《人工智能通识》课件-项目1人工智能基础

项目1人工智能基础1）了解人工智能发展历程，包括起源、关键节点事件以及不同阶段的特点。2）理解计算机的定义、功能及在人工智能领域的基础作用。3）掌握人工智能的定义、分类（强AI、弱AI、实用型AI）及其特点。4）了解机器学习和深度学习基本概念、类型、特点以及两者的区别与联系。5）认识大数据的定义、特征以及与人工智能的关系。知识目标任务1.1熟悉计算机基础任务1.2进入人工智能时代实训与思考：探索AI在日常生活中的应用项目1人工智能基础PART01任务1.1熟悉计算机基础20世纪40年代的时候还没有“计算机（Computer）”这个词，它原本指的是做计算的人。这些计算员在桌子前一坐就是一整天，面对一张纸、一份打印的指导手册，可能还有一台机械加法机，按照指令一步步地费力工作，并且足够仔细，最后可能得出一个正确结果。面对全球冲突，一帮数学家开始致力于快速解决复杂数学问题。冲突双方都会通过无线电发送命令和战略信息，为了防止信息可能被敌方截获而泄露，军方会对信号进行加密，而能否破解敌方的密码则关乎着成百上千人的性命，显然，自动化破解会大有裨益。任务1.1熟悉计算机基础到第二次世界大战结束时，人们已经制造出两台机器，它们可以被看作是现代计算机的源头。一台是美国的电子数字积分计算机（ENIAC），它被誉为世界上第一台通用电子数字计算机，另一台是英国的巨人计算机（Colossus）。这些计算机在配置新任务时需要移动连线和推动开关等一系列操作。任务1.1熟悉计算机基础01通用电子计算机02图灵测试及其发展03大数据定义04大数据的3V特征目录/CONTENTS05人工智能的定义06人工智能发展的“中国风”今天，计算机几乎存在于所有的电子设备当中，这通常只是因为它比其他选项都要便宜。例如普通的烤面包机本来并不需要计算机，但比起采用乱七八糟一堆组件，只用一个简单的成分就可以实现所有功能还是比较划算的。这类专用的计算机运行速度不同、体积大小不一，但从根本上讲，它们的功用是一样的。事实上，这类计算机大部分只在工厂进行一次编程，这样做是为了对运行的程序进行加密，同时降低可能因改编程序引起的售后服务成本。1.1.1通用电子计算机机器人其实就是配有诸如手臂和轮子这样的帮助其与外部环境进行交互的特殊外围设备的电子设备。机器人内部的计算机能够运行程序，它的摄像头拍摄物体影像后，相关程序通过照片就可以对影像进行区分，以此帮助机器人在现实环境中辨认物体。1.1.1通用电子计算机几乎每个人能都用过计算机，人们玩计算机游戏、用计算机写文章、在线购物、听音乐或者通过社交媒体与朋友联系。计算机被用于预测天气、设计飞机、制作电影、经营企业、完成金融交易和控制工厂等。作为一种通用的信息处理机器，电子计算机又被称为电脑，它能够执行被详细描述的任何过程，其中用于描述解决特定问题的步骤序列称为算法，算法可以变成软件（程序），确定硬件（物理机）能做什么和做了什么。创建软件的过程称为编程。1.1.1通用电子计算机现代计算机的定义：在可改变的程序的控制下，存储和操纵信息的机器”。其中有两个关键要素。第一，计算机是用于操纵信息的设备。这意味着可以将信息存入计算机，计算机将信息转换为新的、有用的形式，然后显示或以其他方式输出信息。第二，计算机在可改变的程序的控制下运行。1.1.1通用电子计算机计算机不是唯一能操纵信息的机器。当你用简单的计算器来运算一组数字时，就是在输入信息（数字），处理信息（如计算连续的总和），然后输出信息（如显示）。另一个简单的例子是油泵，给油箱加油时，油泵利用当前每升汽油的价格和来自传感器的信号，读取汽油流入油箱的速率，并将这些数据转换为加了多少汽油和应付多少钱的信息。但是，计算器或油泵并不是完整的计算机，它们只是被构建来执行特定的任务。