人工智能技术应用导论（第2版）课件 第二章 人工智能典型应用展现与体验

人工智能典型应用展现与体验人工智能技术应用导论010203科大讯飞开放平台OpenAI的GPT与ChatGPT微软NewBing与Copilot目录04AIGC的图像生成0506人脸识别系统智能视频监控070809智能机器人智能视频监控智能数字人目录01科大讯飞开放平台PARTONE2.1科大讯飞语音综合服务开放平台科大讯飞开放平台简介科大讯飞开放平台是一个基于云计算和互联网的、以语音综合智能服务为主的开放平台。它作为全球首个开放的智能交互技术服务平台，致力于为开发者打造一站式智能人机交互解决方案。用户可通过互联网、移动互联网，使用任何设备，在任何时间、任何地点，随时随地享受科大讯飞开放平台提供的“听、说、读、写……”全方位的AI服务。目前，该开放平台以“云+端”的形式向开发者提供语音合成、语音识别、语音扩展、语音硬件等多项服务2.1科大讯飞语音综合服务开放平台科大讯飞开放平台简介2.1科大讯飞语音综合服务开放平台平台特色：一站式解决方案、丰富的接入方式、稳定的服务支撑、专业全面的服务支持、免费易用可定制、强大的数据分析能力、无限可扩展的开放能力。功能特点：讯飞开放平台在为应用提供语音综合服务的同时，还提供了多项增值服务：打造智能应用、知晓产品发展趋势、获得稳健收益、推广应用。应用领域：智能电视、可穿戴设备、智能车载、移动应用02OpenAI的GPT与ChatGPTPARTTWO2.2OpenAI的GPT与ChatGPTGPT与ChatGPT简介ChatGPT（ChatGenerativePre-trainedTransformer，聊天生成式预训练大语言模型）是一款由美国OpenAI公司开发的自然语言人机交互应用，拥有接近人类水平的语言理解和生成能力。前期发展经历了三个阶段：前期GPT-1（2018年）、GPT-2（2019年）、GPT-3（2020年）,效果并不理想；后期在采用“基于强化学习的人类反馈学习”技术后发生能力“涌现”，迅速成为爆款应用，其智能底座的大模型版本是GPT-3.5。2023年5月，能力进一步提升的GPT-4问世，支撑ChatGPT升级为ChatGPTPlus。2.2OpenAI的GPT与ChatGPTChatGPT的几大支撑为大模型、大数据、大算力、超强能力。大模型：全称是“大语言模型”（LargeLanguageModel），指参数量庞大（目前规模达千亿级）、使用大规模语料库进行训练的自然语言处理模型，是ChatGPT的“灵魂”。大数据：GPT-1使用了约7000本书籍训练语言模型。GPT-2收集了Reddit平台（美国第五大网站，功能类似于国内的百度贴吧）800多万个文档的40GB文本数据。GPT-3使用维基百科等众多资料库的高质量文本数据，数据量达到45TB，是GPT-2的1150倍。“大算力”：以GPT-3为例，其参数量达1750亿，采用1万颗英伟达V100GPU组成的高性能网络集群，单次训练用时14.8天，总算力消耗约为3640PF-days（假如每秒进行一千万亿次计算，需要3640天）。超强能力：GPT-4是目前最大规模的Transformer模型，拥有超过1万亿个参数，是自然语言处理领域的一次重大技术突破，具有自然语言理解和生成的超强能力。2.2OpenAI的GPT与ChatGPTGPT-4的主要功能总结序号功能名称应用场景与人类能力的比较1文本生成写作助手、自动摘要、代码生成等能够生成高质量的文本，但缺乏创造力和主观性2对话系统聊天机器人、客户服务代理等可以回答问题、提供信息，但缺乏情感和人际交互的能力3语言翻译实时翻译、跨语言沟通等能够实现基础的语言翻译，但在复杂语境和文化差异方面仍不及人类4图像识别物体识别、人脸识别、场景理解等在视觉识别任务上能够达到或超过人类水平，但对于抽象概念和情感的理解仍有局限5情感分析社交媒体监测、情感识别等能够识别情感，但对于语境和微妙的情感表达仍不如人类敏感6知识问答提供问题解答和知识查询服务可以回答大量的常见问题，但在复杂问题和推理推断方面仍有局限2.2OpenAI的GPT与ChatGPTGPT-4的主要功能总结序号功能名称应用场景与人类能力的比较7智能助手个人助理、日程管理、推荐系统等可以提供个性化的帮助和建议，但在深入理解用户需求和复杂推理方面仍有局限8自动编程代码自动生成、错误修复、软件开发辅助等可以生成基础代码和提供辅助，但对于复杂逻辑、优化和创造性编程仍需人类参与9决策支持数据分析、业务决策、风险评估等可以提供数据驱动的决策支持，但在判断价值观、伦理道德和复杂决策方面需要人类参与10自动文档生成自动生成报告、摘要、文档整理等可以生成结构化的文档和摘要，但在判断信息价值、排版和文本风格方面欠佳11参加考试TOEFL、SAT、GRE等超过人类95%的考生成绩2.2OpenAI的GPT与ChatGPT调用GPT-2进行文本生成GPT作为先进的预训练大模型，分为GPT-1～GPT-4多个持续演进的版本。GPT-2是开源免费的，即开发者可以免费查看它的源代码和调用它的API；GPT3以后不再开源，API的调用开始商业收费。