《人工智能基础与应用》教学课件—初探人工智能
合集下载
《人工智能基础与应用》教学课件—认知人工智能的基础支撑
多维度、全面性；
算法——如深度学习、机器学习等，就是让计算机通过大量的数据
具备学习能力；
算力——每个聪明的人工智能系统背后都有一套强大的硬件系统，
用于计算处理大数据和执行先进算法的能力。
一、人工智能的核心驱动力
（一）人工智能的“加速器”——算力 什么是算力？
算力是人工智能的基础硬件层，为算法提供基础计算能力。涵盖：GPU、CPU、FPGA和各种 各样的ASIC专用芯片。
传统芯片及类脑芯片硬件信息比较
种类
特征 领域 企业
CPU
GPU
逻辑控制、串行 3D图像处理、密 运算等通用计算 集型并行运算
云端/终端推理 英特尔
云端训练
英伟达 Imagination
传统芯片 DSP
实现各种数字 信号处理算法
端侧推理 CEVA 中星微
FPGA
半定制IC、可编 程芯片
云端/终端推理 Xilinx 深鉴科技
和使用传统双核 CPU 在运算速度上的差距最大会达到近七十倍，解决了制约计算机视觉 发展的主要瓶颈。
一、人工智能的核心驱动力
（一）人工智能的“加速器”——算力
人工智能芯片的发展路径
两种发展路径：一种是延续传统计算架构，加速硬件计算能力，主要以 3 种类型的芯 片为代表，即 GPU、FPGA、ASIC，但 CPU依旧发挥着不可替代的作用；另一种是采用类 脑神经结构来提升计算能力，以IBM TrueNorth芯片为代表。
【教学要求】
1. 知识点
人工智能芯片的分类及特点 认知物联网和AIoT，以及云计算、5G的概念及应用 人工智能数据服务的采集、标注及统计分析
2. 重难点
通过本单元的学习，厘清机器学习、深度学习之间的关系及重点应用领域；了解 AIoT这一高频词的出现背景，思考人工智能技术与物联网在实际行业应用中的落 地融合；深刻理解数据、算法模型及场境应用的流程及相互关系，由此学习人工 智能数据服务的相关内容。
算法——如深度学习、机器学习等，就是让计算机通过大量的数据
具备学习能力；
算力——每个聪明的人工智能系统背后都有一套强大的硬件系统，
用于计算处理大数据和执行先进算法的能力。
一、人工智能的核心驱动力
（一）人工智能的“加速器”——算力 什么是算力？
算力是人工智能的基础硬件层，为算法提供基础计算能力。涵盖：GPU、CPU、FPGA和各种 各样的ASIC专用芯片。
传统芯片及类脑芯片硬件信息比较
种类
特征 领域 企业
CPU
GPU
逻辑控制、串行 3D图像处理、密 运算等通用计算 集型并行运算
云端/终端推理 英特尔
云端训练
英伟达 Imagination
传统芯片 DSP
实现各种数字 信号处理算法
端侧推理 CEVA 中星微
FPGA
半定制IC、可编 程芯片
云端/终端推理 Xilinx 深鉴科技
和使用传统双核 CPU 在运算速度上的差距最大会达到近七十倍，解决了制约计算机视觉 发展的主要瓶颈。
一、人工智能的核心驱动力
（一）人工智能的“加速器”——算力
人工智能芯片的发展路径
两种发展路径：一种是延续传统计算架构，加速硬件计算能力，主要以 3 种类型的芯 片为代表，即 GPU、FPGA、ASIC，但 CPU依旧发挥着不可替代的作用；另一种是采用类 脑神经结构来提升计算能力，以IBM TrueNorth芯片为代表。
【教学要求】
1. 知识点
人工智能芯片的分类及特点 认知物联网和AIoT，以及云计算、5G的概念及应用 人工智能数据服务的采集、标注及统计分析
2. 重难点
通过本单元的学习，厘清机器学习、深度学习之间的关系及重点应用领域；了解 AIoT这一高频词的出现背景，思考人工智能技术与物联网在实际行业应用中的落 地融合；深刻理解数据、算法模型及场境应用的流程及相互关系，由此学习人工 智能数据服务的相关内容。
人工智能基础与应用课件
智能推荐系统是一种利用人工智能技术根据用户兴趣和行为推荐相关内容的系统，能够提高用户的满 意度和忠诚度。
通过人工智能技术，智能推荐系统能够分析用户的历史数据和行为习惯，推荐相关内容和服务，如音乐 、电影、商品等。
智能推荐系统的应用场景包括在线购物平台、社交媒体平台和内容分发平台等，能够提高用户的使用体 验和满意度。
01
自动驾驶汽车是一种具备高度自主驾驶能力的汽车，能够在不 需要人工干预的情况下完成行驶任务。
02
通过人工智能技术，自动驾驶汽车能够感知周围环境、进行路
径规划和决策控制，确保行驶的安全性和稳定性。
自动驾驶汽车的应用场景包括公共交通、物流运输、共享出行
03
等，能够提高交通效率和安全性。
智能医疗诊断
01
算法公平性与透明度
算法公平性
人工智能算法在决策过程中应避 免产生歧视和不公平现象。需要 建立公平性评估机制，确保算法 对所有人都是公正的。
算法透明度
人工智能算法应具备可解释性和 透明度，以便人们理解其决策过 程和逻辑。这有助于提高人们对 人工智能的信任度和接受度。
人工智能伦理问题
责任归属
在人工智能应用中，当出现错误或问题时，应明确责任归属，以避免责任推诿和纠纷。
01
Q-learning：通过建立一个Q表 来学习如何做出最优决策。
02
Policy Gradient Methods：基 于策略的方法，通过优化策略参
数来提高性能。
Actor-Critic Methods：结合策 略和值函数的方法，同时更新策 略和值函数。
03
Hierarchical Reinforcement Learning：将任务分解成多个层
智能医疗诊断是一种利用人工 智能技术辅助医生进行疾病诊 断的系统，能够提高诊断的准 确性和效率。
通过人工智能技术，智能推荐系统能够分析用户的历史数据和行为习惯，推荐相关内容和服务，如音乐 、电影、商品等。
智能推荐系统的应用场景包括在线购物平台、社交媒体平台和内容分发平台等，能够提高用户的使用体 验和满意度。
01
自动驾驶汽车是一种具备高度自主驾驶能力的汽车，能够在不 需要人工干预的情况下完成行驶任务。
02
通过人工智能技术，自动驾驶汽车能够感知周围环境、进行路
径规划和决策控制，确保行驶的安全性和稳定性。
自动驾驶汽车的应用场景包括公共交通、物流运输、共享出行
03
等，能够提高交通效率和安全性。
智能医疗诊断
01
算法公平性与透明度
算法公平性
