《人工智能基础》课件-AI的前世今生:她从哪里来.pptxVIP

《人工智能基础》课件-AI的前世今生:她从哪里来.pptx

此“教育”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、本文档共35页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

人工智能的前世今生:她从哪里来欢迎来到《人工智能基础》课程。本次课程将带您探索人工智能从概念到现实的惊人旅程。我们将揭示AI背后的科学原理,探讨其发展历程中的关键突破,以及展望其未来发展方向。作者:

课程导论历史性时间线从理论构想到技术实现的完整发展脉络惊人旅程探索AI如何从科幻走进现实生活关键里程碑了解塑造人工智能发展的决定性突破

什么是人工智能?概念定义人工智能是模拟人类智能的计算机系统。它能感知环境,处理信息并作出决策。核心能力真正的AI具备学习能力。它能从数据中提取模式,进行推理,并不断自我改进。跨学科性质AI融合了计算机科学、数学、心理学、神经科学等多个领域。它代表着一场科技革命。

人工智能的早期概念图灵测试(1950)艾伦·图灵提出判断机器是否具有智能的标准。这成为AI领域的重要里程碑。哲学思考早期计算机科学家开始思考:机器能否真正思考?这推动了AI理论的形成。科幻启示阿西莫夫的机器人三定律等科幻作品,为人工智能的发展提供了丰富想象。

达特茅斯会议(1956)术语诞生约翰·麦卡锡在会议上首次提出人工智能这一术语科学家汇聚马文·明斯基、克劳德·香农等顶尖科学家共同探讨机器智能历史性时刻这次会议被公认为人工智能学科正式诞生的标志

早期AI研究(1950-1970)符号主义方法通过符号操作模拟人类思维过程逻辑推理基于形式逻辑的知识表示与推理系统专家系统首批模拟人类专家知识的计算机程序

第一代AI系统ELIZA聊天机器人由约瑟夫·韦森鲍姆于1966年开发。这是历史上首个模拟人类对话的程序。模式匹配技术通过简单的关键词识别和预设回复模式,创造出对话错觉。这是早期AI的典型方法。人机交互探索ELIZA开创了人与计算机对话的先河。它让人们首次体验到与机器交谈的感觉。

AI的第一个寒冬(1974-1980)资金枯竭政府和企业对AI研究的兴趣与投资急剧下降。研究经费被大幅削减。许多实验室被迫关闭,研究人员转向其他领域。技术局限当时的计算能力严重不足。处理复杂问题的能力受到硬件限制。存储空间小,运算速度慢,无法支持更复杂的AI模型。期望落差早期过高的承诺与实际成果之间存在巨大差距。公众和投资者开始质疑AI的可行性。对机器翻译等项目的高期望未能实现,导致信心丧失。

专家系统时代(1980-1987)MYCIN系统斯坦福大学开发的医疗诊断系统,能诊断血液感染病症规则决策基于如果-那么规则的决策系统,模拟专家推理过程商业应用首次将AI技术应用于实际商业场景,开创产业化先河

第二代AI技术知识图谱构建复杂的概念网络,表示实体间的关系推理引擎更高效的自动推理机制,能处理更复杂的逻辑关系决策模型融合不确定性处理的概率模型,提高决策准确性用户界面更友好的人机交互方式,降低使用门槛

第二个AI寒冬(1987-1993)硬件限制计算能力无法支持更大规模的AI应用商业失败专家系统维护成本高昂,商业回报不及预期研究萎缩资金再次大幅削减,研究项目被迫中止

机器学习的兴起(1990年代)统计学习方法将统计学原理应用于AI,使用概率模型处理不确定性。贝叶斯网络等方法开始流行。数据驱动方法从告诉计算机怎么做转向让计算机从数据中学习。这是一场范式转变。计算能力提升个人电脑的普及和摩尔定律带来计算能力的飞跃。这为复杂模型训练提供了基础。

神经网络的复兴1反向传播算法神经网络训练的突破性方法,允许有效调整网络权重2深度学习理论多层神经网络能够学习数据的层次化表示,模拟人脑结构3计算能力增长GPU等硬件技术的发展,为训练大型神经网络提供可能4数据可用性互联网带来的大规模数据,为深度学习提供了训练素材

互联网时代的AI(2000-2010)大数据时代互联网产生的海量数据为AI提供了前所未有的训练资源数据处理能力分布式计算技术使处理大规模数据成为可能云计算支持云服务降低了AI应用的基础设施门槛

深度学习的突破AlexNet(2012)Krizhevsky等人开发的深度卷积神经网络在ImageNet竞赛中取得突破性成绩。错误率比第二名低了10%以上。卷积神经网络CNN在计算机视觉领域引发革命。其特殊结构特别适合处理图像数据,大幅提高识别准确率。性能飞跃深度学习使AI性能实现跨越式提升。从此,神经网络成为AI研究的主流方向。

人工智能的应用领域AI技术已渗透到众多领域。计算机视觉实现图像识别与分析。自然语言处理理解和生成人类语言。语音识别转换语音为文本。

机器学习算法的进化监督学习从已标记数据中学习,预测新数据的标签非监督学习从未标记数据中发现隐藏模式和结构强化学习通过环境反馈,学习最优决策策略迁移学习将一个领域学到的知识应用到相关领域

人工智能里程碑事件IBMWatson(2011)在美国智力问答节目《危险边缘》中战胜人类冠军。展示了AI在自然语言理解和知识检索方面的能力。A

文档评论(0)

159****7899 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档