人工智能概述
《人工智能通识》教研组 本章目录 1.1什么是人工智能 1.2人工智能发展史 1.3大模型时代下的人工智能 1.4人工智能伦理与规范 1.5人工智能未来展望 本章目录 1.1什么是人工智能 1.2人工智能发展史 1.3大模型时代下的人工智能 1.4人工智能伦理与规范 1.5人工智能未来展望 1.1什么是人工智能 1人工智能（ArtificialIntelligence，AI）作为当今技术发展的前沿，正在重新定义人类社会的各个方面。它不仅是科技进步的产物，更是推动社会变革的重要引擎。 1.1什么是人工智能 ■人工智能的定义与评估 >人工智能是一门研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新技术科学。 >在模拟人类智能方面，人工智能通过构建智能系统来模拟人类的思维过程。在延伸人类智能方面，人工智能可以辅助人类完成一些复杂或繁琐的任务。在扩展人类智能方面，人工智能可以探索新的智能形式和智能应用。 >人工智能是智能学科的重要组成部分，它试图了解智能的实质，并生产出一种新的能以与人类智能相似的方式做出反应的智能机器，其核心目标是开发能够执行通常需要人类智能才能完成的任务的机器或系统。 >这些任务包括但不限于理解自然语言、识别图像和声音、学习和适应新信息、推理和解决问题、进行规划和决策、以及控制机器人等 1.1什么是人工智能 ■人工智能的定义与评估 怎么评估一个机器是否具有智能呢？ 图灵测试的核心思想是通过与人类的对话来评估机器的智能水平。如果评判员无法一致地区分出哪个是人类参与者，哪个是机器参与者，那么机器就可以说通过了图灵测试，表明它能够展现出与人类相似的智能水平。 通过图灵测试的机器需要具备以下能力： 自然语言处理能力：知识表达能力：推理能力：学习和适应能力： 1.1什么是人工智能 ■人工智能的基础 >人工智能是一个广泛的科学领域，它融合了多种学科和技术，如数学、计算机科学、心理学、哲学等。这些不同学科的基础要素不仅决定了AI系统的功能和性能，还影响了其应用的广度和深度。它涵盖了从理论到实践的多个领域这些学科或者技术相辅相成，相互促进，共同推动了人工智能的快速进步。 >人工智能技术也在不断反哺这些基础学科例如利用人工智能技术可以求解数学中的偏微分方程、可以辅助大学生进行心理筛查等。 本章目录 1.1什么是人工智能 1.2人工智能发展史 1.3大模型时代下的人工智能 1.4人工智能伦理与规范 1.5人工智能未来展望 1.2人工智能发展史 ■第一次兴起：20世纪50年代未到60年代初 1956年，人工智能夏季研讨会在美国汉诺斯小镇宁静的达特茅斯学院召开，约翰·麦卡锡（JohnMcCarthy）、马文·明斯基（MarvinMinsky）、克劳德·艾尔伍德·香农（ClaudeElwoodShannon）、纳撒尼尔·罗切斯特（NathanielRochester）等人在会议上正式提出了“人工智能”这一术语，这也标志着人工智能作为一个独立学科诞生。 1.2人工智能发展史 ■第一次兴起：20世纪50年代未到60年代初 1958年，康奈尔大学的心理学教授弗兰克·罗森布拉特（Frank Rosenblatt）在一台IBM-704计算机上模拟实现了名为“感知机”（Perceptron）的神经网络模型，这是第一个可以自动学习权重的神经元模型。 作为一个简单的二元分类器，感知机可以根据输入数据进行学习并做出决策，其工作原理类似于生物神经元，通过加权求和与激活函数来输出结果。尽管感知机只能处理线性可分的问题，但它为后来的神经网络研究奠定了基础 1.2人工智能发展史 ■第一次兴起：20世纪50年代未到60年代初 1966年，麻省理工学院科学家约瑟夫·维森鲍姆（JosephWeizenbaum）开发出第一个心理治疗机器人ELIZA，旨在模拟心理治疗师与患者的对话。