人工智能操作教程 -課件 項目1.2人工智能追根溯源

項目1.2人工智能追根溯源01人工智能（AI）的發(fā)展歷程02人工智能的基本概念03人工智能應用影響04項目任務01人工智能（AI）的發(fā)展歷程艾倫·圖靈設計ACEACE的設計理念艾倫·圖靈設計的ACE（AutomaticComputingEngine）旨在模擬大腦的工作方式，這一理念標志著機器智能探索的起點，為后來的人工智能發(fā)展奠定了基礎。ACE與機器智能ACE作為自動計算引擎，其設計初衷是實現(xiàn)機器智能，通過模擬人腦處理信息的方式，ACE在機器智能領域開辟了新的研究方向和可能性。圖靈對ace的貢獻艾倫·圖靈不僅設計了ACE，而且他的工作推動了計算機科學和人工智能的發(fā)展，他的貢獻在于提出了一種全新的模擬大腦工作的計算機模型，為后續(xù)技術革新提供了理論支持。123感知機模型實現(xiàn)FrankRosenblatt，一位美國心理學家，于1956年首次實現(xiàn)了感知機模型。他通過監(jiān)督學習的方法，成功將簡單圖像進行分類，為人工智能領域奠定了基礎。感知機模型的創(chuàng)建者感知機模型由八個模擬神經元組成，這些神經元是由馬達和轉盤制成的。同時，這些神經元與400個光探測器連接，共同完成圖像的分類任務。感知機模型的構成感知機模型通過監(jiān)督學習的方法，對輸入的簡單圖像進行分類。在這個過程中，模型會不斷調整神經元之間的連接權重，以達到正確分類的目的。感知機模型的工作原理達特茅斯會議定義AI1956年的夏天，在DartmouthCollege的一次會議上，AI被定義為計算機科學的一個研究領域，MarvinMinsky(明斯基)，JohnMcCarthy(麥卡錫)，ClaudeShannon(香農)，還有NathanielRochester(羅切斯特)組織了這次會議，他們后來稱為AI的“奠基人"。硬件限制導致低谷計算能力的限制由于當時硬件的計算能力有限，神經網(wǎng)絡無法處理復雜的運算，這直接限制了人工智能的發(fā)展，使得許多理論和模型無法得到實際應用?！陡兄鳌返挠绊慚arvinMinsky和SeymourPapert在《感知器：計算幾何學導論》中指出硬件限制，對AI領域產生了深遠影響，導致研發(fā)熱情降低，人工智能進入低谷期。AI領域的泡沫破滅硬件限制的觀點被廣泛接受后，投資者和研究者對人工智能的熱情大減，AI領域經歷了第一次泡沫破滅，許多項目和研究因此停滯。123早期專家系統(tǒng)發(fā)展在這個時期，AI研究主要集中在符號主義，以邏輯推理為中心。此時的AI主要是基于規(guī)則的系統(tǒng)神經網(wǎng)絡研究神經網(wǎng)絡的早期發(fā)展

神經網(wǎng)絡的研究始于1956年，當時美國心理學家FrankRosenblatt演示了感知器模型，盡管后來遇到了挑戰(zhàn)，但為后續(xù)研究奠定了基礎。神經網(wǎng)絡研究的低谷期

由于MarvinMinsky和SeymourPapert指出感知器模型的局限性，神經網(wǎng)絡研究在1960年代至1970年代經歷了一段明顯的低潮期。神經網(wǎng)絡的復興與深度學習

1980年代，隨著基于規(guī)則系統(tǒng)的弊端顯現(xiàn)，人工智能領域重新關注到機器學習，特別是深度學習技術的出現(xiàn)，神經網(wǎng)絡研究迎來了復興。123IBM深藍勝利深藍的里程碑

1997年，IBM的深藍計算機系統(tǒng)在一場具有歷史意義的比賽中戰(zhàn)勝了世界國際象棋冠軍加里·卡斯帕羅夫，標志著人工智能在復雜策略游戲領域的重大突破。概率推論的崛起