人工智能算法在决策过程中应避 免产生歧视和不公平现象。需要 建立公平性评估机制，确保算法 对所有人都是公正的。
算法透明度
人工智能算法应具备可解释性和 透明度，以便人们理解其决策过 程和逻辑。这有助于提高人们对 人工智能的信任度和接受度。
人工智能伦理问题
责任归属
在人工智能应用中，当出现错误或问题时，应明确责任归属，以避免责任推诿和纠纷。
01
Q-learning：通过建立一个Q表 来学习如何做出最优决策。
02
Policy Gradient Methods：基 于策略的方法，通过优化策略参
数来提高性能。
Actor-Critic Methods：结合策 略和值函数的方法，同时更新策 略和值函数。
03
Hierarchical Reinforcement Learning：将任务分解成多个层
智能医疗诊断是一种利用人工 智能技术辅助医生进行疾病诊 断的系统，能够提高诊断的准 确性和效率。
人工智能基础-PPT课件
人工智能基础-PPT课件Artificial intelligence人工智能基础21 世纪技能创新型人才培养系列教材·人工智能系列contents绪论人工智能（Artificial Intelligence），英文缩写为AI。
它是研究、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学科。
20 世纪40 年代和50 年代，来自不同领域（数学、心理学、工程学、经济学和政治学）的一批科学家开始探讨制造人工大脑的可能性。
学习目标1. 了解人工智能的定义、发展简史。
2. 熟悉人工智能的研究与应用领域。
3. 认识人工智能未来的发展趋势。
1.1.1 像人类一样思考1.1.2 像人类一样行动“像人类一样思考”的核心是认知心理学科学中的发现，该发现测试了感知（感官感知，物体识别）、注意力、记忆（短期和永久性）、抽象思维、面向目标的行为（决策、发起和监视行为）、情绪、社会关系、意识和自由意志。
AI 系统建模以使其受大脑功能启发的方式构成了一种创建行为类似于人类的解决方案。
人工智能手臂概念图如图1-2 所示。
1.1.3 理性思考逻辑定律是理性思考的基础，并已被发现和发展了数千年。
1.1.4 理性行动理性主体是行为合理的主体。
特定时刻行为的合理性取决于以下几点：（1）定义成功标准的效率度量。
（2）代理对背景的了解。
（3）代理当前可能采取的行动。
（4）迄今为止代理已经获取的有关环境的信息序列。
1.2.1 孕育期一般认为 AI 的最早工作是伦·麦克卡洛克（Warren McC ulloch）跟沃特·皮特斯（Walter Pitts）完成的。
1.2.2 形成期人工智能诞生于 1956 年一次历史性的聚会。
1.2.3 知识应用期1977 年，费根鲍姆在第五届国际人工智能联合会议上正式提出了知工程的概念。
1.2.4 综合集成期在专家系统方面，从 20 世纪 80 年代末开始逐步向多技术、多方法的综合集成与多学科、多领域的综合应用型发展。
人工智能与应用PPT课件
未来的计算机将有自动获取知识的能力
它们直接由书本学习，通过与人谈话学习，通过观 察环境学习
它们通过实践自我完善，克服人的局限性 →有必要对这一前景给以关注
4
机器学习 — 概述
争论：机器的能力是否能超过人的能力？
否定意见：机器是人造的，其性能和动作完全是由 设计者来规定的，因此无论如何其能力也不会超过 设计者本人
学习环节
是核心模块，是和外部交互的接口 学习部分对环境提供的信息整理、分析、归纳或
类比，生成新的知识元或利用这些信息修改知识 库，以增进系统执行部分完成任务的效能 学习环节从执行环节得到执行结果的反馈信号， 进行学习修正，进一步改善执行环节的行为 执行环节的复杂性、反馈和透明度都对学习环节 有影响。复杂的任务需要更多的知识
即可以完成任意复杂的分类任务66神经网络学习前馈型人工神经网络bp网络不仅有输入层节点输出层节点而且还有隐层节点可以是一层或多层对于输入信号要先向前传播到隐节点经过转移函数后再把隐节点的输出信息传播到输出节点最后给出输出结果节点的转移函数通常选取s型函数如67神经网络学习前馈型人工神经网络在正向传播过程中输入信息从输入层经隐节点单元逐层处理并传向输出层每一层神经元的状态只影响下一层神经元的状态如果在输出层不能得到期望的输出则转入反向传播过程将误差信号沿原来的连接通路返回通过修改各层神经元的连接权值使得误差信号递减至最小68神经网络学习前馈型人工神经网络bp算法的流程图69神经网络学习前馈型人工神经网络bp算法存在的问题
三定律在科幻小说中大放光彩，一些其他作者 的科幻小说中的机器人也遵守这三条定律
三定律也具有一定的现实意义，在三定律基础 上建立新兴学科“机械伦理学”旨在研究人类 和机械之间的关系
截至2006年，三定律在现实机器人工业中没有 应用，但目前很多人工智能和机器人领域的技 术专家也认同这个准则
它们直接由书本学习，通过与人谈话学习，通过观 察环境学习
它们通过实践自我完善，克服人的局限性 →有必要对这一前景给以关注
4
机器学习 — 概述
争论：机器的能力是否能超过人的能力？
否定意见：机器是人造的，其性能和动作完全是由 设计者来规定的，因此无论如何其能力也不会超过 设计者本人
学习环节
是核心模块，是和外部交互的接口 学习部分对环境提供的信息整理、分析、归纳或
类比，生成新的知识元或利用这些信息修改知识 库，以增进系统执行部分完成任务的效能 学习环节从执行环节得到执行结果的反馈信号， 进行学习修正，进一步改善执行环节的行为 执行环节的复杂性、反馈和透明度都对学习环节 有影响。复杂的任务需要更多的知识
即可以完成任意复杂的分类任务66神经网络学习前馈型人工神经网络bp网络不仅有输入层节点输出层节点而且还有隐层节点可以是一层或多层对于输入信号要先向前传播到隐节点经过转移函数后再把隐节点的输出信息传播到输出节点最后给出输出结果节点的转移函数通常选取s型函数如67神经网络学习前馈型人工神经网络在正向传播过程中输入信息从输入层经隐节点单元逐层处理并传向输出层每一层神经元的状态只影响下一层神经元的状态如果在输出层不能得到期望的输出则转入反向传播过程将误差信号沿原来的连接通路返回通过修改各层神经元的连接权值使得误差信号递减至最小68神经网络学习前馈型人工神经网络bp算法的流程图69神经网络学习前馈型人工神经网络bp算法存在的问题
