《人工智能技術(shù)基礎(chǔ)》課件 第1章 人工智能簡介

人工智能技術(shù)基礎(chǔ)人工智能簡介第一章

人工智能這個名詞對于大多數(shù)人來說并不陌生。在很多影視作品，文學(xué)作品中都出現(xiàn)了這個概念。自從計算機面世以來，人們一直在思考如何讓計算機變得更加智能。而在這個過程中，人工智能的概念被提出。那么，到底什么才是人工智能呢，人工智能是怎樣發(fā)展的，人工智能又可以做些什么呢？

本章主要介紹人工智能的歷史與未來可能的發(fā)展以及人工智能的方法與應(yīng)用，有助于人工智能理論知識的學(xué)習(xí)。1人工智能簡介目錄Contents1.1人工智能的定義及發(fā)展歷史人工智能方法人工智能的應(yīng)用人工智能的未來本章小結(jié)1.21.31.41.51.掌握人工智能的定義，了解人工智能的發(fā)展歷史；2.學(xué)習(xí)人工智能技術(shù)所包含的方法、應(yīng)用領(lǐng)域和未來發(fā)展；3.對人工智能技術(shù)有一個全面的了解。學(xué)習(xí)目標(biāo)1人工智能簡介01人工智能的定義及發(fā)展歷史1.1人工智能的定義及發(fā)展歷史

人工智能（ArtificialIntelligence，AI）是研究用計算機對人類的智能進行模擬和擴展的一門新的技術(shù)科學(xué)。其目的是讓計算機能以與人類相似的智能，對數(shù)據(jù)信息進行處理與加工。學(xué)者人工智能定義JohnMcCarthy（約翰·麥卡錫）1956年達(dá)特茅斯會議上提出：人工智能就是讓機器的行為看起來就像是人所表現(xiàn)出的智能行為一樣。Nelson（納爾遜）教授人工智能是關(guān)于知識的學(xué)科――怎樣表示知識以及怎樣獲得知識并使用知識的科學(xué)。美國麻省理工學(xué)院的Winston（溫斯頓）教授人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。不同的定義反映了同一個問題：人工智能所要做的是研究人類思考規(guī)律，構(gòu)造具有和人類擁有相似思考方式的人工系統(tǒng)。1.1.1人工智能的定義1.1人工智能的定義及發(fā)展歷史

人工智能這個概念是英國數(shù)學(xué)家圖靈在1950年提出的，這一年他發(fā)表了一篇劃時代的論文——《計算機器與智能》（COMPUTINGMACHINERYANDINTELLIGENCE）。

在這篇論文中，他首次提出了人工智能的概念，當(dāng)時他給這個概念起的名字叫做“會思考的機器”（ThinkingMachine）。1.1.1人工智能的定義1.1人工智能的定義及發(fā)展歷史GeoHinton(多倫多大學(xué)，BP，DBN）,YoshuaBengio(蒙特利爾大學(xué)，GAN）和YannLeCun（Facebook人工智能部門主管，CNN）2019年3月27日共同被美國計算機學(xué)會（ACM）授予2018年圖靈獎。以表彰他們提出的概念和工作使得深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)有了重大突破。

