大学人工智能导论《人工智能概述》教学课件

AIOVERVIEW人工智能概述：从概念到前沿概念·历程·技术·应用2026年09月课程导览01智能与AI概念界定智能本质，理解人工智能定义与图灵测试02发展历程溯源从达特茅斯会议到深度学习爆发的七十年03核心技术解构拆解机器学习、深度学习与自然语言处理04应用场景落地医疗、金融、制造、交通的真实实践05前沿与挑战2026年大模型突破、伦理治理与未来趋势智能与AI概念01智能与AI概念智能是知识与智力的总和厘清概念边界，方能理解机器智能智能的本质与四大特征智能是知识与智力的总和智能的四大特征4项感知能力通过视觉、听觉等器官获取外部世界信息记忆与思维能力存储感知信息，并对信息进行处理加工学习能力与环境相互作用，自觉或不自觉积累知识行为能力将处理结果转化为对外的信息输出思维的三种形态3项逻辑思维依靠逻辑推演，具有严密性与可靠性形象思维依靠直觉与联想顿悟思维依靠灵感，具有不定期的突发性思维形态3项逻辑思维具备严密性与可靠性形象思维借助直觉与联想顿悟思维凭借灵感与突发性智能理论的三大流派智能从何而来，三种理论各有解释智能是知识与智力的总和01流派一思维理论核心是思维，来源于大脑的思维活动。着重解释思维的规律和方法。02流派二进化理论强调对环境的刺激与感知能力，为智能发展提供基础。是复杂系统多部件交互而产生的能力。03流派三知识阈值理论智能取决于知识的获取数量。以及其一般化、推广的程度。人工智能的定义与研究内容用人工方法在计算机上实现类人智能人工智能是研究如何构造智能机器或智能系统，能够模拟、延伸、拓展人类智能的学科定义人工智能是研究如何模拟、延伸、拓展人类智能的学科。与传统程序的区别传统软件依赖确定性规则AI系统依赖从数据中归纳出的概率性模型01知识表示把知识转化为机器可以处理的形式02机器感知让机器看懂、听懂外部世界03机器思维让机器具备推理与决策能力04机器学习让机器从数据中自主获取知识05机器行为让机器对外输出恰当的动作与响应图灵测试与中文屋之辩机器能对话，就等于会思考吗图灵测试提出·1950提出以对话判别智能1950年图灵发表《计算机器与智能》，提出以对话判别机器是否具有智能判定标准若机器让平均每个参与者做出

超过30%的误判，则认为其具有人类的智能图灵测试的价值给出了可操作的智能衡量标准中文屋思想实验塞尔屋中人不解中文屋中人不懂中文，却能依据英文说明书匹配汉字并正确输出，从外观上看这个屋好像懂中文核心启示即使通过图灵测试，也不能说明计算机能进行真正的思维中文屋的价值提醒我们区分“表现得像”与“真正理解”AI研究的三大流派三条技术路线，殊途同归符号主义推理范式基于逻辑和符号推理。代表形态以专家系统为代表。核心理念强调规则与知识的显式编码。如何推理连接主义模型基础仿生神经网络模型。代表形态以深度学习为代表。核心理念强调从数据中学习规律。如何学习行为主义行为机制通过环境反馈优化行为。代表形态以强化学习为代表。核心理念强调交互与试错。如何行动02发展历程溯源七十年风雨，三起两落从达特茅斯会议到深度学习爆发AI学科的孕育与诞生从"人造人"想象到一门独立学科1921年恰佩克发表《罗萨姆的万能机器人》首次引入「机器人」形象科幻作品为AI孕育提供最初的想象雏形。1943年麦卡洛克与皮茨提出神经网络概念模型首个神经网络概念模型奠定学科理论基础。1950年图灵发表《计算机器与智能》提出图灵测试香农提出计算机博弈为机器智能提供可检验的判据。1951年明斯基与埃德蒙兹建造神经网络机第一台神经网络机SNARC将理论付诸硬件实践。1956年·诞生达特茅斯夏季研讨会麦卡锡提出人工智能

