第8章e7d195523061f1c01da5a1f0837ac25283df40ff0a16bfd61AE6AB84AD7EB485CA8019BF267F2027DE2BF09650313B56A435BB3664F8B916CA3777391AC088C283181605E184D6D6879568EB73EB808A103F0784C8DFC3E9CDD14B61FDDA6A8A6237D2DFE3BBAEC8979D824A43E015648F6CB3D1F8D3E352A4BDC9925C075CFF312C4A0BE75FDF5C人工智能技术计算机与人工智能基础FundamentalsofcomputersandArtificialIntelligence课前导读2
本章主要介绍了人工智能的发展历史和现状、人工智能的关键技术（包括机器学习、深度学习、自然语言处理、计算机视觉技术、以及语音识别等）、人工智能的应用场景、以及产业现状，同时简要介绍了人工智能的安全和伦理。e7d195523061f1c01da5a1f0837ac25283df40ff0a16bfd61AE6AB84AD7EB485CA8019BF267F2027DE2BF09650313B56A435BB3664F8B916CA3777391AC088C283181605E184D6D6879568EB73EB808A103F0784C8DFC3E9CDD14B61FDDA6A8A6237D2DFE3BBAEC8979D824A43E015648F6CB3D1F8D3E352A4BDC9925C075CFF312C4A0BE75FDF5C内容导航第8章8.2人工智能的关键技术
8.1
人工智能概述8.3
人工智能产业链与应用8.4人工智能的价值与展望8.5人工智能安全8.6
人工智能伦理8.1.1人工智能的概念
人工智能（ArtificialIntelligence，AI）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。具体来说，人工智能就是让机器像人类一样具有感知能力、学习能力、思考能力、沟通能力、判断能力等，从而更好地为人类服务。8.1.2人工智能的发展历程（1）萌芽阶段（20世纪50年代-60年代）（2）反思发展期（20世纪70年代-80年代）（3）复兴阶段（20世纪90年代-2000年代）（4）爆发阶段（2010年代至今）人工智能的发展经历了以下四个主要阶段：e7d195523061f1c01da5a1f0837ac25283df40ff0a16bfd61AE6AB84AD7EB485CA8019BF267F2027DE2BF09650313B56A435BB3664F8B916CA3777391AC088C283181605E184D6D6879568EB73EB808A103F0784C8DFC3E9CDD14B61FDDA6A8A6237D2DFE3BBAEC8979D824A43E015648F6CB3D1F8D3E352A4BDC9925C075CFF312C4A0BE75FDF5C内容导航第8章8.2人工智能的关键技术
8.1
人工智能概述8.3
人工智能产业链与应用8.4人工智能的价值与展望8.5人工智能安全8.6
人工智能伦理8.2.1机器学习机器学习是计算机科学的子领域，也是人工智能的一个分支和实现方式。该学科所关注的是计算机程序如何随着经验积累自动提高性能。
机器学习是一门用来设计算法的学科，这些算法能够从数据中进行预测和描述模型。机器学习主要的理论基础涉及线性代数、数理统计、数值逼近、最优化理论、计算复杂理论等，核心要素是数据、算法和模型。（1）机器学习的基本概念8.2.1机器学习机器学习、人工智能和数据挖掘之间的关系如下图所示：8.2.1机器学习（2）机器学习的主要过程8.2.1机器学习
机器学习作为人工智能的核心领域，研究趋势呈现“技术深化、应用拓展、伦理关注”
的多维特征，卷积神经网络、残差网络、生成对抗网络等成为研究热点。1）卷积神经网络