談及頒獎緣由，ACM總裁CherriM.Pancake說到：“人工智能現(xiàn)在是所有科學(xué)領(lǐng)域發(fā)展最快的領(lǐng)域之一，也是社會上最受關(guān)注的話題之一。人工智能的進步和興盛在很大程度上歸功于Bengio、Hinton和LeCun為深度學(xué)習(xí)最新進展奠定的基礎(chǔ)。這些技術(shù)被數(shù)十億人使用，任何一個擁有智能手機的人都能切實體驗到自然語言處理和計算機視覺方面的進步。除了我們每天使用的產(chǎn)品之外，深度學(xué)習(xí)的新進展還在醫(yī)學(xué)、天文學(xué)、材料科學(xué)等領(lǐng)域為科學(xué)家提供了強大的新工具?！盝ürgenSchmidhuber1997年提出了LSTM2018年圖靈獎1.1.1人工智能的定義誕生1943年MP神經(jīng)元模型，1949年Hebb規(guī)則的提出，1950年MarvinMinsky和DunnEdmund一起建造世界上第一個人工神經(jīng)網(wǎng)絡(luò)模擬器Snare。1950年AlanTuring提出了圖靈測試，預(yù)言了人工智能的可行性。第一次高峰1956年的達(dá)特茅斯會議是人工智能發(fā)展的第一次高峰的起點。在這次會議后計算機科學(xué)被廣泛的應(yīng)用到很多領(lǐng)域，也讓很多研究學(xué)者看到了人工智能發(fā)展的美好未來。1958年Rosenblat提出的感知機。第一次低谷1970年代，人工智能進入艱難發(fā)展時期。由于當(dāng)時計算機性能的嚴(yán)重不足，問題的復(fù)雜度增加以及數(shù)據(jù)量的不足使機器很難的智能化，使人工智能進入到第一次低谷。人工智能的崛起1980年，卡內(nèi)基梅隆大學(xué)設(shè)計的名為XCON的專家系統(tǒng)，采用了人工智能程序，利用人類專家的知識與解決問題的方法來處理對應(yīng)領(lǐng)域的問題。這種模式催生出了Symbolics和Aion等硬軟件公司，也直接造就了人工智能的崛起。1982年的Hopfield網(wǎng)絡(luò)；1986年的BP算法，解決了多層感知機的訓(xùn)練難題。11983年Button提出自適應(yīng)評判控制。1991年Brokers的機器動物。第二次低谷1987年，蘋果和IBM公司生產(chǎn)的臺式機的性能超過LispMachines等廠商生產(chǎn)的通用計算機。在這之后，專家系統(tǒng)的優(yōu)勢喪失，人工智能的發(fā)展進入第二次低估。1990年之后淺層神經(jīng)網(wǎng)絡(luò)沒有展示人們期望的能力。人工智能的再次崛起2006年，Hinton提出深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，成為人工智能再次轉(zhuǎn)折點。2012年在ImageNet大賽中取得了重大突破，被廣泛認(rèn)為是深度學(xué)習(xí)革命的開始。2012年googele公司提出的知識圖譜，近幾年在網(wǎng)絡(luò)搜索引擎、知識問答、產(chǎn)品推介上取得了巨大成功。2016-2017，AlphaGo戰(zhàn)勝李世石，人工智能的熱度達(dá)到空前的高度。2018年深度學(xué)習(xí)之父獲得了圖靈獎。2016年以來，人工智能從學(xué)術(shù)界走向產(chǎn)業(yè)界，已成為科技革命的先鋒。2022年11月30日ChatGPT的出現(xiàn)已初顯人工智能的“奇點”時刻的來臨。（“奇點”，2014年美國未來學(xué)家?guī)焖鬼f爾預(yù)測2047年是人工智能的奇點。）1.1.2人工智能的發(fā)展歷史1.1人工智能的定義及發(fā)展歷史02人工智能方法1.2人工智能方法

