5.1 人工智能的产生与发展（教学课件）信息技术浙教版2019必修1

该高中信息技术课件聚焦人工智能的概念与发展历程，以2035年智能社会规划及生活实例导入，通过小组讨论辨析概念、梳理背景，结合符号主义等三大学派构建知识支架，衔接发展历程中的关键节点与技术演进。 其亮点在于以生活案例（如人脸识别、AlphaGo）驱动探究，通过小组合作与问题引导培养计算思维，结合课堂小练强化信息意识。结构化小结与实例分析助力学生深化理解，为教师提供清晰教学路径，提升教学效率。

第五章 人工智能及应用 第1节 （1课时） 人工智能的产生与发展 教材版本册别：浙教版（2019）必修1 高中信息技术 学习 目录 01 人工智能的概念 人工智能的发展历程 02 学习目标 1 2 了解人工智能产生及其发展历史，能初步辩证地看待人工智能的发展。 理解人工智能的概念，能结合实例辨别人工智能技术； 一 课堂导入 智能 社会 2035年，我国将全面进入智能社会，那么同学们，你们了解人工智能的产生与发展历程么？ 一 课堂导入 近年来，人工智能已经深刻而广泛地影响着人们的生活。从刷脸支付到交通出行预测，从扫地机器人到无人驾驶飞机，从“深蓝”到AlphaGo，都渗透着人工智能的创新应用。 人们依靠智能导航出行，通过语音与机器互动，应用智能工具搜索知识信息……已自觉或不自觉地处于人工智能的环境中。 Part 1 人工智能的概念 一 人工智能的概念 请同学们相互讨论一下，并列举身边的人工智能有哪些？ 智能诊断系统 微信语音转文字 同声翻译 人脸 识别 扫地机器人 小冰写诗 手写识别 …… 一 人工智能的概念 想一想 以小组为单位，讨论交流什么是人工智能，并进行分享。 人工智能，是指以机器（计算机）为载体，模仿、延伸和扩展人类智能，其与人类或其他动物所呈现的生物智能有着重要区别。 一 人工智能的概念 以小组为单位讨论交流并总结归纳人工智能产生的背景是什么？ 1 数学和统计学的发展：数学和统计学是人工智能的重要理论基础。 2 控制论和信息论的发展：控制论和信息论为人工智能的发展提供了理论指导。 3 随着社会的发展，人类面临着越来越多复杂的问题，如大规模数据分析、复杂系统的控制与优化等。 4 计算机技术的发展：计算机的出现和快速发展为人工智能的产生提供了物质基础。 5 认知科学是研究人类认知过程和智能本质的学科。神经科学的发展以及哲学和心理学的发展。 6 工业革命以来，人类一直在寻求提高生产效率的方法。人工智能技术可以实现自动化生产、智能物流、智能管理等，从而大大提高生产效率和质量。 一 人工智能的概念 人工智能作为一门多学科广泛交叉的前沿科学 人工智能学科结构 涉及众多学科 一 人工智能的概念 符号主义 联结主义 行为主义 在长期的研究过程中，不同专家学者通过从不同方面来实现人类智能，形成了人工智能的三种主要方法。 一 人工智能的概念 符号主义 逻辑主义、心理学派或计算机学派。 认为学习或者其他的智能特征原则上均可以被符号精确地描述，从而被机器仿真。因此，在符号主义人工智能中，智能行为就是对符号的推理和运算。在这种方法中，每个符号反映了其在客观世界中的语义，如IsCar（A）表示A这个符号为“小车”或者“不为小车”。但是，人类某些语义并不能被精确描述，如“仁义”“微笑”等语义就很难直接用符号来描述。 一 人工智能的概念 大前提 结论 推理 小前提 所有的手机都需要充电 iphone是手机 iphone需要充电 一 人工智能的概念 联结主义 Connectionism 仿生学派或生理学派 通过模仿人类大脑中神经元之间的复杂交互来进行认知推理。 