人工智能与社会课件 模块三

CONTENTS01自然语言理解单元一02机器翻译单元二03自然语言理解的现实应用单元三04机器人的听力发育单元四01机器人社会地位单元五04AI语言大模型单元六单元一.自然语言理解Part01自然语言理解自然语言理解语言学心理学逻辑学声学数学和计算机科学研究现代语音学音系学语法学语义学语用学认识自然语言理解自然语言理解（NLU,NaturalLanguageUnderstanding）是自然语言处理（NLP,NaturalLanguageProcessing）的一部分。“讲人话”自然语言理解认识自然语言理解自然语言：自然语言理解就是对“讲人话”的自然语言的理解、领会非自然语言：这位小朋友眼睛近视了。这位小朋友屈光不正，平行光线进入他眼内时视网膜上不能形成清晰像。自然语言理解买机票有去北京的航班吗？看看航班下周二去北京的。要出差帮我查一下机票。自然语言理解‘上海’时间：下周二认识自然语言理解自然语言：自然语言理解就是对“讲人话”的自然语言的理解、领会非自然语言：这位小朋友眼睛近视了。这位小朋友屈光不正，平行光线进入他眼内时视网膜上不能形成清晰像。多样性鲁棒性知识依赖上下文歧义自然语言理解自然语言理解

LUNAR系统是由伍兹（W.Woods）于1972年研制成功的一个自然语言情报检索系统，具有语义分析能力，用于帮助地质学家比较从月球卫星Apollo-11上得到的月球岩石和土壤组成的化学成分数据单元二.机器翻译Part02机器翻译20世纪30年代初，法国科学家阿尔楚尼提出了用机器来进行翻译的想法。机器翻译苏联发明家特罗扬斯基设计了把一种语言翻译成另一种语言的机器。1933年机器翻译1947年提出了利用计算机进行语言自动翻译的想法。美国科学家W.Weaver英国工程师A.D.Booth机器翻译第三个阶段，恢复期（1947—1964）70年代后80年代中期以后技术层面推动了机器翻译研究的复苏，机器翻译项目又开始发展起来。我国首先研制成功了

KY-1和MT/EC863两个英汉机译系统机器翻译第四个阶段，中国的成就:“译星”

“雅信”“通译”“华建”机器翻译机器翻译拍照翻译语音/对话翻译取词翻译机器翻译文档翻译机器翻译ArtificialIntelligenceandSociety到底什么是情感？情感何以产生？什么是人的情感？什么是人工智能的情感？是否可能产生类似于人的情感？机器翻译源人工智能的情感人的情感机器翻译表情变化声调浮动肢体移动人的情感机器翻译机器翻译ArtificialIntelligenceandSociety机器翻译会取代人类吗？单元三.自然语言理解的现实应用Part03自然语言理解的现实应用有道翻译王语言学习智能家教500万像素的高清摄像头，支持AF自动对焦功能有道神经网络翻译（YNMT）支持离线神经网络翻译自然语言理解的现实应用有道翻译王语音翻译我想换一些美元拍照翻译Theflightwilltakefourhours.自然语言理解的现实应用机器客服自然语言理解的现实应用小度机器人小度智能音箱由百度开发的智能机器人在国内还属首例，依托于百度强大的人工智能，集成了自然语言处理、对话系统、语音视觉等技术，使小度机器人能够自然流畅地与用户进行信息、服务、情感等多方面的交流。自然语言理解的现实应用小米小爱小米AI音箱是小米公司发布的一款智能音箱小爱同学是该首款人工智能（AI）音箱的唤醒词及二次元人物形象自然语言理解的现实应用天猫精灵方糖天猫精灵是阿里巴巴集团阿里云智能事业群发布的AI智能终端品牌。自然语言理解的现实应用开放域的代表核心对话引擎多重交互感官第三方内容的触发与第一方内容生成跨平台的部署解决方案微软小冰自然语言理解的现实应用主要覆盖音乐创作、演唱、有声读物和电台电视台节目内容等领域主要覆盖诗歌、金融摘要、研报及资讯等领域主要覆盖绘画及图案设计等两个领域文本创作声音创作视觉创作单元四.机器人的听力发育Part04机器人的听力发育机器视觉歌尔声学共达电声新嘉联声音声学机器人的听力发育ArtificialIntelligenceandSociety那么机器人的听力现状是什么呢？