三定律在科幻小说中大放光彩，一些其他作者 的科幻小说中的机器人也遵守这三条定律
三定律也具有一定的现实意义，在三定律基础 上建立新兴学科“机械伦理学”旨在研究人类 和机械之间的关系
截至2006年，三定律在现实机器人工业中没有 应用，但目前很多人工智能和机器人领域的技 术专家也认同这个准则
《人工智能基础与应用》教学课件—认知人工智能的应用技术
二、人脸识别技术及应用
人脸识别技术的应用范围
• 企业、住宅安全和管理：如人脸识别门禁考勤系统，人脸识别防盗门等 • 电子护照及身份证 • 公安、司法和刑侦 • 自助服务 • 信息安全：如计算机登录、电子政务和电子商务等
其他类似常见技术还有指纹识别、手掌几何学识别、虹膜和视网膜识别等 ， 也广泛地应用于 身份认证等场境，比如签证应用、身份识别、打卡应用等。
环节 图像采集
内容
主要借助于摄像机、扫描仪、数码相机等设备经过采样数字化得到的图像,也包括一些动 态图像,并可以将其转为数字图像,与文字、图形、声音一起存储。图像提取是将一个图 像变换为适合计算机处理的形式的第一步。
为突出图像中想抓取的部分,必须对图像进行改善,以缓解图像在成像、采集、传输等过 图像增强 程中，质量或多或少造成的退化。通过图像增强,减少图像中的干扰和噪声,改变原来图
致，灰度取值范围相同的标准化人脸图像），中值滤波（图片的平滑操作以消除噪声） 以及锐化等。
二、人脸识别技术及应用
人脸识别技术的主要流程
（3）人脸图像特征提取 也称人脸表征，是对人脸进行特征建模的过程。可使用的特征通常分为视觉特征、像素 统计特征、人脸图像变换系数特征、人脸图像代数特征等。
（4）匹配与识别 提取的人脸特征值数据与数据库中存贮的特征模板进行搜索匹配，通过设定一个阈值， 将相似度与这一阈值进行比较，来对人脸的身份信息进行判断。
神经网络的特征：具有容错性强、独特的 联想记忆及自组织、自适应和自学习能力, 特别适合处理信息模糊或不精确问题。
举例：垃圾邮件的判断
一、图像识别技术的原理及应用
（二）图像识别的技术流程
图像识别的技术流程分以下几步：信息的获取、预处理、特征抽取和选择、分类器设计和分类决策。
人工智能基础与应用 配套课件
内容 导航
CONTENTS
了解人工智能
第1章 人工智能概述
16
了解深度学习
人工智能发展现状 人工智能机器学习框架
怎样学习人工智能
1.3 人工智能发展现状
第1章 人工智能概述
17
➢ 在竞赛领域，在ILSVRC的图像分类比赛中，2012年，AlexNet网络（一个7层的卷积神经网络）将图像分类的错误率从2011年的 26%下降到16%。
➢ 当然，手机的语音助手也可以有相同的功能，如Siri、小爱 同学等。
1.1 了解人工智能
3．机器翻译
第1章 人工智能概述
8
在日常学习或者工作中，人们经常会有一些单词不认识或者要把某句话翻译成英语，目前 借助软件或者网页就可以实现中英文互译。这里举一个例子，当翻译“我在周日看了一本书” 的时候，人工翻译可以很好地翻译出“I read a book on Sunday”，但是对于机器而言，它有 着不同的翻译结果，首先就是一词多义的问题，如“看”这个词，可以翻译为 “look”“watch”“read”等，其次就是语序问题，“在周日”这样的时间状语一般习惯放在句子 后面，在翻译时需要做到“信、达、雅”，现在基于深度学习的翻译基航
CONTENTS
了解人工智能
第1章 人工智能概述
18
了解深度学习
人工智能发展现状 人工智能机器学习框架
怎样学习人工智能
1.4.1 机器学习框架简介
第1章 人工智能概述
19
常用的人工智能机器学习的基本框架包括TensorFlow、PaddlePaddle、Caffe、PyTorch、MXNet等， 其说明如表1-1所示。
1.2 了解深度学习
第1章 人工智能概述
《人工智能基础与应用》教学课件—探索人工智能的行业应用
• 目标：降本（降低成本）、减存（减少
库存）、提质（提升质量）、增效（增 加效率）。
全球灯塔工厂网络
二、什么是“灯塔工厂”？
工业富联灯塔工厂——成效如何？
富士康工业互联网：从过去的代工厂到如今首屈一指的工业4.0企业，作为首批入选的 “黑灯工厂”，在降本减存提质增效方面取得很好成效。
二、什么是“灯塔工厂”？
工业富联灯塔工厂——人工智能如何应用？
• 状态：工业富联的深圳熄灯工厂已基本做到熄灯
视觉定位应用、视觉检测应用、物体分拣应用
【相关知识】
制造企业重点部署的人工智能应用领域
一、什么是“智能制造”？何谓智能制造的核心？
（一）智能制造的内涵
• 初步了解德国工业4.0、美国“工业互联网”、
日本精益制造、中国制造2025
• 智能制造并不仅仅是一个技术体系，更重要的
是对智能的理解、对制造系统核心要素的理解 和重新定义。
人工智能基础与应用
探索人工智能的行业应用
无人驾驶 智慧交通 智慧金融 智慧教育 智能家居 智慧零售 智能客服
人工智能 行业应用
智能制造
任务一
实训项目：机械手臂智能分拣
智慧物流
任务二
实训项目：无人派送
智慧安防
任务三
实训项目：口罩佩戴智能识别
本项目内容智慧医疗源自任务四实训项目：智能诊脉
智慧环保
任务五
实训项目：垃圾智能分类
• 智能制造的核心要素：
材料、装备、工艺、测量、维护、建模
智能制造6大核心要素
一、什么是“智能制造”？何谓智能制造的核心？
（一）智能制造的内涵
• 制造系统是否智能的两个特征：
（1）是否能够学习人的经验，从而替代人来分析问题和形成决策。 （2）能否从新的问题中积累经验，从而避免问题的再次发生。
库存）、提质（提升质量）、增效（增 加效率）。
全球灯塔工厂网络
二、什么是“灯塔工厂”？
工业富联灯塔工厂——成效如何？
富士康工业互联网：从过去的代工厂到如今首屈一指的工业4.0企业，作为首批入选的 “黑灯工厂”，在降本减存提质增效方面取得很好成效。
二、什么是“灯塔工厂”？
工业富联灯塔工厂——人工智能如何应用？
• 状态：工业富联的深圳熄灯工厂已基本做到熄灯
视觉定位应用、视觉检测应用、物体分拣应用
【相关知识】
制造企业重点部署的人工智能应用领域
一、什么是“智能制造”？何谓智能制造的核心？
（一）智能制造的内涵
• 初步了解德国工业4.0、美国“工业互联网”、
日本精益制造、中国制造2025
