人工智能通識基礎(chǔ) 課件 第2章 人工智能的工作原理

人工智能的工作原理第2章人工智能的核心是讓機器模仿人類的智能行為，使機器具備感知、思考、決策甚至是自我學習的能力，為人類解決一系列問題。要想深度理解人工智能，首先需要對其工作原理有所了解，明白人工智能依靠什么來獲得相應(yīng)的能力，又是如何來完成相應(yīng)的任務(wù)。本章主要介紹數(shù)據(jù)、算力、算法對人工智能的重要作用與影響，機器學習的原理與學習類型，人工智能大模型的開發(fā)過程、類型，以及人工智能工具提示的設(shè)計技巧。人工智能的燃料之源：

數(shù)據(jù)人工智能的智慧之源：

算法人工智能的動力引擎：

算力人工智能的技術(shù)邏輯：

機器學習01020304目錄CONTENTS人工智能完成任務(wù)的工具：

人工智能大模型0501人工智能的燃料之源：

數(shù)據(jù)數(shù)據(jù)被稱為人工智能的燃料，是人工智能進行學習和迭代優(yōu)化的基礎(chǔ)。通過機器學習和深度學習技術(shù)，人工智能能夠從大量數(shù)據(jù)中提取模式、規(guī)律和決策邏輯，沒有數(shù)據(jù)，人工智能就無法學習和迭代優(yōu)化，再先進的算法和算力也無法發(fā)揮其應(yīng)有的價值。2.1.1數(shù)據(jù)的作用數(shù)據(jù)是人工智能

學習的基礎(chǔ)01數(shù)據(jù)支持人工智能

進行預測02數(shù)據(jù)推動人工智能

迭代優(yōu)化032.1.2數(shù)據(jù)對人工智能的影響影響人工智能模型的準確性影響人工智能模型可靠性影響人工智能模型的性能和效率制約人工智能模型的泛化能力影響人工智能系統(tǒng)的應(yīng)用效果某地區(qū)種植結(jié)構(gòu)識別分析數(shù)據(jù)的質(zhì)量

對人工智能的

影響2.1.2數(shù)據(jù)對人工智能的影響數(shù)據(jù)的多樣性

對人工智能的

影響影響人工智能模型的準確性影響人工智能模型可靠性影響人工智能模型的性能和效率制約人工智能模型的泛化能力影響人工智能系統(tǒng)的應(yīng)用效果提升人工智能模型的準確性增強人工智能模型的魯棒性更好地滿足不同領(lǐng)域的需求滿足個性化需求推動人工智能模型創(chuàng)新數(shù)據(jù)的質(zhì)量

對人工智能的

影響2.1.2數(shù)據(jù)對人工智能的影響數(shù)據(jù)的多樣性

對人工智能的

影響影響人工智能模型的準確性影響人工智能模型可靠性影響人工智能模型的性能和效率制約人工智能模型的泛化能力影響人工智能系統(tǒng)的應(yīng)用效果提升人工智能模型的準確性增強人工智能模型的魯棒性更好地滿足不同領(lǐng)域的需求滿足個性化需求推動人工智能模型創(chuàng)新數(shù)據(jù)的質(zhì)量

對人工智能的

影響2.1.2數(shù)據(jù)對人工智能的影響數(shù)據(jù)的多樣性

對人工智能的

影響影響人工智能模型的準確性影響人工智能模型可靠性影響人工智能模型的性能和效率制約人工智能模型的泛化能力影響人工智能系統(tǒng)的應(yīng)用效果提升人工智能模型的準確性增強人工智能模型的魯棒性更好地滿足不同領(lǐng)域的需求滿足個性化需求推動人工智能模型創(chuàng)新數(shù)據(jù)的質(zhì)量

對人工智能的

影響2.1.2數(shù)據(jù)對人工智能的影響數(shù)據(jù)的多樣性

對人工智能的

影響影響人工智能模型的準確性影響人工智能模型可靠性影響人工智能模型的性能和效率制約人工智能模型的泛化能力影響人工智能系統(tǒng)的應(yīng)用效果提升人工智能模型的準確性增強人工智能模型的魯棒性更好地滿足不同領(lǐng)域的需求滿足個性化需求推動人工智能模型創(chuàng)新決定人工智能模型學習效果影響人工智能模型性能優(yōu)化效率影響人工智能模型的準確性影響人工智能模型的穩(wěn)定性影響人工智能模型的應(yīng)用效果數(shù)據(jù)標注數(shù)據(jù)標注的準