两个神经元之间的权重很大，表示输入端数据激活了这两个神经元。 需要从海量数据出发，学习神经网络中成千上万的神经元之间的关联关系，这些关联关系通过神经元之间的链接权重来刻画。 如果 所有被激活的神经元以逐层递进的形式来一起刻画数据中所蕴含的模式（即概念或知识）。 在这种方法中 于是 目前性能表现优越的深度学习就是这种学习方法的典型代表。 一 人工智能的概念 信息 大脑思考 结论 深度学习 一 人工智能的概念 行为主义 Actionism 进化主义或控制论学派 案 例 这一方法从“交互—反馈”角度来刻画智能行为，认为智能体可以在与环境的交互中不断学习，从而提升自己的智能水平。 如将一台扫地机放入一个会场，其事先并不知道会场中桌椅的摆放形式。于是，扫地机在运动中不断从环境中学习，如墙壁挡路则避让、桌椅空隙过窄难以通过则后退等，经过一段时间的交互，扫地机就通过学习获悉了环境的全貌，从而提升自身智能水平而自如地执行清扫任务。 一 人工智能的概念 请自主思考列举通过机器为载体所实现的人工智能与人类智能的不同之处！ 机器实现的人工智能与人类智能有很多不同。人类智能具有主观性、情感性和创造性，能在复杂情境中产生独特感悟。而人工智能基于数据和算法，缺乏情感体验。人类智能在面对新问题时可凭借直觉和灵感，人工智能则需大量数据训练。人类能综合多方面因素进行模糊判断，人工智能的判断较为精确但相对局限。此外，人类智能的学习具有自主性和主动性，人工智能的学习是被动按照程序设定进行，缺乏真正的自我意识和自主探索能力。 Part 2 人工智能的发展历程 二 人工智能的发展历程 早在19世纪中期，科学家就萌发了让机器进行自动计算的思想。 艾达·洛夫莱斯（Ada Lovelace）为当时的一台分析机编写了历史上第一个计算机程序，该程序可自动计算伯努利数（Bernoulli number）。但是，她指出“分析机不能自命不凡，以为自己无论什么问题都能解决。其实它只能完成我们告诉它 如何做的事情”。实际上，这道出了大多数“智能系统”只能“机械执行预 先设定指令”，无法完成超越指令所指定的任务 的实质。 1842年 人工智能自1955年登上历史舞台后，在视觉计算、语音识别、机器翻译、问答助理、商品推荐和无人系统等领域蓬勃发展。 1955年 二 人工智能的发展历程 从计算到智能测试 1 20世纪初 人们发现有许多问题经过长期研究，仍然找不到有效的算法。如，无法以清晰的步骤一步一步地证明或证伪著名的费马定理（即当n大于2时，关于x，y，z的方程xn + yn = zn没有正整数解）。于是人们开始怀疑，是否对某些问题来说，根本就不存在算法，即这些问题是不可计算的。人们开始思考，计算的本质是什么，如何去定义计算。 20世纪30年代 三种计算机制相继被提出，它们分别是原始递归函数、lambda演算和图灵机。已经证明，这三种计算机制在性能上是等效的，即任何一种计算机制所能完成的计算任务均可被其他两种计算机制同样完成；另一方面，如果某一计算任务不能被某一计算机制完成，那么这一任务也无法被其他两种计算机制完成。 二 人工智能的发展历程 由于图灵机可以通过最简单、最基本和最确定的方法，一步一步机械地完成计算任务，图灵机成了现代计算机的理论模型，而其发明人阿兰·图灵也被誉为“现代计算机理论之父”，计算机界的最高奖“图灵奖”就是用其名字来冠名的。 图灵机模型 二 人工智能的发展历程 由于三种计算机制是等效的，因此我们可定义所谓的可计算任务就是图灵可停机任务，即这一任务可通过图灵机一步一步处理，在处理结束（即程序停机）时输出计算结果。 