人工智能技術基礎人工智能簡介第一章

人工智能這個名詞對于大多數人來說并不陌生。在很多影視作品，文學作品中都出現了這個概念。自從計算機面世以來，人們一直在思考如何讓計算機變得更加智能。而在這個過程中，人工智能的概念被提出。那么，到底什么才是人工智能呢，人工智能是怎樣發展的，人工智能又可以做些什么呢？

本章主要介紹人工智能的歷史與未來可能的發展以及人工智能的方法與應用，有助于人工智能理論知識的學習。1人工智能簡介目錄Contents1.1人工智能的定義及發展歷史人工智能方法人工智能的應用人工智能的未來本章小結1.21.31.41.51.掌握人工智能的定義，了解人工智能的發展歷史；2.學習人工智能技術所包含的方法、應用領域和未來發展；3.對人工智能技術有一個全面的了解。學習目標1人工智能簡介01人工智能的定義及發展歷史1.1人工智能的定義及發展歷史

人工智能（ArtificialIntelligence，AI）是研究用計算機對人類的智能進行模擬和擴展的一門新的技術科學。其目的是讓計算機能以與人類相似的智能，對數據信息進行處理與加工。學者人工智能定義JohnMcCarthy（約翰·麥卡錫）1956年達特茅斯會議上提出：人工智能就是讓機器的行為看起來就像是人所表現出的智能行為一樣。Nelson（納爾遜）教授人工智能是關于知識的學科――怎樣表示知識以及怎樣獲得知識并使用知識的科學。美國麻省理工學院的Winston（溫斯頓）教授人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。不同的定義反映了同一個問題：人工智能所要做的是研究人類思考規律，構造具有和人類擁有相似思考方式的人工系統。1.1.1人工智能的定義1.1人工智能的定義及發展歷史

人工智能這個概念是英國數學家圖靈在1950年提出的，這一年他發表了一篇劃時代的論文——《計算機器與智能》（COMPUTINGMACHINERYANDINTELLIGENCE）。

在這篇論文中，他首次提出了人工智能的概念，當時他給這個概念起的名字叫做“會思考的機器”（ThinkingMachine）。1.1.1人工智能的定義1.1人工智能的定義及發展歷史GeoHinton(多倫多大學，BP，DBN）,YoshuaBengio(蒙特利爾大學，GAN）和YannLeCun（Facebook人工智能部門主管，CNN）2019年3月27日共同被美國計算機學會（ACM）授予2018年圖靈獎。以表彰他們提出的概念和工作使得深度學習神經網絡有了重大突破。

談及頒獎緣由，ACM總裁CherriM.Pancake說到：“人工智能現在是所有科學領域發展最快的領域之一，也是社會上最受關注的話題之一。人工智能的進步和興盛在很大程度上歸功于Bengio、Hinton和LeCun為深度學習最新進展奠定的基礎。這些技術被數十億人使用，任何一個擁有智能手機的人都能切實體驗到自然語言處理和計算機視覺方面的進步。除了我們每天使用的產品之外，深度學習的新進展還在醫學、天文學、材料科學等領域為科學家提供了強大的新工具。”JürgenSchmidhuber1997年提出了LSTM2018年圖靈獎1.1.1人工智能的定義誕生1943年MP神經元模型，1949年Hebb規則的提出，1950年MarvinMinsky和DunnEdmund一起建造世界上第一個人工神經網絡模擬器Snare。1950年AlanTuring提出了圖靈測試，預言了人工智能的可行性。第一次高峰1956年的達特茅斯會議是人工智能發展的第一次高峰的起點。在這次會議后計算機科學被廣泛的應用到很多領域，也讓很多研究學者看到了人工智能發展的美好未來。1958年Rosenblat提出的感知機。第一次低谷1970年代，人工智能進入艱難發展時期。由于當時計算機性能的嚴重不足，問題的復雜度增加以及數據量的不足使機器很難的智能化，使人工智能進入到第一次低谷。人工智能的崛起1980年，卡內基梅隆大學設計的名為XCON的專家系統，采用了人工智能程序，利用人類專家的知識與解決問題的方法來處理對應領域的問題。這種模式催生出了Symbolics和Aion等硬軟件公司，也直接造就了人工智能的崛起。1982年的Hopfield網絡；1986年的BP算法，解決了多層感知機的訓練難題。11983年Button提出自適應評判控制。1991年Brokers的機器動物。第二次低谷1987年，蘋果和IBM公司生產的臺式機的性能超過LispMachines等廠商生產的通用計算機。在這之后，專家系統的優勢喪失，人工智能的發展進入第二次低估。1990年之后淺層神經網絡沒有展示人們期望的能力。人工智能的再次崛起2006年，Hinton提出深度學習神經網絡，成為人工智能再次轉折點。2012年在ImageNet大賽中取得了重大突破，被廣泛認為是深度學習革命的開始。2012年googele公司提出的知識圖譜，近幾年在網絡搜索引擎、知識問答、產品推介上取得了巨大成功。2016-2017，AlphaGo戰勝李世石，人工智能的熱度達到空前的高度。2018年深度學習之父獲得了圖靈獎。2016年以來，人工智能從學術界走向產業界，已成為科技革命的先鋒。2022年11月30日ChatGPT的出現已初顯人工智能的“奇點”時刻的來臨。（“奇點”，2014年美國未來學家庫斯韋爾預測2047年是人工智能的奇點。）1.1.2人工智能的發展歷史1.1人工智能的定義及發展歷史02人工智能方法1.2人工智能方法