1.1.1通用电子计算机在计算机的帮助下，人们可以设计出更有表现力、更加优雅的语言，并指示机器将其翻译为读取—执行周期能够理解的模式。计算机科学家常常会谈及建立某个过程或物体的模型，这里的“模型”是一个数学术语，意思是写出事件运作的所有方程式并进行计算，这样就可以在没有真实模型的情况下完成实验测试。由于计算机运行十分迅速，因此，与真正的实验操作相比，计算机建模能够更快地得出答案。1.1.1通用电子计算机1950年，在计算机发明后不久，“AI之父”图灵提出一套检测机器智能的测试方法，这就是后来广为人知的图灵测试。在测试中，测试者在不知情的情况下分别与计算机和人类各交谈五分钟，随后判断哪个是计算机，哪个是人类。此后的每一年，在所有参加测试的程序中，最接近人类的那一个将被授予由图灵创办的勒布纳AI奖。“程序”们的表现确实越来越好了，就像象棋程序能够击败象棋大师一样，计算机最终一定可以像人类一般流畅交谈。1.1.2图灵测试及其发展随着计算机技术的不管演进，研究者们认为图灵测试也应该更新换代，开发出新的评判标准，以驱动AI研究在现代化方向上更进一步。加拿大多伦多大学的计算机科学家赫克托·莱维斯克建议了“威诺格拉德模式挑战”，要求AI回答关于语句理解的一些常识性问题。1.1.2图灵测试及其发展例如：这个纪念品无法装在棕色手提箱内，因为它太大了。问：什么太大了？回答0表示纪念品，回答1表示手提箱。也有学者建议在图灵测试中增加对复杂资料的理解，包括视频、文本、照片和播客。比如，一个计算机程序可能会被要求“观看”一个电视节目或者抖音视频，然后根据内容来回答问题，像是“为什么电视剧《天龙八部》中，契丹人萧远山的儿子叫乔峰？”1.1.2图灵测试及其发展谷歌DeepMind的联合创始人穆斯塔法·苏莱曼提出了一种新的测试AI是否具有人类水平智能的方法。他认为，传统的图灵测试并不能真正反映AI的能力，也不能说明它们是否具有复杂的内部对话或者能否进行抽象时间范围内的规划，这些都是人类智能的关键特征。苏莱曼认为应该给它们一些短期的目标和任务，让它们在尽量少地依赖人类输入的情况下完成一些具体工作，他称这种过程为“人工能力智能”。1.1.2图灵测试及其发展为了实现它，苏莱曼说，AI机器人应该通过一种新的图灵测试，即它得到10万美元的种子投资，必须将其变成100万美元。作为测试的一部分，机器人必须研究一个电子商务的想法，制定产品计划，找到制造商并销售产品。苏莱曼甚至预计AI很快将达到这一目标。1.1.2图灵测试及其发展信息社会所带来的好处是显而易见的：每个人口袋里都揣着一部手机，每台办公桌上都放着一台电脑，每间办公室内都连接到局域网或者互联网。半个世纪以来，随着计算机技术全面和深度地融入社会生活，信息爆炸已经积累到了一个引发变革的程度。它不仅使世界充斥着比以往更多的信息，而且其增长速度也在加快。以前，一旦达成了收集的目的，数据就会被认为没有用处了。比方说，在飞机降落之后，票价数据就没有用了——如果没有大数据的理念，人们可能会丢失掉很多有价值的数据。1.1.3大数据定义如今，人们不再认为数据是静止和陈旧的，它已经成为一种商业资本，一项重要的经济投入，可以创造新的经济利益。事实上，一旦思维转变过来，数据就能被巧妙地用来激发新产品和新服务。今天，大数据是人们获得新的认知、创造新的价值的源泉，还是改变市场、组织机构以及政府与公民关系的方法。大数据时代对我们的生活和与世界交流的方式都提出了挑战。1.1.3大数据定义狭义上，大数据可以定义为：用现有的一般技术难以管理的大量数据的集合。这实际上是指用目前在企业数据库占据主流地位的关系型数据库无法进行管理的、具有复杂结构的数据。或者也可以说，是指由于数据量的增大，导致对数据的查询响应时间超出了允许的范围。