• 智能制造并不仅仅是一个技术体系，更重要的
是对智能的理解、对制造系统核心要素的理解 和重新定义。
人工智能基础与应用
探索人工智能的行业应用
无人驾驶 智慧交通 智慧金融 智慧教育 智能家居 智慧零售 智能客服
人工智能 行业应用
智能制造
任务一
实训项目：机械手臂智能分拣
智慧物流
任务二
实训项目：无人派送
智慧安防
任务三
实训项目：口罩佩戴智能识别
本项目内容智慧医疗源自任务四实训项目：智能诊脉
智慧环保
任务五
实训项目：垃圾智能分类
• 智能制造的核心要素：
材料、装备、工艺、测量、维护、建模
智能制造6大核心要素
一、什么是“智能制造”？何谓智能制造的核心？
（一）智能制造的内涵
• 制造系统是否智能的两个特征：
（1）是否能够学习人的经验，从而替代人来分析问题和形成决策。 （2）能否从新的问题中积累经验，从而避免问题的再次发生。
人工智能及其应用PPT课件
3）1948年美数学家创立了控制论
4）1948年美数学家创立了信息论
5）同期美籍奥地利生物学Badenlofe建立了系统论
2、人工智能的发展史-孕育期（1956年前）
物质基础
1）1946年美数学家莫克利发明了世界上第一台通用电子 计算机ENIAC(Electronic Numerical Integrator and Calculator)
1、外显率(P):反映搜索过程中，从初始结点
向目标结点进行时搜索区域的宽度。
定义：P=L/T
L : 从初始结点到达目标的路径长度 T : 整个搜索过程中所生成的结点总数（不包括 初始结点）
不同搜索策略搜索效率的衡量指标
2、有效分枝因数(B):表示每个有效结点平均
生成的子结点数目。
定义：B+B2+B3+…+BL=T
第二节 搜索策略
盲目的图搜索策略：盲目的、无信息引导的搜索 2、深度优先搜索：从根节点开始，首先扩展最新产生的
节点，即沿着搜索树的深度方向发展， 直到没有后继节点再返回。
0
1
7
2 46
8
11
3
5
9 10
特点：不完备的搜索。有时会陷入“死胡同”，可进行“界”的
限制
第二节 搜索策略
启发式的图搜索策略：有信息引导的搜索 启发信息：特定问题领域的信息能有效引导搜索，使搜索简化。 启发信息的作用： 1、用它来决定下一步先扩展哪一个节点，不是盲目、随意地扩展
扩展节点
nsm
第二节 搜索策略
搜索策略：指在搜索过程中如何选择扩展节点的次序问题。 回溯策略 图搜索策略： 盲目的图搜索 启发式搜索
第二节 搜索策略
《人工智能课件》.pptx
策略梯度方法
一种基于策略迭代的方法，直接优化策略参数以最大化期望回报。通过计算梯度并更新策 略参数来实现策略改进。
Actor-Critic 方法
结合了值迭代和策略迭代的方法。Actor 负责根据当前策略选择动作，Critic负责评估当前 策略的性能并指导Actor进行改进。两者相互促进，共同优化智能体的行为。
03 深度学习技术与应用
神经网络基本原理
01
神经元模型
神经网络的基本单元，模 拟生物神经元的结构和功
能。
前向传播
输入信号经过神经元处理 后向前传递的过程。
反向传播
根据误差信号调整神经元 权重的过程。
卷积神经网络 (CNN)
卷积层
通过卷积操作提取输入数 据的特征。
池化层
降低数据维度，减少计算
量。
06
人工智能伦理、法律和社会影
响
数据隐私和安全问题
数据隐私泄露
人工智能系统通常需要大量数据进行训练和学习，其中可能包含用户的个人隐 私信息。如果这些数据没有得到妥善保护，就可能导致隐私泄露事件。
网络安全问题
人工智能系统可能成为网络攻击的目标，例如黑客利用漏洞攻击人工智能系统， 获取敏感信息或者破坏系统的正常运行。
将数据划分为K个簇，每个簇的中心由簇内所有样本的均值表示。通过
迭代更新簇中心和重新划分样本，使得每个样本与其所属簇中心的距离
之和最小。
层次聚类
通过计算样本之间的距离，将距离近的样本合并为一个簇，然后不断重 复该过程，直到达到预设的簇数量或满足其他停止条件。
03
主成分分析 (PCA)
通过正交变换将原始特征空间中的线性相关变量转换为线性无关的新变
深度学习在图像识别与分类中的应用 通过训练深度神经网络模型，学习从原始图像数据中提取有用 的特征，进而实现图像的高效识别和分类。
一种基于策略迭代的方法，直接优化策略参数以最大化期望回报。通过计算梯度并更新策 略参数来实现策略改进。
Actor-Critic 方法
结合了值迭代和策略迭代的方法。Actor 负责根据当前策略选择动作，Critic负责评估当前 策略的性能并指导Actor进行改进。两者相互促进，共同优化智能体的行为。
03 深度学习技术与应用
神经网络基本原理
01
神经元模型
神经网络的基本单元，模 拟生物神经元的结构和功
能。
前向传播
输入信号经过神经元处理 后向前传递的过程。
反向传播
根据误差信号调整神经元 权重的过程。
卷积神经网络 (CNN)
卷积层
通过卷积操作提取输入数 据的特征。
池化层
降低数据维度，减少计算
量。
06
人工智能伦理、法律和社会影
响
数据隐私和安全问题
数据隐私泄露
人工智能系统通常需要大量数据进行训练和学习，其中可能包含用户的个人隐 私信息。如果这些数据没有得到妥善保护，就可能导致隐私泄露事件。
网络安全问题
人工智能系统可能成为网络攻击的目标，例如黑客利用漏洞攻击人工智能系统， 获取敏感信息或者破坏系统的正常运行。
将数据划分为K个簇，每个簇的中心由簇内所有样本的均值表示。通过
迭代更新簇中心和重新划分样本，使得每个样本与其所属簇中心的距离
之和最小。
层次聚类
通过计算样本之间的距离，将距离近的样本合并为一个簇，然后不断重 复该过程，直到达到预设的簇数量或满足其他停止条件。
03
主成分分析 (PCA)
通过正交变换将原始特征空间中的线性相关变量转换为线性无关的新变
深度学习在图像识别与分类中的应用 通过训练深度神经网络模型，学习从原始图像数据中提取有用 的特征，进而实现图像的高效识别和分类。
人工智能基础与应用教学ppt人工智能开放平台应用
第10章人工智能开放平台应用重点知识A KEYAI开放平台介绍百度AI开放平台应用更多AI开放平台实践内容导航CONTENTSAI开放平台介绍百度AI开放平台应用更多AI开放平台实践4第10章 人工智能开放平台应用10.1 AI 开放平台介绍p AI开放平台是一些企业推出的人工智能接口，开发者无须了解人工智能的算法、网络以及训练过程，只需按照特定的方式接入，就可以使用接口提供的产品。
