4.1 认识人工智能 课件 2023—2024学年人教/ 中图版（2019）高中信息技术必修1

人教版高中信息技术必修一《数据与计算》 4.1 认识人工智能 人工智能的产生： 1956年在美国达特茅斯学院的一次学术研讨上提出。 人工智能的定义（《人工智能标准蓝皮书（2018）》） 利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。 一、 什么是人工智能？ 2 我国人工智能发展 吴文俊院士提出的几何定理证明的“吴氏方法”对人工智能理论研究做出了很大贡献。“吴文俊人工智能科学技术奖”奖励我国人工智能领域有成就和创新的个人和项目。 我国在语音识别技术、视觉识别技术等方面处于世界领先水平；在自适应学习、直觉感知、综合推理、混合智能和群体智能等领域已初步具备跨越发展的能力。 3 人工智能产业生态的三层基本架构 基础资源层：主要是计算平台和数据中心，属于计算智能； 技术层：通过机器学习建模，开发面向不同领域的算法和技术，包含感知智能和认知智能； 应用层：主要实现人工智能在不同场景下的应用。 基础资源支撑 AI生态逐步形成：基础资源+技术+应用 智能交互 人机交互技术主要研究人与计算机之间的信息交互。包括人到计算机和计算机到人的信息交换两部分。 语音交互功能探究与思考 【原理探究】 1. 语音采集 完成音频的获取、采样、编码 2. 语音识别 语音信息转换为机器可识别的文本信息 3. 语意理解 根据识别转换成的文本或命令完成相应的操作 4. 语音合成 完成文本信息到语音信息的转换 【应用实践】 智能电器、智能导航、智能家居（如：智能音箱、手机智能助手等） 5 图像识别与生物特征识别 体验手写输入，传图识字、人脸验证等操作 【原理探究】 图像识别是利用计算机对图像处理、分析和理解，以识别各种不同模式的目标和对象的技术。图像识别技术是以图像的主要特征为基础的。 生物特征识别技术，是在图像识别基础上发展起来的，是利用生物的特征（如：指纹、虹膜、人脸等）进行识别。生物特征识别是通过个体生理特征或行为特征对个体身份进行识别认证的技术。主要是对生物特征进行取样，从中提取唯一特征，并转换为相应的代码，并进一步将这些代码组合成具有代表性特征模板。识别时进行比对、判断。 【应用实践】交警违章抓拍、人脸签到、指纹签到、图文识别、拍立淘等 6 自然语言处理 体验公众微信号中的智能交互 【原理探究】 自然语言处理技术主要研究人与计算机之间利用自然语言进行有效通信、交流的各种理论和方法。主要研究领域： 机器翻译 从一种自然语言到另外一种自然语言的翻译 语意理解 利用计算机技术对文本篇章理解，并回答相关问题 问答系统 计算机像人类一样用自然语言与人交流，人们向问答系统提交用自然语言表达的问题，系统返回关联性较高的答案 【应用实践】语音控制、siri、小娜、小爱音箱 7 二、人工智能技术体验探究 典型实例 技术应用 体验实践 语音识别 语音输入、语音控制 体验语音输入法 图文识别 OCR、车牌识别 体验OCR、传图识字 生物特征识别 人脸识别、指纹识别 体验人脸识别 机器翻译 在线翻译、翻译软件 体验在线翻译google 机器人 机器人 8 机器学习 【原理探究】 机器学习研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身性能，是人工智能技术的核心。 深度学习是“深度神经网络的学习”，是机器学习的一个重要领域。 9 机器学习的分类 机器学习 监督学习 无监督学习 强化学习 推理期 知识期 机器学习期 人工智能的三个研究阶段 1950s 1970s 1980s 基于符号知识表示 通过演绎推理技术 基于符号知识表示 通过获取和利用领域知识 建立专家系统 神经网络第二个高潮 NP(non-deterministic polynomial-time)难题 中获重大进展 助力大量现实问题 神经网络 第一个高潮期 神经网络以深度学 习之名再次崛起 大幅提升感知智能 准确率 2017 90s中期 统计学习登场并占据主流，支持向量机、核方法为代表性技术 提出支持向量、VC维等概念 统计学的研究成果经由机器学习 研究，形成有效的学习算法 联结学派对大脑进行逆向分析 灵感来自于神经科学和物理学 产生的是“黑箱”模型 神经网络可归置此类 符号学派将学习看作逆向演绎 并从哲学、心理学、逻辑学中寻求洞见 代表包括决策树和基于逻辑的学习 机器学习&深度学习 从以“推理”为重点到以“知识”为重点，再到以“学习”为重点 机器可以自动“学习”的算法，即从数据中自动分析获得