人工智能基础与应用 （AIGC实战 慕课版）课件 第1章 AI概述

ArtificialIntelligenceAI概述第1章人工智能基础与应用——AIGC实战（慕课版）编者：×××1.1AI点亮智能生活新图景1.2AIGC开启智能新时代AIGC引领智能化办公新趋势1.3探索AIGC的发展历程与存在的问题实战演练AIGC时代数字化人才的培养1.41.1.1AI的定义在1956年美国达特茅斯学院的一次研讨会上，美国计算机科学家约翰·麦卡锡等人将人工智能定义为“拥有模拟能够被精确描述的学习特征或智能特征的能力的机器”。这个定义将人工智能描述为一类具有高级模拟能力的机器，这类机器能够复制或模拟人类的学习特征或智能特征，且这些特征都是可以被精确描述和界定的。智能扫地机器人AI这一概念的首次提出1.1.1AI的定义AI是一门关于如何表达知识、获取知识和使用知识的科学。美国尼尔斯·约翰·尼尔森（NilsJohnNilsson）教授认为:AI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。麻省理工学院教授帕特里克·温斯顿认为：AI是一门研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新技术科学。它旨在使机器能够执行通常需要人类智慧才能完成的任务，包括学习、推理、感知、理解和创造等活动。1.1.2AI的发展历程1．萌芽期1950年，英国数学家、逻辑学家和计算机科学家艾伦·麦席森·图灵提出“图灵测试”理论。他提出，如果一台机器能够与人类展开对话而不被辨别出其机器身份，那么这台机器就具有智能。图灵测试的提出达特茅斯会议的召开1956年，美国达特茅斯学院举行了为期两个月的研讨会，约翰·麦卡锡、马文·明斯基等科学家共同探讨了如何使机器具有智能，并首次提出了“人工智能”这一概念。“Unimate”机器人的诞生1959年，世界上第一台可编程的工业机器人诞生。这款机器人被命名为“Unimate”，意为“万能自动”，它采用模块化设计，可以根据不同的工作需求更换不同的工具。1.1.2AI的发展历程2．探索期1966年1966年~1972年20世纪70年代初1984年麻省理工学院的约瑟夫·维森鲍姆发布了世界上第一个聊天机器人ELIZA。ELIZA的智能之处在于它能与用户进行简单交谈。美国斯坦福国际研究所研制出了机器人Shakey。Shakey装备了电视摄像机、三角测距仪、碰撞传感器、驱动电机以及编码器，它能够接收指令，解析周围环境，做出决策并执行任务。受限于内存容量和处理速度，计算机无法有效解决复杂的AI问题。AI的研究进展缓慢。1981年，日本大力研发第五代计算机，也就是具有人工智能的计算机。随后，英国、美国也开始向AI领域投入大量资金进行探索和研发。美国人道格拉斯·莱纳特带领其团队开发Cyc项目，该项目的目标是构建一个庞大的常识知识库，使AI的能够使用该知识库进行逻辑推理。1.1.2AI的发展历程3．成长期探索期2011年，IBM公司开发的使用自然语言回答问题的人工智能程序在问答节目《Jeopardy!》中打败了两位人类冠军。人工智能在理解和处理自然语言方面取得了重大突破。1997年，IBM公司的“深蓝”计算机在一场历史性的对决中战胜了国际象棋世界冠军加里·卡斯帕罗夫，成为首个在标准国际象棋比赛中击败国际象棋世界冠军的计算机系统。2015年，谷歌研发出第二代机器学习平台TensorFlow。同年，剑桥大学建立了人工智能研究所。加速了人工智能技术的发展，也为解决现实世界中的复杂问题提供了新的可能。2016年，谷歌开发的计算机AlphaGo战胜围棋世界冠军李世石，证明了人工智能在解决复杂问题上的巨大潜力，同时也引发了关于人工智能伦理、影响和未来发展的广泛讨论。