深藍的勝利不僅展示了計算能力的重要性，還開啟了基于概率推論的AI方法廣泛應用的新篇章，這種方法后來被用于提升機器的決策和推理能力。深藍對AI領域的影響

深藍的勝利不僅是技術的勝利，更是對AI研究方法和未來應用方向的一次重要指引，為后續(xù)如IBMWatson等項目的成功奠定了基礎。Watson項目成功

IBMWatson項目簡介

IBM的Watson項目是一個開創(chuàng)性的人工智能研究，旨在通過模擬人類的認知過程來處理復雜的數(shù)據(jù)分析和問題解答任務，展示了AI技術的潛力。

Watson在Jeopardy的表現(xiàn)

Watson在電視游戲節(jié)目《Jeopardy》中與人類選手競技，憑借其先進的自然語言處理和概率推論能力，成功擊敗了頂尖的人類選手，引起了廣泛關注。

人工智能方法的有效性

Watson項目的成功不僅展示了基于概率推論的人工智能方法的有效性，也為人工智能領域的研究和應用開辟了新的道路，證明了AI在解決復雜問題方面的巨大潛力。

Hinton開創(chuàng)性論文Hinton的開創(chuàng)性論文首次提出了深度神經網(wǎng)絡（DNNs）的概念，這一理論突破了傳統(tǒng)神經網(wǎng)絡的限制，為多層網(wǎng)絡的學習提供了可能。深度神經網(wǎng)絡的引入該論文介紹了反向傳播算法，這是一種通過調整權重來優(yōu)化神經網(wǎng)絡性能的方法，使得網(wǎng)絡能夠更快地學習并逼近正確的輸出。反向傳播算法Hinton的論文成功突破了1966年Minsky所提出的感知器局限性，展示了深度神經網(wǎng)絡在處理復雜模式識別問題上的巨大潛力和優(yōu)勢。打破感知器局限AlexNet突破性成果深度學習的引爆點

AlexNet在2012年ImageNet挑戰(zhàn)賽中的成功，不僅是技術的勝利，更是深度學習領域里程碑式的事件，它證明了深度學習在圖像識別上的巨大潛力。創(chuàng)新的網(wǎng)絡結構

AlexNet通過引入深網(wǎng)絡結構、ReLU激活函數(shù)和Dropout等技術，顯著提高了模型性能，這些創(chuàng)新為后續(xù)深度學習模型的發(fā)展奠定了基石。影響與啟示

AlexNet的成功不僅推動了計算機視覺領域的進步，還激發(fā)了整個人工智能界對深度學習的關注和研究，開啟了深度學習技術廣泛應用的新時代。123AlphaGo戰(zhàn)勝李世石歷史性對決

2016年，DeepMind的AlphaGo與圍棋世界冠軍李世石的對決，不僅是人機較量的象征，更是人工智能在解決復雜問題上邁出的重要一步。技術突破

Alphago的勝利不是偶然，它背后是深度學習和增強學習技術的突破，這些技術讓機器能在圍棋這樣高復雜度的游戲中自我學習并優(yōu)化策略。影響深遠

這一事件不僅改變了人們對機器智能的看法，也引發(fā)了對未來人工智能發(fā)展的廣泛討論，特別是在人工智能將如何影響社會、經濟和倫理方面的思考。ChatGPT問世ChatGPT作為OpenAI開發(fā)的人工智能聊天機器人，自2022年11月問世以來，標志著人工智能在自然語言處理領域邁出了重要一步。發(fā)展歷程該程序依托于先進的GPT-3.5和GPT-4架構，通過大型語言模型與強化學習訓練，實現(xiàn)了高度自然的語言交互能力。技術架構ChatGPT的推出不僅展示了OpenAI在語言模型方面的創(chuàng)新能力，也為用戶帶來了更加流暢和智能的互動體驗，推動了人機對話技術的發(fā)展。創(chuàng)新特點02人工智能的基本概念定義與目標人工智能定義

人工智能是研究、開發(fā)和應用理論、方法、技術及系統(tǒng)的跨學科領域，旨在通過算法、數(shù)據(jù)和計算能力，賦予機器模仿、增強甚至超越人類智能的潛力。實現(xiàn)智能行為

人工智能致力于實現(xiàn)機器的智能行為，通過模擬、延伸和擴展人類的智能能力，使機器能夠執(zhí)行通常需要人類智能的任務，如學習、感知、理解語言等。人工智能目標

