《人工智能技术基础》课件 第1章 人工智能简介

人工智能技术基础人工智能简介第一章

人工智能这个名词对于大多数人来说并不陌生。在很多影视作品，文学作品中都出现了这个概念。自从计算机面世以来，人们一直在思考如何让计算机变得更加智能。而在这个过程中，人工智能的概念被提出。那么，到底什么才是人工智能呢，人工智能是怎样发展的，人工智能又可以做些什么呢？

本章主要介绍人工智能的历史与未来可能的发展以及人工智能的方法与应用，有助于人工智能理论知识的学习。1人工智能简介目录Contents1.1人工智能的定义及发展历史人工智能方法人工智能的应用人工智能的未来本章小结1.21.31.41.51.掌握人工智能的定义，了解人工智能的发展历史；2.学习人工智能技术所包含的方法、应用领域和未来发展；3.对人工智能技术有一个全面的了解。学习目标1人工智能简介01人工智能的定义及发展历史1.1人工智能的定义及发展历史

人工智能（ArtificialIntelligence，AI）是研究用计算机对人类的智能进行模拟和扩展的一门新的技术科学。其目的是让计算机能以与人类相似的智能，对数据信息进行处理与加工。学者人工智能定义JohnMcCarthy（约翰·麦卡锡）1956年达特茅斯会议上提出：人工智能就是让机器的行为看起来就像是人所表现出的智能行为一样。Nelson（纳尔逊）教授人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。美国麻省理工学院的Winston（温斯顿）教授人工智能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。不同的定义反映了同一个问题：人工智能所要做的是研究人类思考规律，构造具有和人类拥有相似思考方式的人工系统。1.1.1人工智能的定义1.1人工智能的定义及发展历史

人工智能这个概念是英国数学家图灵在1950年提出的，这一年他发表了一篇划时代的论文——《计算机器与智能》（COMPUTINGMACHINERYANDINTELLIGENCE）。

在这篇论文中，他首次提出了人工智能的概念，当时他给这个概念起的名字叫做“会思考的机器”（ThinkingMachine）。1.1.1人工智能的定义1.1人工智能的定义及发展历史GeoHinton(多伦多大学，BP，DBN）,YoshuaBengio(蒙特利尔大学，GAN）和YannLeCun（Facebook人工智能部门主管，CNN）2019年3月27日共同被美国计算机学会（ACM）授予2018年图灵奖。以表彰他们提出的概念和工作使得深度学习神经网络有了重大突破。

谈及颁奖缘由，ACM总裁CherriM.Pancake说到：“人工智能现在是所有科学领域发展最快的领域之一，也是社会上最受关注的话题之一。人工智能的进步和兴盛在很大程度上归功于Bengio、Hinton和LeCun为深度学习最新进展奠定的基础。这些技术被数十亿人使用，任何一个拥有智能手机的人都能切实体验到自然语言处理和计算机视觉方面的进步。除了我们每天使用的产品之外，深度学习的新进展还在医学、天文学、材料科学等领域为科学家提供了强大的新工具。”JürgenSchmidhuber1997年提出了LSTM2018年图灵奖1.1.1人工智能的定义诞生1943年MP神经元模型，1949年Hebb规则的提出，1950年MarvinMinsky和DunnEdmund一起建造世界上第一个人工神经网络模拟器Snare。1950年AlanTuring提出了图灵测试，预言了人工智能的可行性。第一次高峰1956年的达特茅斯会议是人工智能发展的第一次高峰的起点。在这次会议后计算机科学被广泛的应用到很多领域，也让很多研究学者看到了人工智能发展的美好未来。1958年Rosenblat提出的感知机。第一次低谷1970年代，人工智能进入艰难发展时期。由于当时计算机性能的严重不足，问题的复杂度增加以及数据量的不足使机器很难的智能化，使人工智能进入到第一次低谷。人工智能的崛起1980年，卡内基梅隆大学设计的名为XCON的专家系统，采用了人工智能程序，利用人类专家的知识与解决问题的方法来处理对应领域的问题。这种模式催生出了Symbolics和Aion等硬软件公司，也直接造就了人工智能的崛起。1982年的Hopfield网络；1986年的BP算法，解决了多层感知机的训练难题。11983年Button提出自适应评判控制。1991年Brokers的机器动物。第二次低谷1987年，苹果和IBM公司生产的台式机的性能超过LispMachines等厂商生产的通用计算机。在这之后，专家系统的优势丧失，人工智能的发展进入第二次低估。1990年之后浅层神经网络没有展示人们期望的能力。人工智能的再次崛起2006年，Hinton提出深度学习神经网络，成为人工智能再次转折点。2012年在ImageNet大赛中取得了重大突破，被广泛认为是深度学习革命的开始。2012年googele公司提出的知识图谱，近几年在网络搜索引擎、知识问答、产品推介上取得了巨大成功。2016-2017，AlphaGo战胜李世石，人工智能的热度达到空前的高度。2018年深度学习之父获得了图灵奖。2016年以来，人工智能从学术界走向产业界，已成为科技革命的先锋。2022年11月30日ChatGPT的出现已初显人工智能的“奇点”时刻的来临。（“奇点”，2014年美国未来学家库斯韦尔预测2047年是人工智能的奇点。）1.1.2人工智能的发展历史1.1人工智能的定义及发展历史02人工智能方法1.2人工智能方法