术语标志着人工智能作为独立学科诞生。黄金时代的早期突破二十年造出完全智能机器的乐观预期政府机构向这一新兴领域投入大笔资金，研究者普遍预期具有完全智能的机器将在二十年内出现。1956逻辑理论家亮相公认第一个真正意义上的人工智能程序可证明《数学原理》中数十条定理1957罗森布拉特提出感知机人工神经网络领域的早期重要成果连接主义与感知计算的奠基性模型1958麦卡锡发明LISP首款专门用于人工智能研究的编程语言符号计算与函数式编程的重要基石1959塞缪尔首次提出机器学习「机器学习」术语的首度明确表述开启让计算机自主学习的先河1966魏泽鲍姆开发ELIZA利用关键词匹配实现与人类的对话交互自然语言人机对话的早期探索两次寒冬与专家系统期望过高与算力不足的双重代价寒冬不是终局，而是对期望与算力错配的一次清算1974–1980·第一次寒冬机器翻译质量差算力有限，研究资金大幅减少，关注度下降。1980年代末·第二次寒冬专家系统遇瓶颈需大量人工编写规则，难以覆盖新情况，维护成本高昂。1980年·XCON进入市场首个商业专家系统AI领域重新焕发生机。MYCIN系统血液感染诊断斯坦福大学研发，准确率达69%，还能推荐个性化抗生素治疗方案。机器学习兴起与深蓝从规则驱动转向数据驱动深度学习登上历史舞台，暴力计算与海量棋谱写就里程碑20世纪90年代统计学习理论兴起支持向量机、决策树、朴素贝叶斯等经典机器学习算法涌现；支持向量机通过寻找最优超平面分隔数据，在手写数字识别、文本分类等领域取得成功。1997年深蓝里程碑IBM深蓝战胜国际象棋世界冠军卡斯帕罗夫，每秒可计算两亿步两百万局局限暴力计算的深蓝本质是依靠暴力计算与海量棋谱的“死记硬背型学霸”，只能在规则明确的特定领域发挥威力，通用性不足。深度学习的爆发时刻2012年，一场比赛改写了AI的技术路线2006年深度信念网络辛顿团队提出，分层学习，解决"学了后面忘了前面"2012年AlexNet大幅降低识别错误率，碾压所有传统方法2016年AlphaGo击败李世石，公众认知达新高峰；Zero自我对弈超越人类2017年Transformer奠定大模型预训练算法架构基础ImageNet图像识别错误率2011与2012年参赛方法对比年份参赛方法图像识别错误率2011传统方法26%2012AlexNet15%从专用智能走向通用大模型时代，AI走向通用化“从专用智能走向通用，AI正经历从单点突破到全面进化的历史跨越”—大模型发展三阶段从“偏科生”到“全能学霸”，AI正向通用化、智能化方向飞速迈进01萌芽期1950-2005以

CNN

为代表的传统神经网络，开启AI专用的萌芽探索02沉淀期2006-2019以

Transformer

为代表的全新架构，奠定通用能力的架构基石03爆发期2020-2023以

GPT

为代表的预训练大模型，驱动AI走向通用化AI核心技术03核心技术解构数据驱动，模型学习拆解AI的五大核心技术支柱机器学习：让机器找规律人给数据，机器自己找规则本质：用数据训练模型，用模型预测未来传统编程程序员写好规则，电脑照着执行，例如"如果温度超过30度就开空调"机器学习不需要写规则，只需要给机器大量数据，让它自己从数据中找到规律传统做法人工列出"免费""中奖""点击领取"等关键词特征但垃圾邮件制造者会不断换词，规则永远跟不上机器学习做法给系统看十万封正常邮件和十万封垃圾邮件系统自己分析两类邮件的区别，找出人类根本想不到的特征组合机器学习的三大范式监督、无监督、强化，三种学习方式监督学习数据使用带标签数据训练模型任务分类或回归预测应用人脸识别、信用评分、疾病预测监督学习无监督学习数据处理无标签数据任务聚类或降维发现隐藏结构应用市场细分、异常检测无监督学习强化学习机制试错与奖励机制目标在环境中学习最优策略应用AlphaGo通过对弈百万局掌握围棋致胜策略强化学习深度学习：分层提特征从边缘线条到猫耳朵，逐层抽象深度学习通过多层神经网络模拟人脑，关键突破在于