p AI开放平台大多都可以实现Web API，即在线使用这些平台接口，完成功能实现，不过该过程需要调用接口的设备能够上网。
AI 开放平台百度AI 开放平台腾讯AI 开放平台阿里AI 开放平台京东AI 开放平台小爱AI 开放平台讯飞AI 开放平台表10-1 部分AI开放平台第10章 人工智能开放平台应用5 内容导航CONTENTSAI开放平台介绍百度AI开放平台应用更多AI开放平台实践p百度AI开放平台的开放能力如图10-1所示。
图10-1 百度AI开放平台的开放能力百度AI开放平台支持的接口语言有Java、PHP、Python、C++、C#、Node.js，支持的平台有PC、Android、iOS以及嵌入式Linux平台。
1．密钥申请图10-2 通用图像分析界面（1）登录并使用（2）创建应用图10-3 “创建新应用”界面（3）记录密钥图10-4 应用详情界面（4）下载SDK图10-5 SDK下载界面2．调用API实现识别图10-6 图像识别用到的文件SDK目录下的aip目录下还有其他文件，用于其他识别，图像识别用到的文件如图10-6所示。
在交互界面输入（联网状态）“pip install baidu-aip”命令，安装baidu-aip。
在Python目录下新建baidu_api目录，解压下载好的SDK，在baidu_api下新建baidu_api_image目录，AipImageClassify是图像识别的Python SDK客户端，为使用图像识别的开发人员提供了一系列的交互方法，在baidu_api_image目录下新建一个image_predict.py文件，baidu_api_image目录如图10-7所示。
《人工智能基础与应用》教学课件—认知人工智能的应用技术
像的亮度、色彩分布、对比度等参数,为后期的图像分析和图像理解奠定基础。
图像复原
图像编码 与压缩
图像分割 技术
为提取比较清晰的图像，减少在获取图像时环境噪声的影响、运动造成的图像模糊、光 线的强弱等原因使得图像模糊,需要对图像进行恢复。主要采用滤波方法,从降质的图像 恢复原始图。另一种特殊技术是图像重建,该技术是从物体横剖面的一组投影数据建立图 像。 为快速方便地在网络环境下传输图像或视频,必须对图像进行编码和压缩。如静态图像压 缩标准JPEG,针对图像的分辨率、色彩等进行规范。由于视频可被看作是一幅幅不同的但 有紧密相关的静态图像的时间序列,因此动态视频的单帧图像压缩可以应用静态图像的压 缩标准。图像编码压缩技术可以缓解数据量和存储器容量问题、提高图像传输速度、缩 短处理时间。 图像分割是把图像分成一些互不重叠而又具有各自特征的子区域,每一区域是像素的一个 连续集,这里的特性可以是图像的颜色、形状、灰度和纹理等。图像分割对图像中的目标 、背景进行标记、定位,然后把目标从背景中分离出来。目前,图像分割的方法主要有基 于区域特征的分割方法、基于相关匹配的分割方法和基于边界特征的分割方法。在实际 的图像中需根据景物条件的不同选择适合的图像分割方法。图像分割为进一步的图像识 别、分析和理解奠定了基础。
任务一 视觉智能 ——机器如何 识字、看人
3.1.2 人脸识别技 术及应用
3.1.3 OCR文字识 别技术及应用
是图像识别的一个应用场景，也叫做人像识别、面部识别，即基于人的脸部特征信息进行身份识别 技术流程：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别
什么是OCR识别 OCR识别的智能化 OCR识别的应用
2. 技能点
掌握图像识别、人脸识别、文字识别的实训操作
图像复原
图像编码 与压缩
图像分割 技术
为提取比较清晰的图像，减少在获取图像时环境噪声的影响、运动造成的图像模糊、光 线的强弱等原因使得图像模糊,需要对图像进行恢复。主要采用滤波方法,从降质的图像 恢复原始图。另一种特殊技术是图像重建,该技术是从物体横剖面的一组投影数据建立图 像。 为快速方便地在网络环境下传输图像或视频,必须对图像进行编码和压缩。如静态图像压 缩标准JPEG,针对图像的分辨率、色彩等进行规范。由于视频可被看作是一幅幅不同的但 有紧密相关的静态图像的时间序列,因此动态视频的单帧图像压缩可以应用静态图像的压 缩标准。图像编码压缩技术可以缓解数据量和存储器容量问题、提高图像传输速度、缩 短处理时间。 图像分割是把图像分成一些互不重叠而又具有各自特征的子区域,每一区域是像素的一个 连续集,这里的特性可以是图像的颜色、形状、灰度和纹理等。图像分割对图像中的目标 、背景进行标记、定位,然后把目标从背景中分离出来。目前,图像分割的方法主要有基 于区域特征的分割方法、基于相关匹配的分割方法和基于边界特征的分割方法。在实际 的图像中需根据景物条件的不同选择适合的图像分割方法。图像分割为进一步的图像识 别、分析和理解奠定了基础。
任务一 视觉智能 ——机器如何 识字、看人
3.1.2 人脸识别技 术及应用
3.1.3 OCR文字识 别技术及应用
是图像识别的一个应用场景，也叫做人像识别、面部识别，即基于人的脸部特征信息进行身份识别 技术流程：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别
什么是OCR识别 OCR识别的智能化 OCR识别的应用
2. 技能点
掌握图像识别、人脸识别、文字识别的实训操作
人工智能基础与应用
人工智能基础与应用人工智能（Artificial Intelligence，简称AI）是当前科技领域最热门的话题之一。
随着技术的发展，AI正逐渐渗透到日常生活的方方面面。
本文将探讨人工智能的基础知识和应用领域。
首先，我们来了解人工智能的基础知识。
人工智能是模拟人类智能和思维过程的理论和方法的总称。
它通过计算机系统模拟人类智能的各种能力，比如学习、推理、判断和决策等。
人工智能的基础包括机器学习、深度学习、数据挖掘等。
机器学习是一种让计算机通过学习算法从数据中自动获取知识的方法。
深度学习则是一种基于人工神经网络的机器学习方式，通过多层次的神经网络结构进行训练和学习，以实现更加复杂的任务。
人工智能的应用领域广泛且多样。
首先是在医疗领域的应用。