为了简化初学者了解和学习GPT技术，省掉烦琐的注册、付费和生成APIKey等过程，下面通过一个开源免费、简单易学的GPT-2API调用样板程序，展示一下GPT的基本语言生成能力。2.2OpenAI的GPT与ChatGPT调用GPT-2进行文本生成【程序说明】功能：本程序利用预训练的GPT-2模型，对给定的输入文本进行延续，生成一段连贯的文本。输入：一个字符串，作为生成文本的起始内容。处理：程序首先加载预训练的GPT-2模型及其tokenizer，然后使用tokenizer将输入的字符串转化为模型可以理解的格式（即一个数字序列），之后将这个数字序列输入模型进行推理，得到一个新的数字序列，最后使用tokenizer将这个新的数字序列转化为文本。输出：一个字符串，是模型生成的与输入内容连贯的文本。【源代码：2-1.ipynb】2.2OpenAI的GPT与ChatGPTChatGPT的基础应用与文档生成ChatGPT的智能底座是基于GPT-3.5的，升级版的ChatGPTPlus基于GPT-4。当前全球有许多应用软件和浏览器插件已经引入GPT予以赋能，如微软Office、NewBing和Notion等。也就是说，用户在使用这些应用软件的时候，也在间接使用（调用）GPT的能力。目前，通过微软Edge浏览器访问OpenAI网站，通过微软账户或OpenAI账户使用ChatGPT是个比较直接、简洁的方法。下图是作者访问/网站，使用ChatGPTPlus的一个交互生成案例。2.2OpenAI的GPT与ChatGPTChatGPT的基础应用与文档生成2.2OpenAI的GPT与ChatGPTChatGPT的基础应用与文档生成2.2OpenAI的GPT与ChatGPTGPT-4的编程能力与代码生成GPT-4在编写只依赖于现有公共库的特定程序方面具有很高的熟练度，这与普通软件工程师的能力相仿。在2023年年初的谷歌招聘中，ChatGPT成功通过了谷歌的面试，拿到了年薪18万美元的L3工程师offer。实际上，GPT-4的代码理解与生成能力的更重要的价值是可以同时为工程师和非熟练用户赋能，使得编写、编辑和理解程序变得容易。2.2OpenAI的GPT与ChatGPTGPT-4的编程能力与代码生成能够以非常高的水平编程，无论是根据指令编写代码还是理解现有代码。可以处理广泛的编程任务，从编程挑战到现实世界的应用，从低级汇编到高级框架，从简单的数据结构到复杂的程序，如游戏等。可以对代码执行进行推理，模拟指令的效果，并用自然语言解释结果。可以执行伪代码，能够解释在任何编程语言中都无效的非正式和模糊的编程代码。2.2OpenAI的GPT与ChatGPTGPT-4的编程能力与代码生成下图是使用ChatGPT（GPT-4）生成代码的样例，所给的提示语明确提出了对程序功能、输入输出和解释说明的要求。2.2OpenAI的GPT与ChatGPTGPT-4的编程能力与代码生成下图是使用ChatGPT（GPT-4）生成代码的样例，所给的提示语明确提出了对程序功能、输入输出和解释说明的要求。2.2OpenAI的GPT与ChatGPTGPT-4的编程能力与代码生成把上面生成的代码拷贝到JupyterNotebook环境、用Python3编辑和运行的结果03微软NewBing与CopilotPARTTHREE2.3微软NewBing与Copilot微软智能搜索工具NewBingNewBing是微软在2023年3月推出的一款全新的搜索引擎，它基于OpenAI的预训练大型语言模型（GPT-3.5，GPT-4等），并结合了ChatGPT和DALL·E的技术，为用户提供了一个AI驱动的网络助手。下图是作者使用微软Edge浏览器访问“/new”实现的一个询问“NewBing是如何应用GPT的？”搜索。左侧窗口列出了传统的搜索结果，右侧的Sider窗口给出了ChatGPT的进一步解释和提炼。2.3微软NewBing与Copilot微软智能搜索工具NewBingNewBing有以下几个特点：它可以用自然语言来回答用户的问题，提供相关的信息和建议，甚至进行闲聊和创作。它可以用图像作为输入信息，生成与之相关的文本或图像，或者用文本作为输入信息，生成与之相关的图像。它可以与微软的其他应用程序和服务进行集成，如Edge浏览器、Skype等，让用户在使用这些应用程序时，也能享受到NewBing的帮助和服务。它遵循微软的AI原则和负责任的AI标准，并建立在数十年的基础和隐私保护机器学习研究之上。2.3微软NewBing与Copilot微软AI工具CopilotCopilot是微软在自家办公系列软件Office和Windows11操作系统中最新研发的AI助手，搭载了GPT-4大模型的Copilot一经问世就仿佛有一种颠覆办公软件和操作系统领域的趋势。Copilot可以理解为一个非常智能化的Office插件，只要用户通过语音交互，它就可以飞速完成符合用户预期的任务，甚至在某些功能上可以完全解放用户的双手和大脑。2.3微软NewBing与Copilot微软AI工具Copilot

