人工智能导论(PPT 48张)

?
简史
人工智能的传说可以追溯到古埃及，但随着 1941年以来电子计算机的发展，技术已最终可 以创造出机器智能，“人工智能”一词最初是在 1956年Dartmouth学会上提出的，从那以后， 研究者们发展了众多理论和原理，人工智能的概 念也随之扩展，在它还不长的历史中，人工智能 的发展比预想的要慢，但一直在前进，从40年 前出现至今，已经出现了许多AI程序，并且它们 也影响到了其它 技术的发展。
通过对传感器信息的处理来获得的。
感知智能阶段智能产品特点
“能听会说，能看 会写”-------------语音识别、手 写识别、图像识别
第三阶段 认知阶段
什么是认知？
认知是指对客观事物的特 征及事物间联系的反映,其 对象是有关问题、资料等 具体的信息,其过程是对这 些信息进行的编码、储存、 提取、应用等具体操作
--瑞·库茨维尔
2001年，瑞·库茨维尔提出摩尔定律的扩展定理， 即（Kurzweils Lawof Accelerated Return）。 该定理指出，人类出现以来所有技术发展都是以 指数增长。后来发展为奇点理论，奇点理论认为 很多技术处于指数增长中，如芯片的计算能力， DNA技术，数据的储存等等。他预测技术在突 破一个称之为奇点的临界点后爆发性增长，在 2045年左右会出现自己思考的人工智能。
计算智能阶段智能产品特点
“能存会算” ——快速计算与 存储
第二阶段 感知智能阶段
什么是感知？
感知就是具有能够感觉内 部、外部的状态和变化， 理解这些变化的某种内在
含义的能力。
智能机器人的感知
一个鲜活的生命可以通过ta的各种感觉器官和中枢神经系统来 感受、理解外部和自己内部的变化。而一个智能机器人要感知 这个世界，就必须具有一定的信息获取手段和信息处理方法。 对于许多机器人来说，获取信息的手段就是通过多种不同功能 的传感器来收集各种不同性质的信息。而对于信息的理解则是

9.2.3 机器行为与行为机器
• 行为机器（Behavioral Machine）指具有人工智能行为的机器，或者说，能模 拟、延伸与扩展人的智能行为的机器。例如：智能机械手、机器人、操作机； 自然语言生成器；智能控制器，如专家控制器、神经控制器、模糊控制器…… 这些智能机器或智能控制器，具有类似于人的智能行为的某些特性，如自适应、 自学习、自组织、自协调、自寻优……因而，能够适应工作环境的条件的变化， 通过学习改进性能，根据需求改变结构，相互配合、协同工作，自行寻找最优 工作状态。
9.3 机器人的概念
• 随着工业自动化和计算机技术的发展，机器人开始进入大量生产和实际应用阶 段。尔后由于自动装备海洋开发空间探索等实际问题的需要，对机器人的智能 水平提出了更高的要求。特别是危险环境，人们难以胜任的场合更迫切需要机 器人，从而推动了智能机器人的研究。
9.3.1 机器人的发展
• 机器人的发展历史要比人们想象的更丰富、更悠久。 • 也许第一个被人们接受的机械代表作是1574年制造的斯特拉斯堡铸铁公鸡。每
图9-5 机器感知
9.2 机器感知
• 机器感知是一连串复杂程序所组成的大规模信息处理系统，信息通常由很多常 规传感器采集，经过这些程序的处理后，会得到一些非基本感官能得到的结果。
• 机器感知或机器认知（Machinபைடு நூலகம் Recognition）研究如何用机器或计算机模拟、 延伸和扩展人的感知或认知能力，包括：机器视觉、机器听觉、机器触觉…… 如：计算机视觉、模式（文字、图像、声音等）、识别、自然语言理解……都 是人工智能领域的重要研究内容，也是在机器感知或机器认知方面高智能水平 的计算机应用。
• 智能机器（Intelligent Machine, IM），研究如何设计和制造具有更高智能水平 的机器。特别是，设计和制造更聪明的计算机？

