人工智能通識 課件 01 初識人工智能

任務1

初識人工智能了解人工智能的定義和相關技術了解人工智能的應用領域會使用通義千問的文生圖功能了解國外AI芯片禁售背景下的國產(chǎn)AI芯片自研之路學習目標任務背景近年來，人工智技術取得飛速的發(fā)展，成為推動社會進步和經(jīng)濟發(fā)展的重要力量，深刻影響著人們的生活和工作方式。小明是一名大一新生，第一次接觸人工智能通識課程，他非常好奇，十分感興趣，因此他想做好課前預習，了解一下課程的內(nèi)容。任務背景任務分析對于初學者，初步認識人工智能可從以下問題著手：（1）什么是人工智能？（2）人工智能的發(fā)展分為哪幾個階段？（3）人工智能的主要應用領域有哪些？（4）人工智能相關技術有哪些？（5）體驗主流人工智能技術應用。任務分析相關知識1.1什么是人工智能1.人工智能的定義人工智能就是根據(jù)對環(huán)境的感知，做出合理的行動，并獲得最大收益的計算機程序。這強調(diào)人工智能可以根據(jù)環(huán)境感知做出主動反應，例如：自動駕駛。人工智能就是會學習的計算機程序。這反映了當代主流技術機器學習（深度學習），例如：物品分類和預測程序。人工智能就是與人類行為相似的計算機程序。這是從實用主義角度給出的闡述，例如：麻省理工學院開發(fā)的“智能”聊天程序ELIZA。人工智能就是與人類思考方式相似的計算機程序。這是人工智能發(fā)展早期流行的一種定義方式。例如：專家系統(tǒng)、機器翻譯等。人工智能就是讓人覺得不可思議的計算機程序。這是一個時代里大多數(shù)普通人對人工智能的認知。例如：跳棋、圍棋等。定義三定義二定義一定義四定義五人工智能的部分定義1.人工智能的定義人工智能（ArtificialIntelligence，AI）是指用機器去實現(xiàn)所有目前必須借助人類智慧才能實現(xiàn)的任務，它本質(zhì)上是基于學習能力和推理能力的不斷進步，去模仿人類思考、認知、決策和行動的過程。人工智能包括機器學習、計算機視覺等多個領域，旨在使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。人工智能的發(fā)展以算法、計算和數(shù)據(jù)為驅(qū)動力，其中算法是核心，計算和數(shù)據(jù)是基礎。2.人工智能的分類從發(fā)展程度的角度上，人工智能可以分為三大類：弱人工智能、強人工智能、超人工智能，如圖1-1所示。圖1-1

人工智能分類2.人工智能的分類強人工智能（AGI）弱人工智能（ANI）超人工智能（ASI）類似于人類級別的人工智能，可以進行各種復雜的操作。強人工智能能夠像人一樣理解語言、識別圖像、解決問題、做出決策等，可以應用于醫(yī)療、金融、交通、安防等多個領域。目前強人工智能主要應用于無人駕駛/自動駕駛、GPT4與文心一言等各類大語言模型，以及ChatGPT等超級AI工具，相信后續(xù)還將有更多顛覆性的應用出現(xiàn)。在幾乎所有領域都比最聰明的人類大腦都聰明很多，包括科學創(chuàng)新、通識和社交技能。超人工智能的發(fā)展引發(fā)了廣泛的討論和擔憂，因為它可能會對人類社會產(chǎn)生巨大的影響，甚至導致永生或滅絕。因此，我們需要謹慎地控制超人工智能的發(fā)展。人工智能分類擅長于單個領域的人工智能，即只是經(jīng)過AI訓練并專注于執(zhí)行特定任務。比如有能戰(zhàn)勝象棋世界冠軍的人工智能阿爾法狗，但是它只會下象棋，如果我們問它其他的問題那么它就不知道怎么回答了。目前弱人工智能主要應用于數(shù)字助手、智能推薦、人臉識別等方面。2.人工智能的分類此外，從技術角度上，人工智能還可以分為認知AI、機器學習AI和深度學習AI。利用機器學習技術進行數(shù)據(jù)分析和預測的AI。在龐大的未標記數(shù)據(jù)集上進行學習的AI，其靈感來自于人腦中的神經(jīng)網(wǎng)絡。處理復雜性和二義性的AI，能持續(xù)不斷地在數(shù)據(jù)挖掘、自然語言處理NLP和智能自動化的經(jīng)驗中學習。認知AI機器學習AI深度學習AI1.2人工智能的起源和發(fā)展1.人工智能的起源人工智能的起源可以追溯至上世紀50年代。最早的人工智能研究是基于符號主義的，這個方法是通過編程來模擬人類的思維過程。但是隨著計算機技術的發(fā)展，符號主義的限制逐漸顯現(xiàn)出來，人們開始尋找新的方法來實現(xiàn)人工智能。