1.1.3大数据定义全球知名的管理咨询公司麦肯锡说：“大数据指的是所涉及的数据集规模已经超过了传统数据库软件获取、存储、营理和分析的能力。这是一个被故意设计成主观性的定义，并且是一个关于多大的数据集才能被认为是大数据的可变定义，即并不定义大于一个特定数字的TB才叫大数据。因为随着技术的不断发展，符合大数据标准的数据集容量也会增长；并且定义随不同的行业也有变化，这依赖于在一个特定行业通常使用何种软件和数据集有多大。因此，大数据在今天不同行业中的范围可以从几十TB到几PB。”1.1.3大数据定义随着“大数据”的出现，数据仓库、数据安全、数据分析、数据挖掘等围绕大数据商业价值的利用逐渐成为行业人士争相追捧的利润焦点，在全球引领了又一轮数据技术革新的浪潮。1.1.3大数据定义从字面上看，“大数据”这个词可能会让人觉得只是容量非常大的数据集合而已，但容量只不过是大数据特征的一个方面，如果拘泥于数据量，就无法深入理解围绕大数据所进行的讨论。1.1.4大数据的3V特征IBM说：“可以用3个特征相结合来定义大数据：数量（或称容量）、种类（或称多样性）和速度，或者就是简单的3V，即庞大容量、极快速度和种类丰富的数据。”图1-3按数量、种类和速度来定义大数据1.1.4大数据的3V特征1）Volume（数量）。存储的数据量在急剧增长中，人们存储的数据包括环境数据、财务数据、医疗数据、监控数据等等，数据量不可避免地会转向ZB级别。另一方面，随着可供使用的数据量不断增长，可处理、理解和分析的数据的比例却在不断下降。1.1.4大数据的3V特征2）Variety（种类、多样性）。随着传感器、智能设备以及社交协作技术的激增，数据也变得更加复杂，因为它不仅包含传统的关系型（结构化）数据，还包含来自网页、互联网日志文件（流数据）、搜索索引、社交媒体、电子邮件、文档、主动和被动系统的传感器数据等原始、半结构化和非结构化数据。和过去不同的是，除了存储数据，还需要分析并从中获得有用的信息。1.1.4大数据的3V特征3）Velocity（速度）。数据产生和更新的频率也是衡量大数据的一个重要特征。这里，速度的概念不仅是与数据存储相关的增长速率，还包括数据流动的速度。有效地处理大数据，需要在数据变化的过程中动态地对它的数量和种类执行分析。在3V的基础上，IBM又归纳总结了第四个V——Veracity（真实和准确）。“只有真实而准确的数据才能让对数据的管控和治理真正有意义。”总之，大数据是个动态的定义，不同行业根据其应用的不同有着不同的理解，其衡量标准也在随着技术的进步而改变。1.1.4大数据的3V特征作为计算机科学的一个分支，AI是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，是一门自然科学、社会科学和技术科学交叉的边缘学科，它涉及的学科内容包括哲学和认知科学、数学、神经生理学、心理学、计算机科学、信息论、控制论、不定性论、仿生学、社会结构学与科学发展观等。1.1.5人工智能的定义AI研究领域的一个较早流行的定义，是由约翰·麦卡锡在1956年的达特茅斯会议上提出的，即：AI就是要让机器的行为看起来像是人类所表现出的智能行为一样。另一个定义指出：AI是人造机器所表现出来的智能性。总体来讲，对AI的定义大多可划分为四类，即机器“像人一样思考”“像人一样行动”“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动或制定行动的决策，而不是肢体动作。1.1.5人工智能的定义美国斯坦福大学AI研究中心尼尔逊教授对AI下了这样一个定义：“AI是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而温斯顿教授认为：“AI就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了AI学科的基本思想和基本内容。