8.1.3 神经网络理解图片
• 在控制领域的应用中，给设备输入数据，产生所需的输出。例如雷克萨斯 （Lexus）汽车（丰田豪华系列），这种车的尾部配备了后备摄像机，声纳设 备和神经网络可以自动并行停车。实际上，这是一个所谓的反向问题的例子， 汽车采用的路线是己知的，所计算的是需要的力以及所涉及方向盘的位移。反 向控制的一个较早的示例是卡车倒车，正向识别的一个示例是机器人手臂控制 （所需的力己知，必须识别动作）。在任何智能系统中，搜索都是一个关键部 分，可以将神经网络应用于搜索。
• 在了解（并模拟）动物神经系统的行为的基础上，麦卡洛克和皮茨开发了人工 神经元的第一个模型。
8.1.2 人工神经网络的研究
• 对应于生物神经网络的生物学模型，人工神经网络采用了4个要素：
• 生物模型：细胞体、轴突、树突、突触；
• 人工神经元：细胞体、输出通道、输入通道、权重。
• 其中，权重（实值）扮演了突触的角色。权重反映生物突触的导电水平，用于
8.1.3 神经网络理解图片
• 神经网络的主要缺点是其不透明性，换句话说它们不能解释结果。有个研究领 域是将ANN与模糊逻辑结合起来生成神经模糊网络，这个网络具有ANN的学习 能力，同时也具有模糊逻辑的解释能力。
人工智能导论
Introduction to artificial intelligence
• 实际神经元运作时要积累电势能，当能量超过特定值时，突触前神经元会经轴 突放电，继而刺激突触后神经元。人类有着数以亿计相互连接的神经元，其放 电模式无比复杂。哪怕是最先进的神经网络也难以比拟人脑的能力，因此，神 经网络在短时间内应该还无法模拟人脑的功能。
• ANN是一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）的结构和 功能的数学模型或计算模型，用于对函数进行估计或近似计算。大多数情况下 ANN能在外界信息的基础上改变内部结构，是一种自适应系统。

▪ 谓词名 P：刻画个体的性质、状态或个体间的关系。
（1）个体是常量：一个或者一组指定的个体。
▪ “老张是一个教师”：一元谓词 Teacher (Zhang) ▪ “5>3” ：二元谓词 Greater (5, 3) ▪ “Smith作为一个工程师为IBM工作”：
三元谓词 Works (Smith, IBM, engineer)
命题逻辑表示法：无法把它所描述的事物的结构及逻辑特 征反映出来，也不能把不同事物间的共同特征表述出来。
P：老李是小李的父亲
P：李白是诗人 Q：杜甫也是诗人
13
2.2.2 谓词
谓词的一般形式： P (x1, x2,…, xn)
▪ 个体 x1, x2,…, xn ：某个独立存在的事物或者某个抽象 的概念；
（3）∧： “合取”（conjunction）——与。
“我喜欢音乐和绘画”： Like (I, music) ∧ Like (I, painting)
16
2.2.3 谓词公式
1. 连接词（连词） （4）→：“蕴含”(implication)或 “条
件”(“如co果nd刘iti华on跑)。得最快，那么他取得冠军。” ：
▪ ( x)( y) F(x, y) 表示对于个体域中的任何两个个体x
和y，x与y都是朋友。
20
2.2.3 谓词公式
全称量词和存在量词出现的次序将影响命题的意思。 例如：
▪ ( x)( y)(Employee(x) → Manager(y, x)) :
“每个雇员都有一个经理。”
▪ ( y)( x)(Employee(x) → Manager(y, x)):
30
第2章 知识表示
2.1 知识与知识表示的概念 2.2 一阶谓词逻辑表示法

– PROMPT、OntoMerge和MAFRA
• 本体存储查询工具和学习工具
2020/10/23
人工智能导论 - 刘珊
21
建立本体
1、创建 新的项目
语义网和本体
2020/10/23
人工智能导论 - 刘珊
22
建立本体
2、创建类
语义网和本体
2020/10/23
人工智能导论 - 刘珊
23
建立本体
3、修改 类名
• 提出本体生命周期的概念来管理整个本体 的开发过程
2020/10/23
人工智能导论 - 刘珊
18
本体的构建规则
一致性
语义网和本体
最小本体承诺
可扩展性 最小编码偏差
客观、明确
2020/10/23
人工智能导论 - 刘珊
19
本体构建的步骤
• 本体需求分析 • 本体构建规划 • 获取本体信息 • 确定本体概念及关系 • 本体形式化编码 • 本体的评价 • 本体的演化 • 本体的表示等过程。
2020/10/23
人工智能导论 - 刘珊
16
骨架法
语义网和本体
2020/10/23
人工智能导论 - 刘珊
17
语义网和本体
METHONTOLOGY框架方法
• 本体开发过程
– 项目管理活动 – 面向开发的活动：包括规格说明、概念化、形
式化和实现等步骤 – 支持活动：包括知识获取、知识评价、知识集
成、产生文档和配置管理等
语义网和本体
2020/10/23
1、顶级本体：最 普通
2、领域本体：特 定领域
3、任务本体：特 定任务或行为
4、应用本体：依 赖于特定领域或 任务