在20世紀60年代末期，機器學習的概念被提出，這是一種通過數(shù)據(jù)訓練機器來自動改進算法的技術。這個方法不再依賴于人類編寫規(guī)則，而是通過讓機器從數(shù)據(jù)中學習，來實現(xiàn)智能化。機器學習的出現(xiàn)，成為了人工智能發(fā)展的重要里程碑。2.圖靈測試計算機科學之父艾倫·圖靈在1950年提出了“圖靈測試”，這是一種用于評估人工智能是否具有人類智能的標準。在這個測試中，一個測試者分別與一個人和一臺機器進行對話，如果測試者不能區(qū)分兩者的差異，那么這臺機器就被認為具有人類智能。圖靈測試作為評估人工智能是否具備人類智能水平的重要標準，其核心思想在于要求計算機在沒有直接物理接觸的情況下，通過回答人類詢問并盡可能偽裝成人類，以檢驗其是否能像人類一樣思考和行為。在圖靈的設想中，若機器能成功通過這一測試，則意味著它達到了人類智能的水平。圖靈測試不僅推動了人工智能技術的發(fā)展和應用，提供了一個衡量智能水平的標準，同時也引發(fā)了關于人工智能倫理的深刻討論。當機器能夠通過圖靈測試，我們不得不面對一個關鍵問題：是否應賦予這些具備人類智能的機器與人類同等的權利和尊嚴？這一議題值得我們進一步深入研究和探討。3.人工智的發(fā)展1956年夏天，約翰·麥卡錫、馬文·閔斯基等科學家在達特茅斯學院召開研討會，提出了人工智能的概念。達特茅斯會議是人類歷史上第一次人工智能研討，被認為是人工智能誕生的標志。人工智能發(fā)展是充滿未知的道路探索，曲折起伏，可將這段發(fā)展歷程大致劃分為六個階段，如圖1-2所示。圖1-2人工智能發(fā)展歷程推理期（1956年-1974年）（1）推理期（1956年-1974年）1956年是人工智能元年，伴隨著“人工智能”這一新興概念的興起，人們對人工智能的未來充滿了想象，人工智能迎來第一次發(fā)展浪潮。這一階段，人工智能研發(fā)主要圍繞機器的邏輯推理能力展開。推理期人工智能應用推理期（1956年-1974年）20世紀60年代自然語言處理和人機對話技術的突破性發(fā)展，大大地提升了人們對人工智能的期望，也將人工智能帶入了第一波高潮。這個階段產(chǎn)生了很多理論基石，這些不僅成為了人工智能的理論基石，還成為了計算機領域的基石。推理期（1956年-1974年）1956年，馬文明斯基等人一起發(fā)起并組織了達特茅斯會議，在會議上首次提出了人工智能的概念。達特茅斯會議被認為是人工智能誕生的標志，從此人工智能走上了快速發(fā)展的道路。1957年，計算機科學家羅森布拉特提出了感知機的概念。感知機是最早的人工神經(jīng)網(wǎng)絡。它的出現(xiàn)，將人工智能的發(fā)展推向了第一個高峰。在長達十余年的時間里，計算機被廣泛應用于數(shù)學與自然語言處理領域，解決了很多代數(shù)、幾何和英語問題，這讓很多研究者看到了機器像人工智能發(fā)展的信心。甚至在當時，有很多學者認為“20年內(nèi)機器將能完成人能做的一切?！钡谝淮魏?974年-1980年）人工智能發(fā)展初期的突破性進展大大提升了人們對人工智能的期望，人們開始嘗試更具挑戰(zhàn)性的任務，但受限于當時計算機算力不足，同時由于國會壓力下美英政府于1973年停止向沒有明確目標的人工智能研究項目撥款，人工智能研發(fā)變現(xiàn)周期拉長、行業(yè)遇冷。知識期（1980年-1987年）這個時期的科學家們開始從公用的人工智能技術轉(zhuǎn)變?yōu)榱四軌蚪鉀Q某一領域問題的專家系統(tǒng)，并且實現(xiàn)了應用。專家系統(tǒng)是一種基于規(guī)則的人工智能系統(tǒng)，它可以模擬人類專家的知識和經(jīng)驗，用于解決特定領域的問題。最早的專家系統(tǒng)是1968年由費根鮑姆研發(fā)的DENDRAL系統(tǒng)，可以幫助化學家判斷某特定物質(zhì)的分子結(jié)構(gòu)；DENDRAL首次對知識庫提出定義，也為第二次AI發(fā)展浪潮埋下伏筆。知識期（1980年-1987年）第二次寒冬（1987年-1993年）專家系統(tǒng)最初取得的成功是有限的，專家系統(tǒng)的實用性只局限于特定領域，同時升級難度高、維護成本居高不下，行業(yè)發(fā)展再次遇到瓶頸。1990年，人工智能計算機DARPA沒能成功實現(xiàn)，因此政府縮減了研究的經(jīng)費投入，人工智能進入第二次低谷期。