人工智能可以辅助医生诊断疾病，在大数据和医学图像分析中发挥关键作用。
例如，AI可以通过对成千上万份病例数据的分析，帮助医生提高疾病诊断的准确性和速度。
同时，通过对医学影像的处理和分析，AI还可以辅助医生进行疾病的早期筛查和诊断。
其次，人工智能在交通领域也发挥着重要作用。
自动驾驶技术正逐渐成为现实，AI在其中起到了核心推动作用。
利用传感器和算法，汽车可以感知周围环境并做出相应决策，实现自动驾驶。
这不仅提高了交通安全性，还能减少交通事故和交通拥堵。
除了汽车，人工智能还可以应用于智慧城市的交通监控和管理系统中，通过实时数据分析和预测，优化城市交通流动性。
人工智能在金融领域的应用正在不断扩大。
AI可以通过对大量的金融数据进行分析，提供财务风险评估和投资决策支持。
此外，AI还可以用于欺诈检测和预防，在金融交易中起到重要的保护作用。
另外，人工智能还可以用于个人金融管理，通过智能推荐系统为用户提供理财建议和优化投资组合。
人工智能的应用也涉及到教育领域。
AI辅助教学系统可以根据学生的学习情况和水平，个性化地提供学习资源和指导。
通过分析学生的学习数据，AI可以发现学生的学习问题并提供针对性的辅导。
《人工智能基础与应用》教学课件—探索人工智能的行业应用
智能车间的基本构成
流程：生产车间、传感器、无线网络、工业大数据、信息化应用、自动化控制 并逐步智能化
关键技术：人工智能技术、信息网络技术、虚拟制造技术、人机一体化
世界经济论坛于2018年推出，指率先打造出一批标杆级的智能工厂，引领第四次工业革命发展潮流的智能工厂 目标：降本（降低成本）、减存（减少库存）、提质（提升质量）、增效（增加效率） 哪些方面体现智能化？-装备、生产、管理、服务、产品智能化
调试、管控和应用的工程技术人员。
• 主要工作领域分为9项：
（1）分析、研究、开发智能制造相关技术； （2）研究、设计、开发智能制造装备、生产线； （3）研究、开发、应用智能制造虚拟仿真技术； （4）设计、操作、应用智能检测系统； （5）设计、开发、应用智能生产管控系统； （6）安装、调试、部署智能制造装备、生产线； （7）操作、应用工业软件进行数字化设计与制造； （8）操作、编程、应用智能制造装备、生产线进行智能加工； （9）提供智能制造相关技术咨询和技术服务。
智能制造背后的“神秘”岗位
产业发展趋势：精益化、自动化、信息化、智能化
复合型技术技能人才：智能制造工程技术人员、工业互联网 工程技术人员、虚拟现实工程技术人员等
应用案例：机器视觉识别用于智能检测
工业机器视觉系统构成：硬件设备和软件算法 应用流程：图像获取—图像处理与分析—智能判断决策与执行
机器视觉识别在智能分拣中的应用场景
【内容概览】
4.1.1 什么是“智 能制造”？
任务一 智能制造：走进 “无人工厂”时代
4.1.2 什么是“灯 塔工厂”？
4.1.3 人工智能在 制造业中的应用
智能制造的内涵
核心要素：材料、装备、工艺、测量、维护 、建模
《人工智能基础与应用》教学课件—初探人工智能
近十年来，随着大数据、云计算、物联网等信息技术的发展，以深度神经网络为代表的 人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，实现了从“不能 用、不好用”到“可以用”的技术突破。
总体趋势：
人工智能的发展历程曲折起伏，高峰与低谷交替出现。未来随着人工智能核心技术的突 破，将不断改善提升现有的局限性，向各行各业快速渗透融合，这是人工智能驱动第四 次技术革命的最主要表现方式。
能力，可以模拟人类专家来解决特定领域问题，从此，机器学习开始兴起
• 20世纪80年代中-90年代中，专家系统应用有限，且经常在常识性问题上出错，人工
智能迎来第二个寒冬
二、人工智能的发展历程
第三阶段：深度学习 2000s—至今
• 1997 IBM的“深蓝”战胜国际象棋冠军，成为人工智能史上的一个重要里程碑 • 2006 Hinton提出“深度学习”的神经网络 • 2012 Google无人驾驶汽车上路，人工智能迎来爆发式增长的新高潮
场景应用层（应用层） 人工智能产业的延伸
行业应用场景（如“AI+”制造、交通、安防、 医疗、物流、零售等）
AI消费级终端产品（如智能汽车、机器人、无 人机、可穿戴设备等）
应用型、技术 技能型人才
1.1.4 人工智能砸 了谁的饭碗
你的职业未来会消失吗？
人工智能替代职业的概率排名及特点
培养目标：持续训练机器更“懂”人，通“人”性，更好地为人服务
能等研发应用，培育新一代信息技术、高端装备、生物医药、新能源汽车、新材料等新兴产业集群，壮大数字经济。”
《新一代人工智能发展规划》
国发〔2017〕35号 第一步，到2020年人工智能总体技术和应用与 世界先进水平同步，人工智能产业成为新的重 要经济增长点。 第二步，到2025年人工智能基础理论实现重大 突破，部分技术与应用达到世界领先水平。 第三步，到2030年人工智能理论、技术与应用 总体达到世界领先水平，成为世界主要人工智 能创新中心。
总体趋势：
人工智能的发展历程曲折起伏，高峰与低谷交替出现。未来随着人工智能核心技术的突 破，将不断改善提升现有的局限性，向各行各业快速渗透融合，这是人工智能驱动第四 次技术革命的最主要表现方式。
能力，可以模拟人类专家来解决特定领域问题，从此，机器学习开始兴起
• 20世纪80年代中-90年代中，专家系统应用有限，且经常在常识性问题上出错，人工
智能迎来第二个寒冬
二、人工智能的发展历程
第三阶段：深度学习 2000s—至今
• 1997 IBM的“深蓝”战胜国际象棋冠军，成为人工智能史上的一个重要里程碑 • 2006 Hinton提出“深度学习”的神经网络 • 2012 Google无人驾驶汽车上路，人工智能迎来爆发式增长的新高潮
场景应用层（应用层） 人工智能产业的延伸
行业应用场景（如“AI+”制造、交通、安防、 医疗、物流、零售等）
AI消费级终端产品（如智能汽车、机器人、无 人机、可穿戴设备等）
应用型、技术 技能型人才
1.1.4 人工智能砸 了谁的饭碗
你的职业未来会消失吗？
人工智能替代职业的概率排名及特点
培养目标：持续训练机器更“懂”人，通“人”性，更好地为人服务
能等研发应用，培育新一代信息技术、高端装备、生物医药、新能源汽车、新材料等新兴产业集群，壮大数字经济。”