社會結構變化
技術失控的危險#
思維方式與觀念的變化 引起的法律問題
1.5.3 人工智慧對文化的影響
1.改善人類知識 在重新闡述我們的歷史知識的過程中，哲學
家、科學家和人工智慧學家有機會努力解決知 識的模糊性以及消除知識的不一致性。這種努 力的結果，可能導致知識的某些改善，以便能 夠比較容易地推斷出令人感興趣的新的真理。
人工智慧導論
第一章 緒論
1.1 人工智慧的定義和發展# 1.1.1 人工智慧的定義 什麼是智能？ 什麼是人工智慧？
什麼是智能？
內涵：“知識+思維” 外延：獲取知識、運用知識的能力；
分析問題、解決問題的能力
智能機器 #
定義1 智能機器(intelligent machine) 能夠在各類環境中自主地或交互地執
1.5 人工智慧對人類的影響 1.5.1 人工智慧對經濟的影響
2.人工智慧推動電腦技術發展
人工智慧應用要求繁重的計算，促進了並 行處理和專用集成晶片的開發。演算法發生器 和靈巧的數據結構獲得應用，自動程式設計技 術對軟體開發產生積極影響。
1.5.2 人工智慧對社會的影響
勞務就業問題
心理上的威脅
連結主義（仿生學派、生理學派）：認 為人工智慧源於仿生學，特別是對人腦 模型的研究。
行為主義（進化主義、控制論學派）： 認為人工智慧源於控制論。
1.3.2對人工智慧技術路線的爭論
專用路線 強調研製與開發專用的智能電腦、 人工智慧軟體、專用開發工具、人工智慧語言 和其他專用設備。
通用路線 認為通用的電腦硬體和軟體能夠 對人工智慧開發提供有效的支持，並能夠解決 廣泛的和一般的人工智慧問題。
人工智慧的研究目標
近期目標：

人工智能演示文稿
内容提要
➢ Agents和环境
➢ 理性Agent
➢ 环境的性质
➢ Agent的类型与结构
Agent
➢ Agent通过感知器感知环境并通过执行器对所处的环
境产生影响
➢ 人类Agent
➢ 眼睛，耳朵为感知器
➢ 手，脚，声道为执行器
➢ 机器人Agent
➢ 摄像头，红外距测仪为感知器
➢ 马达为执行器
➢ 理性agent：对于每一可能的感知数据序列，一
个理性的agent应该采取一个行为以达到最大的 性能。
➢ 理性判断的4个因素
➢性能度量 ➢先验知识
➢ 可以完成的行动
➢截至到此刻的感知序列
理性Agent
➢ 一个Agent应该根据它感知的信息和它能够进 行的行为而做正确的事情
➢ 正确的行为将使得Agent能够取得最大的成功 ➢ 性能度量：一个客观的标准来评价Agent的行为
的成功性
➢ Eg.真空器agent的性能度量可以是它清洗区域的 数量，花费的时间，消耗的能量，产生的噪音等 等
➢ Eg.真空洗尘器8个小时内清理的灰尘总量来度量性
能？ ➢以行为来度量性能不如以结果来度量性能
理性Agent
➢ 全知：明确知道它的行动产生的实际结果并且 仅仅以当前感知为输入而不是以整个历史感知为输入
真空器agent的性能度量可以是它清洗区域的数量，花费的时间，消耗的能量，产生的噪音等等
作出相应的动作 除了根据感知信息之外，还要根据目标信息来选择行动
理性是使期望的性能最大化 环境的性质决定了agent的设计
➢ 理性不等同于全知(已知的知识都是有限的) 以传感器得到的当前感知信息为输入
全知：明确知道它的行动产生的实际结果并且作出相应的动作 一个目标有多种行为可以达到时 执行器：方向盘，加速油门，刹车，语音合成器