卷积神经网络（ConvolutionalNeuralNetwork，CNN）的核心思想是通过局部感受野与参数共享提取层次化特征，局部感受野（LocalReceptiveField）是卷积神经网络中的核心概念之一。（3）机器学习的发展趋势8.2.1机器学习卷积神经网络的主要过程可分为三步：①卷积层：用滑动滤波器（也称为卷积核）扫描输入，计算局部区域点积（即加权求和），生成特征图。②池化层：对特征图进行下采样（如最大池化保留显著激活），增强平移不变性并降低维度，逐步抽象出高阶语义特征（如部件、物体）。③全连接层：将高级特征映射到样本标记空间，通过反向传播联合优化卷积核权重与分类器参数。8.2.1机器学习2）残差网络
残差神经网络（ResidualNeuralNetwork,ResNet）由微软研究院的何恺明等人于2015年提出，旨在解决深度神经网络中的梯度消失/爆炸问题。其核心创新是引入残差学习（ResidualLearning）机制，通过跳跃连接（ShortcutConnection）将输入直接传递到深层，使网络能够学习输入与输出之间的残差（即差值），而非直接拟合复杂映射，从而有效训练极深层网络（如超过1000层）。8.2.1机器学习残差网络主要过程包括：1）堆叠多个残差块（ResidualBlock），每个块包含卷积层、批归一化和ReLU激活函数。2）通过跳跃连接将输入与卷积层输出相加，缓解梯度退化。3）通过全局平均池化和全连接层完成分类。8.2.1机器学习3）知识蒸馏
知识蒸馏（KnowledgeDistillation）由Hinton等人于2015年提出，其核心思想是将复杂模型（称之为教师模型）的知识迁移到轻量模型（称之为学生模型）中，其灵感源于人类教育中教师向学生传递经验的过程。8.2.1机器学习知识蒸馏的主要过程分为三步：1）训练高性能且参数量大的教师模型；2）让学生模型在教师模型输出的“软标签”（含类别概率分布的softenedlogits）和真实标签的联合监督下训练，通过温度参数控制概率分布的平滑度；3）引入蒸馏损失和常规损失的加权组合优化学生模型。8.2.1机器学习4）生成对抗网络
生成对抗网络（GenerativeAdversarialNetwork,GAN）由生成模型和判别模型构成。
生成对抗网络通过生成模型和判别模型之间的对抗训练达到优化目的，它是一种无监督学习的深度学习方法，通过让生成模型和判别模型两个神经网络以博弈的方式进行学习。GAN的主要思想源于博弈论的纳什均衡原理。8.2.2自然语言处理
自然语言是指人类社会约定俗成的，不同于程序设计语言中的人工语言。自然语言处理是计算机科学与语言学的交叉领域，旨在使计算机能够理解人类语言的含义并从中提取有用信息，包括自然语言理解和自然语言生成。（1）自然语言处理的概念8.2.2自然语言处理
文本分析也称之为文本挖掘，是通过对文本内部特征进行提取，获取潜在的语义信息或概括性主题，常应用于论文查重、情感分析、垃圾邮件过滤、信息抽取等方面。文本分析的过程如图所示。（2）文本分析文本分析的流程3嵌入8.2.2自然语言处理
余弦相似度是一种用于衡量两个向量之间相似性的方法，广泛应用于文本分析、推荐系统、图像处理等领域。其核心思想是通过计算两个向量之间的夹角余弦值来评估它们的相似性。（3）余弦相似度与词嵌入8.2.2自然语言处理自然语言处理的未来发展趋势将从浅层学习到深层学习，从单一模态到多模态信息结合，从符号表示到分布表示，未来将与人工智能更加深度融合。（4）自然语言处理的发展趋势8.2.3计算机视觉计算机视觉是指使计算机具备像人类那样通过视觉系统提取、观察、理解和识别图像与视频的能力。
计算机视觉的研究内容大致包括物体视觉和空间视觉两大部分。其中物体视觉主要是对物体进行分类和鉴别，而空间视觉在于确定物体的空间位置和形状，为“行为动作”服务。（1）计算机视觉的概念8.2.3计算机视觉（2）计算机视觉的关键任务图像分类物体检测与识别语义分割视觉跟踪视觉问答视频分析8.2.4生物特征识别（1）生物特征识别的概念
生物特征识别是指根据人的生理或行为特征对人的身份进行识别、认证。从应用流程看，生物特征识别通常分为注册和识别两个阶段。注册阶段：通过传感器（如摄像头、麦克风等）采集人体生物特征信息（如人脸、指纹、声纹等）并存储。识别阶段：以相同采集方式对待识别人采集信息并提取特征，然后将提取的特征与存储特征对比分析以完成识别。8.2.4生物特征识别包括指纹识别、人脸识别、虹膜识别等，通过特征融合模块和身份识别任务调度模块，实现高精度的身份认证。（2）生物特征识别的应用
