计算机应用基础课件 单元10　新一代信息技术概论

人工智能（AI）是计算机科学的重要分支，旨在赋予机器感知、学习、推理与决策的能力。自AI学科正式确立以来，经历了从符号逻辑推理到深度学习的多次技术跃迁。现代AI则依托神经网络和海量数据，在图像识别、语音处理等领域取得了突破性进展。​在此背景下，大语言模型成为AI技术的前沿代表。大语言模型基于Transformer架构，其训练通常分为两个阶段：首先，在海量文本数据上进行预训练，学习语言规律与常识；其次，通过特定领域的数据进行微调，优化模型在专业任务中的表现。​这种训练方式使得LLM不仅能够理解日常对话，还能处理复杂的科学知识，并生成多种模态的内容，如文本、图像和代码。​单元10

新一代信息技术概论学习目标了解人工智能的概念和应用场景了解机器感知的概念了解机器学习的概念并掌握基本的机器学习方法了解生成式人工智能和大语言模型的概念了解主要的生产式人工智能工具的特点和应用方法掌握提示词的设计技巧单元10人工智能与大语言模型应用任务1

使用机器学习方法判断判定电影类型任务2使用大语言模型生成年终报告单元10

人工智能与大语言模型应用任务1使用机器学习方法判定电影类型任务描述在电影剧场中，上映的题材有爱情片、动作片等，如果一部电影中接吻镜头很多，打斗镜头较少，显然是属于爱情片，反之为动作片。下表列出了已经添加标签的训练样本，其中包含了6部电影每类镜头数量和所属类型。

电影名称打斗镜头接吻镜头电影类型CaliforniaMan3104爱情片He'sNotReallyintoDudes2100爱情片BeautifulWoman181爱情片KevinLongblade10110动作片RoboSlayer3000995动作片Ampedll982动作片任务描述现在要根据训练数据集，对下表中的三部新的影片进行判断，是属于哪一种电影类型。要完成本任务，可以采用K-近邻算法，它是机器学习中最简单的算法，其核心是采用测量不同特征值之间的距离来进行分类，通俗来说就是距离待分类最近的K个点来决定该分类的类别。电影名称打斗镜头接吻镜头电影11590电影25457电影310836解决路径特征提取与数据准备​​​计算与训练样本的距离选取最近的K个邻居多数表决并判定类型相关知识1．人工智能的概念和应用场景人工智能（ArtificialIntelligence，AI）。它是计算机科学的一个分支，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。人工智能企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，目前应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能已经逐渐走进我们的生活，并应用于各个领域，它不仅给许多行业带来了巨大的经济效益，也为我们的生活带来了许多改变和便利。1．人工智能的概念和应用场景（1）人脸识别（2）

语音识别（3）无人驾驶汽车（4）机器翻译（5）声纹识别（6）智能客服机器人除了以上这些应用场景，人工智能还有许多其他的应用。例如，智能外呼机器人、个性化推荐、医学图像处理、图像搜索等。2机器感知扫地机器人自动清扫、无人驾驶车辆判断行驶操作、工业机器人精准安装元件，这些功能的实现都依赖人工智能基础技术——机器感知。机器感知（MachineCognition）是复杂程序构成的信息处理系统，通过常规传感器采集信息并处理，以得到所需结果，其对智能机器人而言，如同人的五官和神经系统，是机器人获取外部环境信息与进行内部反馈控制的工具。2机器感知（1）机器感知系统的组成人类具有5种感觉，即视觉、嗅觉、味觉、听觉和触觉。智能机器人有类似人一样的感觉系统，机器人通过这些传感器获得信息，再通过不同的处理方式，送入其主控器（机器人大脑），完成各种动作。实际上，机器感知是对人体感知的高度模仿。传感器相当于人体各种感觉器官，电路或传输网络相当于人体神经，主控器相当于大脑是完成各种操控动作的指挥中心。2机器感知（2）主要传感器与人体各种感知器官相对应的，统称为传感器。在机器感知领域有视觉传感器、语音传感器、味觉传感器、嗅觉传感器、触觉传觉器、姿态传感器和测距传感器等。插图所示的激光测距传感器，可以根据光信号在两个反射面之间的往返飞行时间来测算节点之间的距离。测距传感器在无人驾驶、夜视仪、安全防控和无人机等领域得到了相当广泛的应用。除了激光测距传感器，还有超声波测距传感器和红外线测距传感器等类型。3.机器学习近年来，人工智能在语音识别、图像处理等诸多领域都获得了重要进展，在人脸识别、机器翻译等任务中已经达到甚至超越了人类的能力。可以说，人工智能技术所取得的成就在很大程度上得益于目前机器学习理论及其应用技术的进步。在可以预见的未来，以机器学习为代表的人工智能技术将给人类未来生活带来深刻的变革。作为人工智能的核心研究领域之一，机器学习是人工智能发展到一定阶段的产物，其最初的研究动机是为了让计算机系统具有类似人类的学习能力以便实现人工智能。3.机器学习（1）机器学习的概念机器学习字面理解其目的是让机器具备人类般的学习能力；该领域奠基人汤姆・米切尔认为，它是计算机科学与统计学的交叉，也是人工智能和数据科学的核心。机器学习与人类学习逻辑相似，均基于过往经验（历史数据）找到规律（创建模型），再用模型处理新数据、预测未知。其根本任务是对数据智能分析与建模，从大量数据中挖掘价值；本质是借助计算寻找数据规律、挖掘有用信息的手段，过程为对数据抽象表示、建模，再依据模型“估计”有价值参数以提取人类所需信息。当下信息技术飞速发展、互联网普及，数据获取存储更便捷，数字化信息呈指数级增长，但数据本身无法自动呈现内在价值，凸显了机器学习的重要性。3.机器学习（1）机器学习的概念机器学习字面理解其目的是让机器具备人类般的学习能力；该领域奠基人汤姆・米切尔认为，它是计算机科学与统计学的交叉，也是人工智能和数据科学的核心。机器学习与人类学习逻辑相似，均基于过往经验（历史数据）找到规律（创建模型），再用模型处理新数据、预测未知。3.机器学习（1）机器学习的概念其根本任务是对数据智能分析与建模，从大量数据中挖掘价值；本质是借助计算寻找数据规律、挖掘有用信息的手段，过程为对数据抽象表示、建模，再依据模型“估计”有价值参数以提取人类所需信息。当下信息技术飞速发展、互联网普及，数据获取存储更便捷，数字化信息呈指数级增长，但数据本身无法自动呈现内在价值，凸显了机器学习的重要性。3.机器学习（2）机器学习的发展①

