人工智能学习课件

AICOURSE·2026人工智能学习课件从零开始，读懂人工智能汇报时间：2026学习地图课程导览壹初识

人工智能建立AI整体认知贰机器如何

学习理解三种学习范式叁深度学习

的奥秘揭开神经网络面纱肆从数据到

智能掌握训练与推理流程伍AI改变

世界看见应用与未来初识人工智能人工智能是什么01壹·初识人工智能一句话理解人工智能人工智能，就是让计算机去做通常需要人的智能才能完成的事。认出一张照片里有没有猫听懂一句语音指令根据浏览记录推荐下一部电影这里的「智能」不是科幻电影里的意识，而是一组具体能力：识别理解判断学习决策一个比喻人工智能像一个勤奋的学生——靠大量例子反复练习，掌握规律后举一反三。它不必像人一样思考，但表现可以像人一样聪明。拆开抽象概念，看机器如何一步步变聪明04/30贰·认识边界从弱人工智能到强人工智能弱人工智能今天所有AI产品只擅长某一类任务强人工智能尚不存在像人类一样应对几乎任何智力任务认清这条边界，就不会既高估它、又低估它。人工智能学习课件·从零开始，读懂人工智能05/30下围棋的AlphaGo、语音转文字工具刷脸支付、智能音箱——今天所有AI产品都在此列离开训练领域就完全失效目前还不存在，仍是长期目标有自我意识的超级智能，只存在于科幻与讨论中第一章·认识人工智能七十年的梦想接力今天的一切，都有来处。人工智能学习课件·从零开始，读懂人工智能06/301950年代起点术语诞生一群科学家正式提出

人工智能

术语，梦想让机器拥有思考能力。数十年间波折热潮与寒冬交替领域几度升温，又几度遇冷——每当发现机器离真正智能还很远，研究经费就锐减。1990年代末转折“深蓝”获胜IBM“深蓝”战胜国际象棋世界冠军，向大众展示机器的计算潜力。此后持续推进加速三重驱动算力、数据、算法

三重驱动：算力提升、互联网带来海量数据、算法持续突破，图像识别与语音识别接连取得进展。当下·近十年当下大模型爆发近十年的大模型浪潮，不过是这条漫长探索路上最近的一次飞跃。壹·初识人工智能一张图看懂三者关系外人工智能

最大的圈一切让机器表现出智能行为的技术，包括不靠学习的传统方法——比如专家系统，靠人手写规则来回答问题。中机器学习

中间一层不再手动写规则，让机器从数据里自己找规律。内深度学习

最内层机器学习中的一种具体方法，用多层神经网络处理海量数据。一句话记住：人工智能是目标，机器学习是主要道路，深度学习是这条路上目前最宽最快的一段。人工智能学习课件·从零开始，读懂人工智能07/30深度学习最内层人工智能最大的圈机器学习中间一层机器如何学习让机器从数据中找规律02贰·初识机器学习机器学习到底在学什么传统编程人写规则，机器执行机器学习给大量例子，机器自己总结规律学习的本质在数据里找映射关系——输入什么样，输出就应该是什么样。输入映射输出例子·机器如何学会判断有没有猫壹喂给机器成千上万张标注图片贰自己发现“有猫的图片”与“猫”标签之间的关联叁再遇到没见过的图片，也能判断有没有猫这很像小孩学认动物：没人讲定义，看得多了，自然就认识了。核心问题只有一个：用什么方法、什么数据，让“自己总结”更准确、更可靠。学习不是背规则，而是从例子中长出规则人工智能学习课件·从零开始，读懂人工智能09/30AI学习方式有答案的学习：监督学习监督学习训练数据自带标准答案，这些答案就叫