人工智能誕生以來，出現(xiàn)了許多人工智能方法，如基于邏輯思維的傳統(tǒng)AI和基于模擬人腦形象思維的ANN。2006年，人工智能再次崛起以來，人工神經(jīng)網(wǎng)絡(luò)已成為人工智能的核心技術(shù)。目前，人工智能技術(shù)主要包括人工神經(jīng)網(wǎng)絡(luò)、知識圖譜、圖神經(jīng)網(wǎng)絡(luò)、生成式模型和機器學(xué)習(xí)方法。1Texthere圖神經(jīng)網(wǎng)絡(luò)生成式人工智能機器學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)圖神經(jīng)網(wǎng)絡(luò)將圖模型與神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合形成的圖神經(jīng)網(wǎng)絡(luò)，2018年以來，成為人工智能的研究熱點，已提出了圖卷積神經(jīng)網(wǎng)絡(luò)、圖循環(huán)神經(jīng)網(wǎng)絡(luò)、圖注意力網(wǎng)絡(luò)和時空圖神經(jīng)網(wǎng)絡(luò)等圖神經(jīng)網(wǎng)絡(luò)技術(shù)。生成式模型生成式人工智能模型包括變分自編碼器，生成對抗網(wǎng)絡(luò)（GAN），流模型和擴散模型。以Transformer中的編碼器、譯碼器或Transformer整體為基礎(chǔ)的大模型在文字生成文字方面已經(jīng)取得了超越普通人的成績，以生成對抗網(wǎng)絡(luò)和擴散模型為基礎(chǔ)的文字生成圖像、圖像生成圖像和視頻方面的成果也已達(dá)到以假亂真，甚至超越人類藝術(shù)家的水平。人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)是通過模擬人的大腦神經(jīng)元組成神經(jīng)網(wǎng)絡(luò)，進而產(chǎn)生具有類似人的智能的人工智能技術(shù)。人工神經(jīng)網(wǎng)絡(luò)從最初的神經(jīng)元和以神經(jīng)元為基礎(chǔ)組成單層神經(jīng)網(wǎng)絡(luò)（感知機），發(fā)展出了含有隱層的僅有前向連接的多層神經(jīng)網(wǎng)絡(luò)、含有反向連接的循環(huán)神經(jīng)網(wǎng)絡(luò)、包含注意力機制的深層神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)以及有自注意力機制和前向神經(jīng)網(wǎng)絡(luò)組成的Transformer變形金剛。機器學(xué)習(xí)方法機器學(xué)習(xí)方法是人工智能的核心技術(shù)之一，主要用于確定各種人工智能模型的參數(shù)。機器學(xué)習(xí)方法包括監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、遷移學(xué)習(xí)、持續(xù)學(xué)習(xí)和強化學(xué)習(xí)等方法。知識圖譜知識圖譜是2012年谷歌公司在傳統(tǒng)的知識工程技術(shù)上提出的用圖模型表示知識、實現(xiàn)知識推理的技術(shù)。知識圖譜技術(shù)給出一種全新的信息檢索模式，為解決信息檢索問題提供了新的思路。本質(zhì)上，知識圖譜是一種揭示實體（事物）之間關(guān)系的語義網(wǎng)絡(luò)，可以對現(xiàn)實世界的事物及其相互關(guān)系進行形式化描述。1.2人工智能方法知識圖譜人工智能方法人工神經(jīng)網(wǎng)絡(luò)

1943年提出了M-P模型，1958年提出的單層感知機是在M-P神經(jīng)元上發(fā)展得來，只能解決簡單線性問題而不能解決異或問題，而堆疊的多層感知機（多層神經(jīng)網(wǎng)絡(luò)）可以，所謂深度學(xué)習(xí)，狹義的說就是很多層的神經(jīng)網(wǎng)絡(luò)，尤其涉及語音、圖像等復(fù)雜對象的應(yīng)用中，深度學(xué)習(xí)取得了優(yōu)越的性能，當(dāng)前引起廣泛關(guān)注的，被稱為改變世界的大語言模型LLM也是以人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)模型構(gòu)成的。1.2人工智能方法1.人工神經(jīng)網(wǎng)絡(luò)及其發(fā)展

知識圖譜(KnowledgeGraph)（2012年5月17日由Google正式提出）知識圖譜旨在描述真實世界中存在的各種實體或概念及其關(guān)系，一般用三元組表示知識圖譜亦可被看作是一張巨大的圖，節(jié)點表示實體或概念，邊則由屬性或關(guān)系構(gòu)成中國國家美國日本英國北京9,634,057平方公里13.5404億2069.3萬北緯38°56'東經(jīng)116°20'3.1525億華盛頓9,629,091平方公里北緯38°53′西經(jīng)77°02'178平方公里16410平方公里1.26億377835平方公里東京2188平方公里東經(jīng)140°50'北緯35°44'……面積人口首都緯度經(jīng)度面積人口1.2人工智能方法2.知識圖譜通用知識譜圖神經(jīng)網(wǎng)絡(luò)

早在1997年就已有人用遞歸神經(jīng)網(wǎng)絡(luò)開始研究圖模型的識別，2009年FrancoScarselli等人提出了圖神經(jīng)網(wǎng)絡(luò)的概念，2018年后DeepMind發(fā)表了論文《Relationalinductivebiases,deeplearning,andgraphnetworks.》，并開源了相關(guān)的算法包GraphNet，使圖神經(jīng)網(wǎng)絡(luò)引起了研究人員的廣泛關(guān)注。

