AIGC应用通识教程（上篇，共上中下3篇）.pptxVIP

ArtificialIntelligence人工智能与AIGC概述第1章AIGC应用通识教程（微课版）编者：×××

1.1认识人工智能1.2认识大语言模型认识AIGC1.3综合实践1.61.5AIGC的基本使用方法AIGC的应用场景1.4

1.1.1人工智能的定义与发展1．人工智能的起源约翰·麦卡锡首次提出了“人工智能”这一概念，并将其定义为“研制智能机器的一门科学与技术”。这次会议被视为人工智能作为一个独立学科诞生的标志，这一年也因此被称为“人工智能元年”。1956年英国数学家艾伦·麦席森·图灵提出了著名的“图灵测试”，这一测试不仅是一个思想实验，更是人工智能领域的第一块基石，为后续的研究奠定了理论基础。1950年可以追溯到古希腊哲学家亚里士多德和中国古代思想家墨子，他们曾探讨过关于人造机器和智能的可能性。然而，真正意义上的人工智能研究始于20世纪50年代。20世纪50年代

1.1.1人工智能的定义与发展2．人工智能的发展20世纪60年代至80年代，人工智能迎来了一个快速发展阶段。在这个阶段，机器学习、神经网络等前沿技术应运而生，极大地拓宽了人工智能的应用领域。值得一提的是，1985年神经网络算法的诞生，为语音识别、图像识别等多个领域带来了突破。3．人工智能的低谷20世纪90年代初，人工智能陷入了暂时的低谷。受到当时计算机的计算能力以及数据集和算法的制约，人工智能的应用受到了限制。

1.1.1人工智能的定义与发展4．人工智能的复兴21世纪，随着大数据、云计算等技术的蓬勃兴起，人工智能再次进入快速发展阶段。深度学习、自然语言处理、计算机视觉等技术的迅猛发展，使得人工智能的应用领域更加广泛。目前，医疗、金融、交通等多个行业都已见证了人工智能的巨大潜力，而未来，人工智能的发展空间仍不可限量。

1.1.2人工智能的核心要素1．算法算法是人工智能系统的“大脑”，它决定人工智能如何进行学习、推理、决策和解决问题。算法的选择和设计直接影响人工智能系统的性能和效率。人工智能中使用了许多不同的算法，常见算法如下。机器学习算法机器学习算法是人工智能中十分常用的算法之一，它使计算机系统能够通过数据进行学习和改进。深度学习算法深度学习是机器学习的一个分支，它利用人工神经网络模拟人脑神经元之间的连接和信号传递。强化学习算法强化学习算法是一种通过观察环境和采取行动来学习最优策略的算法。

1.1.2人工智能的核心要素2．数据数据是人工智能系统的“燃料”，缺乏高质量且大规模的数据支撑，人工智能便无法进行高效的学习与训练。数据的形式多样，包括结构化数据（如数据库表格）和非结构化数据（如文本、图像、音频）。数据的价值主要体现在以下3个方面。数据的数量与多样性对提升模型的准确性和性能至关重要。训练模型数据为深入洞察现实世界提供了有力支撑，是帮助模型做出明智决策的重要依据。支持决策和洞察数据是创新与发现的催化剂。创新和发现

1.1.2人工智能的核心要素3．算力算力是人工智能系统的“动力”，它赋予了人工智能处理海量数据及执行繁复算法的能力。人工智能中常用的算力如下。CPU负责执行计算机程序的指令和逻辑运算。中央处理器（CentralProcessingUnit，CPU）01GPU是专门用于图形处理的处理单元，具有高度并行的计算能力。图形处理单元（GraphicsProcessingUnit，GPU）02TPU是由谷歌开发的专门用于加速机器学习的处理器。张量处理器（TensorProcessingUnit，TPU）03

1.1.2人工智能的核心要素FPGA是一种基于可编程逻辑器件技术的半导体芯片，具备高度的灵活性和可编程性，由可编程逻辑资源、可编程互连资源和可编程输入输出资源组成，允许用户在硬件层面上配置其功能，以适应不同的用途。现场可编程门阵列（Field-ProgrammableGateArray，FPGA）04在一些需要处理大规模数据和复杂任务的场景中，人工智能系统可以利用分布式计算资源，将计算任务分配给多个计算节点进行并行处理。分布式计算05云计算平台提供了弹性和可扩展的计算资源，使用户可以按需获取算力。通过云计算，人工智能开发者可以根据需求动态调整计算资源的规模和配置，以适应不同的任务和工作负载。云计算06

1.1.3人工智能的分类1．弱人工智能弱人工智能（ArtificialNarrowIntelligence，ANI）也称为“窄人工智能”，是指那些专为特定任务设计的智能系统。这些系统在特定领域内表现出色，但它们并不具备通用的智能。如AlphaGo，这款由DeepMind开发的人工智能程序在围棋比赛中战胜了人类世界的冠军，但它的能力仅限于下围棋。2．强人工智能强