第6章人工智能概述人工智能的概念01人工智能發展歷程02人工智能的研究方法03人工智能的典型應用04本講提綱人工智能發展面臨的挑戰與AI倫理05

人工智能（ArtificialIntelligence,AI）通常是指由人創造出來的機器所表現出來的智能。

在信息技術特別是物聯網、大數據和云計算等新一代信息技術的支撐和相互促進下，人工智能成為了當代經濟與社會發展新的增長引擎。6.1什么是人工智能6.1什么是人工智能智能：

智能是指個體或系統通過感知、記憶、思維、學習等多個認知過程，獲得和運用知識解決實際問題的能力。

智能是一個復雜而多維的概念，其基本組成要素包括：知識經驗、認知能力、問題解決能力和適應能力等。6.1什么是人工智能人類智能：

現有的認知科學和神經科學研究基本表明，人類大腦的不同區域和神經網絡通過復雜的交互作用，共同實現各種認知功能和智能行為。

低層智能主要由小腦和脊髓負責，主要完成動作反應活動；

中層智能主要指各種感知活動，由丘腦和中腦構成的感覺中樞系統完成；

高層智能則以大腦和大腦皮層為主，主要完成記憶、思維和學習等活動。6.1什么是人工智能

人類憑借自身的智能在不斷加深對所處世界乃至外太空的認知和改造的同時，也在積極探索人腦奧秘、其他生命體智能以及建造“類人類智能”設備的可能性，這催生了人工智能（ArtificialIntelligence,AI）學科領域的研究與發展。6.1什么是人工智能

圖靈機與圖靈測試：

1937年，圖靈機（Turingmachine）用形象的方式描述了使用機械運算實現自動計算的全過程。

1950年，圖靈發表令人廣泛關注的論文《計算機器與智能》，提出圖靈測試（TuringTest），試圖驗證機器是否具有智能。6.1什么是人工智能

人工智能的概念：

1956年8月，達特茅斯會議，約翰·麥卡錫、馬文·明斯基、納撒尼爾·羅徹斯特、克勞德·香農、艾倫·紐厄爾以及赫伯特·西蒙等。

人工智能就是要讓機器的行為看起來就像人表現出的智能行為一樣。也就是說，人工智能的核心目標是開發出行為像人一樣的智能機器。6.1什么是人工智能

希爾勒的中文房間：

1980年，約翰·希爾勒認為麥卡錫的觀點和圖靈測試都過分強調了行為表現，而忽略了思維過程。

在希爾勒看來，機器只能在功能上模仿人類，而無法真正擁有智能。6.1什么是人工智能

弱人工智能（weakAI）：

弱人工智能主要是指僅擅長某個應用領域的人工智能，不具備特定領域外的問題解決能力。

這類人工智能只關注限定領域解決特定的問題，如現在我們經常接觸到的圖像和人臉識別、語音處理與機器翻譯、專家系統、機器視覺、智能工廠里的機器人等等。6.1什么是人工智能

強人工智能（striongAI）：

強人工智能是指達到人類水平的人工智能，在各方面可與人類相提并論，在通用領域可勝任人類的所有工作，因此又被稱為通用人工智能或者完全人工智能。

此時，機器將具有“思維”能力，它能通過觀察、分析、歸納和總結，然后做到像人腦一樣進行獨立思考、推理、判斷和決策。6.1什么是人工智能

超人工智能（superAI）：

超人工智能的定義比較模糊，通常是指它可以比世界上最聰明的人類還要聰明，其智慧程度遠超人類智慧，就像科幻片中的智能機器人一樣，此類機器具備較強的學習和主動思考能力，并能不斷進化，甚至最終人類將無法理解機器的思維內容和思維方式。目前我們所提及的人工智能主要都是指弱人工智能6.2人工智能的發展6.2人工智能的發展

