5.1人工智能的产生与发展　　ppt课件-2023新浙教版（2019）《高中信息技术》必修第一册.pptx

1、第五章第五章 人工智能及应人工智能及应用用人工智能的产生与发展Designed by mozhe学习目标1 1、能结合实例分析典型案例是否应用了人工智能能结合实例分析典型案例是否应用了人工智能。2 2、能针对典型智能系统分析其主要采用的人工智能能针对典型智能系统分析其主要采用的人工智能方法方法。3 3、知道人工智能技术的发展历程，产生进一步学习知道人工智能技术的发展历程，产生进一步学习人工智能的兴趣人工智能的兴趣。4 4、观察生活中人工智能应用案例。观察生活中人工智能应用案例。知识框架智能的生活环境AlphaGo20162016年，年，AlphaGoAlphaGo围棋程序战胜了人类棋王。围棋程

2、序战胜了人类棋王。20182018年，研制年，研制AlphaGoAlphaGo的团队的团队DeepMindDeepMind正在正在投入投入AlphaSCAlphaSC的研发，将于人类顶尖高手在的研发，将于人类顶尖高手在星际争霸游戏中一较高下。星际争霸游戏中一较高下。AlphaGo是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人，其主要工作原理是“深度学习”。Atlas 阿特拉斯Atlas 阿特拉斯目前世界上最敏捷的机器人，它可以快速奔跑并且保持平衡，最牛的技巧当属跳跃和后空翻。其身高150厘米，重量仅有75公斤，由美国波士顿动力公司于2016年设计创造，电力驱和液压驱动的它

3、可以进行高强度大重量的工作。人工智能和机器人思考：人工智能和机器人是不是一回事？图灵测试（The Turing test）由艾伦麦席森图灵发明（人工智能之父），（指测试者与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。进行多次测试后，如果有超过30%的测试者不能确定出被测试者是人还是机器，那么这台机器就通过了测试，并被认为具有人类智能。什么是人工智能人工智能是计算机科学的一个分支，缩写为AI。它是研究、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的技术科学。人工：即是人工制造。智能：涉及到诸如意识 自我、思维等等。人工智能三种主要方

4、法1.1.符号主义符号主义 认知的基元是符号；认知的过程就是符号运算过认知的基元是符号；认知的过程就是符号运算过程；智能的基础是知识；知识可用符号表示，也可用符号进行推程；智能的基础是知识；知识可用符号表示，也可用符号进行推理，因而可以建立基于知识的人类智能和机器智能的统一的理论理，因而可以建立基于知识的人类智能和机器智能的统一的理论体系。体系。2.2.联结主义联结主义（经验主义）（经验主义）思维的基元是神经元，而不是符号；思维的基元是神经元，而不是符号；思维过程是神经元的联结活动过程；认为人脑不同于电脑；提出思维过程是神经元的联结活动过程；认为人脑不同于电脑；提出联结主义的人脑工作模式，以取

5、代符号主义的电脑工作模式。联结主义的人脑工作模式，以取代符号主义的电脑工作模式。3.3.行为主义行为主义 基于基于“感知感知行动行动”。智能取决于感知和行动，。智能取决于感知和行动，提出了智能行为的提出了智能行为的“感知感知动作动作”模型；模型；19421956196319681970198419922006201220142016美国科幻巨匠阿西莫夫提出“机器人三定律”达特茅斯会议诞生了人工智能学科自动定理证明系统完成数学原理第二章的证明早期的系统适用于更宽的问题选择和更难得问题时效果均不理想，美国、英国相继缩减经费支持DENDRAL-世界上第一例成功的专家系统诞生将逻辑推理能力赋予计算机系

6、统推理期总结人类知识传授给计算机系统知识期莱斯利提出概率近似正确模型第5代计算机-人工智能计算机-由于技术路线背离计算机工业的发展反向，项目宣告失败Hinton发表深度学习的Nature文章计算机从数据中学习算法深度学习在语音、图像领域大获成功机器学习期CNN超第二名十个百分点夺冠ImageNet港中文实验室DeepID算法，首次超过人眼识别人脸率AlphAGo战胜顶尖围棋选手20世纪50年代-80年代深耕细作-诞生期80年代-90年代急功近利-产业期20世纪至今-爆发期人工智能发展历程深度学习是基于现有的数据进行学习操作，是机器学习研究中的是基于现有的数据进行学习操作，是机器学习研究中的一个

7、新的领域，一个新的领域，旨旨在于建立、模拟人脑进行分析学习的神经网络，在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声声音和文本。它模仿人脑的机制来解释数据，例如图像，声声音和文本。自动编码器被用于降维或特征学习。自动编码器自动编码器在大量的数据集中，选取很小部分作为元素来重建新的数据。稀疏编码稀疏编码深度信念网络是一个概率生成模型深信度网络深信度网络以序列数据为输入，在序列的演进方向进行递归且所有节点按链式连接的递归神经网络循环神经网络循环神经网络擅长处理图像特别是大图像的相关机器学习问题。卷积神经网络卷积神经网络利用神经网络解决分类问题实践探究网址：http:/playground.tensorflow.org 尝试完成P155页实践与体验。思考：结合学习和生活实际请同学们举例说明学习人工智能的重要意义？谢谢您的欣赏！Designed by mozhe