確性對人工智能的影響數(shù)據(jù)的質(zhì)量

對人工智能的

影響2.1.2數(shù)據(jù)對人工智能的影響數(shù)據(jù)的數(shù)量

對人工智能的影響數(shù)據(jù)的合規(guī)性對人工智能的影響大量的數(shù)據(jù)為人工智能模型提供了豐富的學習素材。豐富的數(shù)據(jù)有助于提高人工智能模型的準確性和穩(wěn)定性。合規(guī)的數(shù)據(jù)處理過程有助于確保人工智能系統(tǒng)的決策是可解釋的，并且不會對人類造成傷害。開發(fā)者在采集和使用數(shù)據(jù)時必須遵守隱私保護、數(shù)據(jù)安全和反歧視等要求。數(shù)據(jù)的多樣性

對人工智能的

影響影響人工智能模型的準確性影響人工智能模型可靠性影響人工智能模型的性能和效率制約人工智能模型的泛化能力影響人工智能系統(tǒng)的應(yīng)用效果提升人工智能模型的準確性增強人工智能模型的魯棒性更好地滿足不同領(lǐng)域的需求滿足個性化需求推動人工智能模型創(chuàng)新決定人工智能模型學習效果影響人工智能模型性能優(yōu)化效率影響人工智能模型的準確性影響人工智能模型的穩(wěn)定性影響人工智能模型的應(yīng)用效果數(shù)據(jù)標注的準

確性對人工智能的影響數(shù)據(jù)的質(zhì)量

對人工智能的

影響2.1.3人工智能涉及的數(shù)據(jù)類型2.1.4數(shù)據(jù)的采集方式使用網(wǎng)絡(luò)爬蟲抓取數(shù)據(jù)01使用傳感器采集數(shù)據(jù)02通過開放API獲取數(shù)據(jù)03購買數(shù)據(jù)集04通過數(shù)據(jù)庫查詢數(shù)據(jù)05通過用戶交互獲取數(shù)據(jù)06使用數(shù)據(jù)分析工具獲取數(shù)據(jù)0702人工智能的動力引擎：

算力算力是計算機通過處理數(shù)據(jù)，實現(xiàn)特定結(jié)果輸出的計算能力。算力是支撐人工智能算法運行和數(shù)據(jù)處理的基礎(chǔ)資源。人工智能的不斷發(fā)展使其對算力的需求也在不斷增加。2.2.1算力的作用支持人工智能模型的訓練與推理01決定人工智能應(yīng)用的性能和效率02高算力推動技術(shù)創(chuàng)新03高算力加速人工智能技術(shù)的普及和應(yīng)用042.2.2算力的類型基礎(chǔ)

算力1智算算力2超算

算力3基礎(chǔ)算力是由中央處理器（CPU）芯片的服務(wù)器所提供的算力，是最基本的計算能力。基礎(chǔ)算力具有廣泛的適用性，能夠滿足日常辦公、網(wǎng)頁瀏覽、文件處理、移動計算及物聯(lián)網(wǎng)等常規(guī)應(yīng)用場景的基本計算需求。智算算力主要是基于GPU、FPGA、ASIC等AI芯片的加速計算平臺提供的算力，主要用于人工智能的訓練和推理計算，是推動人工智能發(fā)展和應(yīng)用的關(guān)鍵算力類型。超算算力是由超級計算機之類的高性能計算集群所提供的算力，是一種強大的計算能力。超算算力主要用于尖端科學研究、工程模擬、氣象預報、藥物研發(fā)、航空航天等對計算能力要求極高的領(lǐng)域。2.2.3人工智能算力的構(gòu)成03人工智能的智慧之源：

算法算法（Algorithm）是指解題方案的準確而完整的描述，是解決問題的一系列清晰指令。這些指令通常由計算機執(zhí)行，用于計算、數(shù)據(jù)處理、自動推理和決策制定等任務(wù)。2.3.1算法的作用推動人工智能技術(shù)進步03拓寬人工智能的應(yīng)用領(lǐng)域04保障智能行為的實現(xiàn)01支持數(shù)據(jù)處理與分析022.3.2人工智能領(lǐng)域的常用算法04人工智能的技術(shù)邏輯：機器學習機器學習是人工智能的核心技術(shù)之一，它使計算機能夠從數(shù)據(jù)中學習規(guī)律、模式和趨勢，從而具備一定的智能決策和預測能力。2.4.1機器學習的原理人類學習