生物特征融合识别流程8.2.5语音识别
语音识别是使得机器能够识别和理解说话人语音信号内容的技术。其目标是将语音信号转换为计算机可读的文本字符或命令，利用计算机理解讲话人的语义内容，使其听懂人类的语音，从而识别说话人的意图。广泛应用于语音助手、语音导航等领域。（1）语音识别的概念8.2.5语音识别（2）语音识别的过程8.2.5语音识别主要包括三种技术类型：
①模型匹配方法，如动态时间规整方法、矢量量化方法等。②基于概率统计的方法，如高斯混合模型方法、隐马尔可夫模型等。③基于机器学习的方法，如支持向量机方法、神经网络方法、深度学习方法等，或多种组合方法。（3）语音识别的技术类型8.2.6机器人技术
机器人指的是能够半自主或全自主工作的智能机器，具有感知、决策、执行能力，可以辅助甚至代替人们完成危险、繁重以及复杂的工作。机器人是自动执行工作的机器装置，既可以接受人们指挥，又可以运行预先编排的程序，也可以根据人工智能技术制定的原则纲领行动。（1）机器人的概念8.2.6机器人技术工业机器人：面向工业领域的多关节机械手或其他机器装置，可接受指挥或按预设程序自动运行，能降低劳动力成本、提高生产效率，在制造行业广泛应用。服务机器人：定位为服务功能，与工业机器人的本质区别是工作环境多为未知，制造难度更大。（2）应用分类：8.2.6机器人技术
当前机器人领域的主要技术主题包括自主导航与定位、软体机器人、仿生机器人、多机器人系统等，未来有望探索多机器人系统在搜索救援、环境监测、物流等领域的应用，此外，在智能制造、医疗诊断等领域将发挥重要作用。（3）机器人的发展方向e7d195523061f1c01da5a1f0837ac25283df40ff0a16bfd61AE6AB84AD7EB485CA8019BF267F2027DE2BF09650313B56A435BB3664F8B916CA3777391AC088C283181605E184D6D6879568EB73EB808A103F0784C8DFC3E9CDD14B61FDDA6A8A6237D2DFE3BBAEC8979D824A43E015648F6CB3D1F8D3E352A4BDC9925C075CFF312C4A0BE75FDF5C内容导航第8章8.2人工智能的关键技术
8.1
人工智能概述8.3
人工智能产业链与应用8.4人工智能的价值与展望8.5人工智能安全8.6
人工智能伦理8.3.1人工智能产业链人工智能产业链包括基础层、技术层、应用层。8.3.2人工智能的应用场景智能教学助手个性化学习路径智能答疑系统虚拟实验室学习行为分析（1）人工智能+教育智能农田监测与管理精准施肥与灌溉智能农机与自动化作业农产品质量检测与分级农业大数据分析与决策支持（2）人工智能+农业8.3.2人工智能的应用场景（3）人工智能+医疗医学影像分析智能辅助诊断个性化治疗方案智能健康管理药物研发与临床试验8.3.2人工智能的应用场景（4）人工智能+交通智能交通信号控制智能交通监控与管理智能路径规划与导航自动驾驶与智能车辆管理智能公共交通管理8.3.2人工智能的应用场景智能导游与虚拟助手智能景区管理个性化旅游推荐智能客服与预订虚拟现实（VR）与增强现实（AR）体验（5）人工智能+旅游8.3.2人工智能的应用场景（6）人工智能+安防智能视频监控智能门禁与访客管理智能报警与应急响应智能巡逻与无人机监控大数据分析与预测8.3.2人工智能的应用场景智能生产与自动化智能质量控制预测性维护智能供应链管理智能设计与仿真（7）人工智能+制造业8.3.2人工智能的应用场景e7d195523061f1c01da5a1f0837ac25283df40ff0a16bfd61AE6AB84AD7EB485CA8019BF267F2027DE2BF09650313B56A435BB3664F8B916CA3777391AC088C283181605E184D6D6879568EB73EB808A103F0784C8DFC3E9CDD14B61FDDA6A8A6237D2DFE3BBAEC8979D824A43E015648F6CB3D1F8D3E352A4BDC9925C075CFF312C4A0BE75FDF5C内容导航第8章8.2人工智能的关键技术