人工智能诞生以来，出现了许多人工智能方法，如基于逻辑思维的传统AI和基于模拟人脑形象思维的ANN。2006年，人工智能再次崛起以来，人工神经网络已成为人工智能的核心技术。目前，人工智能技术主要包括人工神经网络、知识图谱、图神经网络、生成式模型和机器学习方法。1Texthere图神经网络生成式人工智能机器学习人工神经网络图神经网络将图模型与神经网络技术相结合形成的图神经网络，2018年以来，成为人工智能的研究热点，已提出了图卷积神经网络、图循环神经网络、图注意力网络和时空图神经网络等图神经网络技术。生成式模型生成式人工智能模型包括变分自编码器，生成对抗网络（GAN），流模型和扩散模型。以Transformer中的编码器、译码器或Transformer整体为基础的大模型在文字生成文字方面已经取得了超越普通人的成绩，以生成对抗网络和扩散模型为基础的文字生成图像、图像生成图像和视频方面的成果也已达到以假乱真，甚至超越人类艺术家的水平。人工神经网络人工神经网络是通过模拟人的大脑神经元组成神经网络，进而产生具有类似人的智能的人工智能技术。人工神经网络从最初的神经元和以神经元为基础组成单层神经网络（感知机），发展出了含有隐层的仅有前向连接的多层神经网络、含有反向连接的循环神经网络、包含注意力机制的深层神经网络和循环神经网络以及有自注意力机制和前向神经网络组成的Transformer变形金刚。机器学习方法机器学习方法是人工智能的核心技术之一，主要用于确定各种人工智能模型的参数。机器学习方法包括监督学习、无监督学习、半监督学习、迁移学习、持续学习和强化学习等方法。知识图谱知识图谱是2012年谷歌公司在传统的知识工程技术上提出的用图模型表示知识、实现知识推理的技术。知识图谱技术给出一种全新的信息检索模式，为解决信息检索问题提供了新的思路。本质上，知识图谱是一种揭示实体（事物）之间关系的语义网络，可以对现实世界的事物及其相互关系进行形式化描述。1.2人工智能方法知识图谱人工智能方法人工神经网络

1943年提出了M-P模型，1958年提出的单层感知机是在M-P神经元上发展得来，只能解决简单线性问题而不能解决异或问题，而堆叠的多层感知机（多层神经网络）可以，所谓深度学习，狭义的说就是很多层的神经网络，尤其涉及语音、图像等复杂对象的应用中，深度学习取得了优越的性能，当前引起广泛关注的，被称为改变世界的大语言模型LLM也是以人工神经网络基础模型构成的。1.2人工智能方法1.人工神经网络及其发展

知识图谱(KnowledgeGraph)（2012年5月17日由Google正式提出）知识图谱旨在描述真实世界中存在的各种实体或概念及其关系，一般用三元组表示知识图谱亦可被看作是一张巨大的图，节点表示实体或概念，边则由属性或关系构成中国国家美国日本英国北京9,634,057平方公里13.5404亿2069.3万北纬38°56'东经116°20'3.1525亿华盛顿9,629,091平方公里北纬38°53′西经77°02'178平方公里16410平方公里1.26亿377835平方公里东京2188平方公里东经140°50'北纬35°44'……面积人口首都纬度经度面积人口1.2人工智能方法2.知识图谱通用知识谱图神经网络