即AI是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软/硬件来模拟人类某些智能行为的基本理论、方法和技术。1.1.5人工智能的定义也可以把AI定义为一种工具，它用来帮助或者替代人类思维。它是一项计算机程序，可以独立存在于数据中心，在个人计算机里，也可以通过诸如机器人之类的设备体现出来。它具备智能的外在特征，有能力在特定环境中有目的地获取和应用知识与技能。AI是对人的意识、思维的信息过程的模拟。AI不是人的智能，但能像人那样思考，甚至也可能超过人的智能。自诞生以来，AI的理论和技术日益成熟，应用领域也不断扩大，可以预期，AI所带来的科技产品将会是人类智慧的“容器”。1.1.5人工智能的定义近年来，中国在人工智能领域取得显著进展，成为全球人工智能研究和应用的重要力量。中国政府高度重视人工智能的发展，2017年7月20日，国务院发布了《新一代人工智能发展规划》，设定到2030年成为世界主要人工智能创新中心的努力目标。此后，中国的研究者在全球顶级会议和期刊上发表了大量的人工智能相关论文，被引用次数也名列前茅，在人工智能专利申请数量方面，中国占据了世界领先地位。1.1.6人工智能发展的“中国风”1.世界AI发展的排头兵根据2025年初的统计数据，中国的人工智能核心产业规模已经达到5000亿元人民币，拥有超过4300家人工智能企业，涵盖了从基础硬件到应用场景的全产业链。人工智能技术在中国的应用场景非常广泛，包括智能制造、智慧城市、自动驾驶、医疗健康、金融科技等各个领域。1.1.6人工智能发展的“中国风”凭借着庞大的国内市场，中国企业能够快速迭代产品和服务，推动技术创新。作为世界上人口最多的国家之一，中国拥有海量的数据资源，为人工智能模型训练提供了丰富的素材。中国积极推动人工智能与其他行业的深度融合，人工智能+的战略加速了产业升级和转型。1.1.6人工智能发展的“中国风”中国还积极参与国际人工智能标准制定和技术交流，在国际市场上展示了强大的竞争力。例如中国企业DeepSeek（深度求索）在算法优化、深度学习等方面做出重要贡献，打破了某些技术瓶颈。随着人工智能教育的普及和相关专业课程的增加，中国正在培养出一批又一批的专业人才，为全球人工智能行业输送新鲜血液。通过持续投入和创新，中国有望在未来几年内进一步巩固其在人工智能领域的领导地位。1.1.6人工智能发展的“中国风”2.AI领域的“东方神秘力量”2024年年末，多家中国AI公司顶着“东方神秘力量”的光环，被密集置于国内外的聚光灯下。再国外网友热议的背景下，有国内网友敏锐地发现，这些“东方神秘力量”的AI企业都身处杭州，一时间，“杭州x小龙”的说法在江湖上不胫而走。1.1.6人工智能发展的“中国风”梳理这些“小龙”们的发展历程，人们会发现被称为“人工智能元年”的2018年是关键节点。那一年，群核科技（杭州）和英国帝国理工大学、美国南加州大学、浙江大学等高校联手推出InteriorNet数据集，为室内环境理解、3D重构、机器人交互等研究提供数据基础。那年年初，宇树科技熬过了发展的至暗时刻。几乎同一时间，《黑神话：悟空》立项，半年后“游戏科学”公司的精锐团队搬到了杭州。1.1.6人工智能发展的“中国风”也是那一年的年底，强脑科技落户杭州AI小镇，他们收获了一位特殊的员工——手部有残疾的倪敏成，后来他佩戴假肢用意念控制写毛笔字，完成了强脑科技在国内的首秀。这家比马斯克的Neuralink成立还早一年的脑机接口公司驶上了快车道，越来越多身患残疾、热爱生活的人戴着他们的假肢弹起钢琴、举起火炬。