大学人工智能导论《智能应用案例》教学课件

2026大学人工智能导论《智能应用案例》从生活案例读懂人工智能课程导览01智能视觉从刷脸解锁到机器看见世界02语言智能从语音助手到机器理解语言03推荐与决策从猜你喜欢到算法替你选择04智能出行与医疗从自动驾驶到AI守护生命05生成式AI与未来从会写会画到人机共创01智能视觉机器如何看见世界刷脸解锁里的机器视觉零点几秒，三步完成机器看见世界，是从比较数字开始的。找脸摄像头捕捉画面，定位人脸位置→提取比对面部上千个特征点，转成一串数字→匹配与事先存好的数字串比较，判断是否本人关键认知：手机并不“认识”你，它只是在比较两串数字。手机认脸的本质，是比较数字是否符合。从像素到语义：图像分类的原理图像分类就是让机器从这些数字中判断画面内容。“人看一眼就懂，机器面对的只是数字。”机器不靠人教长相，靠数据自己归纳规律两条技术路线，效果天差地别人工设计特征：靠人抓取轮廓、斑纹等规则，效果有限深度学习：喂入大量标注图片，网络自动逐层提取特征深度网络的特征抽象是递进的先识别边缘、纹理再拼出器官、形状最终输出“猫”这个标签目标检测与图像分割图像分类：识别图中主体判断整张图属于哪个类别，如猫、狗、汽车。不关心物体位置，只看全局内容。全局识别目标检测：框出位置+标出类别定位每个物体并用边界框标出。安防摄像头同时框住行人和车辆。位置+类别图像分割：每个像素归到具体物体像给图片“上色分区”。医疗影像中病灶精确到像素，而非粗略的框。像素级理解更多看见：安防、支付与创作技术本身没有善恶，关键在于使用规则。三个落地场景安防核验高铁站闸机刷脸完成身份核验无人零售无人零售摄像头识别取走的商品内容创作内容创作短视频平台美化画面、添加特效每项便利背后都对应着一笔数据——学会在享受智能的同时思考权利与责任。02语言智能机器如何理解语言和语音助手打个招呼“帮我定一个明天早上七点的闹钟。”设备听懂后，很快回应并完成操作。语言智能第一步从声音到文字，从文字到意图，从意图到行动——这就是语言智能的入口。课堂小结1第一步语音转文字听懂声音先把声音变成可处理的文本2第二步理解意图读懂语义判断用户要的是“定闹钟”，而非“查天气”或“放音乐”3第三步提取信息抓取要素抓出关键要素——时间、动作4第四步生成回复开口应答用自然的语言确认并执行机器翻译的进步之路››口语化、有文化背景的表达仍易出错语言承载语境与习惯，不只是字词排列第1代规则时代靠人工编写语法规则，一句简单的话也翻得生硬难懂。第2代统计方法机器从海量双语对照文本中学习对应关系，译文质量有所改善。第3代神经网络翻译整个句子被整体理解后再输出，译文自然度和准确性大幅提升。翻译的难点，从来不在字词，而在语境。文本理解与信息抽取看字→理解→懂义Q小实验：同一句话换语气或标点，情感判断还准确吗？A

体会语言理解的微妙，也理解技术为何依然充满挑战。摘要生成文本压缩长新闻压缩成几句话，关键信息不丢失。情感判断口碑分析成千上万条评论，自动识别口碑倾向。信息抽取结构化提取人名、地点、时间从纷乱文本中结构化提取，变得可检索、可分析。共同点：机器从"看字"走向"懂义"。语言智能的边界与偏见偏见的种子，藏在训练的语料里——偏见从数据来技术越强，人的判断力越不可缺位偏见从数据来数据溯源训练文本带性别、地域偏见，模型回答就会不自觉地复现。流畅不等于真实真伪之辨机器缺乏真实体验，可能把假话说得一本正经——"一本正经胡说八道"。越自然，越要辨别人机协作对话越像真人，辨别真伪越重要。工具输出必须由人来判断、把关。03推荐与决策算法如何替你选择"猜你喜欢"是怎么来的基于内容Content-Based你看过或买过什么，就推荐相似的东西。协同过滤CollaborativeFiltering找"和你相似的人"：甲和乙都喜欢某几部电影，甲喜欢的另一部，乙大概率也会喜欢。混合与调优Hybrid+Tuning两种思路各有所长，现代平台往往混合使用，再结合行为数据不断调整，让推荐越来越贴合个人偏好。从推荐到排序与决策推荐系统不只是“找到相关”，更是“排出顺序”——排序才是核心你看到的世界，是算法排好的顺序—本篇小结从推荐到排序：四个关键视角4项排序才是核心有限的屏幕位置放谁、放第几，背后是点击率、完播率、新鲜度、多样性、推广费的综合权衡同一套逻辑搜索引擎、资讯流、外卖列表，本质都在做排序被筛选的世界用户看到的内容是算法筛选过的，所以不同人刷到的内容差异巨大信息茧房只点喜欢的，推荐就不断加固偏好，让人越来越难接触不同观点算法替你选择的利与弊效率红利省时省力省去搜索麻烦，发现意想不到的好内容，让有限注意力得到更高效利用。自主性隐忧保持主动越依赖算法决定看什么、买什么、读什么，主动选择能力越可能弱化。