1.1 人工智能概述

在当今这个科技飞速发展的时代，人工智能无疑成为推动社会进步和创新的关键力量。作为世界三大尖端技术（空间技术、能源技术、人工智能）之一，以及21世纪三大尖端技术（基因工程、纳米科学、人工智能）之一，它不仅在科学研究、工业生产、医疗健康、教育文化等领域展现出巨大的应用潜力，更深刻地影响着人类的生活方式和思维方式。

视频资料

认识人工智能

1.1.1 人工智能的定义及特点

1.人工智能的定义

人工智能是计算机科学领域的一个分支，是用于模拟、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科学。它通过学习、推理和自我修正来执行任务，能够感知环境、解决问题、识别模式、理解和生成自然语言，进行规划、决策、创造、适应等。其目标是开发出能够像人类一样思考和行动的智能机器或软件系统，实现一系列复杂任务的自动化处理。

现实中的人工智能不一定是电影里有着“人形”的机器人，只要是能模仿人类进行智能活动的机械、设备、软件、系统等，都可以归类为人工智能。

2.人工智能的特点

作为一种前沿技术，人工智能具有以下几个显著特点。

（1）自主性与自适应性

人工智能系统能够在一定程度上自主地进行学习、推理和决策，而无须人类的干预和控制。而且，人工智能系统还善于从数据中学习并不断优化自身的性能，根据环境和数据的变化，调整和优化自身的模型和策略，以适应不同的任务与场景。这种自主性和自适应性使得人工智能系统能够通过数据自我优化，在复杂多变的环境下自主、顺畅、高效地完成任务。

（2）自然交互，人机协同

通过计算机视觉、语音识别等技术，人工智能系统能够感知外界信息，理解情境，并做出相应反应。人工智能技术支持自然语言处理，强调高水平的人机、脑机相互协同和融合，使得人机交互如同人际交流般自然流畅。这种协同使得人工智能系统能够更好地理解和满足人类的需求。

（3）知识表达与持续学习创造

人工智能涵盖了从人工知识表达到大数据驱动的知识学习技术。它不仅能够处理和表达人类已有的知识，还具有持续学习的能力，能够通过机器学习算法从大量数据中自动提取信息和生成新的知识。人工智能系统善于创造，能够生成逼真的图像和极具特色的视频、音乐等。

（4）跨媒体认知及群体智能

人工智能技术能够处理不同类型的多媒体数据，如文本、图像、音频和视频等，并实现跨媒体的认知、学习与推理。此外，人工智能技术能将许多个体的智能整合到群体智能中，通过互联网和大数据分析，实现更高效的信息处理与决策，完成复杂任务。

这些特点使得人工智能在各个领域都展现出巨大的潜力和应用价值。

1.1.2 人工智能的分类

根据不同的标准和应用场景可以将人工智能划分为多种类别，一些常见的分类方式如下。

1.按智能化程度分类

按智能化程度分类，可以将人工智能分为弱人工智能、强人工智能与超强人工智能。弱人工智能也称为窄人工智能，指针对特定任务或领域的人工智能，如语音识别、图像识别等。强人工智能指具有广泛认知能力、能够进行自主学习和推理的人工智能，其智能水平与人接近，能够像人类一样思考和感受。超强人工智能则指远远超过最聪明的人类大脑的人工智能，能够自我改进，具有解决复杂问题的能力。

2.按功能特点分类

按功能特点分类，可将人工智能分为感知智能、认知智能、决策智能。

感知智能模拟人的感官功能，如语音识别、图像识别等。认知智能模拟人的思维过程，如自然语言处理、机器学习等。决策智能模拟人的决策能力，如自动驾驶、智能调度等。

3.按模型特点分类

人工智能按其模型特点来划分（人工智能是由模型支撑的），可以分为决策式人工智能和生成式人工智能。

决策式人工智能（也称判别式人工智能），通过学习数据中的条件概率分布，对新的场景进行判断、分析和预测。决策式人工智能一般用于人脸识别、推荐系统、风控系统、其他智能决策系统、机器人、自动驾驶等领域。决策式人工智能可以通过学习电商平台上海量用户的消费行为数据，制定最合适的推荐方案，尽可能提升平台交易量。