人工智能的目標是創(chuàng)建能夠理解和執(zhí)行通常需要人類智能的任務的智能機器或軟件，涉及學習、感知、理解語言、識別模式、推理、規(guī)劃、問題解決等多方面。類別區(qū)分

超人工智能（ASI）

超人工智能代表的是超越人類智能的存在，它不僅能夠執(zhí)行所有人類能完成的任務，還能在許多領域內展現(xiàn)出比人類更高的效率和準確性，預示著科技的極致發(fā)展。

強人工智能（AGI）

強人工智能指的是具有廣泛知識和跨領域適應能力的通用智能系統(tǒng)，它能夠理解、學習并應用知識，解決未見過的問題，是人工智能發(fā)展的一個關鍵階段。

弱人工智能

弱人工智能專注于特定任務或領域，如語音識別、圖像分類等，通過專業(yè)化的智能處理，它在特定領域內表現(xiàn)出色，但缺乏廣泛的適應性和學習能力。

主要流派符號主義

符號主義是人工智能的早期流派，它通過使用符號和規(guī)則來模擬人類的思考過程，強調基于邏輯的知識表示和推理。連接主義

連接主義模仿人腦的神經元網(wǎng)絡結構，通過訓練數(shù)據(jù)調整內部連接的權重來實現(xiàn)學習和信息處理，是深度學習的理論基礎。行為主義

行為主義關注于機器的行為表現(xiàn)，通過強化學習等方法，使機器在與環(huán)境的交互中不斷優(yōu)化其行為策略，以實現(xiàn)目標。核心技術機器學習和深度學習是人工智能的基石，通過算法讓機器從數(shù)據(jù)中學習并做出決策，深度學習進一步通過深層神經網(wǎng)絡模擬人腦處理信息的方式，實現(xiàn)復雜任務。機器學習與深度學習自然語言處理使計算機能夠理解、解釋和生成人類語言，它通過分析文本和語音，讓機器能與人類以自然語言進行交流，提升交互的自然性和效率。自然語言處理機器人技術結合了計算機視覺、自然語言處理和專家系統(tǒng)等技術，使機器人能夠在沒有人工干預的情況下執(zhí)行復雜任務，如自主導航、環(huán)境感知和智能決策。機器人技術常見概念AIAGIAIGCchatGPTAgentsArtificialIntelligence，即人工智能，在1956年于Dartmouth學會上提出，一種只在以類似人類反應的方式對刺激做出反應并從中學習的技術，其理解和判斷水平通常只能在人類的專業(yè)技能中找到。AI因具備自主學習和認知能力，可進行自我調整和改進，從而應對更加復雜的任務。ArtificialGeneralIntelligence,即通用人工智能，是具備與人類同等智能、或超越人類的人工智能，能表現(xiàn)正常人類所具有的所有智能行為，又名強人工智能。Algeneratedcontent，意為人類智能生成內容，是一種內容生產形式。例如AI文字續(xù)寫、文字轉像的AI圖、AI主持人等，都屬于AIGC的應用。chatGPT是OpenAI開發(fā)的人工智能聊天機器人程序，于2022年11月推出。該程序使用基于GPT-3.5、GPT-4架構的大型語言模型并強化學習訓練。一個設置了一些目標或任務，可以迭代運行的大型語言模型，在chatGP中，提出一個問題并獲得一個答案作為回應。而Agent擁有復雜的工作流程，模型本質上可以自我對話，而無須人類驅動每一部分的交互。03人工智能應用影響廣泛應用領域醫(yī)療診斷

人工智能在醫(yī)療領域通過高精度圖像識別和數(shù)據(jù)分析，輔助醫(yī)生進行疾病診斷，顯著提高了診斷速度和準確性，為患者提供了更為精準的治療方案。金融風控

利用ai進行金融風控，通過大數(shù)據(jù)s分析與機器學習技術，有效預測和防范金融風險，提高了金融機構的風險管理水平，保障了金融市場的穩(wěn)定運行。自動駕駛

自動駕駛技術通過集成高級ai算法，實現(xiàn)車輛的自主導航和決策，極大提升了駕駛的安全性和效率，預示著交通出行方式的重大變革。社會討論關注

就業(yè)影響

人工智能的迅速發(fā)展引發(fā)了對傳統(tǒng)就業(yè)市場的擔憂，特