1.萌芽期——人工智能的誕生和初步發展（20世紀50年代-20世紀80年代）

（1）圖靈機和圖靈測試（2）1943年，“神經元”網絡對信息處理的數學模型，MP模型

（3）1956年，達特茅斯會議，“人工智能”術語，人工智能元年

（4）1957年，弗蘭克·羅森布拉特，感知機（thePerceptron）

（5）1958年，麥卡錫創造了人工智能的編程語言LISP（ListProcessing）

（6）1970年初，日本早稻田大學發明了世界上第一個人形機器人

可見，這一階段主要圍繞機器自動定理證明、代數問題求解以及英語學習和使用等方面，模型泛化能力不足。6.2人工智能的發展

2.探索期——人工智能的應用發展和產業化（20世紀80年代-21世紀初）

（1）

專家系統與知識工程：XCON，MYCIN（2）1982年，Hopfield網絡

（3）1986年，魯梅哈特和麥克萊蘭提出基于BP（BackPropagation）神經網絡

（4）1995年，瓦普尼克，統計學習理論與SVM

（5）1997年，IBM，深藍（DeepBlue）

6.2人工智能的發展

3.高速發展期——人工智能的蓬勃發展（2006年至今）

2006年，杰弗里·辛頓(GeoffreyHinton)和他的學生在《科學》雜志上發表文章，對多層神經網絡模型的“梯度消失”問題給出解決方案，并正式提出“深度學習（DeepLearning）”技術，由此開啟了深度學習為主流的人工智能研究新時代。（1）2012年，AlexNet模型在ImageNet圖像識別大賽中獲得冠軍

（2）2015年，ResNet網絡的錯誤識別率第一次超越了人類

（3）2016年，谷歌公司的AlphaGo戰勝人類圍棋手李世石

（5）2018年，百度公司，語音識別的準確率接近98%

AI時代已來。作為一個新時代的技術核心，AI已成為各行業必備的基本技能和典型技術應用平臺，必將以“AI+傳統行業”的方式對各行各業產生深遠的影響。6.3人工智能的研究方法6.3人工智能的研究方法1．符號主義（Symbolicism）

邏輯主義、心理學派或計算機學派，其基本思想認為人類的認知過程就是各種知識符號的運算過程，知識可用符號進行表示，符號可通過推理進行運算，人類的認知過程就是通過符號邏輯推理進行問題求解的過程。可見，符號主義認為智能是一種基于符號的邏輯和計算過程，通過知識和規則進行決策，即用邏輯表示知識和求解問題。

定理證明，專家系統，知識工程，知識圖譜

知識難以完備表達6.3人工智能的研究方法

2．連接主義（Connectionism）

仿生學派或生理學派，其主要思想是通過模擬人腦結構和功能來實現人工智能。這一學派認為思維的基元是神經元，神經元連接組成的神經網絡實現各種智能和功能，不同結構的網絡將表現出不同的功能和行為。連接主義通過模擬人類大腦的神經網絡結構，構建人工神經網絡（ArtificialNeuralNetwork,ANN）計算模型來研究智能問題。

淺層神經網絡，深度網絡，大模型

模型難以解釋6.3人工智能的研究方法

2．連接主義（Connectionism）6.3人工智能的研究方法

3．行為主義（Actionism）

進化主義或控制論學派，其理論基礎源于控制論。該學派認為智能是通過不同的行為模塊與環境進行交互并產生不同的行為。因此，行為主義學派致力于構建感知-動作型控制系統，并認為人工智能可以和人類智能一樣是可以逐步進化的。

walkman機器昆蟲，機器人控制系統

難以實現復雜的仿生系統6.4人工智能的典型應用智能推薦圖像處理（圖像分類，目標檢測，目標跟蹤）語音識別智能交通智慧醫療智慧農業、AI輔助教育、智能制造、智能家居、智慧物流、智能安防6.5人工智能面臨的挑戰算力基建數據饑荒數據偏見數據安全模型可計算型模型可解釋性6.6AI倫理問題