标签——就像做题时对照标准答案，机器照着学。分类判断类别邮件垃圾邮件/正常邮件照片猫/狗X光片有无异常回归预测连续数值房价按面积、地段预测气温按天气预测明日缺点需要大量人工标注，又贵又耗时优点目标明确、效果容易评估有答案，机器才学得会人工智能学习课件·从零开始，读懂人工智能10/30第贰讲·机器如何学习没答案的学习：无监督学习电商平台几百万条购物记录，不可能逐条人工打标。无监督学习不给标准答案，让机器自己在数据里找结构、找规律。聚类：把相似的归到一起平台发现一群用户总同时买篮球、运动鞋和蛋白粉，就自动划成“运动爱好者”群体，用于精准推荐。例：用户群体划分降维：压缩但保留主要信息把复杂数据压成更简洁的形式，方便可视化和后续分析。例：高维数据简化从杂乱中找结构，代价是结果好坏不易客观判断。人工智能学习课件·从零开始，读懂人工智能11/30学习范式靠奖惩学习：强化学习没有标准答案的范式前两种范式要么有标注答案，要么靠发现结构；强化学习两者都不要——机器在环境里反复尝试，做对得奖励，做错受惩罚。训狗类比坐下给零食，乱叫受批评，反复多次形成行为偏好。游戏实战自我对弈几千万盘，赢棋加分、输棋扣分，最终摸索出超越人类棋手的策略。应用机器人控制、自动驾驶决策、大模型反馈对齐都依赖它。优势能在复杂动态环境中自主探索最优策略。代价海量试错次数，计算成本相当高。没有标准答案时，奖惩就是最好的老师人工智能学习课件·从零开始，读懂人工智能12/30学习范式一页看懂三种范式监督学习有答案学分类与回归典型场景垃圾邮件过滤、房价预测适合有标签、目标明确的场景无监督学习没答案学聚类与降维典型场景用户分群、数据压缩适合数据量大但无标签的场景强化学习靠试错学策略优化典型场景游戏对战、机器人控制适合交互环境、需长期决策的场景有答案学分类，没答案找结构，靠试错练决策实际项目中三者边界并不绝对，常组合使用人工智能学习课件·从零开始，读懂人工智能13/30深度学习的奥秘层层抽象，逼近智能03深度学习·技术起点从人脑得到的灵感壹·起点人脑的启示人脑由数百亿个神经元组成：信号累加到一定程度，神经元被激活，再传给下一个。贰·映射人工神经元接收若干输入，每个输入配一个权重表示重要程度。加权求和后经非线性变换，输出结果。叁·涌现从单个到网络单个神经元能力有限；成千上万个单元分层连接、协同工作，整个网络便具备惊人的模式识别能力。从单个单元到分层网络人工智能学习课件·从零开始，读懂人工智能15/30神经网络的工作原理一层一层抽象出特征三层结构，各司其职输入层接收原始数据隐藏层负责逐级加工输出层给出最终结果人脸识别：逐层抽象浅浅层只识别边缘、颜色变化中中层组合出眼睛、鼻子等局部形状深深层拼成整张人脸网络从未被告诉“眼睛长什么样”——它自己从数据里一层层抽象出越来越高级的特征。从简单到复杂，正是深度学习的名字由来层数越多、神经元越多，可表达的抽象概念越丰富，对数据和算力的要求也越高。人工智能学习课件·从零开始，读懂人工智能16/30壹·初识深度学习深度学习为什么能胜出本质转变从「教人用零件拼图」变成「给他零件和成品，让他自己摸索拼法」结果图像与语音领域准确率实现质的飞跃人类从繁琐的特征设计中解放机器真正做到了端到端学习深度学习把人类从特征设计中解放了出来人工智能学习课件·从零开始，读懂人工智能17/30传统瓶颈手工设计特征识别猫要靠工程师手工设计特征——毛色、耳朵比例、尾巴形状，逐项编写规则，费力且难以面面俱到。深度学习的突破自动提取特征特征提取交给网络自己完成。只需喂入原始数据，训练中网络自行判断哪些特征重要、该用什么组合。网络架构·技术地图几种常见网络各有所长壹卷积神经网络图像处理首选擅长捕捉局部空间特征，刷脸识别、医学影像分析都靠它。贰循环神经网络早年序列主力早年处理文本与序列的主力，能记住前后文，但训练慢。叁Transformer大模型基石靠注意力机制高效捕捉长距离依赖，今天几乎所有大语言模型都建立在它之上。肆生成对抗网络以博弈生图两个网络互相博弈——一个造假、一个识别，逼真图片由此而来。不同问题配不同架构，选型正是工程师的核心功底。人工智能学习课件·从零开始，读懂人工智能18/30从数据到智能数据是燃料，模型是引擎04核心概念·数据数据是智能的燃料数据决定上限，模型只能逼近上限。数据不行，模型再强也白搭好数据要过三道关数量够见过足够多不同情况，模型才学得会质量高错误标注直接误导模型覆盖广训练时没见过的场景，用起来大概率失灵典型反例：只用人脸照片训练的识别系统，遇到戴墨镜或侧脸就可能失灵。数据是燃料，模型是引擎。人工智能学习课件·从零开始，读懂人工智能20/30训练机制训练：让模型慢慢变好前向传播

