人工智能+标识助力数据流通｜数据基础设施关键构建技术06_V1.3_20241216.pptx

人工智能+标识助力数据流通

——数据基础设施关键构建技术第6期

数字基础设施I建设者I运营者I创新者

一、人工智能技术介绍

二、人工智能+标识助力数据可信流通

三、人工智能+标识应用实例介绍

DIRECTORY

目录

P2·2024/12/18

1970-1990年代

“知识工程”时代

•专家系统的出现使人工智能研究出现新高潮。DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统、

Hearsay-II语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。

•人们当时认为要让机器学习知识，才能让机器变得智能化，但后来发将总结好的知识灌输给计算机十分困难。

2000-至今

“数据挖掘”时代

•各种机器学习算法被提出和应用，特别是深度学习技术的发展，人们希望机器能够通过大量数据分析，从而自动学习出知识并实现智能化水平。

•随着计算机硬件水平的提升，大数据分析技术的发展，机器采集、存储、处理数据的水平有了大幅提高。特别是深度学习技术对知识的理解比之前有了很大的进步。

1950-1970年代

“逻辑推理”时代

1956年Dartmouth会议标志人工智能学科的诞生。与会者包括数学家、逻辑学家、认知学家、心理学家、

神经生理学家和计算机科学家。会上首次使用“人工智能”这一术语。这些学者后来绝大多数都成为著名的人工智能专家。

人们当时认为只要机器具有逻辑推理能力就可以实现人工智能，但后来发现这样还是远远达不到智能化水平。

人工智能（artificialintelligence，AI）是研究理解和模拟人类智能、智能行为及其规律的一门学科。其主要任务是建立智能信息处理理论，进而设计可以展现某些近似于人类智能行为的计算系统。

19561960197019801990200020102020

P3·2024/12/18

基本概念

•

•

神经网络演进至今已发展出循环神经网络、卷积神经网络、Transformer等模型单元架构。

循环神经网络（RecurrentNeuralNetwork,RNN）是具有循环单元结构的神经网络，可以理解为具有记忆性。

现阶段流行的神经网络算法的基本数学模型于1943年由心理学家WarrenMcCulloch和数理逻辑学家WalterPitts

提出。

基于神经网络模型的反向传播算法于20世纪70年代

提出，并籍由DavidRumelhart、GeoffreyHinton和RonaldWilliams的论文于1986年收到广泛重视。

卷积神经网络（ConvolutionalNeuralNetwork，CNN）是具有卷积层结构的神经网络，可以理解为具有“特征捕捉器”，能在图片或文本中找到有用的特式。

技术架构发展历程

P4·2024/12/18

Transformer是一种基于注意力机制的模型结构的神经网络，可以理解为具有自注意力机制。

现阶段广泛使用的大规模预训练模型主要基于Transformer结构，通过海量数据训练获得文字序列中元素（词语、符号等）的概率分布，从而对序列中的下一个元素进行预测。

第一步：prompt提示词为【中国信通院的核心文化价值理念：】模型就会根据训练样例学习到的内容，输出下一个单词【厚】。

第二步：此时prompt提示词变为【中国信通院的核心文化价值理念：厚】,模型扫描所有prompt内容，产生下一个预测单词【德】。

第三步：prompt提示词为【中国信通院的核心文化价值理念：厚德】,模型会输出预测【实】。

……

多适用于文本生成、问答、摘要等生成类任务

每步将返回的token输出单词再加入输入向量——输入提示词持续变化

每一步：1.将token转换为大模型输入向量；

2.使用大语言模型计算输出的预测值；

3.将概率最高预测值转换为token单词返回

1

2

3

4

5

6

7

8

9

10

11

12

13

14

……

最大输入token数

中

国

信

通

院

的

发

展

定

位

:

国

家

高

……

现阶段流行的模型结构—