自动提取特征分层抽象机制4层递进第一层识别边缘和线条第二层把线条组合成形状第三层组合成猫耳朵、猫眼睛最后一层综合判断"这是一只猫"层数越多，网络越"深"，提取的特征越复杂，这正是"深度学习"名字的由来。三类典型网络3类CNN卷积神经网络用于图像识别、医学影像分析RNN循环神经网络用于机器翻译、语音识别等序列数据GAN生成对抗网络通过生成器与判别器博弈，生成逼真图像与视频自然语言处理的突破让机器理解与生成人类语言共振语言边界从克服歧义到多模态理解，让机器真正读懂人类语言核心挑战3项语言歧义性同一表达可有多重含义上下文依赖语义随语境动态变化文化差异跨语言理解存在深层壁垒技术突破3项预训练模型BERT、GPT系列以海量文本掌握通用语言知识，微调适配问答与摘要生成多模态融合结合文本、图像、语音，提升理解准确性能力覆盖语音识别、机器翻译、情感分析、文本摘要应用实例科大讯飞翻译机支持83种语言在线翻译，准确率达98%计算机视觉与机器人让机器看懂世界，并动手做事视觉认知与物理执行协同进化，算法与机械融合驱动智能落地视计算机视觉核心任务图像处理、特征提取与模式识别，实现目标检测、图像分割、三维重建目标检测YOLO算法实现实时物体识别典型应用安防监控中的人脸识别、工业生产中的缺陷检测、自动驾驶汽车对道路环境的感知机机器人技术核心定义将智能算法与机械系统相结合，使机器能够在物理世界中执行任务演进方向从工厂自动化生产线，到家庭扫地机器人，再到探索太空的探测器，机器人正从自动化向智能化跨越大模型：十亿参数的跃迁大数据、大算力与强算法的结合是"大数据+大算力+强算法"结合的产物，是凝聚大数据内在精华的隐式知识库定义与本质什么是AI大模型定义：参数规模通常在十亿个以上、具有复杂计算结构的机器学习模型，具备高度的通用性和泛化能力。本质：是"大数据+大算力+强算法"结合的产物，是凝聚大数据内在精华的隐式知识库。工作方式与覆盖领域如何运行与适用场景工作方式：在大规模数据集上完成预训练后，无需微调或仅需少量数据的微调，就能直接支撑各类应用。算法基础：2017年Transformer架构奠定了大模型预训练算法架构的基础，使大模型技术性能显著提升。覆盖领域：自然语言处理、图像识别、语音识别等。应用场景落地04应用场景落地从实验室走向千行百业AI已成为今日基础设施应用全景与产业规模AI已从未来技术变为今日基础设施中国AI核心产业规模1.2万亿元同比+40%年度产业规模对比超