图1-4强脑科技的首秀：戴假肢用意念控制写毛笔字1.1.6人工智能发展的“中国风”2018年，杭州也叩开了通向未来的大门，正式提出并动员“中国数字经济第一城”的建设，为如今高水平重塑全国数字经济第一城，数字经济和人工智能的双向奔赴埋下伏笔。同样是在2018年，谷歌基于Transformer推出了Bert模型，世界知名的人工智能初创公司OpenAI推出了一个GPT系列模型，让机器看得懂也说得顺。不过，那一年，即使AI算力方面的业务大幅增长，英伟达还是被资本抛弃，到年底股价只剩3美元，差不多是2024年最高价的五十分之一，不过他们还是坚持给出了关于未来的一系列预演。1.1.6人工智能发展的“中国风”这些在当时看上去像魔法的技术，最终影响了包括杭州x小龙在内，所有与AI、计算、数据相关的科技公司日后的发展轨迹。2018年10月10日，华为发布了两款AI芯片。一个月多后，美国商务部工业安全局出台了一份针对关键技术和相关产品的出口管制框架，将对人工智能、芯片、机器人、量子计算、脑机接口以及生物技术等前沿科技实施出口管制。一场中美之间的科技对决徐徐拉开大幕。1.1.6人工智能发展的“中国风”3.基于量化“幻方”的深度求索据说，对于2018年，中国股民的回忆并不好。但当时方兴未艾的量化江湖出现了一支名为“幻方”的新锐，全年取得了正收益。所谓量化，通常指的是量化交易或量化投资，它是利用数学模型和计算机技术来进行交易或投资决策的过程，而不是依赖个人的主观判断。而“幻方”二字源于中国传统算术，常见的“九宫格”就是幻方的一种。1.1.6人工智能发展的“中国风”如果光看幻方量化的团队构成，很难想象他们是一家金融公司。公司CEO徐进是浙江大学信息学院信号与信息处理专业博士，研究的方向是机器人自主导航、立体视觉等，公司实际控制人梁文锋是个80后，毕业于浙大软件工程专业，主修软件工程，人工智能方向，2008年开始研究量化交易。1.1.6人工智能发展的“中国风”2016年，幻方在交易系统里融入AI，两年后“把AI确定为公司的主要发展方向”。2019年，幻方管理规模超过100亿，成为国内量化私募“四巨头”之一。同一年，他们开始研究怎么构建大规模GPU集群。从那年开始，幻方每年会购买大批GPU，到2021年，幻方量化对超算集群系统的投入增加到10亿元，并且搭载了超10000张英伟达A100显卡。江湖盛传：“中国持有高性能GPU最多的机构不是人工智能公司，而是幻方。”1.1.6人工智能发展的“中国风”2023年7月，梁文锋在杭州创立DeepSeek（深度求索），专注于AI大模型的研究和开发。很快，来自中国的大模型创业公司DeepSeek上线并同步开源DeepSeek-V3模型，公布了长达53页的训练和技术细节——他们用不到同行十分之一的成本训练出的大模型，在多项指标上领先包括OpenAI的GPT-4o在内的其他大模型。1.1.6人工智能发展的“中国风”4.宇树科技与它的四足机器人宇树科技（杭州宇树科技有限公司）专注于四足机器人的研发，提供高机动性、低成本的解决方案，广泛应用于教育、娱乐及科研领域。这是一家创立于2016年的公司，但已经拿下全球四足机器人市场的大半壁江山，出货量占比超过六成，客户里还包含亚马逊、谷歌、英伟达、Meta等。在宇树科技发布的B2机器狗进阶版B2-W的炫技视频里，四足变四轮的它轻松展示了托马斯全旋、侧空翻、360°跳跃转体等丝滑连招，还能从2.8米高处飞跃而下。这条视频甚至很快得到了马斯克的转发和评论。1.1.6人工智能发展的“中国风”宇树科技的创始人王兴兴生于1990年，他10岁的时候看到了MIT（麻省理工）实验室做出的机器人。主导这一项目的马克·雷伯特后来成了波士顿动力的创始人，波士顿把机器狗带入了世界大众的视野。