索菲亚机器人
外形设计
索菲亚机器人具有逼真的表情和 情感反应能力，能够与人类进行
自然的交互和沟通。
技术特点
索菲亚机器人采用了人工智能、 机器学习等技术，具有高度智能
化的特点。
应用场景
索菲亚机器人被广泛应用于娱乐 、影视等领域，为人们带来全新
的互动体验和娱乐效果。
04
CATALOGUE
人工智能的未来发展
人工智能与人类的共存发展
01
人工智能将帮助人类解决更多问题
人工智能的发展将为人类带来更多的便利和帮助，例如在医疗、教育、
金融等领域，人工智能可以帮助人类解决许多复杂的问题。
02 03
人类需要适应与人工智能的共存
随着人工智能的发展，人类需要逐渐适应与人工智能的共存。这包括对 人工智能技术的了解和掌握、对人工智能应用的接受和适应，以及在人 工智能应用中维护自身的利益。
人工智能ppt 课件模板
汇报人：XXX 20XX-XX-XX
contents
目录
• 人工智能概述 • 人工智能关键技术 • 人工智能机器人 • 人工智能的未来发展 • 结论与展望
01
CATALOGUE
人工智能概述
定义与分类
定义
人工智能（Artificial Intelligence，AI）是一门研究、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 系统的新技术科学。
基于自注意力机制的深度学习架构，适用 于自然语言处理任务。
自然语言处理
词嵌入
将词汇映射到向量空间 ，捕捉词义和词之间的
关系。
语言模型
预测给定上下文下一个 词的概率分布。
文本分类
将文本分为给定的类别 。

人工智能伦理与法规
数据隐私与安全
数据隐私
确保个人数据在收集、存储和使 用过程中的保密性和安全性，防 止数据泄露和滥用。
数据安全
采取措施保护数据免受未经授权 的访问、修改或破坏，确保数据 的完整性和可用性。
人工智能的就业影响
就业机会
人工智能的发展将创造新的就业机会 ，包括人工智能专业人才、技术研发 人员等。
。
人工智能对人类社会的影响
提高生产效率
人工智能技术能够提高 生产效率，降低成本，
促进经济发展。
改善生活质量
人工智能在医疗、教育 、交通等领域的应用能 够改善人们的生活质量
。
改变就业结构
人工智能的发展将改变 就业结构，需要人们不 断更新技能以适应变化
。
推动创新发展
人工智能技术能够激发 创新，推动科技发展， 改变人类社会的面貌。
跨界融合
促进人工智能与其他产业 的融合发展，推动经济转 型升级。
可持续发展
引导人工智能技术在环境 保护、能源利用等领域的 运用，推动可持续发展。
THANKS
感谢观看
《人工智能》ppt课件
目录
• 人工智能概述 • 人工智能技术 • 人工智能伦理与法规 • 人工智能未来展望 • 人工智能的实际应用案例 • 总结与思考
01
人工智能概述
人工智能的定义
人工智能定义
人工智能是研究、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。
人工智能的学科性质
深度学习在计算机视觉中取得了 重大突破，如YOLO、SSD和 Faster R-CNN等目标检测算法 。
语音识别
语音识别是使计算机能够理解和识别 人类语音的能力。

04
循环神经网络（RNN）
循环结构
网络具有记忆功能，能够处理序列数据。
门控循环单元（GRU）
简化LSTM结构，提高计算效率。
长短期记忆（LSTM）
解决RNN在处理长序列数据时出现的梯度消 失或爆炸问题。
经典模型
RNN、LSTM、GRU、Bi-RNN、Bi-LSTM 等。
生成对抗网络（GAN）
生成器与判别器
02
深度学习特征
03
特征编码与表示
利用卷积神经网络（CNN）等深 度学习模型自动学习图像特征， 具有更强的表征能力。
将提取的特征进行编码和表示， 以便于后续的图像分类、识别等 任务。
目标检测与跟踪
目标检测方法
介绍基于滑动窗口、区域提议 网络（RPN）等目标检测方法
，以及Faster R-CNN、 YOLO等经典目标检测模型。
02
分析句子中词语之间的依存关系，如主谓关系、动宾关系等，
有助于理解句子的语义。
常见算法
03
基于短语结构语法的算法、基于依存语法的算法和基于深度学
习的算法。
语义理解与情感分析
语义理解
研究文本中词语、短语和句子的含义，以及它们之间的语义关系。
情感分析
识别和分析文本中的情感倾向和情感表达，用于情感计算和情感智能等领域。
K均值聚类（K-means Clustering）：将数据划 分为K个簇，使得每个簇内的数据尽可能相似，而 不同簇间的数据尽可能不同。
主成分分析（Principal Component Analysis, PCA）：通过正交变换将原始特征空间中的线性 相关变量变为线性无关的新变量，用于降维和可 视化。
生成器负责生成假数据，判别器负责判断数据真伪。