算误差数据进网络出预测与标准答案比算误差反向传播

调权重误差沿网络往回传算每个权重的调整方向与幅度两步骤交替循环两步骤交替，重复成千上万轮每完整看一遍训练数据=一个轮次训练终点：在没见过的数据上保持准确率，而非背下训练数据会纠错的模型，才真正学会了人工智能学习课件·从零开始，读懂人工智能21/30训练vs推理推理：模型开始干活为什么推理能上手机参数不变算力需求远低于训练普通手机、摄像头、家用设备均可实时运行训练是上学，推理是上班。人工智能学习课件·从零开始，读懂人工智能22/30训练像上学大量数据+强算力，目标是学规律、调参数推理像上班参数已固定，不再学习，只对新样本快速出结果模型训练当模型学偏了：常见问题过拟合

死记硬背，换个问法就不会训练集准确率很高，一碰新数据就露馅——模型把噪音和细节也当成了规律。对策增加数据、简化模型，或用正则化技巧。欠拟合

根本没学会，练习题都做不对训练集表现就很差，说明模型太简单，还没捕捉到主要规律。对策加强模型能力或延长训练。判断模型好坏，不能只看训练集表现，必须用一份它从没见过的数据来检验——这就是模型评估。人工智能学习课件·从零开始，读懂人工智能23/30评估与调优评估与调优是必修课三份数据，各司其职壹训练集让模型学习规律贰验证集训练中随时检验、调整方向叁测试集留到最后，模拟上线后的新数据反复在同一份数据上测试=提前偷看考题指标因任务而异分类看准确率，回归看误差大小，有时还要检查模型是否对某类样本特别不敏感。发布前必须过关在不同群体、不同数据来源上表现都稳定，才算合格。好的AI背后，是一整套严谨的工程方法人工智能学习课件·从零开始，读懂人工智能24/30AI改变世界技术落地，未来已来05应用篇让机器看懂世界：计算机视觉核心问题这张图里有什么、在哪里。让机器像人一样，从图像中读出内容与位置。“

让机器从像素中提取语义，是视觉智能的第一步手机相册·人脸识别自动按人分组识别照片中的人物，相册自动归类整理拍照·自动对焦、夜景增强智能识别拍摄场景，随手也能拍出清晰好照片医疗·辅助诊断标记可疑区域帮助医生快速定位病灶，提高筛查效率工厂·机器视觉检查产品外观缺陷速度与稳定性远超人工质检自动驾驶·实时识别行人、车辆、交通标志感知周围道路环境，支撑安全行驶决策人工智能学习课件·从零开始，读懂人工智能26/30贰·核心技术让机器听懂语言：自然语言处理从眼睛到头脑计算机视觉给了机器眼睛，自然语言处理则赋予机器理解和生成语言的能力。机器翻译智能客服语音纠错这些应用背后，都是NLP在支撑。大语言模型：最新成果模型在海量文本上学习语言规律。回答问题撰写文章多轮对话辅助编程核心价值在于降低沟通门槛——不懂技术的人也能用自然语言调动复杂能力。幻觉：当前重点挑战模型有时会一本正经地编造并不存在的信息，即幻觉，是研究和产品落地的重点攻克方向。理解它，善用它，保持核实意识人工智能学习课件·从零开始，读懂人工智能27/30贰·人工智