大学毕业后王兴兴入职大疆（无人机），10年后宇树被媒体描述成为“地面大疆”。从小和各种机械部件打交道，王兴兴对每个构件的设计和成本都了然于胸，所以，宇树的机器狗性能卓越，价格反倒大幅低于同行，他既有工程师的才华，又有商人精明的头脑，他在电机驱动机器狗领域有绝对的自信。1.1.6人工智能发展的“中国风”5.游戏科技与《黑神话：悟空》说到自信，两年前就写好TGA年度最佳游戏获奖感言的冯骥不遑多让。TGA是由加拿大籍游戏媒体人杰夫·吉斯利主办，得到索尼、微软、任天堂等知名企业支持的电子游戏奖项。1.1.6人工智能发展的“中国风”20年前，冯骥写下6000字的雄文《谁谋杀了我们的游戏?》，带着改变国产网游糟糕现状的满腔热血进入游戏行业。10年前，他成立游戏科学，决心要用扎实的技术去解决具体问题，用实事求是的态度做一款高品质的游戏。2018年，他和团队终于下定决心“重走西游”，弥补10年前在《斗战神》上留下的遗憾，《黑神话：悟空》正式踏上取经路，终于让唢呐声第一次在被誉为游戏奥斯卡的TGA上响起，即便遗憾错失年度最佳游戏，也留下了“功成何须袈裟证”的美誉。1.1.6人工智能发展的“中国风”6.全球最大可交互三维能力的群核科技本科就读浙大竺可桢学院的黄晓煌博士研究方向是GPU高性能计算，回国后与两位室友创立了群核科技，名字来源于他们搭建的GPU架构多核心处理器。最初他们的想法是把GPU放到云端，支持渲染等需要高性能计算的应用，家居设计成了最佳落地场景。很长一段时间，旗下“酷家乐”这个SaaS产品要比群核更有名。1.1.6人工智能发展的“中国风”得益于前期在家装领域，中期在工业4.0领域的长期沉淀，群核积累了大量物理世界的数据。在AI逐步从数字世界走入物理世界的过程中，坐在了“金矿”上——他们合成的数据不仅质量高，还遵循了物理规律。2024年11月20日，他们首次对外公开群核的两大技术引擎：启真（渲染）引擎和矩阵（CAD）引擎。一个对应拥有超级算力支撑的万卡集群，另一个对应由海量数据组成的“物理世界模拟器”。后者比OpenAI对Sora“世界模拟器”的定义多了两个字，更强调“真实”。1.1.6人工智能发展的“中国风”面对国外科技巨头的竞争，DeepSeek的梁文锋说：中国的企业应该要自信，要学会引领技术创新，学会组织和培养自己的高密度人才。宇树科技的王兴兴说：高学历并不代表一切，“没有人特别天才，大家其实都差不多。”游戏科技的冯骥希望大家都能继续怀着自信与雄心，保持勇敢、诚实和善良，踏实做好每一件具体的小事，坦然接受结果，一直在取经的路上，直至生命最后一刻。1.1.6人工智能发展的“中国风”PART02任务1.2：进入人工智能时代将人类与一般动物区分开的特征之一就是省力工具的使用。人类发明了车轮和杠杆，以减轻远距离携带重物的负担。人类发明了长矛，从此不再需要徒手与猎物搏斗。数千年来，人类一直致力于创造越来越精密复杂的机器来节省体力，然而，能够帮助人们节省脑力的机器却一直是一个遥远的梦想。时至今日，人们才具备了足够的技术实力来探索更加通用的思考机器。虽然计算机面世还不到百年，但人们日常生活中的许多设备都蕴藏着AI技术。AI最根本也是最宏伟的目标之一就是建立人脑般的计算机模型，也许，精确性稍逊的模型也同样十分有效。任务1.2进入人工智能时代电子计算机的诞生使信息存储和处理的各个方面都发生了革命，计算机理论的发展产生了计算机科学并最终促使AI的出现。计算机这个用电子方式处理数据的发明，为AI的可能实现提供了一种媒介。对于人的思维模拟的研究可以从两个方向进行，一是结构模拟，仿照人脑的结构机制，制造出“类人脑”的机器；二是功能模拟，从人脑的功能过程进行模拟。现代电子计算机的产生便是对人脑思维功能的模拟，是对人脑思维的信息过程的模拟。于是，实现AI有三种途径，即强AI、弱AI和实用型AI。