图灵在1937年发表的论文《论可计算数及其在判定问题中的应用》，证明了“不可计算数”的存在，即存在一些“不可计算（不可停机）”的任务。 图灵测试 计算机的诞生为通过机器来模拟人类智能提供了无限的想象空间，促进了 人工智能的发展。图灵对“智能测 试”这一问题也进行了深入思考， 1950年提出了著名的“图灵测试” （Turing Test）。 二 人工智能的发展历程 在这个测试中，一台机器和一个人被安排在两个彼此隔离的房间中。假设一名法官给机器和人出了10道题目（如人生的意义是什么、节假日中城市景区交通如何等）。如果我们把机器和人的答案收集起来，法官无法区分哪个答案是机器回答、哪个答案是人回答的，那么图灵测试认为机器具有了智能。虽然在2014年图灵测试竞赛上，一个智能程序通过了图灵测试，但是有科学家认为这种测试并不能真正评估人工智能是否具有人类心智，因此又提出了“视觉图灵测试”等概念。 图灵测试是测试机器是否具有智能的一种方法。 二 人工智能的发展历程 2 人工智能登上历史舞台 纳撒尼尔· 罗切斯特 约翰·麦卡锡 马文·明斯基 香农 1955年8月 “人工智能达特茅斯夏季研讨会”的项目申请书 人工智能 AI踏入了人类历史长河 这份项目申请书中指出“人工智能” 的研究目标是实现能模拟人类的机器，机器能使用语言，具有概念抽象和理解能力，完成人类自身才能完成的任务，并且不断提高自身的各种能力。 二 人工智能的发展历程 申请书中同时希望洛克菲勒基金会能够于1956年夏季资助十余人在美国达特茅斯学院工作两个月 基于神经网络的概念理解 自动计算机 自我 学习与提高 抽象 能力 直觉 能力 机器编程 计算复杂性 研究人工智能领域面临的七个问题 二 人工智能的发展历程 1956年，这个研讨会在美国达特茅斯学院如期召开，这标志着人工智能作为一门新兴学科正式诞生。 符号主义人工智能 联结主义人工智能 行为主义人工智能 人工智能从其诞生之日起，开始了漫长的征途 二 人工智能的发展历程 3 以符号主义表达与推理为代表的人工智能 概念 方法 案例 符号主义人工智能方法认为学习或者其他的智能特征原则上都可以被精确地描述（一般以逻辑形式描述），其包含知识库和推理引擎两个部分。 在这种方法中，先要将所有知识以逻辑形式表达，然后依靠推理引擎，去验证命题或谓语正确与否，或者学习推导出新规则、新知识。 如IBM研制的“沃森”（Watson）和卡耐基梅隆大学研制的NELL（Never Ending Language Learning，永不停息的语言学习）。 二 人工智能的发展历程 1 9 6 5 年 在斯坦福大学化学专家的配合下，爱德华·费根鲍姆（Edward Feigenbaum）成功研制了第一个专家系统DENDRAL。DENDRAL是化学领域的一位“专家”，在输入化学分子式和质谱图等信息后，通过分析推理来判断有机化合物的分子结构，其分析能力已经接近甚至超过了有关化学专家的水平。DENDRAL专家系统为早期人工智能的发展树立了典范，虽然它只是在实验室内试验，但其意义远远超出了它在实用中创造的价值。 1 9 7 6 年 斯坦福大学的肖特列夫（Shortliff）开发了医学专家系统MYCIN（这个系统在知识工程领域被视为“专家系统的设计规范”）。在MYCIN的知识库里，存放着约450条判别规则和1000条细菌感染方面的医学知识。MYCIN通过文字形式一边与患者对话，一边进行病情诊断。它通过分支结构规则进行病情诊断，显示患者可能性最高的病因，并给出用药建议。 