大约 5 分钟
教学内容
- 人工智能的基本概念
- 人工智能的发展简史
- 人工智能研究的基本内容
- 人工智能的主要研究领域
第一章 绪论
前言
定义
一、人工智能的基本概念
1.1 智能的定义与特征
智能是知识与智力的总和，具有以下四个核心特征：
- 感知能力：通过视觉、听觉等感官获取外部信息（视觉80%，听觉10%）
- 记忆与思维：包括逻辑思维（严密串行）、形象思维（直觉并行）和顿悟思维（突发灵感）
- 学习能力：自觉/无意识、有教师/自主实践等多种形式
- 行为能力：信息的输出表达
案例：自动驾驶汽车通过激光雷达（感知）、路径规划（思维）、经验积累（学习）最终实现精准控制（行为）
1.2 人工智能的定义
- 本质：用人工方法在机器上实现的智能
- 学科目标：构造能模拟、延伸和扩展人类智能的智能系统
- 图灵测试：1950年图灵提出机器智能的评判标准
- 中文屋实验：塞尔通过中文房间思想实验质疑"通过图灵测试=具备思维"的观点
二、人工智能发展历程
2.1 孕育期（1956年前）
关键奠基：
- 亚里士多德（三段论）→ 培根（归纳法）→ 莱布尼茨（推理计算）
- 1936年图灵机理论 → 1943年M-P神经元模型
- 世界上第一台电子计算机ABC的诞生（1937-1941年）
2.2 形成期（1956-1969）
- 里程碑事件：1956年达特茅斯会议正式命名"人工智能"
- 研究突破：机器学习、定理证明、模式识别等领域取得进展
- 体系建立：1969年成立国际人工智能联合会议-IJCAI，1970年创刊《Artificial Intelligence》人工智能杂志
2.3 发展期（1970-2010）
- 知识工程兴起（1977年费根鲍姆提出）
- 专家系统突破：DENDRAL、MYCIN等系统成功应用
- 计算智能发展：神经网络、模糊系统等新理论丰富AI框架
2.4 大数据驱动期（2011至今）
- 专用AI突破：
- AlphaGo战胜围棋冠军（2016）
- 图像识别、医疗诊断达到专家水平
- 通用AI探索：实现跨领域智能处理的新方向
- 物联网/云计算与AI深度融合
三、人工智能研究内容
3.1 知识表示
- 符号表示法：一阶谓词逻辑、产生式规则
- 连接机制：神经网络表示法
案例：专家系统将医学知识转化为if-then规则进行疾病诊断
3.2 机器感知与思维
- 计算机视觉、机器听觉实现环境感知
- 逻辑推理、规划决策模拟人类思维过程
3.3 机器学习与行为
- 监督/无监督/强化学习等范式
- 语音合成、动作执行等输出能力
案例：智能客服通过深度学习理解用户意图，生成自然语言回复
四、主要研究领域与应用
4.1 经典AI领域
自动定理证明：
- 吴文俊"吴方法"实现几何定理机器证明
- 程序正确性验证保障系统可靠性
机器博弈：
- 从跳棋程序到AlphaGo的突破
- 计算复杂性挑战：围棋有10^761种可能棋局
模式识别：
- 文字识别（邮政编码、车牌识别）
- 生物特征识别（人脸、指纹）
4.2 智能系统应用
智慧医疗：
- 深度学习诊断黑色素瘤（准确率97% vs 医生84%）
- 达芬奇手术机器人实现精准微创手术
自然语言处理：
- 机器翻译从规则方法到神经网络演进
- 智能耳机实现实时跨语言交流
机器人与自动驾驶：
- 三代机器人发展：程序控制→自适应→智能机器人
- 自动驾驶四要素：硬件、软件、制造、网络协同
智能制造：
- 广汽菲亚特生产线使用250个机器人协同作业
- CIMS系统实现生产全过程智能化
4.3 前沿技术方向
- 深度学习：仿视觉分层处理机制的神经网络
- 生成对抗网络：通过生成器与判别器博弈提升性能
- 多智能体系统：研究智能体间的协调与协作
- 人工生命：模拟自然生命现象的仿真系统
五、总结与展望
人工智能经过60多年发展，实现了从理论探索到产业应用的跨越。当前正处于专用人工智能向通用人工智能演进的关键时期，未来将在以下方向持续突破：
- 技术融合：与物联网、大数据、云计算深度结合
- 应用拓展：从单一任务向复杂场景综合智能发展
- 伦理规范：建立可信赖、可解释的AI体系
教学建议：学习AI既要掌握基础知识表示、机器学习等核心技术，也要关注智能制造、智慧医疗等应用实践，培养解决实际问题的能力。