生成式人工智能则学习数据中的联合概率分布，对已有的数据进行总结归纳，并在此基础上使用深度学习技术等，创作模仿式、缝合式的内容，相当于自动生成全新的内容。生成式人工智能可生成的内容形式十分多样，包括文本、图片、音频和视频等。

此外，人工智能还可以按应用领域、技术实现方式、解决问题类型进行分类。虽然有多种分类方式，但这些分类方式并不是相互独立的，而是相互交叉和融合的。在实际应用中，应根据具体需求和场景选择合适的人工智能技术和模型。

1.1.3 人工智能的起源与发展

1.人工智能的起源

早在20世纪之前，科幻小说中就已经出现了对人工智能的想象。1950年，英国数学家和逻辑学家艾伦·图灵在其论文《计算机器与智能》中提出了著名的“图灵测试”，指出如果一台机器能够在对话中让人类评判者无法确定其是否为机器，则可以认为这台机器具备智能。这一思想为人工智能的研究奠定了哲学基础。

1956年，在美国新罕布什尔州的达特茅斯会议上，一群计算机科学家和数学家首次提出了“人工智能”这一术语，并讨论了如何使机器能够模拟人类智能。这次会议被认为是人工智能学科正式诞生的标志。

2.人工智能的发展阶段

人工智能经历了数个发展阶段，经历过“寒冬”，也迎来了复苏与爆发。其发展可以概括为以下几个阶段，示意图如图1-1所示。

（1）起步发展期（1956年至20世纪60年代初）

这个时期的研究主要集中在符号逻辑、问题求解和早期的编程语言上，出现了如机器定理证明、智能跳棋程序等标志性成果，以及LISP这种专为人工智能研发的编程语言。在这一阶段，人们对人工智能充满乐观，认为复杂的智能行为可以通过编程实现。

（2）反思发展期（20世纪60年代至70年代初）

随着研究的深入，人们开始意识到人工智能的复杂性和挑战性，尤其是在处理模糊信息和常识推理方面。专家系统的兴起标志着一种更加实用化的研究方向，但仍面临知识表示和推理效率的瓶颈。此阶段也因期望与现实之间的落差导致了所谓的“AI冬天”。

（3）应用发展期（20世纪70年代至80年代中期）

尽管遭遇挫折，但人工智能在特定领域的应用开始显现成效，如 DENDRAL、MYCIN等专家系统在化学和医学上的应用。这一时期，人工智能技术开始商业化，更多关注如何将现有技术应用于实际问题解决，推动了人工智能在工业和商业中的初步应用。

（4）低迷发展期（20世纪80年代中期至90年代中期）

由于技术限制、资金减少以及一些项目未能达到预期效果，人工智能研究再次进入低潮，被称为第二次“AI冬天”。这段时间，许多政府和私人投资者减少了对人工智能项目的资助，研究进展缓慢。

（5）稳步发展期（20世纪90年代中期至2010年）

这一时期，随着计算能力的提升、互联网的普及以及数据量的爆炸性增长，人工智能开始复苏。机器学习尤其是统计学习方法开始崭露头角，人工智能技术在搜索引擎、推荐系统等方面展现出巨大潜力。此阶段，人工智能逐渐融入人们的日常生活。

（6）蓬勃发展期（2011年至今）

得益于深度学习技术的突破、大数据的可用性以及计算资源的大幅增强，人工智能迎来了前所未有的繁荣。深度神经网络在图像识别、语音识别、自然语言处理等领域取得了显著成就，推动了自动驾驶、智能家居、智能医疗等新兴行业的快速发展。人工智能成为全球经济的关键驱动力，同时也引发了关于伦理、隐私和社会影响的广泛讨论。