本質(zhì)上說，世界上所有的數(shù)據(jù)都是拓?fù)浣Y(jié)構(gòu)，也就是網(wǎng)絡(luò)結(jié)構(gòu)，如果能夠把這些網(wǎng)絡(luò)數(shù)據(jù)真正的收集、融合起來，如何利用神經(jīng)網(wǎng)絡(luò)技術(shù)處理這些復(fù)雜的拓?fù)鋽?shù)據(jù)，如何開創(chuàng)新的處理圖數(shù)據(jù)以及知識圖譜的智能算法是AI的一個重要方向。1.2人工智能方法3.圖神經(jīng)網(wǎng)絡(luò)通用知識圖譜

生成式人工智能（AIGC），全稱ArtificialIntelligenceGeneratedContent，是一種人工智能技術(shù)，用于自動生成內(nèi)容，該內(nèi)容在很大程度上類似于通過訓(xùn)練數(shù)據(jù)學(xué)到的內(nèi)容分布。與傳統(tǒng)的人工智能主要關(guān)注數(shù)據(jù)模式的識別和預(yù)測不同，AIGC專注于創(chuàng)造新的、富有創(chuàng)意的數(shù)據(jù)。其核心原理在于通過學(xué)習(xí)和理解數(shù)據(jù)分布，進而生成具有相似特征的新數(shù)據(jù)。AIGC的應(yīng)用領(lǐng)域廣泛，包括圖像、文本、音頻、視頻等多個領(lǐng)域。目前，AIGC中最引人注目的應(yīng)用之一是ChatGPT，這是基于OpenAI公司的大型語言模型GPT-3.5訓(xùn)練、調(diào)試和優(yōu)化的聊天機器人應(yīng)用。ChatGPT可以處理各種不同類型的文本和推理任務(wù)，它在發(fā)布僅兩個月內(nèi)就獲得了10億月活躍用戶，超越了歷史上所有互聯(lián)網(wǎng)消費者應(yīng)用軟件的用戶增長速度。1.2人工智能方法4.生成式人工智能技術(shù)AIGC的迅速發(fā)展得益于三個關(guān)鍵領(lǐng)域的人工智能技術(shù)，即生成算法、預(yù)訓(xùn)練模型和多模態(tài)技術(shù)。通用知識圖譜

機器學(xué)習(xí)方法是研究如何使機器具有學(xué)習(xí)能力的理論方法。目前深度學(xué)習(xí)（神經(jīng)網(wǎng)絡(luò)）的訓(xùn)練（學(xué)習(xí)）是基于最簡單的梯度下降技術(shù)的有教師（監(jiān)督）、無教師（監(jiān)督，自編碼器采用的訓(xùn)練方法）的訓(xùn)練方法，必須有大量樣本作為支撐，因此目前取得很好應(yīng)用成果的基本都是掌握大量數(shù)據(jù)資源的大公司?，F(xiàn)實中許多問題（研究對象），難以獲取大量樣本，即使能夠獲得大量樣本，但對其標(biāo)注工作量巨大難以完成。為此，近些年來，尤其是這幾年如何解決小樣本問題已成為機器學(xué)習(xí)的熱點問題。

