4.1 認識人工智能（精品課件）-【新教材】高一信息技術（人教中圖2019版必修1）(共22張PPT)

1、 4.1 認識人工智能 教學目標了解人工智能的產(chǎn)生與發(fā)展，體會人工智能對社會發(fā)展的影響。通過典型實例理解人工智能技術，感受人工智能魅力。體驗探究人機博弈 人機博弈一直是人工智能研究的經(jīng)典領域。人機博弈的發(fā)展歷程可以用“三盤棋”來概括。第一盤棋：1956年編寫出了世界上第一款國際跳棋程序。第二盤棋：1997年人工智能系統(tǒng)深藍首次在正式比賽中戰(zhàn)勝國際象棋世界冠軍。第三盤棋：2016年阿爾法圍棋程序在圍棋人機博弈中獲勝。思考：1. 查找資料，從智能水平、不同類型棋的難度等方面分析以上三次人機博弈的區(qū)別。2. 體驗人與機器對弈的過程，討論計算機是如何進行“思考”的？4.1.1人工智能的產(chǎn)生與發(fā)展說到人

2、工智能，很容易聯(lián)想到機器人，其實人工智能有很多表現(xiàn)形式，如智能網(wǎng)絡、智能設備和智能軟件等。隨著技術的發(fā)展，人們對人工智能的認識也在不斷深入?！叭P對弈”掀起了人工智能發(fā)展的三次高潮第一款國際跳棋程序中使用的“機器學習”概念，至今仍然對人工智能程序設計有著重要的影響；深藍將知識庫結合搜索等機器學習算法引入人工智能，讓機器從數(shù)據(jù)中進行學習，獲得知識；阿爾法圍棋推動了深度學習作為人工智能繼續(xù)前進的核心技術。4.1.1人工智能的產(chǎn)生與發(fā)展 思考活動：圖靈測試與人工智能英國科學家圖靈( Alan Mathison Turing)提出測試機器智能的方法：測試者與被測試者在隔開的情況下，通過一些裝置(如鍵盤

3、)向被測試者任意提問。經(jīng)過5分鐘問答后，如果測試者不會有多于70%的機會做出正確的區(qū)分，那么這臺機器就通過了測試，這就是著名的圖靈測試。思考：你認為通過圖靈測試能否判斷出機器是否具有智能，試說明理由。機器是如何獲得智能的？4.1.1人工智能的產(chǎn)生與發(fā)展人工智能這一術語是1956年在美國達特茅斯學院舉行的一次學術研討會上被提出的。經(jīng)過多年的演進，特別是在移動互聯(lián)網(wǎng)、大數(shù)據(jù)、超級計算、腦科學等新理論、新技術及經(jīng)濟社會發(fā)展強烈需求的共同驅動下，人工智能加速發(fā)展，呈現(xiàn)出深度學習、跨界融合、人機協(xié)同和自主操控等新特征。中國電子技術標準化研究院組織編寫的人工智能標準化白皮書(2018版)中將人工智能定義為

4、：利用數(shù)字計算機或者數(shù)字計算機控制的機器模擬、延伸和擴展人的智能，感知環(huán)境、獲取知識并使用知識獲得最佳結果的理論方法、技術及應用系統(tǒng)。4.1.1人工智能的產(chǎn)生與發(fā)展經(jīng)過多年的持續(xù)發(fā)展，我國在人工智能領域也取得了重要進展，其中吳文俊院士提出了幾何定理證明的“吳氏方法”，對人工智能的理論研究做出了巨大的貢獻。此外，我國在語音識別技術、視覺識別技術等方面處于世界先進水平,在自適應自主學習、直覺感知、綜合推理、混合智能和群體智能等方面初步具備跨越發(fā)展的能力。目前，中文信息處理、智能監(jiān)控、生物特征識別、工業(yè)機器人、服務機器人、無人駕駛逐步進人實際應用，在國際上獲得廣泛關注和認可。如今，人工智能已成為未來

5、經(jīng)濟發(fā)展的新引擎和新一輪產(chǎn)業(yè)變革的核心驅動力，作為國家未來的建設者和接班人，我們應當努力學習新知識和新技術，提高自己的信息意識，培養(yǎng)創(chuàng)新的能力，在信息社會中擔當起我們的社會責任。 4.1.2感受人工智能的魅力 人機交互 人機交互技術主要是研究人與計算機之間的信息交換，包括人到計算機和計算機到人的信息交換兩部分。人們可以借助鍵盤鼠標、話筒、操縱桿、壓力筆、數(shù)據(jù)手套或服裝、眼動跟蹤器、位置跟蹤器等設備，用手、腳、聲音、姿勢或動作、眼睛甚至腦電波等向計算機傳遞信息；同時，計算機通過打印機、繪圖儀、顯示器、頭盔式顯示器和音箱等輸出設備給人提供信息。4.1.2感受人工智能的魅力 人機交互 人機交互技術除

6、了傳統(tǒng)的基本交互（鍵盤、鼠標等）和圖形交互外，還包括語音交互、情感交互、體感交互及腦機交互等技術，其中語音交互是一種高效的交互方式，是人以自然語音或機器合成語音同計算機進行交互的綜合性技術。 語音交互過程包括四部分：語音采集、語音識別、語義理解和語音合成。語音采集完成音頻的獲取、采樣及編碼；語音識別完成語音信息到機器可識別的文本信息的轉換；語義理解根據(jù)語音識別轉換后的文本字符或命令完成相應的操作；語音合成完成文本信息到音頻信息的轉換。4.1.2感受人工智能的魅力 實踐活動：體驗“語音識別”很多導航軟件都有語音交互功能，試使用語音控制的導航軟件，通過體驗語音導航查詢路況和周邊信息等功能，了解語音