人工智能誕生以來，出現了許多人工智能方法，如基于邏輯思維的傳統AI和基于模擬人腦形象思維的ANN。2006年，人工智能再次崛起以來，人工神經網絡已成為人工智能的核心技術。目前，人工智能技術主要包括人工神經網絡、知識圖譜、圖神經網絡、生成式模型和機器學習方法。1Texthere圖神經網絡生成式人工智能機器學習人工神經網絡圖神經網絡將圖模型與神經網絡技術相結合形成的圖神經網絡，2018年以來，成為人工智能的研究熱點，已提出了圖卷積神經網絡、圖循環神經網絡、圖注意力網絡和時空圖神經網絡等圖神經網絡技術。生成式模型生成式人工智能模型包括變分自編碼器，生成對抗網絡（GAN），流模型和擴散模型。以Transformer中的編碼器、譯碼器或Transformer整體為基礎的大模型在文字生成文字方面已經取得了超越普通人的成績，以生成對抗網絡和擴散模型為基礎的文字生成圖像、圖像生成圖像和視頻方面的成果也已達到以假亂真，甚至超越人類藝術家的水平。人工神經網絡人工神經網絡是通過模擬人的大腦神經元組成神經網絡，進而產生具有類似人的智能的人工智能技術。人工神經網絡從最初的神經元和以神經元為基礎組成單層神經網絡（感知機），發展出了含有隱層的僅有前向連接的多層神經網絡、含有反向連接的循環神經網絡、包含注意力機制的深層神經網絡和循環神經網絡以及有自注意力機制和前向神經網絡組成的Transformer變形金剛。機器學習方法機器學習方法是人工智能的核心技術之一，主要用于確定各種人工智能模型的參數。機器學習方法包括監督學習、無監督學習、半監督學習、遷移學習、持續學習和強化學習等方法。知識圖譜知識圖譜是2012年谷歌公司在傳統的知識工程技術上提出的用圖模型表示知識、實現知識推理的技術。知識圖譜技術給出一種全新的信息檢索模式，為解決信息檢索問題提供了新的思路。本質上，知識圖譜是一種揭示實體（事物）之間關系的語義網絡，可以對現實世界的事物及其相互關系進行形式化描述。1.2人工智能方法知識圖譜人工智能方法人工神經網絡

1943年提出了M-P模型，1958年提出的單層感知機是在M-P神經元上發展得來，只能解決簡單線性問題而不能解決異或問題，而堆疊的多層感知機（多層神經網絡）可以，所謂深度學習，狹義的說就是很多層的神經網絡，尤其涉及語音、圖像等復雜對象的應用中，深度學習取得了優越的性能，當前引起廣泛關注的，被稱為改變世界的大語言模型LLM也是以人工神經網絡基礎模型構成的。1.2人工智能方法1.人工神經網絡及其發展

知識圖譜(KnowledgeGraph)（2012年5月17日由Google正式提出）知識圖譜旨在描述真實世界中存在的各種實體或概念及其關系，一般用三元組表示知識圖譜亦可被看作是一張巨大的圖，節點表示實體或概念，邊則由屬性或關系構成中國國家美國日本英國北京9,634,057平方公里13.5404億2069.3萬北緯38°56'東經116°20'3.1525億華盛頓9,629,091平方公里北緯38°53′西經77°02'178平方公里16410平方公里1.26億377835平方公里東京2188平方公里東經140°50'北緯35°44'……面積人口首都緯度經度面積人口1.2人工智能方法2.知識圖譜通用知識譜圖神經網絡