但事实上，它的实现逻辑非常简单，当病人说出某个关键词时，机器人就利用一个有限的对话库来回复特定的话给病人。尽管如此，它依然展示了人工智能在自然语言处理方面的潜力，再次坚定了人们对于发展人工智能的信心。 Eliza is a nock Rogerlan psychotherapistephWe1zenbaun1n1966Thisimplementation byNorbert Landsteiner2ee5 souethingtroubling youIZAmethingor otherZAIZAtimeLIZAtrue:canyou explain what made you unhappy?YOU 1.2人工智能发展史 ■第一次低谷：60年代未到70年代初 1969年，“符号主义”代表人物、图灵奖获得者马文·明斯基等人在他们的著作《Perceptrons:AnIntroductiontoComputationalGeometry》中指出了感知机无法解决非线性可分问题的缺陷。感知机的局限性使得许多研究人员开始质疑神经网络的有效性，导致对这一领域的研究兴趣大幅下降 1973年，法国著名数学家詹姆斯·莱特希尔（JamesLighthill）向英国政府提交了一份报告，严厉批评了当时的A研究，认为其未能实现预期自标。这份报告被称为“莱特希尔报告”，它直接导致了英国政府进一步大幅削减AI研究经费，其他国家也纷纷开始效仿，对AI研究产生了深远的影响。 1.2人工智能发展史 ■第二次兴起：专家系统引发新热潮 美国斯坦福大学研究团队研发的MYCIN系统，它是早期模拟决策系统和专家系统的代表之一，用于诊断血液传染病并推荐抗生素治疗。 MYCIN系统从功能与控制结构上可分成两部分：一是以患者的病史、症状和化验结果等为原始数据，运用医疗专家的知识进行正向推理，找我出导致感染的细菌，若是多种细菌，则用0到1的数字给出每种细菌的可能性；二是在上述基础上，给出针对这些可能的细菌的药方。 1.2人工智能发展史 口第二次兴起：专家系统引发新热潮 1982年，美国物理学家、2024年诺贝尔物理学奖得主约翰·霍普菲尔德（JohnJ.Hopfield）发明了Hopfield网络，它是一种单层、全互连的反馈神经网络，用于联想记忆，该网络对理解复杂系统和作为深度学习早期基础有重要贡献。 1983年，图灵奖得主、2024年诺贝尔物理学奖得主杰弗里·辛顿（GeoffreyE.Hinton）等人发明了玻尔兹曼机（BoltzmannMachines），也被称为随机Hopfield网络，这是第一个能够学习不属于输入或输出的神经元内部表征的神经网络。它本质是一种无监督模型，用于对输入数据进行重构以提取数据特征做预测分析。 1.2人工智能发展史 ■第二次兴起：专家系统引发新热潮 保罗.韦尔博斯（PaulWerbos）于1974年在他哈佛大学的博士论文中首次提出了“超越回归（BeyondRegression）”，也就是反向传播（Backpropogation，BP）算法，成为了BP算法的第一人，荣获IEEE神经网络先驱奖，但当时并未引起广泛的关注。 1986年由大卫·莱姆哈特（DavidE.Rumelhart）、辛顿和罗纳尔多·威廉姆斯（RonaldJ.Williams）共同在《Nature》上发表的论文《Learningrepresentationsbyback-propagatingerrors》，它不仅展示了BP算法的原理，还证明了其在多层网络中的强大能力，为多层神经网络的学习训练提供了切实可行的方法，极大地推动了神经网络的研究。 ■第二次兴起：专家系统引发新热潮 1989年，图灵奖得主杨立昆（YannLeCun）和约书亚·本吉奥（Yoshua Bengio）等人提出了一个卷积神经网络（ConvolutionalNeuralNetwork，CNN），即著名的LeNet-5，并使用BP算法完成网络训练。