早在1997年就已有人用递归神经网络开始研究图模型的识别，2009年FrancoScarselli等人提出了图神经网络的概念，2018年后DeepMind发表了论文《Relationalinductivebiases,deeplearning,andgraphnetworks.》，并开源了相关的算法包GraphNet，使图神经网络引起了研究人员的广泛关注。

本质上说，世界上所有的数据都是拓扑结构，也就是网络结构，如果能够把这些网络数据真正的收集、融合起来，如何利用神经网络技术处理这些复杂的拓扑数据，如何开创新的处理图数据以及知识图谱的智能算法是AI的一个重要方向。1.2人工智能方法3.图神经网络通用知识图谱

生成式人工智能（AIGC），全称ArtificialIntelligenceGeneratedContent，是一种人工智能技术，用于自动生成内容，该内容在很大程度上类似于通过训练数据学到的内容分布。与传统的人工智能主要关注数据模式的识别和预测不同，AIGC专注于创造新的、富有创意的数据。其核心原理在于通过学习和理解数据分布，进而生成具有相似特征的新数据。AIGC的应用领域广泛，包括图像、文本、音频、视频等多个领域。目前，AIGC中最引人注目的应用之一是ChatGPT，这是基于OpenAI公司的大型语言模型GPT-3.5训练、调试和优化的聊天机器人应用。ChatGPT可以处理各种不同类型的文本和推理任务，它在发布仅两个月内就获得了10亿月活跃用户，超越了历史上所有互联网消费者应用软件的用户增长速度。1.2人工智能方法4.生成式人工智能技术AIGC的迅速发展得益于三个关键领域的人工智能技术，即生成算法、预训练模型和多模态技术。通用知识图谱

机器学习方法是研究如何使机器具有学习能力的理论方法。目前深度学习（神经网络）的训练（学习）是基于最简单的梯度下降技术的有教师（监督）、无教师（监督，自编码器采用的训练方法）的训练方法，必须有大量样本作为支撑，因此目前取得很好应用成果的基本都是掌握大量数据资源的大公司。现实中许多问题（研究对象），难以获取大量样本，即使能够获得大量样本，但对其标注工作量巨大难以完成。为此，近些年来，尤其是这几年如何解决小样本问题已成为机器学习的热点问题。

近年来广受关注的小样本学习方法有：增强学习、对抗学习、迁移学习、元学习、零（少量）样本学习、终身（持续）学习、弱监督学习、自监督学习等.1.2人工智能方法5.机器学习03人工智能的应用人工智能应用场景无人驾驶智慧物流智慧安防智慧医疗智慧环保智慧旅游智慧农业智能制造智慧交通智慧金融智慧教育智慧家居智慧零售智能客服1.3人工智能的应用中国制造2025：工厂里面每一个系统、每个设备、每个材料都能相互沟通，按照不同的需求自动处理订单，实行智慧生产。智能制造工业革命1.0蒸汽机时代蒸汽动力取代人力机械化生产1760S工业革命2.0电气化时代电力驱动取代蒸汽动力发动机、汽车大规模流水线生产1850S工业革命3.0自动化时代电子计算机、信息技术原子能、空间技术自动化生产1970S工业革命4.0智能化时代AI+ICT人机协同决策智能制造2010S1.3人工智能的应用智能制造/landing/vision/pr_3d_robot_vision.jsp?aw=gabaidukcvisials200630067人眼检测效率很大程度上取决于检验员的能力、经验、专心程度，容易导致遗漏、分类错误等问题。智能分拣系统实现了零件的自动检测与分拣。通过三维视觉成像及检测分析技术自动识别零件是否合格，不受工件位置或朝向的影响。机械臂控制端计算出适合的运动路径，实现零件的稳定抓取与分拣。1.3人工智能的应用智能制造系统一般架构智能制造设计采购管理服务生产系统感知智能决策精准控制工作模型制造数据机器学习缩短产品周期降低综合成本提高生产效率提升用户体验需求构建智能模型实施重塑生产方式物联网AI基于贯穿5G通信深度感知大数据云计算1.3人工智能的应用智慧农业实时动态地监测作物形态变化，研究外界环境对作物生长状况产生的影响和作物生长机制具有重要意义。基于深度学习的植物生长模型库，实时采集、分析、诊断，建立植物生长模型，应用深度神经网络算法，实现植物生长状态判断与预测。1.3人工智能的应用智慧安防在园区安防中的应用在刑侦办案中的应用借助人工智能在视频内容特征提取和内容理解方面的天然优势。利用人工智能强大的计算能力和智能分析能力实时分析视频内容。检测运动对象，识别人和物的属性信息。可移动巡检机器人可以代替安保人员进行定期巡逻，读取仪表数值，发现潜在的风险。园区人员、车辆出入门禁管理，实现人车物实施跟踪定位。可疑人员的运行轨迹、逗留时间、违规访问。1.3人工智能的应用智慧安防运用行为分析技术对实时视频进行智能分析，支持穿越警戒面、进入/离开区域、区域入侵、非法停车、物品遗留、物品丢失、人员徘徊、快速移动、人员聚集等多种事件的分析检测。支持行为排查、人员排查和车辆排查功能，快速定位目标视频片段，提高视频查看效率。支持自动报警，提高监控的效率，实现智能化监控防范。1.3人工智能的应用智慧医疗1.3人工智能的应用智能家居一般包括：

