高教社2025大学计算机计算思维与人工智能（第2版）教学课件第7章 人工智能基础.pptxVIP

第7章人工智能基础

Contents目录7.1人工智能概述7.2人工智能的起源和发展7.3人工智能的关键技术7.4人工智能的算法7.5智能时代的人才发展与应对

content内容本次课内容重点：1.人工智能的三要素2.人工智能的关键技术3.人工智能的算法难点：1.人工智能的关键技术2.人工智能的算法

7.1人工智能概述

7.1.1人工智能的定义

早期定义约翰·麦卡锡定义约翰·麦卡锡在1956年达特茅斯会议上提出，人工智能是“能模拟人类智能行为的计算机系统”，强调机器模拟人类智能行为，为早期研究指引方向。IBM定义IBM认为人工智能是使计算机和机器能够模拟人类学习、理解、问题解决等能力的技术，突出其在模拟人类认知功能方面的广泛应用。

现代定义维基百科定义维基百科将人工智能定义为机器或软件所展现的智能，与人类或其他动物的智能相对，超越具体技术，强调其作为智能形式的普遍性。拉塞尔与诺维格定义斯图尔特·拉塞尔和彼得·诺维格在《人工智能：现代方法》中提出，人工智能是研究与设计智能主体的学科，智能主体能感知环境并采取行动实现目标，其定义涵盖理论基础与实践导向。

综合定义人工智能是计算机科学的重要分支，融合多学科理论与方法，研究通过计算机技术模拟人类思维过程和智能行为，开发智能系统，范围超越传统计算机科学边界。学科属性人工智能与思维科学密切联系，作为思维科学的技术应用分支，依托对人类思维机制的理解，致力于将理论转化为智能系统，需融入多元思维视角推动进展。与思维科学关系

7.1.2人工智能的分类

人工智能的分类弱人工智能ArtifcialNarrowIntelligence(ANI):弱人工智能是擅长于单个方面的人工智能。比如有能战胜象棋世界冠军的人工智能，但是它只会下象棋，你要问它怎样更好地在硬盘上储存数据，它就不知道怎么回答你了。强人工智能ArtificialGeneralIntelligence(AGI):人类级别的人工智能。强人工智能是指在各方面都能和人类比肩的人工智能，人类能干的脑力活它都能干。创造强人工智能比创造弱人工智能难得多，我们现在还做不到。LindaGottfredson教授把智能定义为“一种宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作。”强人工智能在进行这些操作时应该和人类一样得心应手。超人工智能ArtifcialSuperintelligence(ASI):牛津哲学家，知名人工智能思想家NickBostrom把超级智能定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能。”超人工智能可以是各方面都比人类强一一点，也可以是各方面都比人类强万亿倍的。超人工智能也正是为什么人工智能这个话题这么火热的缘故，同样也是为什么永生和灭绝这两个词会在本文中多次出现。

7.1.3人工智能的研究内容

智能感知研究如何让机器通过视觉系统识别图像和物体，如识别照片中的人脸，使机器能够观察世界并解释所见内容。机器视觉01研究如何让机器通过听觉系统理解语音和声音，如听懂简单的语音指令，实现与人类的自然交互。机器听觉02

知识表示与学习研究如何将信息转化为机器可理解的形式，通过规则、数据结构等方式组织信息，为AI提供理解和利用知识的基础。知识表示研究如何让机器从数据中提取规律，模拟人类的记忆与适应能力，不断提升智能水平，如机器学习中的监督学习、无监督学习和强化学习。学习

智能推理研究如何让机器基于感知到的信息和存储的知识，通过逻辑分析和算法推导解决问题，如自动驾驶系统根据道路状况推断最佳行驶路径。逻辑分析目标是让机器在复杂环境中模拟人类的思维过程，得出合理结论，实现类似人类的推理和决策能力。模拟人类思维

智能行动自主执行研究如何将感知、学习和推理的结果转化为具体的操作，使AI系统能够根据环境变化自主制定任务并执行，如机器人完成搬运工作或智能家居调节温度。实现便利其目的是实现自动化和智能化，为人类生活提供便利，推动人工智能从理论走向实践。

7.1.4人工智能的三要素

基石作用数据是人工智能的基石，其数量、质量和多样性直接决定AI模型的预测准确性和泛化能力，为深度学习算法提供训练基础，驱动技术进步。数据思维人工智能专家吴恩达强调数据是原料，其“数据中心AI”理念表明数据工程成为AI系统的关键瓶颈，培养数据思维至关重要。数据

算法是人工智能的核心，负责将原始数据转化为有价值的信息与决策，通过定义规则和流程，从数据中提取模式、进行推理，并在未知数据上实现精准预测。核心地位机器学习算法包括监督学习、无监督学习和强化学习，深度学习领域的代表性算法包括CNN、RNN、FNN和GAN，算法框架如TensorFlow、PyTorch提升了AI