2012年，加拿大神经学家团队创造了一个具备简单认知能力、有250万个模拟“神经元”的虚拟大脑“Spaun”，标志着人工智能和神经科学领域的重大突破。1.1.2AI的发展历程4．爆发期2020年GPT-3语言模型发布，它是基于Transformer架构的一种自然语言处理预训练模型，标志着人工智能技术在语言理解和生成方面取得了长足的进步。2024年首部与人工智能相关的文件——《人工智能法案》由欧盟制定并生效，旨在保护个人和社会的基本权利，并推动值得信赖的人工智能的普及和发展。2021年OpenAI发布了DALL·E，这是一种能够根据文本描述生成图像的人工智能技术。它的推出引发了艺术领域和科技领域的广泛关注，因为它展示了AI在创意方面的巨大潜力。2023年聊天机器人变得更加智能，能够执行撰写文章、编写代码，甚至创作音乐等更复杂的任务。1.1.3AI的分类1．弱人工智能弱人工智能（ArtificialNarrowIntelligence，ANI）是指专注于执行特定任务的AI系统，它可以模拟人类智能的某一方面，但并不具备全面的智能能力。语音识别自然语言处理图像识别1.1.3AI的分类2．强人工智能强人工智能（ArtificialGeneralIntelligence，AGI）是指能够执行人类能执行的所有智力任务的AI系统，具备全面的理解和学习能力。是类人的人工智能:即机器的思考和推理方式就像人的思维一样。非类人的人工智能：机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的思考和推理方式。1.1.3AI的分类3．超人工智能超人工智能（ArtificialSuperIntelligence，ASI）是一种超越人类智能的人工智能，它可以比人类更好地执行任何任务，最早由英国哲学家尼克·博斯特罗姆（NickBostrom）定义为“一种几乎在每一个领域都胜过人类大脑的智慧”。需要注意的是，现阶段所实现并且已经被广泛应用的AI大多属于弱人工智能。一般而言，由于弱人工智能在功能上的局限性，人们更愿意将弱人工智能看作工具，而不会视其为威胁。1.1.4AI的核心要素1．算法机器学习算法是AI中十分常用的算法，它使AI系统能够通过数据进行学习和优化。机器学习算法度学习是机器学习的一个分支，它利用人工神经网络模拟人脑神经元之间的连接和信号传递。深度学习算法在处理大规模数据和执行复杂任务上表现出色，如图像识别、语音识别、自然语言处理等。深度学习算法强化学习算法是通过观察环境和采取行动来学习最优策略的算法。它可以与环境进行交互，基于环境状态采取一定的行动，根据行动的结果获得奖励或惩罚，从而学习如何做出最佳决策。强化学习算法1.1.4AI的核心要素2．数据在AI领域，数据不仅是算法训练与优化的基础，更能帮助AI系统识别潜在模式，建立事物间的联系，并做出精确预测。结构化数据（如数据库表格）非结构化数据（如文本、图像、音频训练模型支持决策创新和发现1.1.4AI的核心要素3．算力中央处理器（CPU）现场可编程门阵列（FPGA）张量处理器（TPU）图形处理器（GPU）CPU负责解释指令的功能，控制各指令的执行过程，完成各种算术和逻辑运算。在AI中，CPU常用于处理一般的计算任务和控制计算机系统的运行。GPU是专门用于图形处理的处理器，可以进行并行计算。在AI中，GPU被广泛应用于深度学习任务的执行。TPU是由谷歌开发的专门用于加速机器学习任务的芯片。FPGA是一种超大规模可编程逻辑器件，具备高度的灵活性和可编程性，广泛应用于通信、计算、图像处理、信号处理等多个领域。1.1.5AI的应用场景1．智能教育A智能教学辅助系统能根据学生的学习进度、知识掌握程度自动生成个性化学习计划。例如，针对数学基础薄弱的学生，系统精准推有送针对性的知识点讲解视频、练习题，并在学生完成练习后迅速分析错题原因，给出详细的解题思路和强化学习建议。