机器人的听力发育机器视觉声音机器人的听力发育机器视觉数据集积木块鞋苹果手动工具倾斜机器人网球机器人的听力发育ArtificialIntelligenceandSociety那么机器人未来听力又是如何呢？机器人的听力发育机器视觉机器人的听力发育ArtificialIntelligenceandSociety目前机器人除了在听力上进行研究外，还有哪些进展呢？机器人的听力发育机器视觉图像识别目标检测语音翻译机器翻译文字识别语音对话单元五.机器人的社会地位Part04机器人的社会地位安防机器人随着现在科技产品的发展，最令大众关注的就是人工智能机器人的发展。服务机器人越来越普遍，此前，有很多的人工智能机器人电影广受欢迎，大众也都很疑惑，人工智能时代来临，人类还有未来吗？机器人会取代人类的地位吗？安防机器人又称安保机器人，是半自主、自主或者在人类完全控制下协助人类完成安全防护工作的机器人，如图3-15所示。安防机器人作为机器人行业的一个细分领域，立足于实际生产生活需要，用来解决安全隐患、巡逻监控及灾情预警等，从而减少安全事故的发生，减少生命财产损失。机器人的社会地位机器人对未来社会的影响劳务就业社会结构变化心理上的威胁技术失控的危险思维方式与观念的变化单元四.AI语言大模型Part04大模型概述随着计算能力的飞速进步和大数据时代的到来，大模型技术已经成为推动人工智能发展的关键力量。这些复杂的算法结构，通过模拟人类大脑的信息处理方式，能够处理和学习海量数据，从而在多个领域展现出前所未有的能力。在计算机科学领域，大模型的应用正日益广泛，从自然语言处理到图像识别，再到复杂的决策支持系统，它们正在重塑人们的技术景观。大模型之所以受到如此重视，是因为它们在处理复杂问题时表现出的卓越性能。与传统的机器学习模型相比，大模型能够捕捉到更加细微和抽象的模式，这使得它们在语言理解、视觉识别等任务上取得了突破性进展。此外，大模型的泛化能力也意味着它们可以在一个领域学到的知识迁移到其他领域，这种跨领域的学习能力极大地扩展了它们的应用范围。尽管大模型带来了许多令人兴奋的可能性，但它的兴起也伴随着一系列挑战。大模型的类型1．自然语言处理模型自然语言处理模型专注于处理和生成文本数据，如情感分析、机器翻译和文本生成等。典型的模型有GPT-3和BERT。它们在各种语言任务（如文本分类、自动问答和文档摘要）中表现出色。华为即将上线的“盘古系列AI大模型”中包括了NLP大模型，这类模型被认为最接近人类中文理解能力。大模型的类型2．计算机视觉模型计算机视觉模型专注于图像和视频数据的处理，包括图像识别、对象检测和视频分析等。典型的模型有ResNet和YOLO，它们在视觉任务中被广泛应用，例如实时物体检测和人脸识别。大模型的类型3．多模态模型多模态模型能够同时处理多种类型的数据，如文本、图像和声音。这种模型在理解跨媒体内容和增强人机交互方面展现出强大的能力。例如，一个多模态模型可以同时分析图像和相关的描述文本，以提供更丰富的信息理解和生成。GPT-4是OpenAI开发的模型，是第一个可以同时接受文本和图像作为输入的多模态模型。而PaLM2是谷歌推出的AI模型，专注于常识推理、形式逻辑、数学和20多种语言的高级编码。华为盘古大模型采用文本+代码融合训练的方式，支持从文本中提取信息，并理解代码的语义和逻辑及与文本之间的关系，具有很强的推理能力，且支持32KB及以上长序列的处理能力。大模型的类型4．特定领域模型特定领域模型专为特定行业或任务设计，常用于医疗健康、法律或金融等领域。它们通过学习特定领域的大量数据来优化性能，例如在医疗影像诊断或法律文件分析中的应用。这四种类型的大模型各有其特点和应用场景。随着技术的发展和应用需求的增加，它们的界限可能会进一步拓展或融合。例如，未来可能会出现更多将自然语言处理与计算机视觉技术结合的多模态模型，以解决更加复杂的实际问题。总的来说，这些分类反映了大模型技术的多样性和复杂性，同时也指向了未来研究和应用的潜在方向。随着深度学习技术的不断进步，我们可以预见到这些大模型将在更多的领域得到应用，并推动相关技术和服务的发展。