系统由工业机器人、机器视觉传感器和控制系统组成，可应用于汽车零部件焊接、装配等工序：机器视觉捕捉零部件位置信息，传输给控制系统，机器人精准完成作业并自动适配不同规格零部件。传统人工焊接一套车门需20分钟且易出现偏差，机器人仅需5分钟，精度误差≤0.1毫米，可24小时不间断作业。应用后，生产线效率提升75%，产品合格率从92%升至99%。14.4.2案例分析（1）传统痛点：汽车零部件焊接、装配等工序依赖人工，劳动强度大、重复性高，工人易疲劳导致作业精度低、误差大；人工作业效率低，无法适配24小时规模化生产需求；不同规格零部件需重新培训工人，柔性生产能力不足。（2）AI赋能价值：工业机器人系统的核心价值是“自动化、高精度、柔性化”，依托机器人技术替代人工完成高强度、高重复性、高精度的生产工序，解决了人工作业精度低、效率低的痛点；24小时不间断作业提升规模化生产能力；可自动适配不同规格零部件，提升柔性生产能力。（3）适配场景：适用于汽车零部件、3C产品、电子元件等精密制造业，主要用于焊接、装配、搬运等生产工序。14.4.3技术原理机器人技术通俗来说就是让机械装置具备“精准动作执行”能力，可按指令或实时反馈完成自动化、高精度作业的技术，核心是“机器人运动控制+机器视觉辅助”。（1）位置感知与数据采集：机器视觉传感器（工业相机）实时拍摄汽车零部件，捕捉零部件的位置、角度、规格等信息，将这些信息转换为计算机可处理的数字信号，传输给机器人控制系统。（2）路径规划与参数调整：机器人控制系统接收数据后，根据预设的作业要求规划机器人的运动路径，同时根据零部件规格自动调整运动速度、力度、角度等作业参数，确保适配性和精度。（3）精准作业与实时反馈：机器人根据控制系统的指令，驱动机械臂完成焊接、装配等作业。作业过程中，传感器实时反馈机器人的运动位置和作业精度，若出现偏差，控制系统及时调整参数，确保作业精度（误差≤0.1毫米），完成自动化作业闭环。14.4.3技术原理图14.4工业机器人柔性生产系统工作示意图汽车零部件传送装置核心控制模块库卡工业机器人、机械臂机器人控制系统(路径规划、参数调整)机器视觉辅助（位置感知）结果输出合格零部件后续工序高精度作业误差≤0.1毫米、效率提升75%作业方式效率合格率人工作业低（20分钟/套）92%机器人作业高（5分钟/套）99%内容导航AI14.1智能交通与智慧城市14.2智慧医疗与AI辅助诊断14.3智能教育与个性化学习14.4智能制造与工业视觉14.5AI在金融中的应用14.6AI在农业中的应用第14章AI赋能行业典型应用14.5.1典型案例：蚂蚁集团“智能风控大脑”金融风控领域中，传统风控系统长期面临欺诈升级与识别滞后的双重难题。蚂蚁集团“智能风控大脑”依托图神经网络与多智能体协同技术，构建覆盖信贷审批、反欺诈、反洗钱等核心场景的智能风控体系。系统融合多维度异构数据，搭建千万级节点的金融知识图谱，可精准剖析关联关系与股权网络，实现风险精准识别预警。该系统在信贷欺诈与反洗钱识别中表现突出，借助图神经网络算法可穿透多层关系，识别空壳公司网络及隐蔽洗钱路径。反洗钱实践中，系统通过股权穿透与资金追踪，成功揪出隐藏的非法洗钱行为。同时引入可解释AI技术，可视化呈现风险依据，便于风控人员追溯逻辑、满足监管合规要求。14.5.2案例分析（1）传统痛点：传统金融风控依赖人工尽调、固定专家规则及单一维度数据分析，存在明显局限：小微企业贷款审批周期长、成本高，难以匹配资金周转需求；无法识别多层股权嵌套、团伙欺诈等隐蔽风险；固定规则难以适配新型欺诈，易漏判误判；模型“黑箱”问题突出，决策逻辑难解释，不符合监管要求。（2）AI赋能价值：AI智能风控系统的核心价值体现在四点：一是深度关联分析，依托图神经网络挖掘多维度隐蔽风险，突破人工局限；二是实时风险识别，毫秒级监测交易、异常即刻预警，提升响应速度；三是决策可解释，通过可解释AI实现可视化与路径追溯，契合监管要求；四是自主迭代优化，学习新型欺诈模式，自动优化规则与参数，形成风控闭环。（3）适配场景：该系统适配互联网银行、商业银行的信贷、反欺诈等核心场景，尤其能精准评估缺乏完善财务数据的小微企业与个体工商户信用状况，有效破解其融资难、审批慢的痛点。14.5.3技术原理智能风控系统核心逻辑可通俗理解为多个“AI专家”协同工作，其原理简化为三步：（1）多源数据融合与图谱构建：采集企业注册、交易流水、股权等数据，搭建“企业—个人—账户”关联网络图；（2）多层关联风险分析：通过图神经网络逐层深挖，识别传统方法难以发现的隐蔽风险；（3）可解释决策与自主优化：输出风险评分及建议，可视化呈现判断依据，同时持续学习迭代风控规则。内容导航AI14.1智能交通与智慧城市14.2智慧医疗与AI辅助诊断14.3智能教育与个性化学习14.4智能制造与工业视觉14.5AI在金融中的应用14.6AI在农业中的应用第14章AI