《人工智能基础(高中版)》发布[优质PPT]

人工智能基础-PPT课件Artificial intelligence人工智能基础21 世纪技能创新型人才培养系列教材·人工智能系列contents绪论人工智能（Artificial Intelligence），英文缩写为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学科。

20 世纪40 年代和50 年代，来自不同领域（数学、心理学、工程学、经济学和政治学）的一批科学家开始探讨制造人工大脑的可能性。

学习目标1. 了解人工智能的定义、发展简史。

2. 熟悉人工智能的研究与应用领域。

3. 认识人工智能未来的发展趋势。

1.1.1 像人类一样思考1.1.2 像人类一样行动“像人类一样思考”的核心是认知心理学科学中的发现，该发现测试了感知（感官感知，物体识别）、注意力、记忆（短期和永久性）、抽象思维、面向目标的行为（决策、发起和监视行为）、情绪、社会关系、意识和自由意志。

AI 系统建模以使其受大脑功能启发的方式构成了一种创建行为类似于人类的解决方案。

人工智能手臂概念图如图1-2 所示。

1.1.3 理性思考逻辑定律是理性思考的基础，并已被发现和发展了数千年。

1.1.4 理性行动理性主体是行为合理的主体。

特定时刻行为的合理性取决于以下几点：（1）定义成功标准的效率度量。

（2）代理对背景的了解。

（3）代理当前可能采取的行动。

（4）迄今为止代理已经获取的有关环境的信息序列。

1.2.1 孕育期一般认为 AI 的最早工作是伦·麦克卡洛克（Warren McC ulloch）跟沃特·皮特斯（Walter Pitts）完成的。

1.2.2 形成期人工智能诞生于 1956 年一次历史性的聚会。

1.2.3 知识应用期1977 年，费根鲍姆在第五届国际人工智能联合会议上正式提出了知工程的概念。

1.2.4 综合集成期在专家系统方面，从 20 世纪 80 年代末开始逐步向多技术、多方法的综合集成与多学科、多领域的综合应用型发展。

定义与发展历程定义第一次浪潮发展历程第二次浪潮萌芽期第三次浪潮人工智能应用领域计算机视觉通过图像处理和计算机图形学等技术，将图像转换为机器可理解的信息，应用于安防、医疗、自动驾驶等领域。

自然语言处理研究计算机理解和生成人类自然语言文本的能力，应用于机器翻译、情感分析、智能问答等领域。

语音识别与合成将人类的语音转换为文本或命令，以及将文本转换为自然的语音输出，应用于智能语音助手、无障碍交流等领域。

智能机器人结合机械、电子、计算机等技术，实现机器人的自主导航、语音识别、人脸识别等功能，应用于家庭服务、工业生产等领域。

基础层技术层应用层030201人工智能产业链结构逻辑回归（梯度提升树（Linear Regression ）Random Forests ）010203040506监督学习算法02030401非监督学习算法K 均值聚类（K-means Clustering ）层次聚类（Hierarchical Clustering ）主成分分析（Principal Component Analysis ）自编码器（Autoencoders ）强化学习算法学习（Q-learning）策略梯度（Gradients神经网络基本原理前向传播神经元模型解释神经网络如何通过前向传播算法计算输出值。

反向传播卷积层池化层CNN应用RNN基本原理01长短期记忆网络（LSTM）02RNN应用03词法分析与词性标注词法分析研究单词的内部结构，包括词根、词缀、词干等，以及单词的形态变化规则。

词性标注为每个单词分配一个词性标签，如名词、动词、形容词等，以便理解单词在句子中的角色和含义。

应用在信息检索、机器翻译、智能问答等领域中，词性标注有助于提高文本处理的准确性和效率。

1 2 3句法分析依存关系抽取应用句法分析与依存关系抽取情感分析和意见挖掘情感分析01意见挖掘02应用03图像分类与目标检测图像分类目标检测评估指标图像分割与场景理解图像分割场景理解评估指标三维重建与虚拟现实三维重建虚拟现实评估指标语音信号特性语音信号预处理语音信号特征提取阐述语音信号的物理特性、时域特性、频域特性以及倒谱特性等。