近年來廣受關(guān)注的小樣本學(xué)習(xí)方法有：增強學(xué)習(xí)、對抗學(xué)習(xí)、遷移學(xué)習(xí)、元學(xué)習(xí)、零（少量）樣本學(xué)習(xí)、終身（持續(xù)）學(xué)習(xí)、弱監(jiān)督學(xué)習(xí)、自監(jiān)督學(xué)習(xí)等.1.2人工智能方法5.機器學(xué)習(xí)03人工智能的應(yīng)用人工智能應(yīng)用場景無人駕駛智慧物流智慧安防智慧醫(yī)療智慧環(huán)保智慧旅游智慧農(nóng)業(yè)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人工智能的應(yīng)用中國制造2025：工廠里面每一個系統(tǒng)、每個設(shè)備、每個材料都能相互溝通，按照不同的需求自動處理訂單，實行智慧生產(chǎn)。智能制造工業(yè)革命1.0蒸汽機時代蒸汽動力取代人力機械化生產(chǎn)1760S工業(yè)革命2.0電氣化時代電力驅(qū)動取代蒸汽動力發(fā)動機、汽車大規(guī)模流水線生產(chǎn)1850S工業(yè)革命3.0自動化時代電子計算機、信息技術(shù)原子能、空間技術(shù)自動化生產(chǎn)1970S工業(yè)革命4.0智能化時代AI+ICT人機協(xié)同決策智能制造2010S1.3人工智能的應(yīng)用智能制造/landing/vision/pr_3d_robot_vision.jsp?aw=gabaidukcvisials200630067人眼檢測效率很大程度上取決于檢驗員的能力、經(jīng)驗、專心程度，容易導(dǎo)致遺漏、分類錯誤等問題。智能分揀系統(tǒng)實現(xiàn)了零件的自動檢測與分揀。通過三維視覺成像及檢測分析技術(shù)自動識別零件是否合格，不受工件位置或朝向的影響。機械臂控制端計算出適合的運動路徑，實現(xiàn)零件的穩(wěn)定抓取與分揀。1.3人工智能的應(yīng)用智能制造系統(tǒng)一般架構(gòu)智能制造設(shè)計采購管理服務(wù)生產(chǎn)系統(tǒng)感知智能決策精準(zhǔn)控制工作模型制造數(shù)據(jù)機器學(xué)習(xí)縮短產(chǎn)品周期降低綜合成本提高生產(chǎn)效率提升用戶體驗需求構(gòu)建智能模型實施重塑生產(chǎn)方式物聯(lián)網(wǎng)AI基于貫穿5G通信深度感知大數(shù)據(jù)云計算1.3人工智能的應(yīng)用智慧農(nóng)業(yè)實時動態(tài)地監(jiān)測作物形態(tài)變化，研究外界環(huán)境對作物生長狀況產(chǎn)生的影響和作物生長機制具有重要意義?；谏疃葘W(xué)習(xí)的植物生長模型庫，實時采集、分析、診斷，建立植物生長模型，應(yīng)用深度神經(jīng)網(wǎng)絡(luò)算法，實現(xiàn)植物生長狀態(tài)判斷與預(yù)測。1.3人工智能的應(yīng)用智慧安防在園區(qū)安防中的應(yīng)用在刑偵辦案中的應(yīng)用借助人工智能在視頻內(nèi)容特征提取和內(nèi)容理解方面的天然優(yōu)勢。利用人工智能強大的計算能力和智能分析能力實時分析視頻內(nèi)容。檢測運動對象，識別人和物的屬性信息?？梢苿友矙z機器人可以代替安保人員進行定期巡邏，讀取儀表數(shù)值，發(fā)現(xiàn)潛在的風(fēng)險。園區(qū)人員、車輛出入門禁管理，實現(xiàn)人車物實施跟蹤定位?？梢扇藛T的運行軌跡、逗留時間、違規(guī)訪問。1.3人工智能的應(yīng)用智慧安防運用行為分析技術(shù)對實時視頻進行智能分析，支持穿越警戒面、進入/離開區(qū)域、區(qū)域入侵、非法停車、物品遺留、物品丟失、人員徘徊、快速移動、人員聚集等多種事件的分析檢測。支持行為排查、人員排查和車輛排查功能，快速定位目標(biāo)視頻片段，提高視頻查看效率。支持自動報警，提高監(jiān)控的效率，實現(xiàn)智能化監(jiān)控防范。1.3人工智能的應(yīng)用智慧醫(yī)療1.3人工智能的應(yīng)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

智能家電控制

智能暖通系統(tǒng)