與機器學習的原理2.4.1機器學習的原理機器學習識別動物的原理2.4.2機器學習的學習類型簡單來說，監(jiān)督學習就是利用標記數(shù)據(jù)對模型進行訓練，使模型能夠預測新數(shù)據(jù)的標簽。監(jiān)督學習01在無監(jiān)督學習中，數(shù)據(jù)沒有預先定義的輸出標簽或目標值，算法的目的是從數(shù)據(jù)本身的結(jié)構(gòu)、分布等特性中挖掘信息，發(fā)現(xiàn)數(shù)據(jù)中的規(guī)律、模式或者對數(shù)據(jù)進行分組等操作。無監(jiān)督學習02正方形積木紅色積木無監(jiān)督學習積木分類2.4.2機器學習的學習類型簡單來說，監(jiān)督學習就是利用標記數(shù)據(jù)對模型進行訓練，使模型能夠預測新數(shù)據(jù)的標簽。監(jiān)督學習01在無監(jiān)督學習中，數(shù)據(jù)沒有預先定義的輸出標簽或目標值，算法的目的是從數(shù)據(jù)本身的結(jié)構(gòu)、分布等特性中挖掘信息，發(fā)現(xiàn)數(shù)據(jù)中的規(guī)律、模式或者對數(shù)據(jù)進行分組等操作。無監(jiān)督學習02半監(jiān)督學習結(jié)合了監(jiān)督學習和無監(jiān)督學習的特點，它利用少量的標注數(shù)據(jù)和大量的未標注數(shù)據(jù)來進行學習。半監(jiān)督學習03強化學習是智能體通過與環(huán)境的交互，學習如何采取行動以獲得最大化的獎勵。強化學習包括智能體、環(huán)境、狀態(tài)、動作、獎勵、策略等要素。強化學習04機器人走迷宮05人工智能完成任務(wù)的

