《数字技术应用 基础模块（WPS Office 下册）》 课件 第六单元 走向智能社会——人工智能技术应用.pptx

第六单元走向智能社会

——人工智能技术应用;6.1

认识人工智能;;;;;;一、人工智能的起源与发展

1.人工智能的起源

1950年，英国数学家、逻辑学家艾伦·麦席森·图灵发表了《计算机器与智能》，这篇论文中提出了著名的图灵测试，为人工智能的研究和发展奠定了理论基础和方法论，因此图灵被称为“人工智能之父”。;1956年的达特茅斯会议是目前被公认的人工智能的起源。在这次会议上，正式确立了人工智能这一研究领域。会议主要讨论了智能机器能否使用语言、抽象概念是否可以由机器学习、机器能否自我提升等问题。会议的一个重要共识是，确定了“人工智能”的名称，并且指出研究人工智能是一个跨学科的领域，需要数学、逻辑学、心理学和计算理论等领域的知识。;2.人工智能的发展

1956年被称为人工智能的诞生元年。

人工智能的主要发展阶段如图所示。;（1）黄金时代（1956—1973年）。从人工智能诞生的1956年到1973年，涌现了大批人工智能研究成果和新的研究方向，因此被称为人工智能的黄金年代，产生了可以解答数学题目、可以学习和使用英语等令人震撼的成果。

（2）第一次低潮期（1974—1979年）。1974—1979年，人工智能研究经历了所谓的“AI冬天”，即第一个低潮期。;（3）复兴期（1980—1986年）。沉寂多年之后，人工智能在1980年迎来了第一个复兴期，专家系统在商业应用中的成功重新吸引了人们的关注。

（4）第二次低潮期（1987—1993年）。20世纪80年代末全球范围的经济危机也波及了对人工智能研究的投入。

（5）蓬勃发展阶段（1994年至今）。伴随着互联网时代的到来、机器学习的突破、硬件技术的发展，以及大数据与云计算的兴起，人工智能从20世纪90年代中期进入蓬勃发展阶段。;二、机器学习与深度学习

1.机器学习

机器学习是通过数据分析、算法设计和模型训练，赋予计算机自我学习和逐渐改进性能的能力。;2.深度学习

机器学习包括多种基础算法，其中人工神经网络是特别突出的一类。深度学习可以被视为机器学习的一个分支。本质上，深度学习是一个三层或更多层的神经网络。这些神经网络试图模拟人脑并支持从大量数据???进行“学习”。借助多层网络结构，深度学习能够自动提取出数据的更多特征，从而实现更加准确的预测。机器学习与深度学习的区别与联系如图所示。;机器学习与深度学习的区别与联系;;;;;一、人工智能的应用领域

我们已经习惯了与电商平台的智能客服机器人聊天，也经常通过语音操控智能音箱播放自己喜欢的音乐，这些便捷的技术正是通过自然语言处理（NaturalLanguageProcessing，简称NLP）实现的，如图所示。;自然语言处理的应用

a）与智能客服机器人聊天?b）与智能音箱交流;自然语言处理是计算机科学、人工智能和语言学领域的一个分支，它研究的是计算机和人类（自然）语言之间的相互作用，目的是让计算机能够理解和生成人类语言的内容。通过自然语言处理，机器不仅能“听懂”我们的话，还能“读懂”我们写的文字，让人与机器之间的交流变得更加自然和顺畅。;2.智能语音

智能语音处理是自然语言处理的一个分支，简单来说，就是让机器能听懂人类的语言，甚至还能和我们对话。在这个过程中，我们的声音首先被转化成数字信号，然后被解密成文字，接着机器通过理解这些文字来执行命令，如图所示。;3.计算机视觉

通过“人脸识别”解锁手机屏幕依靠的就是计算机视觉技术。计算机视觉是一门让机器能够理解和解释从摄像头或图像中获取的视觉信息的科学，就像给机器装上了一双“眼睛”，让它们能“看”懂图片或视频里的内容。;那么，计算机视觉是怎么工作的呢？首先，需要一个摄像头或相机来捕捉现实世界的图像或视频。接着进行图像预处理，即通过调整大小、裁剪、转换颜色等步骤，对捕捉到的图像进行清理和优化，让后续的处理更加有效。然后对图像进行特征提取，识别图像中的特定特征。最后，利用机器学习算法，根据提取的特征对图像进行分类或识别，从而“理解”图像内容。;4.人机交互

人机交互是专注于研究人和计算机之间如何更加自然、高效地相互作用的科学。它不仅研究自然语言处理、智能语音和计算机视觉等技术本身，更关注人们如何使用这些技术，使得我们与机器的沟通变得像是与人类交流一样自然和顺畅。

那么，人机交互是如何工作的呢？简单来说，它通过各种传感器来捕捉我们的动作、声音甚至是眼神，然后通过一系列复杂的算法处理这些信息，最后以我们能理解的方式给出反馈。这个过程就像是一个循环，确保我们与机器之间的对话能够顺畅、自然地进行。;如图所示，人机交互界面从最初的命令行界面，发展到图???化界面，随后出现触摸式界面，进一步以三维交互的形式呈现，使得人类和机器的交互行为越来越符合人类的生