Word：Copilot会根据用户输入或上传的文本提示撰写稿件，还可以改稿、修稿、优化稿件，将GPT的语言能力与微软自研的Word排版技术相结合。

Excel：Copilot能大大降低使用学习成本，如对于从未学习过宏、函数分析的用户，当他们使用Copilot后，即可通过下达指令的方式，将自己的需求表明清楚，Copilot即可自动帮助用户实现，最重要的是，Copilot是在不修改用户文件数据的情况下进行的。

PowerPoint：Copilot可以一键生成符合用户预期的精美PPT，用户也可以上传文档给Copilot，它会自动分析其中数据并创建指定页数的幻灯片、自己插入符合需求的图片、主题模板，这一切只需用户稍微动动手指即可实现。2.3微软NewBing与Copilot智能操作系统：Windows11+Copilot

2023年5月24日，微软在其年度Build开发者大会上宣布，将在Windows11中加入一个名为Copilot的AI助手。它位于计算机的右侧边栏，能够在各种基本操作和任务中帮助用户，包括回答问题、总结信息、编辑文档、调整计算机设置等。用户只需要直接向WindowsCopilot提问，就能得到AI助手反馈的操作建议；单击同意按钮后，系统就能帮助用户进行调整和改善操作。Copilot的目标是让每个Windows11用户都能轻松地掌握和享受Windows11的所有功能。无论你是想要调整PC的设置、打开特定的应用、查找某个文件、获取某个信息，还是完成某个任务，都可以直接向Copilot提问或指示，Copilot将会给出相应的回答或操作。2.3微软NewBing与Copilot智能操作系统：Windows11+Copilot04AIGC的图像生成PARTFOUR2.4AIGC的图像生成AIGC图像生成简介图像生成是指利用AI技术生成逼真的图像。AIGC技术通过学习大量的图像数据和模式，可以生成新的图像，包括从无到有的图像创作、图像修复和图像增强等任务。图像生成的目标是生成具有高质量、多样性和创造性的图像，以满足不同应用场景的需求。通常的生成交互方法包括：