《新一代人工智能发展规划》
国发〔2017〕35号 第一步，到2020年人工智能总体技术和应用与 世界先进水平同步，人工智能产业成为新的重 要经济增长点。 第二步，到2025年人工智能基础理论实现重大 突破，部分技术与应用达到世界领先水平。 第三步，到2030年人工智能理论、技术与应用 总体达到世界领先水平，成为世界主要人工智 能创新中心。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
人工智能拟人能力图
一、机器能思考吗？
人工智能的智能水平
人工智能像“人”一样，其智能水平也在逐步发展，从低到高可划分为计算智能、感知 智能、认知智能三个阶段。
• 第一层次：计算智能——机器像人类一样会计算、传递信息，例如神经网络、遗传算
法等，各种棋类游戏、专家系统体现的就是计算智能。
• 第二层次：感知智能——机器能听会说、能看会认，像语音助手、人脸识别、看图搜
“人工智能训练师”——你准备好了吗？
非技术类“新职位”，“人工智能+专业应用”的新岗位
能力划分：智能产品应用、数据分析、业务理解、智能训练
【相关知识】
“云”“物” “大”“智” • 物联网：对接真实的物理世界，获取海量数据； • 云计算：为海量数据提供强大的承载能力； • 大数据：对海量数据进行挖掘和分析，实现数
场景应用层（应用层） 人工智能产业的延伸
行业应用场景（如“AI+”制造、交通、安防、 医疗、物流、零售等）
AI消费级终端产品（如智能汽车、机器人、无 人机、可穿戴设备等）
应用型、技术 技能型人才
1.1.4 人工智能砸 了谁的饭碗
你的职业未来会消失吗？
人工智能替代职业的概率排名及特点
培养目标：持续训练机器更“懂”人，通“人”性，更好地为人服务
【教学要求】
1. 知识点
AI发展历程 AI产业结构 人工智能训练师
2. 技能点
理解人工智能的发展目标及与其他新技术的相互关系
3. 重难点
通过本单元的学习，重点了解人工智能的产业结构、具体应用及对应的人才培养层次； 难点是拓展学习人工智能训练师诞生的职业背景，理解其岗位能力要求和数据标注及 训练的重要性。
据到信息的转换；
• 人工智能：对数据进行学习，对信息进行理解，
最终实现数据到知识和智能的转换。 如果用人体来比喻，物联网是人体的神经网络， 大数据是流动的血液，云计算是心脏，人工智能 则是掌控的大脑。
一、机器能思考吗？
人工智能是什么？
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能与人类 智能相似的方式做出反应的智能机器。概括来说，就是研究如何使机器具备以下能力：
• 第三种类型，没有信息输入，而是主要靠创意，靠想象力的工作。今天的机器可以作
图、作曲、写诗，但更多还是模仿，让机器具备思考的能力、主动创作的能力目前还 很难做到。这是人工智能发展的未来趋势之一，因此需要创意和想象力的工作是机器 无法取代的。
二、人工智能的发展历程
人工智能的发展历程可分为三段时期、6个阶段。
第一阶段：人工智能起步期 1956—1980s
• 1956达特茅斯会议标志AI诞生 • 1957神经网络Perceptron被罗森布拉特发明；1964年，首台聊天机器人诞生 • 1970受限于计算能力，人工智能进入第一个寒冬
第二阶段：专家系统推广 1980s—1990s
• 1980卡耐基梅隆大学推进第一个名为XCON的专家系统，具有一套强大的知识库和推理
图和无人驾驶等。
• 第三层次：认知智能——机器能理解会思考，主动采取行动，这是人工智能领域专家
们正在努力的方向，比如微软小冰就具有非常初级的理解语意的能力。
一、机器能思考吗？
人工智能的智能水平
三种智能水平的行业应用特点：
• 第一种类型，信息完全输入的状况。在这种状况下，机器得到输入，就可以充分准确
人工智能基 • 内容概览 • 相关知识
1.1.1 机器能思考吗？ 1.1.2 人工智能的发展历程 1.1.3 人工智能的产业结构 1.1.4 人工智能砸了谁的饭碗
• 练习与思考
人工智能基础与应用 初探人工智能
【教学目标】
1.掌握人工智能发展以及与其他新技术的关系 2.了解人工智能的发展历程 3.了解人工智能的产业结构、代表企业及人才培养要求 4.思考人工智能可能替代哪些岗位、催生哪些就业机会
• 能听（语音识别、机器翻译等）； • 会说（语音合成、人机对话等）； • 能看（图像识别、文字识别）； • 能思考（人机对弈、定理证明等）； • 会学习（机器学习、知识表示等）； • 会行动（机器人、自定驾驶汽车等）； • 能应变（认知智能、自主行动）。
一、机器能思考吗？
人工智能的研究领域
包括语音识别、图像识别、 机器学习、深度学习、自然 语言处理、知识图谱、脑机 互动等等。
能力，可以模拟人类专家来解决特定领域问题，从此，机器学习开始兴起
• 20世纪80年代中-90年代中，专家系统应用有限，且经常在常识性问题上出错，人工
智能迎来第二个寒冬
二、人工智能的发展历程
第三阶段：深度学习 2000s—至今
• 1997 IBM的“深蓝”战胜国际象棋冠军，成为人工智能史上的一个重要里程碑 • 2006 Hinton提出“深度学习”的神经网络 • 2012 Google无人驾驶汽车上路，人工智能迎来爆发式增长的新高潮
基础支撑层（基础层）
计算硬件（AI芯片、传感器等） 其他支撑技术（大数据、云计算和5G） 数据算法和平台
高端研究型人才
人工智能产业的基础
1.1.3 人工智能的
技术驱动层（技术层）
感知智能：图像识别、生物识别、语音识别等 认知智能：机器学习、智能问答、知识图谱等
研究型、应用型人才
人 才 需
产业结构
求
人工智能产业的核心
的得到相应的输出。像实时语音转写，人脸识别、图像识别等技术，“输入”即可以 得到“输出”，在这一领域机器将来可以完全替代人工。
• 第二种类型，是仅仅有输入还不够，还需要知识积累，需要思维判断的工作。这一领
域是人和机器耦合的，比如机器人可以回答孩子的问题，教孩子知识，和孩子玩耍， 但不能完全代替父母陪伴孩子、和孩子实时交流等。这种场景下：机器无法完全替代 人工，而是辅助人，人机耦合进行工作。
【内容概览】
项目一 初探人工智能
1.1.1 机器能思考吗
人工智能是什么？ 人工智能发展阶段
使机器具备以下能力：能听、会说、能看、能思考、会学习、会行动、能应变
