5.1人工智能的产生与发展 课件 2026-2027学年浙教版高中信息技术必修一
|
15页
|
16人阅读
|
0人下载
普通
内容正文:
这些‘幻想’今天实现了吗?
这些曾被认为是‘幻想’的场景,都已融入我们的日常生活——这就是人工智能的力量。
今天,我们将一起走进人工智能的世界,了解它是如何从幻想走进现实,又将带我们走向何方。
5.1人工智能的产生与发展
2
5.1.1 人工智能的概念
所谓人工智能,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。
AI不仅仅是单一学科,它融合了计算机科学、控制科学、认知科学、心理学、神经科学、语言学等多个领域。
正是这些学科的交叉融合,推动了人工智能理论与应用的不断突破。在人工智能的发展过程中,专家们提出了三种主要实现智能的方法
计算机的“计算”是什么意思?
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。
计算机就只是计算吗?
计算机
“机器能思考吗?”
5.1.2 人工智能的发展历程
关于机器智能的讨论
判定途径:如果人类由于无法分辨一台机器是否具备与人类相似的智能,导致无法分辨与之对话的到底是人类还是机器,那即可认定机器存在智能。
不定义何谓“智能”,而是先假定智能可以被机器所模拟,然后对机器是否拥有智能给出了一个侧面的判定途径。
机器对人类的“模仿游戏”——图灵测试
1950《计算机器和智能》图灵
1、从计算到智能测试(20世纪中)
人工智能的诞生(1956 年,达特茅斯会议)
1956 年夏天,约翰·麦卡锡、马文·明斯基、克劳德·香农等多位科学家在美国达特茅斯学院里组织了一个为期两个月的研讨会,研究让机器来模拟智能的可能性。
在会上,麦卡锡提出“人工智能”( artificial intelligence, AI)的概念,标志人工智能正式诞生。
2、人工智能登上历史舞台(1956)
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。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。
3、以符号主义表达与推理为代表的人工智能(1965-1980左右)
有学者提出:要想真正使机器具有智能, 一个重要前提是要让机器具有知识
专家系统的关键组件是
推理引擎
知识库
简易知识库
规则1:如果 发烧 且 咳嗽 → 可能 感冒
规则2:如果 发烧 且 喉咙痛 → 可能 扁桃体炎
规则3:如果 腹泻 且 呕吐 → 可能 肠胃炎
规则4:如果 发烧 且 皮疹 → 可能 水痘
医生:
病人:
第一个专家系统是 1969 年发布的 DENDRAL,用于帮助化学家推断物质的分子结构。
1976年,斯坦福大学的肖特列夫(Shortliff)开发了医学专家系统MYCIN,能通过文字形式一边与患者对话, 一边进行病情诊断。MYCIN系统里有450条规则+1000条医学知识,它就像一位严谨的医生,通过‘如果…那么…’的逻辑链,一步一步推理出病因。
IBM研制的“沃森”
卡耐基梅隆大学研制的NELL
(Never-Ending Language Learner,永不停息的语言学习系统)
3、以符号主义表达与推理为代表的人工智能(1965-1980左右)
“医生,我‘心情低落、对什么都没兴趣’——这是什么病?
4、数据驱动的人工智能方法(1980-至今)
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。在这种方法中,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。
很多知识(如情绪、直觉、经验)难以写成明确的规则。这就是符号主义人工智能的瓶颈:
提取特征
深度学习过程
获取数据
获取数据
调用模型
训练模型
4、数据驱动的人工智能方法(1980-至今)
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。
神经网络模型
4、数据驱动的人工智能方法(1980-至今)
https://www.openinnolab.org.cn/pjlab/aifrontlab
在深度学习中,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。因此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,神经网路“记忆”了这种知识的模式。
多层特征提取
若干特征检测专家、负责检测特征
不同层之间要传递信息
每一层之间的占比
找多了,会几个层一起找,链接权重会增加
会记住最高效的权重数据
4、数据驱动的人工智能方法(1980-至今)
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。
5、问题引导下的人工智能学习方法(1990-至今)
问题引导下的试错学习,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。
# 行为主义(扫地机器人):
第一次:右转10度 → 还是撞了 → 不好
第二次:右转20度 → 轻轻擦过 → 还行
第三次:右转25度 → 完美避开 → 优秀!
第N次:形成“这个距离该转多少”的直觉
// 机器人的内心世界
遇到情况 → 内部奖励值
清洁了地面 → +10分 ✓(快乐)
成功返回充电座 → +50分 ✓(超快乐)
撞到家具 → -5分 ✗(痛)
被困在角落 → -20分 ✗(超痛)
电量低于20% → -30分 ✗(焦虑)
5、问题引导下的人工智能学习方法(1990-至今)
试错
强化
网页总结发展过程,
小结
$