信息技术基础实训（WPS Office）课件 25.任务5.1 走进 AIGC（27）.pptx

任务5.1走进AIGC信息技术基础“信息技术基础”课程组知识要点：人工智能的基本概念、核心技术及产业融合发展

5.1.1任务描述

任小智在一次关于“探索AIGC从概念到实践”的讲座中，了解到AIGC、人工智能、大模型等新技术，并对此产生了浓厚兴趣。他想用AIGC大模型，根据自己的描述生成一幅有关五四青年节的海报。那么，什么是AIGC技术？又应当如何正确使用呢？接下来，他需要系统地学习人工智能技术，真正地了解AIGC，并且掌握各个大模型的特点，学会根据需求选择合适的大模型。5.1.1任务描述

5.1.2任务分析

任务5.1的思维导图如图所示。5.1.2任务分析

5.1.3知识准备

5.1.3知识准备01人工智能03AIGC02人工智能核心技术

1956年，人工智能（ArtificialIntelligence，AI）的概念首次被提出，它被确立为研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。它可以让计算机具有感知、理解、判断、推理、学习、识别、生成、交互等类人智能的能力，从而能够执行各种任务，甚至超越人类的智能表现。人工智能的本质是模仿人类思考、认知、决策和行动的过程，其发展以算法、计算和数据为驱动力，其中算法是核心，计算和数据是基础。1.人工智能5.1.3知识准备（1）人工智能的定义

①萌芽阶段：20世纪50年代，人工智能正式诞生。1950年，“计算机之父”阿兰·图灵（AlanTuring）提出了一个设想，即如果一台机器能够与人类开展对话而不能被辨别出机器身份，那么这台机器就具有智能。1951年，世界上第一台神经网络计算机出现，这被视为人工智能的一个起点。②第一发展时期：20世纪60年代是人工智能的第一个发展黄金阶段。在这个阶段，人工智能的研究主要集中在语言翻译、证明等领域。值得注意的是，1969年，反向传播算法（BackpropagationAlgorithm）20世纪80年代成为主流。这种算法对人工智能的训练起到了关键作用。5.1.3知识准备1.人工智能（2）人工智能的发展历程人工智能的发展是一段充满创新和变革的旅程，经历了从概念提出、技术实现到普及应用长时间的历史沉淀。

③瓶颈阶段：20世纪70年代，科学家们发现机器模仿人类思维是一个十分庞大的系统工程，难以用当时的理论成果构建模型，因此人工智能的发展进入了瓶颈期。④第二发展时期：20世纪80年代，人工智能再一次进入高速发展期。在这一阶段，已有人工智能研究成果逐步应用于各个领域，特别是在商业领域取得了巨大的成果。⑤平稳发展阶段：从20世纪90年代开始，随着互联网技术的逐渐普及，人工智能已经逐步发展成为分布式主体，为其发展提供了新的方向。在这一阶段，人工智能技术得到了广泛的应用和普及。1.人工智能5.1.3知识准备特别值得一提的是，2016年，AlphaGo连续战胜世界顶级围棋选手，这一事件让世人对人工智能的期待再次提升到前所未有的高度，推动了人工智能的进一步发展。

2.人工智能核心技术5.1.3知识准备（1）机器学习机器学习（MachineLearning）是一门涉及统计学、神经网络、系统辨识、优化理论等诸多领域的交叉科学，其任务是研究计算机怎样模拟或实现人类的学习行为，指导计算机从数据中学习，并利用经验来改善自身的性能，以获取新的知识或技能，这也是人工智能技术的核心。在机器学习中，算法会不断进行训练，从大型数据集中发现的模式和相关性，然后根据数据分析结果做出最佳决策和预测。机器学习应用具有自我演进能力，即获得的数据越多，其准确性也会越高。机器学习的应用领域非常广泛，包括但不限于语音识别和自然语言处理、图像识别和计算机视觉、智能家居和自动驾驶、智能医疗和健康管理等，覆盖教育、金融、交通、零售和物流、制造业以及农业等各行各业。

人工神经网络（ArtificialNeuralNetwork）是一种模拟人脑神经元工作方式的计算模型，由大量人工神经元相互连接而成，通过训练和学习来不断优化连接权值，以实现复杂的分类、预测和识别任务。人工神经网络具有高度的非线性、并行分布处理、高容错性、智能化和自学习等特点。它可以对输入数据进行复杂的模式识别和特征提取，并利用这些特征进行分类、预测或决策。由于其强大的自适应和自学习能力，人工神经网络在许多领域都有广泛的应用，如语音识别、图像识别、自然语言处理、推荐系统、医疗诊断等。人工神经网络可以通过多种算法进行训练和学习，如反向传播算法、梯度下降算法、遗传算法等。训练过程中，网络会不断调整权值以最小化预测误差或损失函数，从而提高模型的准确性和鲁棒性。2.人工智能核心技术5.1.3知识准备（2）人工