LeNet-5也成功应用于美国邮局的手写字符识别系统中。 1.2人工智能发展史 ■第二次低谷：90年代初A再遭挫折 支持向量机（SupportVectorMachine，SVM）等传统机器学习算法在这一时期大放异彩，逐渐取代了神经网络在许多应用中的地位统计学习理论之父、苏联犹太裔统计学家、美国国家工程院院士弗拉基米尔·瓦普尼克（VladimirVapnik）于1995年提出SVM，其学习策略是间隔最大化，这使得它在处理高维数据时具有较好的泛化能力。此外，SVM的数学基础扎实，能够通过求解凸二次规划问题来找到最优解。这些优势使得SVM在许多实际应用中表现出色，逐渐取代了当时的神经网络。 ■第三次兴起：大数据、深度学习与语言模型引领A复兴 GPU（Graph Processing Unit)、FPGA（FieldProgrammable GateArray）、ASIC（ApplicationSpecificIntegratedCircuit）以及神经拟态芯片等高性能计算硬件的发展，极大增强了计算机的运算能力，为处理复杂的人工智能算法提供了强有力的硬件支持 美国斯坦福大学的李飞飞教授等人于2009年创建发布，包含了超过1400万幅图片，涵盖了2万多个类别，可用于支撑图像分类、定位、检测等方向的研究。加之前面提到的强大的算力支撑，使得人工智能技术能够在这片 1.2人工智能发展史 ■第三次兴起：大数据、深度学习与语言模型引领A复兴 2012年，辛顿和他的学生亚历克斯·苏茨克维（AlexKrizhevsky）设计的AlexNet横空出世，在ImageNet挑战赛上大获全胜，将Top-5分类错误率降低至16.4%，相比于2011年冠军方案性能提高约10%，这是史上第一次有模型在ImageNet数据集获得如此出色的表现，引爆了神经网络的研究热情 1.2人工智能发展史 ■第三次兴起：大数据、深度学习与语言模型引领A复兴 2015年，微软亚洲研究院何凯明等人凭借深度残差网络（DeepResidualNetwork，ResNet）的突破性创新，在ImageNet这竞赛中大放异彩，赢得了图像分类和物体识别任务的双料冠军 1.2人工智能发展史 ■第三次兴起：大数据、深度学习与语言模型引领A复兴 2016年，由谷歌（Google）旗下DeepMind公司戴密斯·哈萨比斯（Demis Hassabis）领衔的团队开发的AlphaGo在围棋界起了惊涛孩浪，以4:1的战绩击败了围棋世界冠军、职业九段棋手李世石九段，这一壮举不仅彰显了深度学习与强化学习技术的非凡实力，更在全球范围内引发了关于人工智能潜力与未来的热烈讨论。 1.2人工智能发展史 ■第三次兴起：大数据、深度学习与语言模型引领A复兴 2020年，谷歌DeepMind团队的AlphaFold2人工智能系统实现了蛋白质结构预测领域的重大突破，它犹如一座里程碑，标志着该领域迈入了一个全新的时代。AlphaFold2以卓越的表现脱颖而出，精准地预测了蛋白质的三维结构，其精确度之高，几乎可与冷冻电子显微镜、核磁共振及X射线晶体学等尖端实验技术相抗衡，展现了人工智能在生命科学领域的非凡实力。其核心发明者DemisHassabis也荣获2024诺贝尔化学奖。 T1049/6y4f93.3GDT(adhesintip) 1.2人工智能发展史 ■第三次兴起：大数据、深度学习与语言模型引领A复兴 2022年 , ChatGPT （Chat Generative Pre-trainedTransformer）的横空出世标志着大模型时代的来临。以ChatGPT为代表的通用大语言模型，是人工智能领域的一项重大突破，它们通展现出了前所未有的自然语言处理能力和智能交互水平。ChatGPT及其同类大模型的崛起，标志看人工智能正逐步从特定任务的执行者转变为能够理解、学习与创造的智能伙伴，引领看科技行业向更加智能化、人性化的方向迈进。 你知道薄网上评