第一层次：计算智能 第二层次：感知智能 第三层次：认知智能
1.1.2 人工智能的 发展历程
1950s-1980s：AI起步期 1980s-1990s：专家系统推广 2000s-至今：深度学习-AI新热潮
一、机器能思考吗？
人工智能的智能水平
人工智能像“人”一样，其智能水平也在逐步发展，从低到高可划分为计算智能、感知 智能、认知智能三个阶段。
• 第一层次：计算智能——机器像人类一样会计算、传递信息，例如神经网络、遗传算
法等，各种棋类游戏、专家系统体现的就是计算智能。
• 第二层次：感知智能——机器能听会说、能看会认，像语音助手、人脸识别、看图搜
“人工智能训练师”——你准备好了吗？
非技术类“新职位”，“人工智能+专业应用”的新岗位
能力划分：智能产品应用、数据分析、业务理解、智能训练
【相关知识】
“云”“物” “大”“智” • 物联网：对接真实的物理世界，获取海量数据； • 云计算：为海量数据提供强大的承载能力； • 大数据：对海量数据进行挖掘和分析，实现数
场景应用层（应用层） 人工智能产业的延伸
行业应用场景（如“AI+”制造、交通、安防、 医疗、物流、零售等）
AI消费级终端产品（如智能汽车、机器人、无 人机、可穿戴设备等）
应用型、技术 技能型人才
1.1.4 人工智能砸 了谁的饭碗
你的职业未来会消失吗？
人工智能替代职业的概率排名及特点
培养目标：持续训练机器更“懂”人，通“人”性，更好地为人服务
【教学要求】
1. 知识点
AI发展历程 AI产业结构 人工智能训练师
2. 技能点
理解人工智能的发展目标及与其他新技术的相互关系
3. 重难点
通过本单元的学习，重点了解人工智能的产业结构、具体应用及对应的人才培养层次； 难点是拓展学习人工智能训练师诞生的职业背景，理解其岗位能力要求和数据标注及 训练的重要性。
据到信息的转换；
• 人工智能：对数据进行学习，对信息进行理解，
最终实现数据到知识和智能的转换。 如果用人体来比喻，物联网是人体的神经网络， 大数据是流动的血液，云计算是心脏，人工智能 则是掌控的大脑。
一、机器能思考吗？
人工智能是什么？
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能与人类 智能相似的方式做出反应的智能机器。概括来说，就是研究如何使机器具备以下能力：
• 第三种类型，没有信息输入，而是主要靠创意，靠想象力的工作。今天的机器可以作
图、作曲、写诗，但更多还是模仿，让机器具备思考的能力、主动创作的能力目前还 很难做到。这是人工智能发展的未来趋势之一，因此需要创意和想象力的工作是机器 无法取代的。
二、人工智能的发展历程
人工智能的发展历程可分为三段时期、6个阶段。
第一阶段：人工智能起步期 1956—1980s
• 1956达特茅斯会议标志AI诞生 • 1957神经网络Perceptron被罗森布拉特发明；1964年，首台聊天机器人诞生 • 1970受限于计算能力，人工智能进入第一个寒冬
第二阶段：专家系统推广 1980s—1990s
• 1980卡耐基梅隆大学推进第一个名为XCON的专家系统，具有一套强大的知识库和推理
图和无人驾驶等。
• 第三层次：认知智能——机器能理解会思考，主动采取行动，这是人工智能领域专家
们正在努力的方向，比如微软小冰就具有非常初级的理解语意的能力。
一、机器能思考吗？
人工智能的智能水平
三种智能水平的行业应用特点：
• 第一种类型，信息完全输入的状况。在这种状况下，机器得到输入，就可以充分准确
人工智能基 • 内容概览 • 相关知识
1.1.1 机器能思考吗？ 1.1.2 人工智能的发展历程 1.1.3 人工智能的产业结构 1.1.4 人工智能砸了谁的饭碗
• 练习与思考
人工智能基础与应用 初探人工智能
【教学目标】
1.掌握人工智能发展以及与其他新技术的关系 2.了解人工智能的发展历程 3.了解人工智能的产业结构、代表企业及人才培养要求 4.思考人工智能可能替代哪些岗位、催生哪些就业机会
• 能听（语音识别、机器翻译等）； • 会说（语音合成、人机对话等）； • 能看（图像识别、文字识别）； • 能思考（人机对弈、定理证明等）； • 会学习（机器学习、知识表示等）； • 会行动（机器人、自定驾驶汽车等）； • 能应变（认知智能、自主行动）。
一、机器能思考吗？
人工智能的研究领域
包括语音识别、图像识别、 机器学习、深度学习、自然 语言处理、知识图谱、脑机 互动等等。
能力，可以模拟人类专家来解决特定领域问题，从此，机器学习开始兴起
• 20世纪80年代中-90年代中，专家系统应用有限，且经常在常识性问题上出错，人工
智能迎来第二个寒冬
二、人工智能的发展历程
第三阶段：深度学习 2000s—至今
• 1997 IBM的“深蓝”战胜国际象棋冠军，成为人工智能史上的一个重要里程碑 • 2006 Hinton提出“深度学习”的神经网络 • 2012 Google无人驾驶汽车上路，人工智能迎来爆发式增长的新高潮
基础支撑层（基础层）
计算硬件（AI芯片、传感器等） 其他支撑技术（大数据、云计算和5G） 数据算法和平台
高端研究型人才
人工智能产业的基础
1.1.3 人工智能的
技术驱动层（技术层）
感知智能：图像识别、生物识别、语音识别等 认知智能：机器学习、智能问答、知识图谱等
研究型、应用型人才
人 才 需
产业结构
求
人工智能产业的核心
的得到相应的输出。像实时语音转写，人脸识别、图像识别等技术，“输入”即可以 得到“输出”，在这一领域机器将来可以完全替代人工。
• 第二种类型，是仅仅有输入还不够，还需要知识积累，需要思维判断的工作。这一领
域是人和机器耦合的，比如机器人可以回答孩子的问题，教孩子知识，和孩子玩耍， 但不能完全代替父母陪伴孩子、和孩子实时交流等。这种场景下：机器无法完全替代 人工，而是辅助人，人机耦合进行工作。
【内容概览】
项目一 初探人工智能
1.1.1 机器能思考吗
人工智能是什么？ 人工智能发展阶段
使机器具备以下能力：能听、会说、能看、能思考、会学习、会行动、能应变
第一层次：计算智能 第二层次：感知智能 第三层次：认知智能
1.1.2 人工智能的 发展历程
1950s-1980s：AI起步期 1980s-1990s：专家系统推广 2000s-至今：深度学习-AI新热潮