7、交互過程。思考：試用家鄉(xiāng)的方言體驗導航軟件識別方言的效果，查閱資料并討論導航軟件提高方言識別率的方法。4.1.2感受人工智能的魅力 圖像識別與生物特征識別 圖像識別是利用計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標和對象的技術。圖像識別技術是以圖像的主要特征為基礎的。每個圖像都有其特征，例如，字母A有個尖，P有個圈，而Y的中心有個銳角等。 對圖像識別時眼動研究表明，視線通常是集中在圖像的主要特征上，也就是集中在圖像輪廓曲度最大或輪廓方向突然改變的地方，這些地方的信息量最大。圖像識別技術是人工智能技術的一個重要領域。生物特征識別技術是在圖像識別基礎上發(fā)展起來的，是利用生物特征(如指

8、紋、虹膜和人臉等)進行識別，目前已經(jīng)在生活中得到了廣泛的應用。4.1.2感受人工智能的魅力 圖像識別與生物特征識別 4.1.2感受人工智能的魅力 圖像識別與生物特征識別 生物特征識別技術是通過個體生理特征或行為特征對個體身份進行識別認證的技術，主要是對生物特征進行取樣，從中提取其唯一特征，并轉換成相應的代碼，并進一步將這些代碼組合成具有代表性的特征模板。在利用識別系統(tǒng)進行身份識別時，識別系統(tǒng)將獲取的生物特征與具有代表性特征的模板進行比對，以確定是否匹配，從而給出判斷。 生物特征識別技術涉及的內容十分廣泛，包括指紋、掌紋、人臉、虹膜、脈搏、步態(tài)等多種生物特征，其識別過程涉及圖像處理、計算機視覺、

9、語音識別、機器學習等多項技術。4.1.2感受人工智能的魅力 實踐活動：體驗“圖像識別” 生活中有許多事物，我們可能不認識或不能準確地叫出它們的名稱，借助具有人工智能技術的智能軟件就可以幫助我們解決這個問題。 使用識別軟件，體驗實物識別、圖片查詢和相關知識搜索等功能，如圖4.1.5所示。實際體驗或上網(wǎng)查詢圖像識別工具，并與同學探討圖像識別在生活中有哪些應用。4.1.2感受人工智能的魅力 自然語言處理 自然語言處理技術是計算機科學和人工智能領域中的一個重要方向，主要研究實現(xiàn)人與計算機之間用自然語言進行有效通信、交流的各種理論和方法。它涉及的領域很多，包括機器翻譯、語義理解(機器閱讀理解)和問答系統(tǒng)

10、等。機器翻譯利用計算機技術實現(xiàn)從一種自然語言到另外一種自然語言的翻譯，機器翻譯的一般過程包括源語言文字的輸入、識別與分析、生成與綜合和目標語言的輸出。示例：谷歌翻譯4.1.2感受人工智能的魅力 自然語言處理 語義理解（機器閱讀理解）則是利用計算機技術實現(xiàn)對文本篇章的理解，并且回答與篇章相關的問題。語義理解更注重對上下文的理解及對答案精準程度的把控。 問答系統(tǒng)技術指讓計算機像人類一樣用自然語言與人交流的技術，人們可以向問答系統(tǒng)提交用自然語言表達的問題，系統(tǒng)會返回關聯(lián)性較高的答案。4.1.2感受人工智能的魅力 實踐活動：體驗“機器翻譯”技術在生活和學習中，我們會經(jīng)常用到機器翻譯工具，如圖4.1.6

11、所示。嘗試使用一款機器翻譯軟件對幾段文字進行中英文互譯。討論機器翻譯相比人工翻譯所具有的優(yōu)勢和不足。4.1.2感受人工智能的魅力 機器學習人工智能在生活中應用廣泛，也要歸功于機器學習技術。語音識別、圖像識別都有它的身影。機器學習研究計算機怎樣模擬或實現(xiàn)人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能，是人工智能技術的核心?；跀?shù)據(jù)的機器學習是現(xiàn)代智能技術中的重要方法之一，研究從觀測數(shù)據(jù)出發(fā)尋找規(guī)律，利用這些規(guī)律對未來數(shù)據(jù)或無法觀測的數(shù)據(jù)進行預測。4.1.2感受人工智能的魅力 機器學習 機器學習的實現(xiàn)是通過在計算機中存儲歷史數(shù)據(jù)，應用機器學習算法對這些數(shù)據(jù)進行處

12、理，這個過程在機器學習中稱為“訓練”，處理的結果可以被用來對新的數(shù)據(jù)進行預測，這個結果一般稱之為“模型”。對新數(shù)據(jù)的特性進行推測的過程在機器學習中稱為“預測”。“訓練”與“預測”是機器學習的兩個過程，“訓練”產(chǎn)生“模型”，“模型”指導“預測”。4.1.2感受人工智能的魅力 機器學習深度學習其實是深度神經(jīng)網(wǎng)絡的學習，是機器學習的一個重要領域。它通過能逐步發(fā)現(xiàn)原始數(shù)據(jù)中的特征與待求解問題之間對應和關聯(lián)的算法模型，把原始數(shù)據(jù)轉變成更高層次的、更加抽象的表達。深度學習的實質是通過構建具有較多隱層的網(wǎng)狀學習模型和海量的訓練數(shù)據(jù)來學習更有用、更高階的特征，從而提升分類和預測的準確性。例如，很多智能手機中的圖像快速分類功能（能