大语言模型概述大语言模型是一种在自然语言处理（naturallanguageprocessing,NLP）领域应用广泛的深度学习技术，它通过训练大量文本数据来理解和生成人类的语言。这种模型特别擅长捕捉和模拟人类语言的复杂性，使其能够在多种语言任务中表现出色，如机器翻译、内容创建、情感分析等方面。大语言模型概述1．大语言模型的技术特点（1）模型结构大语言模型通常建立在复杂的神经网络架构上，如Transformer，这是一种利用自注意力机制高效处理序列数据的模型。自注意力机制允许模型在处理输入的每个单词时，同时考虑到句子中的其他单词，从而更好地理解上下文和语义关系。（2）训练过程大语言模型通过在庞大的数据集上进行预训练，学习语言的潜在模式。预训练后的模型可以在特定的下游任务上进行微调，例如文本分类或问答系统，这进一步提高了模型在特定应用场景中的表现。（3）参数规模大语言模型的另一个特点是其庞大的参数数量，这直接关联到模型处理信息的能力。例如，典型的GPT-3模型就包含1750亿个参数，这使得它在各种语言任务中都显示出惊人的性能。（4）应用实例大语言模型已被成功应用于多种实际场景，包括自动写作、聊天机器人以及语音识别等。在这些应用中，模型不仅能生成连贯和相关的文本，还能与用户进行互动，提供类似人类的交流体验。大语言模型概述2．大语言模型的优势大语言模型逐渐成为人工智能领域的重要研究方向，具有很多的优势。（1）大语言模型的发展将极大地提高人们的工作效率在许多行业，如新闻、教育、医疗等，大语言模型可以帮助人们快速地处理大量的文本信息，从而提高工作效率。例如，在新闻行业，大语言模型可以帮助记者快速撰写新闻报道；在教育行业，大语言模型可以帮助教师批改学生的作业；在医疗行业，大语言模型可以帮助医生分析病例资料。（2）大语言模型的发展将改变人们获取信息的方式传统的搜索引擎主要依赖关键词匹配来提供搜索结果，而大语言模型可以理解用户的需求，提供更加准确、个性化的搜索结果。这将使人们可以更加高效、便捷地获取信息。（3）大语言模型的发展还将推动智能助手的进步随着大语言模型技术的成熟，智能助手将能够更好地理解人类的需求，提供更加智能化的服务。例如，在智能家居领域，智能助手可以根据用户的喜好和习惯，自动调整家居环境；在出行领域，智能助手可以为用户提供实时路况信息，规划最佳出行路线。大语言模型产品对比1．国外大语言模型目前，国外流行的大语言模型产品有GPT-3、BERT、XLNet和Transformer-XL等。这些模型在自然语言处理领域取得了显著的成果，下面介绍它们各自的优缺点。（1）GPT-3由OpenAI开发的GPT-3是目前最大的预训练语言模型之一，具有1750亿个参数。其优点在于具有强大的生成能力，可以生成高质量的文本，可以完成回答问题、进行翻译等任务。然而，GPT-3的缺点是计算资源消耗巨大，需要大量的GPU内存来训练和运行模型。此外，GPT-3可能会生成一些不准确或与事实不符的内容。目前，它已经升级到GPT-4版本。（2）BERT由Google推出的BERT（bidirectionalencoderrepresentationsfromtransformers）模型在多个自然语言处理任务中取得了优异的表现。其优点在于能够理解上下文信息，从而更好地捕捉句子中的语义关系。其缺点是需要大量的计算资源来训练模型，并且对于长文本的处理可能不够有效。（3）XLNetXLNet是一种融合了自回归和自编码器结构的语言模型。它在一些任务上的表现要优于BERT。XLNet的优点在于它能够更好地处理长文本，并且能够捕捉到更长距离的依赖关系。其缺点是训练过程相对复杂，需要更多的计算资源。大语言模型产品对比2．国内大语言模型目前，国内大语言模型的研究和开发呈现出百家争鸣的局面。不仅有大学和研究机构积极参与，还有众多科技巨头和创业公司纷纷投入研发。例如，百度的文心一言在多个评测维度中取得了优异成绩，展现了国产大语言模型的强大实力，其市场的规模也在不断扩大。据统计，2023年我国AI大模型行业的市场规模为147亿元。下面介