6600

家相关企业数量产业集群效应凸显，AI产业生态日趋完善覆盖芯片、框架、模型、应用全链路近

200

项关键标准落地人工智能关键标准落地，产业规范化发展突破

9

亿Web端月访问量AI应用Web端月访问量持续攀升突破140万亿日均Token调用量模型推理需求旺盛，算力调用规模高速增长中国是全球AI应用最活跃的国家之一医疗健康：医生的第二大脑从被动治疗转向主动预防医疗健康：医生的第二大脑，让诊疗更精准、健康管理更主动01诊断辅助精准识别病灶多智能体协作网络打通影像、病理等多模态数据，复杂病例诊断准确率提升至98.7%。AI辅助诊断系统已在影像科、病理科落地，可分析CT、MRI等医学影像，识别肺结节、乳腺病变等异常。部分三甲医院引入的AI辅助诊断系统，肺结节检出率达97%以上，显著降低了漏诊率。02健康管理从监测到干预智能穿戴设备集成心率监测、血氧检测、睡眠分析、血糖趋势追踪等功能，实时生成健康报告。AI心理辅导：基于自然语言处理提供情绪疏导、压力管理、心理测评等服务。金融风控的隐形守卫每秒数万笔交易背后的AI判断65000笔/秒反欺诈·VisaAI系统欺诈识别率提升50%5亿用户信用评估·芝麻信用违约预测准确率超95%21万亿美元智能投顾·BlackRockAladdin技术支撑2类机器学习用于信用评分与欺诈检测无监督学习用于检测异常交易、识别潜在欺诈行为核心价值1点毫秒级风险判断在毫秒级时间窗口内完成风险判断，这是人工审核无法企及的速度每秒数万笔交易背后的AI判断智能制造的黑灯工厂设备自己预警，产线自己运转预测性维护PredictiveMaintenance西门子MindSphere将设备停机时间缩减

30%。AI视觉质检AIVisualInspection新能源汽车工厂实时检测

10000+

零部件安装情况。生成式设计GenerativeDesign宝马用AI设计发动机支架，实现

减重35%。熄灯工厂Lights-OutFactory富士康24小时无人化生产，机器人自主上料、加工、检测。交通出行的智能升级政策牵引与场景落地同步推进以政策牵引与十大方向为纲，以首批41个典型场景为牵引，驱动全链条智能升级。政策牵引《“人工智能+交通运输”典型应用场景创新行动方案》2026年6月，交通运输部会同多部门印发《“人工智能+交通运输”典型应用场景创新行动方案》。十大方向智能驾驶·智慧公路智能铁路·智慧民航41个首批典型应用场景场景落地多场景技术验证与规模化部署全面展开京雄高速依托AI大模型实现异常事件“秒级推送、一键触达”，突发状况识别准确率超95%自动驾驶格局：特斯拉、Waymo、百度Apollo三足鼎立，L4级技术在特定场景已规模落地城市治理：杭州城市大脑智能调控信号灯，通行效率提升约15%教育与办公的智能体从回答问题的工具到完成任务的伙伴从回答问题的工具到完成任务的伙伴教育自适应学习提升2个标准差，企业编程提速40%教育应用3项自适应学习可汗学院AI导师项目，学生数学成绩平均提升2个标准差AI阅卷ETS系统批改20亿份试卷，误差率低于人类考官虚拟实验化学实验室模拟、历史事件重演，安全且沉浸企业智能体2项企业智能体Spotify的"Honk"AI编程系统让新功能上线速度提升40%，漏洞修复周期缩短60%角色转变工程师从写代码转向管理AI团队，AI办公正式进入全生态智能化阶段技术狂奔，治理同行05前沿与挑战大模型时代机遇与挑战并存2026大模型竞速格局参数更小，成绩不输国产模型与海外头部模型评测得分已高度接近，阶跃星辰Step5Preview以6000亿参数量与2.8万亿参数的KimiK3总分持平。四模型第三方评测总分对比星辰Xing4.0-29B-A4B中国电信9月17日发布·百亿参数大模型总参数量

29B、激活参数仅

4B，国内首个基于国产算力与国产框架完成训练、面向复杂工程任务深度优化的百亿参数大模型。千问Qwen3.8-Omni-Flash阿里原生全模态模型，可同时处理文本、图像、音频和视频输入，支持

1M

上下文。星火X2.5端侧模型科大讯飞开源，业内首个原生支持

100万Token

超长上下文的端侧模型。算力基建与办公嵌入AI正成为操作系统的一部分AI正成为操作系统的一部分：算力底座与办公嵌入同步提速算力底座2项基础设施乌兰察布远景星河基地2026年8月投产，以

12万平方米

建筑体量、百万卡

并行能力、百万P

算力规模，成为全球Token产出能力最强的单体AI数据中心调用规模大模型周调用量达

127