任务1.2进入人工智能时代01强人工智能02弱人工智能03实用型人工智能04机器学习目录/CONTENTS05深度学习06机器学习与深度学习关系强AI又称多元智能，研究人员希望AI最终能成为多元智能并且超越大部分人类的能力。有些人认为要达成以上目标，可能需要拟人化的特性，如人工意识或人工大脑。上述问题被认为是AI的完整性：为了解决其中一个问题，你必须解决全部问题。即使一个简单和特定的任务，如机器翻译，会要求机器按照作者的论点（推理），知道什么是被人谈论（知识），忠实地再现作者的意图（情感计算）。1.2.1强人工智能强AI不局限于模仿人类的行为，它被认为具有真正独立的思想和意识，并且具有推理并解决问题的能力，甚至这种AI具有和人类类似的情感，可以与个体进行共情（体验别人内心世界的能力）。强AI观点的倡导者指出，具有这种智能级别的事物，已经不再是人类所开发的工具，而是具有思维的个体，从本质上来说已经和人类没有差别了——因为人类也不过是一台有灵魂的机器而已。既然机器有了灵魂，为何不能成为“人类”？这其中更是涉及到了“何为人”的哲学探讨，这种探讨在诸多的科幻小说也多有描述，其中重要的载体就是这种“强AI”。1.2.1强人工智能虽然强AI和弱AI只有一字之差，但二者含义有巨大差别：这种“强”其实是一种断层式的飞跃，是一种哲学意义上的升华。强AI的观点认为有可能制造出真正能推理和解决问题的智能机器，并且这样的机器将被认为是有知觉的，有自我意识的。1.2.1强人工智能强AI可以有两类：1）类人的AI，即机器的思考和推理就像人的思维一样；2）非类人的AI，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。强AI即便可以实现也很难被证实。为了创建具备强AI的计算机程序，首先必须清楚了解人类思维的工作原理，而想要实现这样的目标，人类还有很长的路要走。1.2.1强人工智能弱AI指的是利用设计好的程序对动物以及人类逻辑思维进行模拟，所指的智能体表现出与人类相似的活动，但是这种智能体缺乏独立的思想和意识。弱AI观点认为不可能制造出能真正地推理和解决问题的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。目前就算最尖端的AI领域也仅仅停留在弱AI的阶段，即使这种AI可以做到人类难以完成的事情。甚至有AI学者认为，人类作为智能体，永远不可能制造出真正能理解和解决问题的智能机器。1.2.2弱人工智能就目前的生活来看，这种弱AI已经完全融入到了我们的生活环境之中：譬如手机中的语音助手、智能音箱等等。但说到底，这些只是工具，被称为“机器智能”或许更为贴切。例如，1979年汉斯·莫拉维克制成的斯坦福马车，这是历史上首台无人驾驶汽车，能够穿过布满障碍物的房间，也能够环绕AI实验室行驶。1.2.2弱人工智能弱AI只要求机器能够拥有智能行为，具体的实施细节并不重要。深蓝计算机就是在这样的理念下产生的，它没有试图模仿国际象棋大师的思维，仅仅遵循既定的操作步骤。倘若人类和计算机遵照同样的步骤，那么比赛时间将会大大延长，因为计算机每秒验算的可能走位就高达2亿个，就算思维惊人的象棋大师也不太可能达到这样的速度。人类拥有高度发达的战略意识，这种意识将需要考虑的走位限制在几步或是几十步以内，而计算机的考虑数以百万计。就弱AI而言，这种差异无关紧要，能证明计算机比人类更会下象棋就足够了。1.2.2弱人工智能如今主流的研究活动都集中在弱AI上，并且一般认为这一研究领域已经取得可观的成就，而强AI的研究则处于停滞不前的状态。1.2.2弱人工智能实用型AI的研究者们将目标放低，不再试图创造出像人类一般智慧的机器。眼下人们已经能制造出能模拟昆虫行为的机器人。