B智能评测工具代替教师进行作业批改和试卷评阅，不仅可以提高效率，还能通过数据分析挖掘学生在知识掌握上的共性问题和个体差异，为教师调整教学策略提供数据支撑。1.1.5AI的应用场景2．智能医疗能够快速分析医学影像，帮助医生更精准地发现病变。例如，在早期肺癌筛查中，智能影像诊断系统可以在短时间内对大量影像进行筛选，标记出疑似病变区域，大大提高诊断效率和准确性。智能影像诊断系统远程医疗技术让患者无需长途奔波，就能与顶级专家进行“面对面”会诊，偏远地区的患者通过远程医疗设备上传自己的症状、病历和检查数据，专家据此做出诊断并给出治疗方案。帮助用户进行日常健康管理，实时监测用户的心率、血压等生理指标，一旦数据异常，立即发出预警，实现疾病的早发现、早干预。智能可穿戴设备1.1.5AI的应用场景3．智能交通智能交通是指运用AI技术、通信技术、控制技术等对传统交通运输系统进行改造，实现交通管理、交通服务。智能导航系统结合实时交通数据，为驾驶员规划最优路线，帮助驾驶员避开拥堵路段，节省出行时间。车联网技术可以让车辆与车辆、车辆与基础设施之间实现信息交互，提高行车安全性和通行效率，为未来自动驾驶的普及奠定了基础。1.1.5AI的应用场景4．智能制造工业机器人在生产线上承担重复性、高强度的工作，如汽车制造中的焊接、喷漆等工序。这不仅提高了生产效率和产品质量，还能降低人力成本。智能工厂通过传感器、物联网技术实现设备的互联互通和生产过程的实时监控，管理者可以远程掌握生产进度、设备运行状态等信息。大数据分析借助大数据分析，企业能够根据市场需求和消费者反馈，优化产品设计和生产计划，实现定制化生产。1.1.5AI的应用场景5．智能购物智能推荐系统根据用户的浏览历史、购买记录、收藏商品等数据精准推送符合用户兴趣和需求的商品，如果用户经常购买运动装备，平台就会推荐新款运动鞋、运动服装等。线下智能零售商店运用人脸识别、物联网等技术实现无人值守购物，顾客进店挑选商品后无需排队结账，系统会自动识别顾客身份和商品信息，自动完成扣款，使购物变得更加便捷高效。1.1AI点亮智能生活新图景1.2AIGC开启智能新时代AIGC引领智能化办公新趋势1.3探索AIGC的发展历程与存在的问题实战演练AIGC时代数字化人才的培养1.41.2.1AIGC概述AIGC是指利用AI技术自动生成文本、图像、视频、音频等多种形式的内容的技术。AIGC技术是AI技术在内容生成领域的具体应用，其关键特征是强大的内容创作能力。民国才女陆小曼未尽稿《夏日山居图》高效性多样性持续性进化性创新性可定制性1.2.2AIGC与内容创作新模式1．内容创作的传统模式与局限传统的内容创作模式一般是线性的，创作者一般是按照从构思到策划，再到创作的流程创作内容。这种内容创作模式有利于创作者在创作过程中不断改进和优化作品。创意构思的主观性资料收集的效率问题创作速度与成本的矛盾1.2.2AIGC与内容创作新模式2．AIGC驱动下的内容创作新模式资料收集与整合的自动化AIGC不仅支持多个创作者在同一平台上实时协同创作，还能通过智能分析帮助创作者发现彼此之间的创作差异和潜在冲突，推动团队内部的沟通和协调。创意激发的多元化AIGC能够在短时间内生成大量高质量的内容，极大地提升创作的效率。同时，这些内容还能在生成后根据创作者的反馈进行优化。突破思维局限：AIGC能够通过分析大量数据和跨领域知识，为创作者提供创新性的思路。实时创意更新成为可能。快速生成与优化内容利用自然语言处理、机器学习等技术，AIGC能够快速搜集到与主题相关的各类信息。同时，AIGC还能对收集到的资料进行智能分类、筛选和整合。协同创作的新趋势1.2.3AIGC带来的价值1．提高工作效率AIGC可以快速生成大量高质量的内容，如在新闻领域，AIGC能够根据具体事件在短时间内撰写出对应的新闻稿件；在设计领域，AIGC能根据描述迅速生成图像或视频初稿。