智能中控智能音箱

智能照明

智能入口

智能安防

智能家电控制

智能暖通系统

智能环境

智能窗帘

智能背景音乐智能家居华为智能家居tvc广告-广告:家电视频-新片场()1.3人工智能的应用智慧商务智能商务主要包括辅助智能交易、智能化拓展业务和企业商务智能化。智能商务代替人做决策行动，商品服务选择、交易自动完成、互动自动实现、业务挖掘。用户：提升消费体验，语音服务、图像服务、新闻推荐、产品推荐和广告过滤等智能服务。商家：提升经营效率，需求分析、用户画像、精准营销、智能客服、动态定价。智能客服商品推荐广告过滤市场分析精准营销动态定价VR购物客户群定位1.3人工智能的应用智慧文娱AI+文娱AI+音乐AI+影视AI+创作AI+综艺AI+虚拟偶像AI+游戏1.3人工智能的应用04人工智能的未来政策法规人工智能作为全球各国发展数字化的重要技术手段，已经由早期的“野蛮生长”迈入“规范构建”的阶段。当前各国通过政策手段对技术边界做出的规范，其重要性与从战略层面对产业进行的推动并驾齐驱。截至2020年年底，全球共有32个国家和地区发布了人工智能国家级战略文件，另有22个国家和地区正在制订相关文件。1.4人工智能的未来国家/地区主要特点政策法规大事记中国以人为本，政府优先，起步虽晚，但是国家战略领先全球2017年，“人工智能”首次写入政府工作报告，同年发布《新一代人工智能发展规划》，提出三步走的战略规划，人工智能上升为国家战略2020年，“十四五”规划中提到“强化国家战略科技力量，瞄准人工智能、量子信息、集成电路等重大科技项目”2021年，作为“十四五”规划的开局之年，人工智能有望继续得到大力发展美国以科技行业为主导，持续加大投入，旨在维持美国优先地位2016年，发布《为人工智能的未来做准备》和《国家人工智能研究与发展战略计划》两份重要报告，人工智能上升为国家战2019年，发布一项题为“加速美国在人工智能领域的领导地位”的行政命令，美国监管机构开始接触人工能2020年，发布一份关于联邦机构对人工智能监管方法的备忘录，同年发布《人工智能倡议首年年度报告》，回顾在人工智能方面取得的进展，为未来的AI计划提出长期愿景欧盟以隐私和监管为驱动，高度关注数据保护和AI伦理，监管政策最为严格2018年，发布《人工智能协调计划》，要求欧盟成员以及挪威、瑞士等欧洲国家互相合作协调，推进人工智建设2020年，欧盟委员会发布关于人工智能监管框架的步提案2021年，推动人工智能立法，对人工智能使用领域做出明确框定和限制，使人工智能在“可被信任”的前提下造福社会亚太积极推进人工智能国家战略2017年，日本首次推出人工智能战略文件，并于2019年进一步通过《AI战略2019》文件以期解决日本所面临AI问题2019年，韩国、新加坡等国相继将人工智能上升为国家战略政策法规1.4人工智能的未来11.4人工智能的未来2022年，生成式人工智能取得的突破性成果，使人工智能在文本语言理解、绘画和图像生成方面初步展