发展历程与黄金时期：机器学习是人工智能较年轻分支，20世纪90年代后，在统计学界与计算机学界协作下，涌现大量重要学术成果，进入发展黄金时期。②

核心研究方向与技术：其以数据分析与处理为导向，主要研究方向包括无监督学习、监督学习、强化学习，还提出并开发了支持向量机（SVM）分类算法、高维空间稀疏化学习模型等系列模型、方法与算法。③

深度学习的关键作用：深度学习是机器学习发展的重要节点，现有深度神经网络、卷积神经网络等多种深度学习框架，已在计算机视觉、语音识别等多领域应用且效果极佳，近年机器学习对工业界（如无人驾驶、图像识别领域）的重要影响多源于深度学习的发展。3.机器学习（3）机器学习算法机器学习算法可以分为三大类：监督学习、无监督学习和强化学习。①监督学习（SupervisedLearning）：监督学习就是在已知输入和输出的情况下训练出一个模型，将输入映射到输出，其任务是建立起一个将输入准确映射到输出的模型，当给模型输入新的值时就能预测出对应的输出了。②无监督学习（UnsupervisedLearning）：无监督学习就是不受监督的学习，可用于给定的没有标签的数据集（数据不是预分配好的），目的就是要找出数据间的潜在关系。同监督学习相比，无监督学习具有很多明显的优势，其中最重要的一点是，不再需要大量的标注数据。

强化学习（ReinforcementLearning）③

强化学习位于前两者之间，每次预测都有一定形式的反馈，但是没有精确的标签或者错误信息。强化学习是以“试错”的方式进行学习，通过与环境进行交互获得“奖赏”的指导行为，目标是使智能体获得最大的“奖赏”。3.机器学习（4）深度学习深度学习是机器学习的分支、实现人工智能的重要路径，概念源于对人工神经网络（ANN）的研究，含多个隐藏层的多层感知器即属于深度学习结构。通过组合低层特征形成抽象高层特征以表示属性类别或特征，发现数据分布式特征；研究动机是建立模拟人脑分析学习的神经网络，模仿人脑机制解释图像、声音、文本等数据。深度学习的开展离不开计算机强大的计算能力和大量高质量的数据。在搜索、数据挖掘、机器翻译、语音识别等多领域成果显著，能让机器模仿人类视听和思维活动，解决复杂模式识别难题，推动人工智能技术进步；拥有卷积神经网络（CNN）等相关模型，是极具深入研究价值的重要领域。任务实施请看任务1视频单元10人工智能与大语言模型应用任务2使用大语言模型生成年终报告任务描述在本任务重，某连锁面包房已经取得了2023年的销售数据，希望借助大语言模型，对数据进行处理与分析，撰写总结报告，并进一步根据总结报告制作可以在会场演示的PPT演示文稿。

解决路径使用AI辅助撰写计算公式使用AI进行数据分析并生成报告使用AI根据报告内容生成演示文稿相关知识1．认识生成式人工智能（AIGC）（1）里程碑事件

2022：OpenAI发布ChatGPT，对话式AI引爆全球关注。

2023：GPT-4面世，被视作“AIGC爆发元年”；中国大模型集中亮相，百度文心一言、阿里通义千问、DeepSeek等迅速跻身全球第一梯队。（2）AIGC定义

生成式人工智能（AIGC）＝利用深度学习从大规模数据中学习创造规律，自动产出文本、图像、音频、视频等多模态内容的技术体系。1．认识生成式人工智能（AIGC）（3）AIGC核心技术

Transformer架构

预训练＋微调

人类反馈强化学习（4）能力跃迁

从“感知AI”（识别、分类）迈向“创造AI”（生成、创作），标志着人工智能进入全新阶段。2.AIGC技术的应用领域（1）新闻与媒体（2）文学创作（3）社交媒体内容创作（4）虚拟影像和角色创造（5）数字人（6）个性化广告（7）教育应用（8）视觉艺术应用（9）音乐创作3.主流AIGC工具介绍（1）ChatGPT（2）DeepSeek（3）文心一言（4）Kimi（5）腾讯元宝（6）通义千问（7）智谱清言（8）讯飞星火（9）即梦/可灵（10）Copilot（11）WPSAI4.提示词工程要与大语言模型有效交流，关键在于理解和运用“提示词”（Prompt）。提示词是与聊天机器人交互时提供的输入信息，可以是问题、陈述或命令，旨在激发大语言模型以特定方式回应。有效的提示词能够明确告诉大语言模型你期望的信息类型，使对话更高效、目标更明确。与大语言模型进行自然语言对话的这种