人工智能應用通識教程 課件 第一章AI大模型原理與應用-第一次課

課程介紹課程名稱：人工智能應用課程屬性：專業(yè)必修課課程學分：2學分課程學時：32課時，理論16課時、實踐16課時考核方式：考查，過程性評價40%+終結性評價60%課程目標：了解人工智能發(fā)展脈絡、技術分支以及基本原理，了解人工智能技術的應用場景，掌握人工智能技術的集成與應用方法。學習資源人才呀平臺：http://rencaiya.vip/college/allcourse超星學習通課程頁：/mooc2-ans/mycourse/tch?courseid=260658916&clazzid=139608912&cpi=531593717&enc=e2b74c526177a7a719d8cd792ede1634&t=1772334499086&pageHeader=-1&v=2&hideHead=0中國大學生MOCC平臺：/course/WHU-1207037803?from=searchPage&outVendor=zw_mooc_pcssjg_2第一章：AI大模型原理與應用目錄人工智能發(fā)展與演進什么是人工智能？人工智能的分類 人工智能的發(fā)展歷史和階段 人工智能應用方向及場景什么是人工智能？地圖APP自動售貨機無人配送車人臉識別門禁系統(tǒng)到底什么是人工智能？視頻鏈接：【IAMAI|NVIDIAGTC2024|官方主題演講介紹】

https://b23.tv/WREJbaf什么是人工智能？人工智能（ArtificialIntelligence）研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的新技術科學。1956年由約翰.麥卡錫首次提出，當時的定義為“制造智能機器的科學與工程”。人工智能的目的就是讓機器能夠像人一樣思考，讓機器擁有智能。時至今日，人工智能的內涵已經大大擴展，是一門交叉學科。

人工智能腦科學認知科學心理學語言學邏輯學哲學計算機科學什么是人工智能？人工智能技術分支：人工智能（AI）、機器學習（ML）和深度學習（DL）是層層遞進的技術體系。AI

是最廣泛的概念，旨在讓機器具備感知、推理、學習和決策等類似人類的智能能力；ML

是

AI的一個子集，通過數(shù)據(jù)驅動模型學習規(guī)律，無需顯式編程；DL

則是ML的重要分支，利用多層神經網絡自動提取特征，擅長處理圖像、語音、文本等非結構化數(shù)據(jù)。需要強調的是：人工智能、機器學習和深度學習是相互關聯(lián)而又有所區(qū)別的概念。人工智能是整體框架（或者說目標），而機器學習和深度學習則是實現(xiàn)人工智能的具體技術和方法。在實際應用中，我們可以根據(jù)具體需求選擇合適的技術和方法來實現(xiàn)人工智能的應用目標。什么是人工智能？盡管這些技術密切相關層層遞進，但它們在技術實現(xiàn)、數(shù)據(jù)需求和應用場景上有顯著區(qū)別。強人工智能弱人工智能人工智能超人工智能人工智能的分類

弱人工智能是指專心于且只能解決某一特定領域問題的人工智能。它只能在特定的領域、既定的規(guī)則中，表現(xiàn)出強大的智能。戰(zhàn)勝世界圍棋冠軍的AlphaGo就屬于弱人工智能，它只擅長下圍棋，不會解決其他問題。人工智能的分類人臉識別、機器翻譯、語音識別應用領域01模仿人類的行為，代替人類執(zhí)行計算、預測等任務。主要任務02基于背后既定的編程指令和訓練數(shù)據(jù)。工作原理03人工智能的分類

通常只能按照其所用訓練數(shù)據(jù)的模式來解決問題，對于從未見過的模式，往往難以做出正確的決策。缺乏跨領域的遷移能力。在某個領域表現(xiàn)很好的弱人工智能，可能在其他領域表現(xiàn)平平。通常需要持續(xù)的人類干預（如更新訓練數(shù)據(jù)、調整算法參數(shù)等）來保持性能。弱人工智能的發(fā)展限制原因人工智能的分類

強人工智能是指能夠勝任人類所有工作的人工智能。它不受領域、規(guī)則的限制，可以像人類一樣思考、學習、計劃、解決問題和理解復雜理念等。如何判斷一個人工智能是否具備強人工智能的特征呢？人們普遍使用的判斷方法是圖靈測試。人工智能的分類

人工智能模型GPT-4在圖靈測試中讓54%的測試者將其誤認為人類。可見，這些人工智能模型模仿人類交流的能力已經達到了較高的水平，這為強人工智能的實現(xiàn)奠定了基礎。

