资源简介

项目9 人工智能
CONTENTS
目录
01

任务9.1 了解人工智能概念和产生及发展
02

任务9.2 初探人工智能的常用技术
03

任务9.3 认识人工智能的行业应用
思政目标

培养目标
通过人工智能教育，旨在塑造学生批判性思维，构建跨学科知识体系，强调社会责任感，激发创新精神，致力于解决实际问题。

教学理念
实施人工智能课程，不仅传授技术知识，更注重培养学生对社会伦理的理解，鼓励在技术发展中兼顾公共利益与社会价值，推动科技向善。
学习目标

1. 了解人工智能的定义和发展。
2. 了解人工智能涉及的核心技术
3. 了解人工智能的应用领域
项目描述

项目概述
涵盖AI基础、核心技术和应用，构建智能社会必备知识体系。

研究范畴
探索智能模拟、延伸与拓展，融合理论、方法、技术及应用系统。

技能重要性
掌握AI技能，为未来智能社会建设奠定基石。

内容概览
详述人工智能基础知识、核心技术与技术应用，全面解析AI领域。
了解人工智能概念和产生及发展
任务9.1
任务9.1 了解人工智能概念和产生及发展

AI概念理解
人工智能，简称AI，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

AI发展历程
自20世纪50年代诞生以来，AI经历了多次浪潮，从早期的规则基础专家系统，到后来的机器学习，再到深度学习，技术不断进步，应用场景日益广泛。
9.1.1 人工智能的概念
人工智能定义与领域
人工智能是模拟人类智能的技术科学，涵盖机器人、语言识别等研究领域。
AI的发展与未来
人工智能技术日臻成熟，应用广泛，未来或超越人类智能。
AI的主要特点
AI具备自主学习、智能交互、高效处理及自适应能力，技术发展持续拓展其应用。
9.1.2 人工智能的发展

人工智能起源
起始于20世纪50年代，图展示其发展历程，历经多个关键阶段。

关键阶段演变
从早期规则基础系统至深度学习，人工智能技术持续革新，展现复杂问题解决能力。

1.起源期（1950年至1960年）
1950年代图灵提出图灵测试，1956年达特茅斯会议确立AI领域。
9.1.2 人工智能的发展
2.起步期（1960年至1970年）


01
人工智能起源
20世纪60年代，人工智能从理论探索转向实践应用，研究者聚焦计算机自主学习与自然语言处理技术，推动技术发展。


02
ELIZA聊天机器人
1964年，魏岑鲍姆开发ELIZA，实现计算机通过文本与人类对话，成为人工智能领域的重要里程碑。


03
Shakey机器人研发
1966年，斯坦福研究所推出Shakey，具备感知、分析、规划与执行能力，标志智能机器人技术新突破。


04
技术应用拓展
Shakey整合触觉与听觉功能，推动人工智能向多模态发展，为机器人技术奠定实践基础。
9.1.2 人工智能的发展

3.低谷期（1970年至1980年）
1970年代AI因技术瓶颈与期望过高陷入低谷，研究停滞。
9.1.2 人工智能的发展
4.复苏期（1980年至2000年）


人工智能复苏背景
算法优化与算力提升推动AI发展，数据积累与商业需求激增，跨学科协作加速技术突破。


专家系统与自然语言应用
XCON专家系统整合专业知识，A.L.I.C.E机器人引入自然语言交互，奠定人机对话基础。


里程碑事件与机器人发展
深蓝击败国际象棋冠军引发全球关注，本田阿西莫实现人类级互动，标志AI实践新阶段。
9.1.2 人工智能的发展
5.加速期（2000年至2020年）

人工智能发展背景
21世纪初互联网普及，大数据技术推动计算机处理海量数据，为AI跨领域应用奠定基础。

深度学习突破
2006年辛顿团队提出深度信念网络，标志神经网络研究突破，引发机器智能超越人类的展望。

里程碑事件
2011年沃森胜出问答节目，2016年AlphaGo击败围棋冠军，展现AI技术跨越式发展。
9.1.2 人工智能的发展
6.爆发期（2020年至今）

人工智能大模型发展
自2020年起，大模型凭借庞大参数与复杂结构推动AI突破，改变人机互动方式，成为生活与工作的重要组成部分。
国际AI技术突破
OpenAI发布GPT-3，谷歌推出Switch Transformer，Stability AI发布Stable Diffusion，推动语言与图像生成领域革新。
国内大模型进展
商汤发布100亿参数“书生”模型，华为云推“盘古NLP”，阿里达摩院发布中文多模态模型M6，加速技术自主化。
实训 体验AI作图