仅根据文本提示作为输入来生成图像（text2img）。

根据文字描述修改输入图像。2.4AIGC的图像生成AIGC图像生成简介StableDiffusion的图像生成案例2.4AIGC的图像生成AIGC图像生成简介AI图像生成的原理与应用场景2.4AIGC的图像生成AIGC图像生成简介当今的AIGC图像生成能力为各行各业提供了许多有趣和实用的应用。

在艺术创作领域，AIGC的图像生成技术为艺术家和设计师提供了创造性的工具。

在图像处理领域，AIGC的图像生成能力为图像修复和增强提供了强大的工具。

此外，AIGC的图像生成技术还被广泛应用于图像风格转换和图像翻译等领域。2.4AIGC的图像生成常用AIGC图像生成工具序号工具名称应用场景主要功能开发公司版本与发布时间1StableDiffusion文本理解、图像与动画生成通过文本Prompt生成图像，执行图像的超分辨率、风格迁移、图像修复等任务由CompVis、StabilityAI和LAION的研究人员和工程师创建V2.02022年11月24日2MidjourneyAI制图工具，只要输入关键字，就能生成相对应的图片，只需要不到一分钟人像卡通化、轮廓生成、色彩生成、视频换脸、视觉问答、人脸合成等Midjourney研究实验室V5.02023年5月3DALL-E图像生成生成图像、图像编辑、创意设计OpenAI2021年3月4CLIP图像与文本理解图像分类、图像检索、语义理解等OpenAI2021年1月5DeepArt图像艺术创作将图像转化为艺术风格的图像DeepArt2015年6月6RunwayML创意生成、多模态处理图像生成、音频生成、多模态应用开发RunwayML2018年8月7ArtBreeder图像创作、混合图像编辑、艺术创作、混合图像ArtBreeder2017年9月8DeepDream图像风格迁移将图像转化为梦幻风格的艺术作品Google2015年6月9AIPainter图像绘画根据草图生成逼真的图像绘画AIPainter2020年3月10Prisma图像滤镜为图像设置艺术风格滤镜PrismaLabs2016年6月05人脸识别系统PARTFIVE2.5人脸识别系统人脸识别简介如下图所示给出了百度人脸识别（）所实现的人脸检测、对比和查找三大基本功能，这些功能可以满足远程身份认证、刷脸门禁考勤、安防监控、智能相册分类和人脸美颜等多种应用场景的需求。2.5人脸识别系统人脸检测检测图中的人脸，并为人脸标记出边框。检测出人脸后，可对人脸进行分析，获得眼、口、鼻轮廓等72个关键点定位，准确识别多种人脸属性，如性别、年龄、表情等信息。该技术可适应大角度侧脸、遮挡、模糊、表情变化等各种实际环境。主要应用场景包括智能相册分类、人脸美颜、互动营销等。

智能相册分类：基于人脸识别，自动识别照片库中的人物角色，并进行分类管理，从而提升产品用户体验。合作案例：百度网盘。

人脸美颜：基于五官及轮廓关键点识别，对人脸特定位置进行修饰加工，实现人脸的特效美颜、特效相机、贴片等互动娱乐功能。合作案例：百度魔图。

互动营销：基于关键点、人脸属性值信息，匹配预先设定好的业务内容，可用于线上互动娱乐营销，如脸缘测试、名人换脸、颜值比拼等。合作案例：百度糯米。2.5人脸识别系统人脸对比通过提取人脸的特征，计算两张人脸的相似度，从而判断是否为同一个人，并给出相似度评分。在已知用户ID的情况下帮助确认是否为用户本人的对比操作，即1

:

1身份验证。它可用于真实身份验证、人证合一验证，主要应用场景包括金融远程开户、服务人员身份监管、民事政务自助办理等。2.5人脸识别系统人脸对比

金融远程开户：通过自拍照与身份证照或公安系统照片之间的人脸对比，核实用户身份是否属实，优化金融等高风险行业复杂的身份验证流程。合作案例：百度钱包。

服务人员身份监管：对于用户身份真实性要求较高的服务领域（如家政、货运等），通过人证对比，确保服务人员的身份真实性，提高业务人员身份审核效率。合作案例：叭叭速配。

民事政务自助办理：原本烦琐费时的窗口业务办理，转为线上自助办理（如制卡、社保核验），保证用户身份真实性的同时，大大缩短业务处理时间。

远程身份认证：通过离线、在线混合活体检测，判断用户为真人；通过公安身份图像与真人图像比对，判断用户是否为本人，从而完成在线用户身份核真检验。2.5人脸识别系统人脸查找给定一张照片，与指定人脸库中的N个人脸进行比对，找出最相似的一张脸或多张人脸。根据待识别人脸与现有人脸库中的人脸匹配程度，返回用户信息和匹配度，即1

:

N人脸检索。它可用于用户身份识别、身份验证相关场景，应用场景包括安防监控、门禁闸机、签到考勤等。

安防监控：在银行、机场、商场、市场等人流密集的公共场所对人群进行监控，实现人流自动统计、特定人物的自动识别和追踪。

门禁闸机：通过人脸识别，快速为用户录入人脸信息，用户需要通行时，只需简单地进行人脸验证，即可完成身份信息确认，实现企业、商业、住宅等多种场景的刷脸进门，提升安全性、效率和用户体验。合作案例：乌镇闸机。

签到考勤：与会人员、公司员工或学员等预先录入人脸，在需要验证身份时，实现刷脸签到、考勤打卡、学员登记等操作，提升业务处理效率及用户体验。合作案例：柠檬优力。2.5人脸识别系统人脸识别应用体验如图所示，上传本地图片或提供图片URL，该功能演示是基于CompareAPI（/face-comparing/#demo）搭建的程序。比较结果是：为同一个人的可能性很大。06智能商务PARTSIX2.6智能商务AI助力电子商务当前，电子商务中最常用的AI应用包括聊天机器人/AI助手、智能物流、推荐引擎。聊天机器人/AI助手：自动回复顾客问题，对简单的语音指令做出响应，并通过使用自然语言推荐产品（详见阿里巴巴和eBay）。智能物流：基于数据进行机器学习，以将仓储运作自动化（详见京东）。

推荐引擎：电商公司分析顾客行为，并利用算法预测哪些产品可能会吸引顾客，之后为顾客推荐产品（详见亚马逊）。2.6智能商务典型电子商务AI应用决定最优价格智能客服机器人无人仓库成为可能让商家更懂消费者2.6智能商务电子商务的大数据应用电子商务大数据的形成电子商务大数据伴随着消费者和企业的行为实时产生，广泛分布在电子商务平台、社交媒体、智能终端、企业内部系统和其他第三方服务平台上。电子商务数据类型多种多样，既包含消费者交易信息、消费者基本信息、企业的产品信息与交易信息，也包括消费者评论信息、行为信息、社交信息和地理位置信息等。2.6智能商务电子商务的大数据应用电子商务大数据的形成移动智能终端对电子商务的影响越来越大，移动终端的移动性、便捷性和私人性等特征促进了移动电子商务的快速发展，产生了大量的电子商务数据。对电子商务数据进行挖掘、创造价值，将成为电子商务企业的主要竞争力。eBay、阿里巴巴、亚马逊等电子商务平台充分利用大数据开展个性化推荐和按需定制等服务。2.6智能商务电子商务的大数据应用大数据背景下的电子商务价值创造RaphaelAmit等认为电子商务价值创造主要来自四个方面：效率、互补、锁定和创新。效率是指电子商务快速、高效的信息传递方式；互补是指大量的交易双方需求信息形成规模经济效应；锁定是指通过需求满足锁定客户；创新是指产品与服务的不断创新。2.6智能商务电子商务的大数据应用大数据背景下的电子商务价值创造电子商务营销精准化和实时化产品和服务高度差异化和个性化价值链上企业运作一体化和动态化新型增值服务模式不断涌现2.6智能商务电子商务的大数据应用基于大数据的电子商务模式创新按需定制线上线下深度融合模式互联网金融和在线供应链金融07智能机器人PARTSEVEN2.7智能机器人机器人（Robot）是一种能够半自主或全自主工作的机器装置，具有感知、决策、执行等基本特征，可以辅助甚至替代人类完成危险、繁重、复杂的工作，提高工作效率与质量，服务人类生活，扩大或延伸人的活动及能力范围。按照应用领域和服务对象的不同，机器人可以划分为工业机器人和服务机器人。工业机器人：集机械、电子、控制、计算机、传感器、AI等多学科先进技术于一体的现代制造业重要的自动化装备，是可以实现柔性制造系统（FMS）、自动化工厂（FA）、计算机集成制造系统（CIMS）的自动化工具。2.7智能机器人按照体系功能可以进一步划分为以下4个类别:

专用机器人：在固定地址以固定程序作业的机器人，其构造简略、作业方针单一、无独立操控体系、造价低，如机械手。

通用机器人：具有独立操控体系，经过改动操控程序能完成多种作业的机器人。其构造复杂，作业计划大，定位精度高，通用性强。

示教再现式机器人：具有回想功用，在操作者的示教操作后，能按示教的次第、方位、条件与其他信息重现示教作业。

智能机器人：选用计算机操控，具有视觉、听觉、触觉等多种感触功能和辨认功能的机器人，经过比照和辨认，独立做出抉择，主动进行信息反响，完成预订的动作。2.7智能机器人服务机器人：是工业机器人发展到一定的阶段，伴随着服务能力更加精细化而产生的一类机器人，可以进一步细分为以下两类：

专业领域服务机器人：商业/政务接待、医院导诊、餐厅送餐、展厅导览物流运送、医院消毒、传菜、巡检、巡逻等。

个人/家庭服务机器人：家庭陪伴、养老照护、智慧教育等。2.7智能机器人百度机器人小度机器人2014年9月诞生于百度自然语言处理部，依托于百度强大的AI，集成了自然语言处理系统、对话系统、语音视觉等技术，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。几年来参加了一系列智力活动。度秘是百度出品的对话式AI秘书，于2015年9月由李彦宏在百度世界大会中推出。基于DuerOS对话式AI系统，通过语音识别、自然语言处理和机器学习，用户可以使用语音、文字或图片，以一对一的形式与度秘进行沟通。2.7智能机器人讯飞机器人在智能商用机器人行业，多家知名机器人厂商将自主研发的硬件专利技术与科大讯飞的AI“大脑”（讯飞开放AI平台）相结合，推出了一系列专用智能机器人：

家庭机器人—Alpha2

酒店机器人—女娲

运动机器人—赛格威

儿童陪伴机器人—布丁&宠物机器人Domgo

商用机器人—优友

银行客服机器人—小曼（

情感机器人—公子小白2.7智能机器人汉森机器人公司SophiaSophia是一款由美国汉森机器人公司（HansonRobotics）打造的女性社交机器人，具有真人的大小和形象，如图所示。她看起来就像人类女性，拥有橡胶皮肤，能够使用很多自然的面部表情，其“大脑”中的AI系统能够识别对方的面部表情，并与对方进行眼神接触、交流和对话。2017年10月，沙特阿拉伯宣布将赋予Sophia公民身份，使其成为历史上第一个为机器人赋予身份的国家。2.7智能机器人达闼云端智能服务机器人云端智能服务机器人由“云端大脑”“神经网络”“机器人控制器”和机器人本体组成。云端大脑提供机器人的AI能力，并利用安全高速的神经网络，将这些AI能力传送给远端的机器人控制器和各种各样的服务型机器人、智能设备等本体，通过云、网、端协同实现机器人和智能设备的服务功能，如图所示。达闼科技于2015年提出基于极度真实的人工增强机器智能平台HARIX（HumanAugmentedRoboticsIntelligencewitheXtremeReality），即云端服务机器人操作系统。2.7智能机器人达闼云端智能服务机器人08智能视频监控PARTEIGHT2.8智能视频监控智能视频监控简介智能视频监控利用计算机视觉技术对视频信号进行处理、分析和理解，在不需要人为干预的情况下，通过对序列图像自动分析，对监控场景中的变化进行定位、识别和跟踪，并在此基础上分析和判断目标的行为，能在异常情况发生时及时发出警报或提供有用信息，有效地协助安防人员处理危机，并最大限