圖靈測試的基本思想是，測試者同時與一個人和一臺機器進行交流，如果這臺機器能讓測試者無法區(qū)分它是人還是機器，那么它就被認為具有了與人類相似的智能。圖靈測試人工智能的分類

超人工智能可理解為在任何領域都比最聰明的人類大腦還要聰明的人工智能。它不僅具備強人工智能的所有能力，還能夠進行自我改進和優(yōu)化，達到甚至超越人類的認知極限。

盡管對于現(xiàn)今的科技發(fā)展水平來說，超人工智能還只是一個遙遠的概念，但它指引著科技發(fā)展的方向，是人工智能研究人員追求的終極目標。人工智能的分類人工智能的發(fā)展歷史和階段孕育期（1956年之前）反思發(fā)展期（1976—1982）低迷發(fā)展期（1987—1997）蓬勃發(fā)展期（2010-2020年）起步發(fā)展期（1956—1976）應用發(fā)展期（1982—1987）穩(wěn)步發(fā)展期（1997—2010）大模型時代2020—至今圖靈測試ENIAC圖靈機發(fā)展時期發(fā)展經歷重要歷史事件孕育期

（1956年之前）邏輯推理、計算機、圖靈測試的出現(xiàn)促進了人工智能的產生1936

年，圖靈提出了一種理想計算機的數(shù)學模型，即圖靈機；1950

年，提出了圖靈測試1946

年，世界上第一臺通用計算機ENIAC問世人工智能的發(fā)展歷史和階段發(fā)展時期發(fā)展經歷重要歷史事件起步發(fā)展期（1956—1976年）人工智能概念提出后，相繼取得了一批令人矚目的研究成果，掀起了人工智能發(fā)展的第一個高潮達特茅斯會議上提出“人工智能”的概念，標志著人工智能的誕生達特茅斯會議會議主題：用機器來模仿人類學習以及其他方面的智能。人工智能的發(fā)展歷史和階段發(fā)展時期發(fā)展經歷重要歷史事件反思發(fā)展期（1976—1982年）人工智能的突破性進展使人們開始嘗試一些不切實際的想法。然而，接二連三的失敗和預期目標的落空使人工智能的發(fā)展走入低谷機器翻譯等項目的失敗及一些學術報告的負面影響，導致人工智能的研究經費普遍減少機器翻譯于上世紀80年代開始將基于規(guī)則的機器翻譯走向實際應用，這也是第一代機器翻譯技術。人工智能的發(fā)展歷史和階段發(fā)展時期發(fā)展經歷重要歷史事件應用發(fā)展期（1982—1987年）模擬人類專家的知識和經驗解決問題的專家系統(tǒng)盛行，并在醫(yī)療、地質和化學等領域取得成功，推動人工智能進入應用發(fā)展的新高潮1982年，商用專家系統(tǒng)R1開始在公司運行反向神經網絡被提出約翰霍·普菲爾德具有全新學習能力的Hopfield網絡杰弗里·辛頓（左）大衛(wèi)·魯梅哈特（右）可以訓練的反向傳播神經網絡人工智能的發(fā)展歷史和階段發(fā)展時期發(fā)展經歷重要歷史事件低迷發(fā)展期（1987—1997年）隨著人工智能的應用規(guī)模不斷擴大，專家系統(tǒng)的應用領域狹窄、缺乏常識性知識、知識獲取困難、推理方法單一等問題逐漸暴露出來直接以LISP語言的系統(tǒng)函數(shù)為機器指令的通用計算機市場崩潰LISP語言隨著人工智能的應用規(guī)模不斷擴大，專家系統(tǒng)存在的應用領域狹窄、缺乏常識性知識、知識獲取困難、推理方法單一、缺乏分布式功能、難以與現(xiàn)有數(shù)據(jù)庫兼容等問題逐漸暴露出來。人工智能的發(fā)展歷史和階段發(fā)展時期發(fā)展經歷重要歷史事件穩(wěn)步發(fā)展期（1997—2010年）網絡技術（特別是互聯(lián)網技術）的發(fā)展，加速了人工智能的創(chuàng)新研究，促使人工智能技術進一步走向實用化1997年，電腦深藍戰(zhàn)勝國際象棋世界冠軍基于神經網絡的深度學習取得突破性進展1997年電腦深藍戰(zhàn)勝國際象棋世界冠軍2008年彭明盛提出“智慧地球”概念人工智能的發(fā)展歷史和階段發(fā)展時期發(fā)展經歷重要歷史事件蓬勃發(fā)展期（2010年-2020年）隨著大數(shù)據(jù)、云計算、互聯(lián)網、物聯(lián)網