早在1997年就已有人用遞歸神經網絡開始研究圖模型的識別，2009年FrancoScarselli等人提出了圖神經網絡的概念，2018年后DeepMind發表了論文《Relationalinductivebiases,deeplearning,andgraphnetworks.》，并開源了相關的算法包GraphNet，使圖神經網絡引起了研究人員的廣泛關注。

本質上說，世界上所有的數據都是拓撲結構，也就是網絡結構，如果能夠把這些網絡數據真正的收集、融合起來，如何利用神經網絡技術處理這些復雜的拓撲數據，如何開創新的處理圖數據以及知識圖譜的智能算法是AI的一個重要方向。1.2人工智能方法3.圖神經網絡通用知識圖譜

生成式人工智能（AIGC），全稱ArtificialIntelligenceGeneratedContent，是一種人工智能技術，用于自動生成內容，該內容在很大程度上類似于通過訓練數據學到的內容分布。與傳統的人工智能主要關注數據模式的識別和預測不同，AIGC專注于創造新的、富有創意的數據。其核心原理在于通過學習和理解數據分布，進而生成具有相似特征的新數據。AIGC的應用領域廣泛，包括圖像、文本、音頻、視頻等多個領域。目前，AIGC中最引人注目的應用之一是ChatGPT，這是基于OpenAI公司的大型語言模型GPT-3.5訓練、調試和優化的聊天機器人應用。ChatGPT可以處理各種不同類型的文本和推理任務，它在發布僅兩個月內就獲得了10億月活躍用戶，超越了歷史上所有互聯網消費者應用軟件的用戶增長速度。1.2人工智能方法4.生成式人工智能技術AIGC的迅速發展得益于三個關鍵領域的人工智能技術，即生成算法、預訓練模型和多模態技術。通用知識圖譜

機器學習方法是研究如何使機器具有學習能力的理論方法。目前深度學習（神經網絡）的訓練（學習）是基于最簡單的梯度下降技術的有教師（監督）、無教師（監督，自編碼器采用的訓練方法）的訓練方法，必須有大量樣本作為支撐，因此目前取得很好應用成果的基本都是掌握大量數據資源的大公司。現實中許多問題（研究對象），難以獲取大量樣本，即使能夠獲得大量樣本，但對其標注工作量巨大難以完成。為此，近些年來，尤其是這幾年如何解決小樣本問題已成為機器學習的熱點問題。

近年來廣受關注的小樣本學習方法有：增強學習、對抗學習、遷移學習、元學習、零（少量）樣本學習、終身（持續）學習、弱監督學習、自監督學習等.1.2人工智能方法5.機器學習03人工智能的應用人工智能應用場景無人駕駛智慧物流智慧安防智慧醫療智慧環保智慧旅游智慧農業智能制造智慧交通智慧金融智慧教育智慧家居智慧零售智能客服1.3人工智能的應用中國制造2025：工廠里面每一個系統、每個設備、每個材料都能相互溝通，按照不同的需求自動處理訂單，實行智慧生產。智能制造工業革命1.0蒸汽機時代蒸汽動力取代人力機械化生產1760S工業革命2.0電氣化時代電力驅動取代蒸汽動力發動機、汽車大規模流水線生產1850S工業革命3.0自動化時代電子計算機、信息技術原子能、空間技術自動化生產1970S工業革命4.0智能化時代AI+ICT人機協同決策智能制造2010S1.3人工智能的應用智能制造/landing/vision/pr_3d_robot_vision.jsp?aw=gabaidukcvisials200630067人眼檢測效率很大程度上取決于檢驗員的能力、經驗、專心程度，容易導致遺漏、分類錯誤等問題。智能分揀系統實現了零件的自動檢測與分揀。通過三維視覺成像及檢測分析技術自動識別零件是否合格，不受工件位置或朝向的影響。機械臂控制端計算出適合的運動路徑，實現零件的穩定抓取與分揀。1.3人工智能的應用智能制造系統一般架構智能制造設計采購管理服務生產系統感知智能決策精準控制工作模型制造數據機器學習縮短產品周期降低綜合成本提高生產效率提升用戶體驗需求構建智能模型實施重塑生產方式物聯網AI基于貫穿5G通信深度感知大數據云計算1.3人工智能的應用智慧農業實時動態地監測作物形態變化，研究外界環境對作物生長狀況產生的影響和作物生長機制具有重要意義。基于深度學習的植物生長模型庫，實時采集、分析、診斷，建立植物生長模型，應用深度神經網絡算法，實現植物生長狀態判斷與預測。1.3人工智能的應用智慧安防在園區安防中的應用在刑偵辦案中的應用借助人工智能在視頻內容特征提取和內容理解方面的天然優勢。利用人工智能強大的計算能力和智能分析能力實時分析視頻內容。檢測運動對象，識別人和物的屬性信息。可移動巡檢機器人可以代替安保人員進行定期巡邏，讀取儀表數值，發現潛在的風險。園區人員、車輛出入門禁管理，實現人車物實施跟蹤定位。可疑人員的運行軌跡、逗留時間、違規訪問。1.3人工智能的應用智慧安防運用行為分析技術對實時視頻進行智能分析，支持穿越警戒面、進入/離開區域、區域入侵、非法停車、物品遺留、物品丟失、人員徘徊、快速移動、人員聚集等多種事件的分析檢測。支持行為排查、人員排查和車輛排查功能，快速定位目標視頻片段，提高視頻查看效率。支持自動報警，提高監控的效率，實現智能化監控防范。1.3人工智能的應用智慧醫療1.3人工智能的應用智能家居一般包括：