二 人工智能的发展历程 费根鲍姆在第五届国际人工智能大会上提出了“知识工程”的概念，为规则驱动或知识驱动的人工智能指明了方向。所谓知识工程，即尽可能对人类知识进行逻辑编码，然后通过推理引擎对编码知识进行操作，形成某一领域的“专家系统”。 1977年 在这种方法中，知识的精确化编码是阻碍符号主义人工智能发展的一个瓶颈问题。 推理引擎会从“所有的鸟都会飞”和“鸵鸟是鸟”这两条知识出发，推导出“鸵鸟会飞”这条错误知识。造成这个结果的原因是“所有的鸟都会飞”这条知识表述得不严密和不精确。 人类很多知识（如视觉知识或灵感等）是无法通过符号编码的，如很难想象如何用符号来表达“仓廪实而知礼节”所蕴含的丰富内涵。 基于规则学习的人工智能方法解释性强（与人类逻辑推理过程相符），但其可拓展性较弱，难以构建完备的知识库和完善的推理方法。 二 人工智能的发展历程 4 数据驱动的人工智能方法 手工构造知识库+推理引擎 专家系统 优点 缺点 能够帮助人们解决一些实际问题 随着需要解决的问题越来越复杂，这种方法需要手工构造越来越多的知识和规则，导致知识库越来越庞大且无比复杂，维护知识库变得越发困难（如难以增加新知识或难以删除不合适的知识点），同时使得专家系统本身也越发笨拙。 如果机器人掌握了除学习以外的所有能力，人类很快就会抛弃它 地说明了“专家系统”的局限性，也为人工智能的进一步发展提供了启示，即如何让计算机能从数据本身进行知识学习，而不是单纯依赖专家来手工构造知识。 二 人工智能的发展历程 在这一方面，深度学习成为数据驱动人工智能方法的佼佼者。深度学习是一种对原始数据所蕴含的特征模式进行学习的算法模型。最常用的深度学习模拟人类大脑处理数据的机制，逐层抽象对原始数据进行学习。多层神经网络（包含输入端、隐藏层和输出端）是一种典型的深度学习模型，如左图所示。 多层神经网络 二 人工智能的发展历程 深度学习 注意 案例 作用 一旦给定标注数据，根据“端到端（即输入端到输出端）”机制从数据出发，即可学习数据中蕴含的概念或模式，而不需要事先手工构造知识库。 给定数万张人脸图像，深度学习从这些人脸图像出发，学习挖掘人脸图像中像素点的空间分布模式，然后就能基于学习得到的像素点空间分布模式来进行人脸识别。在这种方法中，不用事先定义人脸中“左右眼睛对称、眼睛在鼻子上方”等知识，而是直接从数据出发，从数据中学习隐性知识或隐含模式，来指导原始数据的识别和分类。 这一数据驱动学习模式不但将我们从手工定义知识的烦冗工作中解放出来，而且解决了某些视觉形象难以通过符号文字来定义的难题。 二 人工智能的发展历程 一般会构造包含若干层的神经网络，每一层中有若干神经元，前后相邻层中的神经元彼此联结。 一旦给定海量数据，就可以学习神经元之间的链接权重。 赫布理论（Hebbian theory）指出，神经元与神经元之间的链接权重会在持续重复的刺激下增加。 可将神经网络中神经元之间的链接理解为一种“记忆”，即针对数据中所蕴含的知识而言，神经网络“记忆”了这种知识的模式。 深度学习中 二 人工智能的发展历程 微软公司研究人员通过152层的“深层残差卷积网络”在2015年ImageNet计算机视觉识别挑战赛中取得了96.43%的图像分类正确率。 谷歌公司研发的围棋软件AlphaGo从人类选手棋局中利用深度神经网络学习（由策略网络和价值网络构成）和蒙特卡洛树搜索，初步具备了下棋能力，然后再结合强化学习来进一步提升棋力，于2016年3月战胜了围棋九段棋手李世石。 