AI绘图体验
登录“改图鸭”网站，选择“AI绘画”，输入“初冬山水，水墨风格”，选自然风景，模型丛林显观，设画布比1，超分1:1，生成1幅。
生成作品步骤
点击“生成作品”，依据描述与风格，生成如图9-3所示作品。
?AI绘画设置
生成的作品
初探人工智能的常用技术
任务9.2
任务9.2 初探人工智能的常用技术

人工智能基础
涵盖机器学习、深度学习，通过算法模型解析数据，实现预测与决策。

关键算法
包括神经网络、决策树、支持向量机等，用于模式识别与数据分析。

自然语言处理
聚焦于语义理解、文本生成，实现人机交互与信息检索。

计算机视觉
专注于图像识别、视频分析，实现场景理解与目标检测。
9.2.1 计算机视觉


计算机视觉技术流程
计算机视觉流程涵盖图像获取至检测/分割，实现视觉信息分析。


计算机视觉研究领域
计算机视觉是融合多学科的挑战性研究领域。


计算机视觉分类
根据解决的问题，计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码5大类。
9.2.2 机器学习
机器学习的定义与核心

机器学习研究计算机模拟人类学习，获取新知并优化性能，是人工智能核心。
9.2.2 机器学习
机器学习的方法与过程

机器学习核心要素
算法、经验与性能构成机器学习三大基石，通过数据驱动规律挖掘，实现对未来或不可观测数据的精准预测。

模型优化流程
基于数据构建初始模型，评估性能达标则用于测试，否则调整算法重建，循环迭代直至获得满意模型。
机器学习处理过程
9.2.2 机器学习
机器学习的应用领域
机器学习广泛应用于推荐系统、金融风控、语音识别、自然语言处理等多领域。
9.2.3 深度学习
深度学习是基于神经网络的机器学习方法，以高效处理大规模高维数据，推动AI发展。
9.2.4 自然语言处理
自然语言处理技术涵盖机器翻译、语音识别等应用，结合数据挖掘与机器学习推动人工智能发展。
深度学习和工机器学习、人工智能的关系
9.2.5 知识图谱

知识图谱基础
知识图谱是结构化语义知识库，以图结构连接实体与关系。

知识图谱应用
知识图谱赋能公共安全与精准营销，融合异常分析提升数据效能。

知识图谱挑战
知识图谱面临数据噪声与冗余，关键技术瓶颈待突破。
9.2.6 人机交互
人机交互定义与界面
人机交互研究系统与用户关系，界面为操作媒介。
人机交互学科与设备
人机交互是融合多学科的交叉领域，涵盖输入输出设备及交互技术。
人机交互技术多样化
人机交互技术除了传统的基本交互和图形交互外，还包括语音交互、情感交互、体感交互及脑机交互等技术。
9.2.7 自主无人系统
自主无人系统技术
自主无人系统融合多学科技术，实现无人驾驶、无人机等领域的智能自主操作。
实训 体验AI语音识别

AI语音识别实践
登录“快转字幕”AI语音识别网站，上传“《池上》课文朗读.mp3”，开始转录音频生成字幕，检查并修正错误。

操作步骤详解
点击“上传文件”，选择目标音频，确认上传；点击“开始转录”，生成字幕，如需，进行修改校对。
上传音频
?生成字幕
认识人工智能的行业应用
任务9.3
任务9.3 认识人工智能的行业应用

人工智能应用领域
人工智能已渗透金融、零售、交通、医疗、教育等领域，推动各行业智能化升级与服务模式创新。

行业影响分析
深度应用重塑传统行业结构，优化生产流程与消费体验，显著提升社会运行效率与生活质量。
9.3.1 人工智能在医疗行业的应用

人工智能助力医疗影像诊断、疾病预测及药物研发，推动手术机器人与远程医疗发展。
手术机器人
任务9.3 认识人工智能的行业应用

9.3.2 人工智能在金融行业的应用
人工智能赋能金融风控、交易预测及智能客服，优化服务决策。

9.3.3 人工智能在教育行业的应用
人工智能通过智能分析，为学生定制学习路径，助力教师优化教学策略。

9.3.4 人工智能在交通运输行业的应用
AI优化交通信号、智能导航及无人驾驶，提升效率与安全。
实训 利用AI对话机器人创作

AI网站登录
访问具备AI功能的网站，如“讯飞星火”，完成用户登录过程。

新建对话操作
于首页点击“开始新建对话”，输入问题：“当我很沮丧时，我该如何调节负面情绪”，随后点击“发送”。

获取AI建议
AI根据提问，反馈情绪调节的策略建议，可继续对话：“做什么瑜伽可以放松”，再次点击“发送”获取瑜伽相关指导。

持续对话流程
依据需求，持续与AI互动，探索更多话题与解答。
?输入对话内容
对话内容1
?对话内容2
THE END
谢谢

展开更多......

收起↑