智能中控智能音箱

智能照明

智能入口

智能安防

智能家電控制

智能暖通系統

智能環境

智能窗簾

智能背景音樂智能家居華為智能家居tvc廣告-廣告:家電視頻-新片場()1.3人工智能的應用智慧商務智能商務主要包括輔助智能交易、智能化拓展業務和企業商務智能化。智能商務代替人做決策行動，商品服務選擇、交易自動完成、互動自動實現、業務挖掘。用戶：提升消費體驗，語音服務、圖像服務、新聞推薦、產品推薦和廣告過濾等智能服務。商家：提升經營效率，需求分析、用戶畫像、精準營銷、智能客服、動態定價。智能客服商品推薦廣告過濾市場分析精準營銷動態定價VR購物客戶群定位1.3人工智能的應用智慧文娛AI+文娛AI+音樂AI+影視AI+創作AI+綜藝AI+虛擬偶像AI+游戲1.3人工智能的應用04人工智能的未來政策法規人工智能作為全球各國發展數字化的重要技術手段，已經由早期的“野蠻生長”邁入“規范構建”的階段。當前各國通過政策手段對技術邊界做出的規范，其重要性與從戰略層面對產業進行的推動并駕齊驅。截至2020年年底，全球共有32個國家和地區發布了人工智能國家級戰略文件，另有22個國家和地區正在制訂相關文件。1.4人工智能的未來國家/地區主要特點政策法規大事記中國以人為本，政府優先，起步雖晚，但是國家戰略領先全球2017年，“人工智能”首次寫入政府工作報告，同年發布《新一代人工智能發展規劃》，提出三步走的戰略規劃，人工智能上升為國家戰略2020年，“十四五”規劃中提到“強化國家戰略科技力量，瞄準人工智能、量子信息、集成電路等重大科技項目”2021年，作為“十四五”規劃的開局之年，人工智能有望繼續得到大力發展美國以科技行業為主導，持續加大投入，旨在維持美國優先地位2016年，發布《為人工智能的未來做準備》和《國家人工智能研究與發展戰略計劃》兩份重要報告，人工智能上升為國家戰2019年，發布一項題為“加速美國在人工智能領域的領導地位”的行政命令，美國監管機構開始接觸人工能2020年，發布一份關于聯邦機構對人工智能監管方法的備忘錄，同年發布《人工智能倡議首年年度報告》，回顧在人工智能方面取得的進展，為未來的AI計劃提出長期愿景歐盟以隱私和監管為驅動，高度關注數據保護和AI倫理，監管政策最為嚴格2018年，發布《人工智能協調計劃》，要求歐盟成員以及挪威、瑞士等歐洲國家互相合作協調，推進人工智建設2020年，歐盟委員會發布關于人工智能監管框架的步提案2021年，推動人工智能立法，對人工智能使用領域做出明確框定和限制，使人工智能在“可被信任”的前提下造福社會亞太積極推進人工智能國家戰略2017年，日本首次推出人工智能戰略文件，并于2019年進一步通過《AI戰略2019》文件以期解決日本所面臨AI問題2019年，韓國、新加坡等國相繼將人工智能上升為國家戰略政策法規1.4人工智能的未來11.4人工智能的未來2022年，生成式人工智能取得的突破性成果，使人工智能在文本語言理解、繪畫和圖像生成方面初步展