人工智能教学与实践手册.docxVIP

教学与实践手册

第1章基础概念与前沿趋势

1.1的定义、分类与核心范式

（ArtificialIntelligence，简称）的核心定义是模拟人类认知、推理和学习能力的计算机系统，其本质在于通过算法和数据驱动实现自主决策与任务执行。在技术分类上，主要划分为符号主义（Symbolism）、连接主义（Connectionism，即深度学习）和认知主义（Cognitionism）三大范式，其中连接主义是当前主流方向。

深度学习（DeepLearning）作为连接主义的核心，通过多层神经网络自动提取数据特征，无需人工设计特征，是从“专家系统”向“智能系统”跨越的关键。符号主义强调逻辑规则与形式化表达，通过定义明确的知识图谱来推理，适合处理规则明确的领域问题，如逻辑谜题或规则引擎。认知主义则试图模拟人类大脑的神经连接与突触可塑性，通过模仿人脑结构学习，是当前研究最深入的神经科学方向。

目前，通用（AGI）仍是学术界追求的终极目标，而当前实际应用中，大（LLM）代表了符号与数据驱动结合的混合范式，正迅速改变行业逻辑。

1.2机器学习、深度学习与大模型技术原理

机器学习（MachineLearning,ML）是统计学与计算机科学的交叉学科，其核心思想是让计算机从数据中自动发现规律，而非依赖预设的编程逻辑。监督学习是最常见的机器学习方法，要求提供带有标签的训练数据，算法通