8.1
人工智能概述8.3
人工智能产业链与应用8.4人工智能的价值与展望8.5人工智能安全8.6
人工智能伦理8.4.1人工智能的价值（1）应用价值（2）社会价值8.4.2人工智能的未来展望新一代人工智能发展规划8.4.2人工智能的未来展望（3）从“人工+智能”到自主智能系统（4）学科交叉成为创新源泉（1）从专用智能到通用智能（2）从机器智能到人机混合智能8.4.2人工智能的未来展望（7）人工智能成为国家战略选择（8）人工智能教育全面普及（5）人工智能产业蓬勃发展（6）人工智能法律法规更加健全e7d195523061f1c01da5a1f0837ac25283df40ff0a16bfd61AE6AB84AD7EB485CA8019BF267F2027DE2BF09650313B56A435BB3664F8B916CA3777391AC088C283181605E184D6D6879568EB73EB808A103F0784C8DFC3E9CDD14B61FDDA6A8A6237D2DFE3BBAEC8979D824A43E015648F6CB3D1F8D3E352A4BDC9925C075CFF312C4A0BE75FDF5C内容导航第8章8.2人工智能的关键技术
8.1
人工智能概述8.3
人工智能产业链与应用8.4人工智能的价值与展望8.5人工智能安全8.6
人工智能伦理8.5.1
人工智能安全
定义：模型安全性威胁是指人工智能模型在全生命周期面临的所有威胁，包括人工智能模型在训练与推理阶段可能遭受的来自潜在攻击者对模型功能破坏的攻击，以及由于人工智能模型自身安全性、鲁棒性欠缺所引起的安全威胁。（1）模型安全性威胁8.5.1
人工智能安全
对抗攻击深度伪造（Deepfake）后门攻击投毒攻击主要攻击类型：8.5.1
人工智能安全
定义：数据与隐私安全性威胁是指人工智能技术所使用的模型文件、数据或训练测试数据集可能会被攻击者恶意窃取。（2）数据与隐私安全性威胁8.5.1
人工智能安全
数据库入侵中间人攻击成员推理攻击属性推断攻击模型反演攻击身份伪造攻击合成身份欺诈主要攻击类型（1）数据安全问题（2）算法安全问题（3）模型安全问题8.5.2
人工智能安全问题e7d195523061f1c01da5a1f0837ac25283df40ff0a16bfd61AE6AB84AD7EB485CA8019BF267F2027DE2BF09650313B56A435BB3664F8B916CA3777391AC088C283181605E184D6D6879568EB73EB808A103F0784C8DFC3E9CDD14B61FDDA6A8A6237D2DFE3BBAEC8979D824A43E015648F6CB3D1F8D3E352A4BDC9925C075CFF312C4A0BE75FDF5C内容导航第8章8.2人工智能的关键技术
8.1
人工智能概述8.3
人工智能产业链与应用8.4人工智能的价值与展望8.5人工智能安全8.6
人工智能伦理
人工智能伦理是研究人工智能在设计、开发、部署和应用中涉及的道德原则、社会责任及社会影响的学科领域，内容涵盖公平性、透明性、隐私保护、责任归属、安全性和社会影响等伦理考量。8.6
人工智能伦理国际层面：2016年4月：IEEE标准协会发布《人工智能设计的伦理准则》白皮书，建立社会公认的伦理标准、职业认证及道德规范。2017年：国际标准化组织成立人工智能委员会，负责算法偏见、数据伦理等领域标准制订。2018年：OpenAI、剑桥大学等7家机构发布《人工智能的恶意使用：预测、预防和缓解》，分析安全威胁并提建议；谷歌、微软、IBM等企业制定伦理规范。2021年11月：联合国教科文组织通过《人工智能伦理建议书》，全球首个综合性国际框架，明确10个原则和11个行动领域，核心原则包括人权优先、环境可持续性等。8.6
人工智能伦理人工智能伦理相关重要文件与举措国内层面：2017年7月：国务院《新一代人工智能发展规划》首次在国家战略层面提出伦理治理要求，强调法律、伦理和社会问题研究。2018年1月：《人工智能标准化白皮书（2018版）》论述安全、伦理和隐私问题。2