等信息技術的發(fā)展，以深度神經網絡為代表的人工智能技術飛速發(fā)展2016年，AlphaGo戰(zhàn)勝世界圍棋冠軍李世石2018年，在央視春晚上，百度阿波羅（Apollo）無人車在熒幕上亮相AlphaGo圍棋機器人百度阿波羅（Apollo）人工智能的發(fā)展歷史和階段發(fā)展時期發(fā)展經歷重要歷史事件大模型(生成式人工智能)時代（2020年-至今）2020年OpenAI發(fā)布GPT-3，2022年StableDiffusion與DALL-E2引領圖像生成革命，2024年多模態(tài)模型突破視覺-語言聯(lián)合推理，2025年DeepSeek整合多模態(tài)分析與強化學習。2023年GPT-3發(fā)布2025年DeepSeek系列大模型發(fā)布ChatGPTDeepSeek人工智能的發(fā)展歷史和階段人工智能三階段計算智能感知智能認知智能能存會算：機器開始像人類一樣會計算，傳遞信息表現(xiàn)能聽會看：機器開始看懂和聽懂，做出判斷，采取一些簡單行動能理解會思考：機器開始像人類一樣能理解、思考與決策例：神經計算、進化計算等示例例：可以識別人臉的攝像頭、可以聽懂語言的音箱例：完全獨立駕駛的無人駕駛汽車、自主行動的機器人價值：能夠幫助人類存儲和快速處理海量數(shù)據(jù)，是感知和認知的基礎價值價值：能夠幫助人類高效地完成“看”和“聽”相關的工作價值：可以全面輔助或替代人類部分工作人工智能的發(fā)展歷史和階段-智能層次當前所在階段1、符號主義源于數(shù)理邏輯。知識表示、知識推理、知識運用是人工智能的核心。認知過程是各種符號進行推理運算的過程。知識和概念可以用符號表示，認知就是符號處理過程，推理就是采用啟發(fā)式知識及啟發(fā)式搜索對問題求解的過程。人工智能的發(fā)展歷史和階段-三大學派2、連接主義源于仿生學，特別是人腦模型的研究。思維的基本是神經元。連接主義中，一個概念用一組數(shù)字，向量，矩陣或張量表示。概念由整個網絡的特定激活模式表示。每個節(jié)點沒有特定的意義，但是每個節(jié)點都參與整個概念的表示。以感知機(perceptron)為代表的腦模型的研究人工智能的發(fā)展歷史和階段-三大學派3、行為主義源于控制論智能取決于感知和行動，提出智能行為的“感知-動作”模式。智能不需要知識、不需要表示、不需要推理；人工智能可以像人類智能一樣逐步進化；智能行為只能在現(xiàn)實世界中，通過與周圍環(huán)境的不斷交互而表現(xiàn)出來。代表：布魯克斯(Brooks)的六足行走機器人人工智能的發(fā)展歷史和階段-三大學派常見的AI應用技術方向計算機視覺：是研究如何讓計算機“看”的技術。語音處理：是研究語音發(fā)聲過程、語音信號的統(tǒng)計特性、語音識別、機器合成以及語音感知等各種處理技術的統(tǒng)稱。自然語言處理：是利用計算機技術來理解并運用自然語言的技術。大模型（生成式人工智能）：創(chuàng)建和使用能夠產生原始輸出的算法和模型，例如圖像，音樂，寫作甚至視頻，模仿或超越人類創(chuàng)造力和想象力的極限。人工智能應用方向及場景1、計算機視覺應用場景計算機視覺是三個AI應用技術中最成熟的技術。計算機視覺研究的主題主要包括圖像分類，目標檢測、圖像分割、目標跟蹤、文字識別和人臉識別等。分析客流電子考勤人工智能應用方向及場景1、計算機視覺應用場景視頻動作分析身份驗證智能相冊圖片搜索人工智能應用方向及場景2、語音處理應用場景語音識別、語音合成、語音喚醒、聲紋識別、音頻事件檢測等智能問答機器人語音導航人工智能應用方向及場景2、語音處理應用場景智能教育實時會議記錄其他：口語測評、問診機器人、聲紋識別、智能音箱人工智能應用方向及場景3、自然語言處理應用機器翻譯、文本挖掘和情感分析等輿情分析情感分析人工智能應用方向及場景4、大模型（生成式人工智能）文生文，根據(jù)輸入生成相應文本文生圖，根據(jù)輸入描述生成對應的圖片文生視頻：根據(jù)輸入描述生成相關數(shù)據(jù)視頻文生圖文生視頻人工智能應用方向及場景人工智能能力體驗情感傾向分析體驗：/pro