一、人工智能概述

人工智能定义：用人工方法在机器上实现的智能，使机器具有类似人类智能的能力

人工智能学科：研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的技术科学

二、工业文明与人工智能发展

机械化时代（18世纪末）：瓦特发明蒸汽机，工业设备开始发展

电气化时代（19世纪末）：爱迪生发明电灯，电力广泛使用

信息化时代（20世纪50年代中期）：电子信息技术、自动化技术发展

人工智能时代（21世纪）：智能系统成为核心

三、人工智能在日常生活中的应用

生活方式转变

智能语音闹钟、自动驾驶、人脸识别考勤、灯光控制系统

智能购物、智慧医疗、智慧试衣

人脸支付、生物识别解锁、智能推荐系统

图像编辑、智能美图等应用

具体应用场景

商品推荐、智能物流、仓储机器人

短视频推荐、搜索排序、新闻推荐

智能助手、智能语音系统

四、机器学习基础

基本概念

机器学习：从经验中学习的技术，随着经验积累性能逐步提高

• 典型训练过程：
  1. 随机初始化参数模型
  2. 获取数据样本及标签
  3. 调整参数改善模型表现
  4. 重复迭代直至满意

关键组件

1. 数据​：由独立同分布的样本组成，每个样本包含一组特征
2. 模型​：调整参数后的程序，神经网络模型构成深度学习基础
3. ​目标函数​：量化模型有效性的函数（损失函数）
   • 回归任务：平方误差损失函数
   • 分类任务：最小化错误率，交叉熵
4. 优化算法​：梯度下降法，通过参数调整最小化损失函数

五、机器学习类型

监督学习

在给定输入特征的情况下预测标签

回归问题：预测数值（如房价预测）

分类问题：预测类别（如猫狗识别、手写数字识别）

标注问题：多标签分类（多目标检测、短视频分类）

其他学习类型

推荐系统​：个性化推荐（如电影推荐）

序列问题​：处理可变长度序列（语音识别、机器翻译等）

无监督学习​：处理无标签数据（聚类、主成分分析等）

​强化学习​：智能体与环境交互，通过奖励机制学习

六、深度学习的发展与成功案例

发展背景

21世纪数据量爆发式增长（互联网、智能手机、传感器等）

计算资源普及（GPU大规模算力可用）

成功应用领域

图像分类、目标检测和分割

人脸合成、机器翻译、图像描述

自然语言文本合成、脑机接口

• 具体案例：
  • NVIDIA AI软件将涂鸦转为真实风景
  • Microsoft Seeing AI帮助盲人探索照片
  • 脑机接口技术（Smart Cap缓解疲劳驾驶）
  • 华智冰等人工智能系统

七、图灵测试

提出者：艾伦·图灵（计算机科学和人工智能之父）

核心思想：如果机器能够让人无法区分其与人类的区别，则认为具有人类智能

测试标准：30%误判率阈值

相关作品：《模仿游戏》反映图灵破译Enigma密码的贡献

八、深度学习框架

PyTorch：由Meta AI开发，基于Python的深度学习库

特点：API设计简洁、优雅、易懂，广泛应用于学术界和工业界