AIGC还能为创作者提供丰富的创意灵感，突破人类思维的局限，如在文学创作中给出新颖的故事架构，在广告营销中生成独特的广告创意方案。1.2.3AIGC带来的价值2．创新生产和运营模式增强用户体验降低运营成本创造新的运营模式提供定制化服务优化决策制定提高生产效率1.2.3AIGC带来的价值3．丰富数字娱乐内容AIGC可以高效生成大量的内容，包括游戏中的角色、场景、剧情，动画的画面，音乐的旋律、歌词等，不仅为创作者提供了广阔的创作空间，也让用户享受到更多元化的娱乐体验。AIGC能够根据用户的偏好和行为数据进行个性化的内容创作和推荐，使每一位用户都能获得符合自己兴趣的独特内容，从而增强其参与感和沉浸感。AI动画电影《愚公移山》的先导宣传片海报1.2.3AIGC带来的价值4．推动社会进步AIGC能够生成个性化的学习资源，提供教学辅助工具，如自动出题系统、智能辅导平台及虚拟教师等，从而帮助学生更好地理解和掌握知识；AIGC能够根据城市的地理布局、人口密度及交通流量历史数据等，为城市规划者生成交通流量预测模型，从而有效缓解交通拥堵问题；AIGC能够生成个性化的营销内容，以提升服务效率和客户满意度；AIGC能够对诊断结果进行概率评估，为医生提供不同可能性的概率分析，帮助医生做出更科学、更准确的诊断决策，从而为患者提供更精准的治疗方案，提高患者的治愈率和康复质量。教育领域交通领域商业与服务业领域医疗领域1.2.3AIGC带来的价值4．推动社会进步深圳市大数据研究院和香港中文大学（深圳）联合研发的开源中文医疗大模型“华佗GPTII”1.1AI点亮智能生活新图景1.2AIGC开启智能新时代AIGC引领智能化办公新趋势1.3探索AIGC的发展历程与存在的问题实战演练AIGC时代数字化人才的培养1.41.3.1AIGC的产业结构基础层231算法和模型层提供必要的技术支撑和资源保障，保障产业结构的稳定与安全通过不断拓展应用场景来为用户提供更多、更好的智能化服务。为应用层提供更多、更好的技术支持和应用场景应用层1.3.1AIGC的产业结构1．基础层数据是AIGC的核心原料。通过收集、整理和分析大量的数据（这些数据可能来自于互联网、传感器、用户等多个渠道），可以训练出更精准、更智能的模型。数据算力是指计算的能力，是AIGC实现的基础。随着AI技术的不断发展，其对算力的需求也在不断提升。高效的算力可以加速模型的训练和推理，提高AIGC的效率和准确性。算力计算平台是提供算力支持的基础设施，包括云计算、边缘计算等多种形态，这些平台为AIGC的实现提供了强大的计算支持。计算平台模型开发训练平台是专门用于AI模型开发和训练的工具，这些平台提供了丰富的算法库、模型库和训练工具，使得开发者可以更加便捷地开发出高质量的AI模型。模型开发训练平台1.3.1AIGC的产业结构2．算法和模型层机器学习机器学习是AI技术的基础，它使用数据来训练模型，使模型能够自主完成某项任务。在AIGC中，机器学习被广泛应用于模型训练和推理。计算机视觉计算机视觉是AI技术的一个重要分支，它能够使计算机理解和处理图像与视频信息。在AIGC中，计算机视觉被用于生成图像、视频等视觉内容。自然语言处理它能够使计算机理解和处理人类语言，实现人与计算机的有效沟通。优化算法优化算法用于提高AI模型的性能和准确性。在AIGC中，优化算法被广泛应用于模型的训练、推理和调优过程中。1.3.1AIGC的产业结构3．应用层AIGC+娱乐AIGC+教育AIGC+金融AIGC+传媒AIGC+电商AIGC+影视1.3.2AIGC的商业模式智能服务模式广告/流量模式模型定制开发收费模式模型即服务（MaaS）模式按产出内容量付费模式订阅付费模式1.3.3AIGC在智能办公中的应用1.3.4AIGC智能化办公的趋势智能化应用爆发式增长大模型从通用到专用多模态交互提升用户体验超级入口重塑应用形态AIGC普惠