第5章 人工智能基础.pptxVIP

第5章

人工智能基础中国石油大学出版社

CONTENTS目录01人工智能概述02人工智能的关键技术03以人为本的人工智能思维与未来趋势04人工智能伦理与社会责任05人工智能关键技术深度剖析06人工智能发展前沿与展望

人工智能概述01

人工智能的起源与发展古代对智能机器的探索古希腊神话中青铜巨人塔罗斯能自动巡逻防御，中国三国诸葛亮发明木牛流马用于运输。图灵测试的提出1950年阿兰·图灵提出图灵测试，为人工智能研究奠定理论基础。达特茅斯会议1956年达特茅斯会议正式提出“人工智能”术语，被视为人工智能元年。

人工智能的定义概念阐述人工智能指通过人造方法使计算机系统展示类似人类智能行为，如学习、推理等。专家学者的定义不同专家从让计算机做智能工作、赋予计算机智能等角度给出定义。本书的定义本书结合相关规划和观点，定义其为模拟、扩展人类智能的新兴技术科学。

人工智能的发展历程第一次起伏达特茅斯会议后迎来黄金期，后因专家系统僵化和计算机性能局限陷入低谷。第二次起伏20世纪80年代初专家系统商业应用重燃希望，后因局限性再次陷入困境。第三次兴起90年代互联网和硬件发展，机器学习、深度学习崛起，开启繁荣时代。

人工智能的主流学派符号主义学派认为智能基于逻辑推理，通过符号操作实现，应用于知识工程和专家系统。联结主义学派受脑科学启发，通过构造神经网络并训练产生智能，强调并行运行。行为主义学派基于“感知-行动”，认为智能取决于对环境适应，如波士顿大狗。

人工智能的三要素数据的作用数据是“燃料”，为模型训练等提供基础，影响模型泛化能力。算法的核心地位算法是核心，将数据转化为知识，推动人工智能技术发展。算力的支撑作用算力支撑算法运行和数据处理，硬件进步提升其性能。三者的相互关系数据、算法和算力相互依存促进，共同推动人工智能发展。

人工智能的多元分类按智能水平分类弱人工智能专注特定任务，强人工智能具备人类般认知，超人工智能超越人类智能。按学习方式分类监督学习用标注数据训练，无监督学习发现数据模式，强化学习通过试错学习。按应用领域分类如医疗人工智能辅助诊断、交通人工智能优化路线、金融人工智能管理风险。

人工智能的关键技术02

人工智能、机器学习与深度学习三者关系概述人工智能范畴广泛，机器学习是其实现手段，深度学习是机器学习分支，层层递进。机器学习的地位机器学习让机器从数据学习，是实现人工智能任务的重要方法，如垃圾邮件分类。深度学习的作用深度学习用深度神经网络处理大量数据，推动人工智能在多领域取得突破。

传统编程与机器学习核心驱动差异传统编程由规则驱动，程序员编写逻辑；机器学习由数据驱动，从数据学规律。程序员角色不同传统编程中程序员是规则制定者，机器学习里则是数据提供者与模型训练师。适用场景对比传统编程适用于规则明确场景，机器学习擅长处理复杂、模糊问题。

机器学习核心功能介绍机器学习可预测数值、识别分类、探索结构、生成内容及优化决策。常用类型解析监督学习依标注数据学习，无监督学习发现数据模式，强化学习试错学习。常用算法与流程有线性回归、K-Means等算法，经数据收集、训练、评估到应用流程。

深度学习深度神经网络原理深度学习以深度神经网络为核心，模拟人脑神经元结构，分层处理数据。卷积神经网络应用CNN在图像处理领域表现出色，如医学影像诊断、智能安防的目标检测。循环神经网络应用RNN及其变体处理序列数据，在机器翻译、语音识别中发挥重要作用。

自然语言处理核心任务讲解包括文本预处理、词法句法分析、语义分析及文本生成等任务。关键技术分析有基于规则、统计和深度学习方法，各有优劣与适用场景。应用场景举例用于智能客服、机器翻译、信息检索等，打破语言交流障碍。

计算机视觉概念与发展历程计算机视觉让计算机理解视觉世界，历经早期探索、理论形成等阶段。处理流程与技术分类经图像获取、预处理等流程，有关键技术如图像分类、目标检测。多领域应用展示在医疗、交通、工业等领域广泛应用，提升各行业效率与质量。

应用实例分析医疗健康领域人工智能助力疾病诊断与药物研发，提高诊断效率与新药研发速度。交通出行领域无人驾驶汽车与智能交通管理系统，降低事故风险，提升通行效率。金融服务领域用于风险评估与智能投顾，为客户提供个性化金融服务。

以人为本的人工智能思维与未来趋势03

培养批判性思维与创新能力人工智能思维的重要性人工智能思维是利用智能工具辅助工作的关键，如营销人员借此精准定位客户，提升决策效率。批判性思维的意义批判性思维能避免被AI误导，像学术研究时，需甄别AI提供信息，构建自身知识体系。培养批判性思维的方法保持怀疑，交叉验证信息，分析逻辑，如对AI提供的历史解读，多渠道对比分析。创新能力的关键作用创新能力突破AI局限