工具：人工智能大模型人工智能大模型是指擁有超大規(guī)模參數(shù)（通常在十億個以上）、復雜計算結(jié)構(gòu)的機器學習模型。它通常能夠處理海量數(shù)據(jù)，完成各種復雜任務(wù)，如自然語言處理、圖像識別等。隨著人工智能技術(shù)的迅猛發(fā)展，人工智能大模型成為引領(lǐng)人工智能技術(shù)發(fā)展和應(yīng)用的主要方向。2.5.1人工智能大模型的開發(fā)過程訓練環(huán)節(jié)目標實施細節(jié)預訓練構(gòu)建一個能夠理解各類數(shù)據(jù)的通用模型通過在大規(guī)模未標注的數(shù)據(jù)集上進行學習，來獲取語言、圖像或其他類型數(shù)據(jù)的規(guī)律和潛在結(jié)構(gòu)，從而構(gòu)建一個能夠理解各類數(shù)據(jù)的通用模型監(jiān)督微調(diào)讓預訓練環(huán)節(jié)的通用模型適應(yīng)特定任務(wù)①將預訓練環(huán)節(jié)得到的通用模型應(yīng)用到特定任務(wù)中，通過在特定領(lǐng)域的帶標簽的數(shù)據(jù)集上對通用模型進行微調(diào)，讓通用模型學習特定任務(wù)的輸出模式②在通用模型的基礎(chǔ)上添加額外的輸出層并使用監(jiān)督學習策略，調(diào)整通用模型的參數(shù)，以使預測錯誤達到最小化獎勵模型訓練建立獎勵模型，為模型的行為制定評價標準采用人工或自動化的方法，使用合理的獎勵函數(shù)，建立獎勵模型，為模型的輸出內(nèi)容分配分數(shù)，引導模型產(chǎn)生更高質(zhì)量的輸出增強學習微調(diào)通過模型與環(huán)境的互動，不斷優(yōu)化模型的性能模型在特定環(huán)境中進行試錯學習，根據(jù)獎勵模型做出的反饋，模型不斷調(diào)整決策策略，提升性能訓練大模型各個環(huán)節(jié)的目標和實施細節(jié)2.5.2人工智能大模型的類型分類維度類型說明按照模型架構(gòu)劃分深度神經(jīng)網(wǎng)絡(luò)模型包括多層感知機、卷積神經(jīng)網(wǎng)絡(luò)模型、循環(huán)神經(jīng)網(wǎng)絡(luò)模型、長短期記憶網(wǎng)絡(luò)模型等Transformer模型基于自注意力機制，能夠高效地處理序列數(shù)據(jù)，應(yīng)用場景包括自然語言處理、計算機視覺、語音識別等領(lǐng)域。例如BERT、GPT系列、Transformer-XL等，此類模型具有強大的并行計算能力，可以高效地處理大規(guī)模數(shù)據(jù)，并且能夠捕捉輸入數(shù)據(jù)中的長距離依賴關(guān)系圖神經(jīng)網(wǎng)絡(luò)模型適用于處理圖結(jié)構(gòu)數(shù)據(jù)，如社交網(wǎng)絡(luò)、知識圖譜等。圖中的節(jié)點和邊可以表示不同的實體和它們之間的關(guān)系，圖神經(jīng)網(wǎng)絡(luò)模型可以學習到圖的結(jié)構(gòu)信息和節(jié)點的特征信息，用于完成節(jié)點分類、鏈路預測、圖的生成等任務(wù)按照學習范式劃分監(jiān)督學習模型需要大量的標注數(shù)據(jù)進行訓練，學習輸入數(shù)據(jù)和對應(yīng)的輸出標簽之間的映射關(guān)系，常見的應(yīng)用領(lǐng)域如人臉識別、語音識別、圖像分類等無監(jiān)督學習模型不需要標注數(shù)據(jù)，通過對大量未標注數(shù)據(jù)的學習，發(fā)現(xiàn)數(shù)據(jù)中的內(nèi)在結(jié)構(gòu)和模式半監(jiān)督學習模型結(jié)合有標注和無標注數(shù)據(jù)進行訓練，利用少量的標注數(shù)據(jù)提供的監(jiān)督信息和大量的未標注數(shù)據(jù)中的隱含信息，提升模型的性能和泛化能力強化學習模型通過與環(huán)境的交互來學習最優(yōu)策略，智能體根據(jù)環(huán)境的狀態(tài)執(zhí)行動作，并獲得相應(yīng)的獎勵或懲罰，然后根據(jù)這些反饋不斷調(diào)整自己的策略，以獲得最大化的獎勵。此類模型在機器人控制、游戲智能體、自動駕駛等領(lǐng)域有廣泛的應(yīng)用人工智能大模型常見的分類方式及其對應(yīng)的類型2.5.2人工智能大模型的類型人工智能大模型常見的分類方式及其對應(yīng)的類型分類維度類型說明按照應(yīng)用領(lǐng)域劃分自然語言處理模型主要用于處理文本相關(guān)的任務(wù)，如機器翻譯、文本摘要、情感分析、智能問答、文本生成等。例如OpenAI的GPT系列、Google的BERT等都是非常著名的自然語言處理大模型，它們能夠理解和生成人類語言，為人們提供各種語言相關(guān)的服務(wù)計算機視覺模型用于處理圖像和視頻數(shù)據(jù)，包括圖像分類、目標檢測、圖像分割、圖像生成、視頻內(nèi)容理解等任務(wù)。例如DeepMind的DALL-E，它能根據(jù)文本描述生成高質(zhì)量的圖像語音識別模型將語音信號轉(zhuǎn)換為文本，或者進行說話人識別等任務(wù)，適用于語音輸入、語音翻譯等場景多模態(tài)模型能夠處理多種類型的數(shù)據(jù)（如文本、圖像、音頻等），實現(xiàn)跨模態(tài)的信息融合和推理2.5.3國內(nèi)常見的人工智能工具人工智能大模型人工智能工具文心一言文心一言文心一格文心一格豆包豆包通義千問通義千問訊飛星火訊飛星火天工天工AI國內(nèi)常見的人工智能大模型及其對應(yīng)的人工智能工具2.5.3國內(nèi)常見的人工智能工具文心一言首頁文心一言2.5.3國內(nèi)常見的人工智能工具文心一言智能體廣場文心一言2.5.3國內(nèi)常見的人工智能工具文心一格AI創(chuàng)作頁面文心一格2.5.3國內(nèi)常見的人工智能工具豆包功能列表頁面豆包2.5.3國內(nèi)常見的人工智能工具通義千問對話頁面通義千問2.5.3國內(nèi)常見的人工智能工具通義千問工具箱頁面通義千問2.5.3國內(nèi)常見的人工智能工具訊飛星火對話頁面訊飛星火2.5.3國內(nèi)常見的人工智能工具天工AI簡潔的搜索頁面天工AI2.5.3國內(nèi)常見的人工智能工具天工AI寶典廣場頁面天工AI2.5.4人工智能工具提示的設(shè)計明確任務(wù)或需求01設(shè)置限制條件02限制條件說明提示示例限制主題指出生成內(nèi)容的主題或范圍“介紹人工智能的基本概念”“介紹人工智能技術(shù)對就業(yè)的影響”限制角色指定特定的角色或身份“你是一位旅游規(guī)劃師”限制場景描述具體的場景或情境“假設(shè)我們正在為一個五口之家規(guī)劃一次秋季露營旅行”限制格式明確指出格式要求“請采用Markdown格式寫一個產(chǎn)品介紹，包括產(chǎn)品名稱、功能、價格和用戶評價，并且每個部分用一個小標題分開”限制篇幅明確規(guī)定字數(shù)范圍、段落數(shù)量、回答的長度等“寫一篇500-600字的關(guān)于電影《×××》的影評”限制時間限定時間范圍，以獲得特定時間段內(nèi)的信息“基于2020年到2024年的數(shù)據(jù)進行分析”限制領(lǐng)域限制回答內(nèi)容的領(lǐng)域“說明人工智能對醫(yī)學領(lǐng)域產(chǎn)生的影響”限制語言風格指出使用特定的語言風格“用幽默風趣的風格寫一篇旅游攻略”“以學術(shù)嚴謹?shù)娘L格總結(jié)這個研究報告”限制