人工智能通识教程.pptxVIP

人工智能通识教程;

三

·人工智能概述

·人工智能关键技术

·人工智能应用领域

·人工智能产业生态

·人工智能底层设施;

三

·人工智能思维培养

·人工智能伦理实践

·人工智能编程基础

·人工智能教学资源;

人工智能概述;

模拟人类智能

人工智能(AI)是通过计算机系统模拟人类思维、学习、推理和决策能

力的科学与技术，其核心目标是实现机器自主执行复杂任务。

自学习与适应性

现代AI系统具备机器学习能力，能够通过数据训练优化算法，适应新场景并提升性能，如深度学习模型在图像识别中的持续进化。

多领域融合

AI技术渗透至医疗、金融、交通等领域，其跨学科特性结合了计算机科学、数学、神经科学和认知心理学等知识体系。;

人工智能发展历程

萌芽期(1950s-1960s)

以图灵提出“机器能否思考”为起点，达特茅斯会议正式确立AI概念，早期研究聚焦符号逻辑

和问题求解(如ELIZA聊天程序)。

低谷与复兴(1970s-1990s)

因算力限制遭遇“AI寒冬”,随后专家系统和统计学习方法兴起，IBM“深蓝”击败国际象棋冠

军标志里程碑突破。;

基于能力的分类

弱AI(专用型，如语音助手Siri)与

强AI(通用型，模拟人类全维度智能,尚未实现);超AI(理论上的超越

人类智能形态)。;

明确的业务需求驱动AI落地，如自动驾

驶依赖感知、决策、控制三要素的技术

整合。;

争议与局限

部分学者批评其过度依赖语言模仿

,忽视智能的物理交互(如机器人行动能力),且无法评估创造力或情感真实性。;

长期影响

会议凝聚的“让机器像人一样思考”愿景持

续推动AI技术迭代，催生了后续数十年学术与产业发展的爆炸式增长。;

人工智能关键技术;

机器学习基本原理

监督学习算法

通过标注数据集训练模型，实现分类

(如SVM、决策树)和回归(如线性回归、随机森林)任务，需解决过拟合

与特征工程问题。

强化学习框架

基于马尔可夫决策过程，通过奖励机制优化策略(如Q-Learning、DeepQ-Network),在游戏AI和机器人控制中

表现突出。;

实体识别与关系抽取

利用BERT、BiLSTM-CRF等模型从非结构化文本中提取实体及语义关系，构建三元组知识库。

动态更新机制

结合增量学习和事件抽取技术，实时捕捉领域新知识(如学术成果、企业动态),保持图谱时效性。;

预训练语言模型

如GPT-4、PaLM通过自监督学习

掌握语言规律，支持文本生成

、摘要和代码编写等零样本任

务。;

计算机视觉应用

目标检测进阶

YOLOv7、DETR等模型实现实时多目标定位，应用

于自动驾驶障碍物识别和工业质检。

视频理解系统

通过时空卷积网络(如I3D)分析行为识别、异常事件检测，赋能智慧城市安防。;

多模态身份认证

融合虹膜(IrisCode)、指纹(细节点匹配)和声纹(MFCC

特征)提升系统防伪能力。

活体检测技术

采用光流法、纹理分析区分真实生物特征与硅胶面具等伪造手段。

边缘计算部署

轻量化模型(如MobileFaceNet)在手机端实现毫秒级人脸解锁，满足隐私保护需求。

跨年龄识别

对抗生成网络(AgeGAN)解决长期身份认证中的人脸特征漂移问题。;

02;

人工智能应用领域;

智能制造典型案例

工业机器人协同作业

通过视觉识别和力控技术实现高精度装配，支持多机型协作完成复杂生

产线任务，显著提升生产效率和产品一致性。

预测性维护系统

利用传感器数据结合机器学习算法，实时监测设备磨损状态并预测故障,减少非计划停机时间与维护成本。

智能质检平台

基于深度学习图像分析技术，自动检测产品表面缺陷或尺寸偏差，检测

准确率可达99.5%以上，替代传统人工抽检。;

边缘计算中枢

本地化部署的AI网关集成语音识别、行为分析模块，实现低延迟设备控制与隐私数据保护，支持离线场景下的自动化响应。

多模态交互层

融合语音、手势、手机APP等多通道控制方式，通过自然语言处理技术

理解用户意图，动态调整照明、温湿度等环境参数。

能源管理优化

基于用电习惯建模的算法动态调度家电运行，结合光伏发电数据实现峰谷电价策略，降低家庭能耗15%-30%。;

整合用户行为埋点、设备指纹等千维特

征，采用图神经网络识别团伙欺诈模式,拦截准确率较传统规则引擎提升40%。;

智能停车导航

结合地磁传感器与车牌识别技术，生成停车场

空位热力图并规划最优路径，减少30%以上寻位时间。;

●多目标追踪系统

采用YOLOv5+DeepSORT算法实现上百个目标的实时轨迹分析，支持跨摄像头接力追踪与异常行为预警。

●声纹识别门禁

通过卷积神