智能環(huán)境

智能窗簾

智能背景音樂智能家居華為智能家居tvc廣告-廣告:家電視頻-新片場()1.3人工智能的應(yīng)用智慧商務(wù)智能商務(wù)主要包括輔助智能交易、智能化拓展業(yè)務(wù)和企業(yè)商務(wù)智能化。智能商務(wù)代替人做決策行動，商品服務(wù)選擇、交易自動完成、互動自動實現(xiàn)、業(yè)務(wù)挖掘。用戶：提升消費體驗，語音服務(wù)、圖像服務(wù)、新聞推薦、產(chǎn)品推薦和廣告過濾等智能服務(wù)。商家：提升經(jīng)營效率，需求分析、用戶畫像、精準(zhǔn)營銷、智能客服、動態(tài)定價。智能客服商品推薦廣告過濾市場分析精準(zhǔn)營銷動態(tài)定價VR購物客戶群定位1.3人工智能的應(yīng)用智慧文娛AI+文娛AI+音樂AI+影視AI+創(chuàng)作AI+綜藝AI+虛擬偶像AI+游戲1.3人工智能的應(yīng)用04人工智能的未來政策法規(guī)人工智能作為全球各國發(fā)展數(shù)字化的重要技術(shù)手段，已經(jīng)由早期的“野蠻生長”邁入“規(guī)范構(gòu)建”的階段。當(dāng)前各國通過政策手段對技術(shù)邊界做出的規(guī)范，其重要性與從戰(zhàn)略層面對產(chǎn)業(yè)進行的推動并駕齊驅(qū)。截至2020年年底，全球共有32個國家和地區(qū)發(fā)布了人工智能國家級戰(zhàn)略文件，另有22個國家和地區(qū)正在制訂相關(guān)文件。1.4人工智能的未來國家/地區(qū)主要特點政策法規(guī)大事記中國以人為本，政府優(yōu)先，起步雖晚，但是國家戰(zhàn)略領(lǐng)先全球2017年，“人工智能”首次寫入政府工作報告，同年發(fā)布《新一代人工智能發(fā)展規(guī)劃》，提出三步走的戰(zhàn)略規(guī)劃，人工智能上升為國家戰(zhàn)略2020年，“十四五”規(guī)劃中提到“強化國家戰(zhàn)略科技力量，瞄準(zhǔn)人工智能、量子信息、集成電路等重大科技項目”2021年，作為“十四五”規(guī)劃的開局之年，人工智能有望繼續(xù)得到大力發(fā)展美國以科技行業(yè)為主導(dǎo)，持續(xù)加大投入，旨在維持美國優(yōu)先地位2016年，發(fā)布《為人工智能的未來做準(zhǔn)備》和《國家人工智能研究與發(fā)展戰(zhàn)略計劃》兩份重要報告，人工智能上升為國家戰(zhàn)2019年，發(fā)布一項題為“加速美國在人工智能領(lǐng)域的領(lǐng)導(dǎo)地位”的行政命令，美國監(jiān)管機構(gòu)開始接觸人工能2020年，發(fā)布一份關(guān)于聯(lián)邦機構(gòu)對人工智能監(jiān)管方法的備忘錄，同年發(fā)布《人工智能倡議首年年度報告》，回顧在人工智能方面取得的進展，為未來的AI計劃提出長期愿景歐盟以隱私和監(jiān)管為驅(qū)動，高度關(guān)注數(shù)據(jù)保護和AI倫理，監(jiān)管政策最為嚴(yán)格2018年，發(fā)布《人工智能協(xié)調(diào)計劃》，要求歐盟成員以及挪威、瑞士等歐洲國家互相合作協(xié)調(diào)，推進人工智建設(shè)2020年，歐盟委員會發(fā)布關(guān)于人工智能監(jiān)管框架的步提案2021年，推動人工智能立法，對人工智能使用領(lǐng)域做出明確框定和限制，使人工智能在“可被信任”的前提下造福社會亞太積極推進人工智能國家戰(zhàn)略2017年，日本首次推出人工智能戰(zhàn)略文件，并于2019年進一步通過《AI戰(zhàn)略2019》文件以期解決日本所面臨AI問題2019年，韓國、新加坡等國相繼將人工智能上升為國家戰(zhàn)略政策法規(guī)1.4人工智能的未來11.4人工智能的未來2022年，生成式人工智能取得的突破性成果，使人工智能在文本語言理解、繪畫和圖像生成方面初步展