第五章 人工智能及应用（知识清单）信息技术浙教版2019必修1

第四章 数据处理与应用 5.1 人工智能的产生与发展 1.人工智能的概念 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。 人工智能作为一门多学科广泛交叉的前沿科学，不仅涉及计算机科学，还涉及控制科学、认知科学、心理科学、脑及神经科学、生命科学、语言学、逻辑学、行为科学、教育科学、数理科学等众多学科领域。 （1）人工智能的三种主要方法，即符号主义、联结主义和行为主义。 ①符号主义（Symbolicism），又称逻辑主义、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。 ②联结主义（Connectionism），又称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。 ③行为主义（Actionism），又称进化主义或控制论学派，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。 2.人工智能的发展历程 （1）从计算到智能测试 （2）人工智能登上历史舞台 研究人工智能领域面临的七个问题：自动计算机、机器编程、基于神经网络的概念理解、计算复杂性、自我学习与提高、抽象能力、直觉能力。 （3）以符号主义表达与推理为代表的人工智能 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。 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。 （4）数据驱动的人工智能方法 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。 在深度学习中，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。 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。 （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。 5.2 人工智能的应用 1.领域人工智能 依赖于领域知识和数据的人工智能被称为领域人工智能。 2.跨领域人工智能 跨领域人工智能指智能系统从一个领域快速跨越到另外一个领域。 跨领域人工智能不仅依赖于已有数据和已有规则，而且专注于知识和技能的获取，能够举一反三、触类旁通，开展深度推理。 在跨领域人工智能的研究过程中，需要从特殊技能到泛化技能、从单一知识到多源知识、从易到难，永不停息地学习。 3.混合增强智能 混合增强智能是多种智能体的混合形式，它将人的作用或人的认知模型引入人工智能系统，形成“混合增强智能”的形态。 5.3人工智能对社会的影响 1.人工智能改善人类生活 ⑴智能家居 ⑵智慧城市 ⑶智能出行 ⑷智能购物 2.人工智能促进经济发展 人工智能的发展可以为人类社会带来巨大的经济效益。 通过人工智能技术提高生产力、创造全新的产品和服务，是经济竞争和升级的迫切需求。 推动人工智能与实体经济结合，是加快实体经济转型升级的必然发展方向。 3.人工智能带来的社会担忧 （1）人工智能技术将人类从繁复工作中解脱出来的同时，也会取代一些工作岗位； 面对人工智能所带来的就业问题，社会层面上，需要在对人工智能可能带来的就业影响进行判断的基础上，定向调整人才培养方案，从而使未来劳动力供给与经济社会发展需求更加匹配；个体层面上，人们需要改变自己的思维和工作方式，学会与智能机器和谐共处，以适应这种变化。 （2）人工智能技术推动人类社会进步的同时，也可能威胁人类安全。 1 / 6 学科网（北京）股份有限公司 $