目标错位各取所需平台追求使用时长，用户追求有价值的信息，二者可能冲突。观察练习动手试试记录一周里主动搜索与被动接收的比例——这个数据比说教更能看清自己与算法的关系。让选择权回到自己手里技术不会消失，也不必抗拒。关键是从被动的接收者变为主动的使用者，让算法服务自己，而不是被算法牵着走。把选择权握回手心4个小行动主动搜索反客为主而不是只刷推送定期清理给标签"减负"浏览记录或开启隐私模式，减少被过度画像保持警惕看见"筛选""为你定制"意味着你看到的是被筛选过的信息偶尔关闭体验"大众版"个性化推荐，看看"大众版"的世界长什么样04智能出行与医疗AI如何守护生命自动驾驶是怎么开车的AI不只是屏幕后的算法，而是能感知、判断、行动的系统。—开篇导语01感知摄像头、雷达识别路况、行人、红绿灯。02决策根据感知结果，判断加速、刹车还是变道。03控制把决策转成对油门、刹车的精确操作。AI不只是屏幕后的算法，而是能感知、判断、行动的系统。自动驾驶的等级与挑战“安全是自动驾驶的第一准则”技术进步是渐进的，而非一夜之间全盘实现。分级逻辑等级越高，机器接管越多，责任与难度同步上升。为什么难？真正难点不在高速，而在突发路边突然冲出的行人被遮挡的交通标志恶劣天气下的视线模糊思考一下机器要做出的判断机器须在毫秒间做出安全判断，任何一次失误都可能致命。AI走进医院：辅助诊断AI是助手，不是替代AI是助手，不是替代影像筛查AI快速扫描成千上万张CT、X光片，标记可疑区域供医生重点复核，大幅提高筛查效率。病理辅助辅助识别细胞形态异常，减少肉眼疲劳带来的漏检。减少漏检人机协作AI只给提示，最终诊断仍由医生结合临床经验综合判断——发挥机器处理海量数据的优势，保留医生的专业判断与人文关怀。医疗AI的价值与分寸这些议题没有简单标准答案，但方向清晰：技术能力越强，审核、监管与责任划分就应越严格。技术能力越强，审核、监管与责任划分就应越严格。价值明确AI有望缓解优质医疗资源分布不均，让偏远地区患者获得接近专家的初步筛查。分寸更关键医疗决策关乎生命，模型误判后果严重。病历是最私密的个人信息之一，数据隐私高度敏感。算法数据偏差可能对部分人群产生不公平结果。05生成式AI与未来人机共创的新时代会写会画的机器生成式AI的核心不再是识别、分类、推荐，而是创造。学生已身处其中，真正该追问的是作品到底算谁创作的。从判别到生成一句描述出画作，一个开头续文章。根据海量数据中学到的规律，生成全新的文本、图像、音乐甚至视频。学生已身处其中写作业草稿、生成头像，这些场景并不陌生。真正该追问的是：它背后的原理是什么？作品到底算谁创作的？生成式AI的基本原理从预测下一个词到图文并茂，大模型的能力正来自同一套逻辑。AI的“创作”不靠抄，靠的是一次次预测看懂大模型，先从“猜下一个词”这个朴素动作说起。通识导学“每次结果可能不同，也正因如此，有时会出错。”—理解生成式AI的关键：规律重组带来创造，也带来不确定文本生成反复“预测下一个词”，给定前文推测最合适的后续内容，循环推进形成完整文本。生成式AI图像生成学习文字描述与画面的对应关系，再由文字反推出画面。跨模态规模效应数据越多、模型越大，生成内容越连贯逼真。规模定律关键区别不是从数据库抄答案，而是重新组合学到的规律——所以每次结果可能不同，也正因如此，有时会出错。生成特质生成式AI的使用技巧同样一个工具，用得好与用得差，效果天差地别。想让生成式AI给出满意结果，关键在于会提问。“会提问，AI才是趁手的伙伴”指令具体与其说“写一篇关于环保的文章”，不如说“面向中学生，用三个生活案例，写一篇八百字的环保倡议”。分步引导先列提纲，再逐段展开，最后统一修改语气。给示例、定风格给出示例或限定风格，它就能更好地对齐你的期待。输出当初稿永远把它的输出当作初稿而非终稿，靠自己的判断去修改、核实。真伪之辨与版权之问技术越强，诚实使用越重要。AI让以假乱真成为可能——眼见不再为实，我们如何分辨与负责？眼见不再为实深度伪造可换脸、仿声，逼真图片与流畅文章可能完全虚构。版权归属存争议模型学习大量他人作品，生成物归谁、是否侵权，尚无定论。学术诚信受冲击AI代写作业与论文的界限仍在探索。无论规则如何演变，负责任地使用AI，是对自己也是对他人的基本尊重。人机共创的未来图景善用AI，更要守住人的独特价值。善用AI，更要守住人的独特价值。分工而非取代机器负责检索、初稿与重复性创作；人负责提出有价值的问题、做出有温度的判断、给出审美与伦理选择。延伸而非替代工业时代机器延伸体力，智能时代人工智能延伸脑力。真正的竞争力不再只是记忆和计算，而是提问能力、批判思维与创造性想象。智能应用的共同主线六大案例看似各异，背后是同一套逻辑。从刷脸解锁到语音助手，从猜你喜欢到自动驾驶，从辅助诊断到会写会画的生成式AI——六大