机械家蝇看起来似乎并没有什么用，但即使是这样的机器人，在完成某些特定任务时也是大有裨益的。比如，一群如狗大小，具备蚂蚁智商的机器人在清理碎石和在灾区找寻幸存者时就能够发挥很大的作用。图1-6华盛顿大学研制的靠激光束驱动的RoboFly昆虫机器人1.2.3实用型人工智能随着模型变得越来越精细，机器能够模仿的生物会越来越高等，最终，我们可能必须接受这样的事实：机器似乎变得像人类一样智慧了。也许实用型AI与强AI殊途同归，但考虑到一切的复杂性，我们不会相信机器人是有自我意识的。1.2.3实用型人工智能机器学习和深度学习是AI领域中两个密切相关但又有所区别的概念。机器学习是一种通过算法使计算机系统利用数据进行自我优化并改进性能的技术，而深度学习则是机器学习的一个子集，它使用多层神经网络从大量数据中自动学习复杂的特征表示，以实现更高级别的任务处理和决策能力。机器学习的应用非常广泛，几乎涵盖了所有行业和领域。还有很多其他重要的应用场景，如医疗诊断、自动驾驶、语音识别等。如何有效地选择和处理输入特征对于模型性能有着至关重要的影响。1.2.4机器学习机器学习的定义：是一种让计算机系统通过经验（数据）自动改进的技术，而无须明确编程指令。它依赖于算法来构建数学模型，这些模型可以从历史数据中学习，并用于对未来事件进行预测或决策。机器学习主要类型如下。1.2.4机器学习1）监督学习：使用标记的数据集训练模型，目标是最小化预测值与真实标签之间的误差。例如分类问题（如垃圾邮件检测）、回归问题（如房价预测）。2）无监督学习：处理未标记的数据，旨在发现隐藏的模式或结构。常见的应用包括聚类分析（如客户细分）、降维（如主成分分析PCA）。3）强化学习：通过试错机制与环境互动，学习如何采取一系列动作以最大化累积奖励。适用于游戏、机器人导航等领域。1.2.4机器学习机器学习的主要特点如下。1）特征工程：在传统机器学习中，特征选择和提取是非常重要的步骤，因为模型的表现很大程度上取决于输入特征的质量。2）可解释性：许多传统的机器学习模型相对简单，易于理解和解释，这对于某些应用场景（如医疗诊断）非常重要。1.2.4机器学习示例1：垃圾邮件过滤。通过分析大量已知类别（垃圾/非垃圾）的邮件文本，模型可以学会区分不同类型的邮件特征，并据此对新收到的邮件进行分类预测，自动识别并过滤掉电子邮件中的垃圾信息。使用技术：1）算法：朴素贝叶斯分类器、支持向量机（SVM）。2）特征工程：提取邮件内容的关键字、短语、发件人信息等作为输入特征。3）训练数据：标记为“垃圾”或“非垃圾”的历史邮件样本。4）评估指标：准确率、召回率、F1分数等。1.2.4机器学习示例2：信用卡欺诈检测。通过对历史交易数据的学习，模型能够识别出哪些因素组合最有可能导致欺诈行为的发生，并在新的交易中快速做出风险评估，实时监控交易活动，及时发现潜在的欺诈行为。使用到的技术如下。1）算法：决策树、随机森林、梯度提升机（GBM）。2）特征工程：包括交易金额、时间戳、地理位置、用户行为模式等。3）训练数据：过去一段时间内的所有交易记录，其中包含正常和异常交易。4）评估指标：ROC曲线下面积（AUC-ROC）、混淆矩阵。1.2.4机器学习示例3：客户细分与市场定位。聚类算法可以帮助企业从庞大客户数据库中找出具有相似特征的子集，从而实现更加精准的目标市场营销。根据消费者的购买习惯和其他属性将他们分成不同的群体，以便制定个性化的营销策略。使用到的技术如下。1）算法：K均值聚类、层次聚类。2）特征工程：年龄、性别、收入水平、消费频率、偏好商品种类等。3）训练数据：客户的个人信息及历史购物记录。4）评估指标：轮廓系数、卡林斯基-哈拉巴斯指数。1.2.4机器学习示例4：推荐系统。其核心在于理解用户的偏好，并通过算法找到最