微软 谷歌 深度学习这一数据驱 动方法在自然语言处理、知识图谱构建、图 像分类、语音识别和视频运动提取等领域表现出良好的性能 二 人工智能的发展历程 5 问题引导下的人工智能学习方法 人工智能典型方法中还存在另外一种学习方式，即问题引导下的试错学习。在这种学习方法中，学习者事先不知道最终答案，而是在学习过程中不断尝试各种解决问题的可能途径，然后根据结果反馈来调整相应的学习方法，这一学习机制叫强化学习。强化学习体现了一种自我学习的能力，即从过去的经验中不断学习，提升能力。如围棋人工智能系统AlphaGo Zero不依赖人类棋手数据而在自我博弈中不断提升棋力，卡耐基梅隆大学研制的德州扑克人工智能Libratus则在与人类选手博弈中不断提高牌技。 Part 3 小结 三 小结 Part 4 课堂小练 四 课堂小练 只需知道数据之间相互链接的顺序 探讨与讨论 1.下列应用中不能体现人工智能技术的是（　 　） A．电子支付系统通过扫描二维码收付款 B．机器翻译实现不同语言之间的翻译 C．手写输入系统将手写内容识别为文本 D．语音输入系统辨识不同用户的发音 A 解析：本题考查的是人工智能。教材上的人工智能包括：语音识别、手写文字识别、光学字符识别、机器翻译等，此外生活中常见的人工智能还有指纹识别、人脸识别、图像识别、自动驾驶技术等。故选项BCD不符合题意，扫描二维码属于信息获取故选：A。 四 课堂小练 只需知道数据之间相互链接的顺序 探讨与讨论 2.智能语音技术在当代已经全面普及人类的生活，下面活动中应用了智能语音技术的是（    ） A.通过“小爱同学”唤醒小米电视机，并通过“开机”控制它打开电视 B.当天黑了家里的窗帘自动拉合 C.智慧家庭应用中，下雨天窗户自动关闭 D.清晨到起床时间，小度智能音箱开始播放音乐提醒主人起床 A 解析：本题考查智能语音技术相关内容。智能语音，即智能语音技术，是实现人机语言的通信，包括语音识别技术（ASR）和语音合成技术（TTS）。通过“小爱同学”唤醒小米电视机，并通过“开机”控制它打开电视。这属于语音识别技术，BCD未应用智能语音技术。故本题答案是A选项。 四 课堂小练 只需知道数据之间相互链接的顺序 探讨与讨论 3.最近一款名为ZAO的APP在网上爆红，其主要功能就是AI换脸。该换脸技术的实现主要是通过训练人工智能模型，从海量的人脸图像数据集中学习到人脸的几何结构以及纹理信息。在生成人脸图像时，模型会根据输入的人脸图像，以及想要替换的人脸图像，通过算法生成一张新的图像。该事例体现的人工智能方法是（     ） A．试错主义 B．符号主义 C．行为主义 D．联结主义 解析：本题考查人工智能技术相关内容。对人工智能研究影响较大的有符号主义、联结主义和行为主义三大学派。符号主义是基于逻辑推理的智能模拟方法模拟人的智能行为。联结主义：受脑科学的启发，把人的智能归结为人脑的高层活动，强调智能的产生是由大量简单的单元通过复杂的相互联结和并行运行的结果。行为主义，是一种基于“感知——行动”的行为智能模拟方法。本题描述符合联结主义。故本题答案是D选项。 D 四 课堂小练 只需知道数据之间相互链接的顺序 探讨与讨论 4.下列关于人工智能、机器学习、深度学习关系描述正确的是（     ） A．机器学习和深度学习分属于人工智能的不同领域 B．人工智能包含机器学习，机器学习包含深度学习 C．机器学习和深度学习的交叉领域即为人工智能 D．机器学习是深度学习研究领域重要的分支之一 解析：本题考查人工智能相关内容。人工智能、机器学习、深度学习三者的关系是人工智能包含机器学习，机器学习包含深度学习。ACD选项描述错误，B选项描述正确。故本题答案是B选项。 B 谢谢！ 高中信息技术浙教版必修1 $