不過，同時期BP神經(jīng)網(wǎng)絡的提出，為之后機器感知、交互的能力奠定了基礎。復蘇期（1993年-2010年）由于互聯(lián)網(wǎng)技術的迅速發(fā)展，加速了人工智能的創(chuàng)新研究，促使人工智能技術進一步走向?qū)嵱没斯ぶ悄芟嚓P的各個領域都取得長足進步。在2000年代初，由于專家系統(tǒng)的項目都需要編碼太多的顯式規(guī)則，這降低了效率并增加了成本，人工智能研究的重心從基于知識系統(tǒng)轉(zhuǎn)向了機器學習方向。機器學習是一種人工智能技術，它可以讓計算機從數(shù)據(jù)中學習，并自動改進算法，以提高性能。1997年，國際商業(yè)機器公司IBM的計算機系統(tǒng)DeepBlue戰(zhàn)勝了國際象棋世界冠軍卡斯帕羅夫，又一次在公眾領域引發(fā)了現(xiàn)象級的人工智能話題討論，這是人工智能發(fā)展中的一個非常重要的事件。爆發(fā)期（2010年-至今）隨著大數(shù)據(jù)、云計算、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等信息技術的發(fā)展，泛在感知數(shù)據(jù)和圖形處理器等計算平臺推動以深度神經(jīng)網(wǎng)絡為代表的人工智能技術飛速發(fā)展，大幅跨越了科學與應用之間的技術鴻溝，諸如圖像分類、語音識別、知識問答、人機對弈、無人駕駛等人工智能技術實現(xiàn)了重大的技術突破，迎來爆發(fā)式增長的新高潮。特別是2013年語音和視覺識別領域識別率達到了99%和95%，引發(fā)了人工智能的爆發(fā)期。爆發(fā)期（2010年-至今）2011年在如今AI爆發(fā)期，一些標志性的事件包括：2014年Google獲得美國內(nèi)華達州機動車輛管理局頒發(fā)的首張無人駕駛車輛牌照。2017年AlphaGoZero在沒有任何數(shù)據(jù)輸入的情況下，自學圍棋3天后便以100:0戰(zhàn)勝第二代，學習40天后又戰(zhàn)勝了第三代。2022年OpenAI于2022年11月30日發(fā)布聊天機器人程序ChatGPT，短短5天內(nèi)注冊用戶數(shù)就突破了100萬。ChatGPT能夠基于預訓練模式生成回答，與用戶進行自然流暢的對話。2012年蘋果Siri技術首次應用于IPhone，IPhone變成一臺智能機器人。2016年微軟公司發(fā)布全球第一款個人智能助理微軟小娜。2020年GPT-3問世，成為最先進的自然語言處理模型，引領了語言生成技術的發(fā)展。2023年人工智能在醫(yī)療、交通、金融等領域廣泛應用，深度融入人類社會生活。DeepMind團隊的AlphaGo運用深度學習算法以4:1擊敗世界圍棋冠軍李世石，引發(fā)全球?qū)θ斯ぶ悄艿纳羁趟伎己陀懻摗?.3人工智能的應用領域1.3人工智能的應用領域人工智能在安防領域的應用包括人臉識別、物體檢測、行為分析等。智能安防01工智能在金融領域的應用包括智能投顧、風險評估、信貸審批、智能客服等。智能金融02智能家居主要是基于物聯(lián)網(wǎng)技術，通過智能設備、傳感器、控制器等實現(xiàn)家居設備的自動化控制和管理。用于智能門鎖、家庭安防、網(wǎng)絡攝像頭等。智能家居03人工智能在醫(yī)療領域的應用包括疾病診斷、醫(yī)療影像、健康監(jiān)測等。智能醫(yī)療和健康管理04人工智能在教育領域的應用包括在線教育、智能家教、教育機器人等。智慧教育05基于互聯(lián)網(wǎng)的物聯(lián)網(wǎng)意義上實現(xiàn)的包括企業(yè)與社會在內(nèi)的全過程的制造，把工業(yè)4.0的“智能工廠”、“智能生產(chǎn)”、“智能物流”進一步擴展到“智能消費”、“智能服務”等全過程的智能化中去。智能制造06人工智能可以被應用于各種領域，如自動駕駛汽車、語音助手、智能機器人、醫(yī)療診斷、金融分析等。人工智能的發(fā)展能夠改變?nèi)藗兊纳詈凸ぷ鞣绞剑瑤砭薮蟮纳鐣绊憽?.3人工智能的應用領域人工智能在零售領域的應用已十分廣泛，正在改變?nèi)藗冑徫锏姆绞?。無人便利店、智慧供應鏈、客流統(tǒng)計、無人倉/無人車等等都是的熱門方向。大數(shù)據(jù)和人工智能可以讓交通更智慧，智能交通系統(tǒng)是通信、信息和控制技術在交通系統(tǒng)中集成應用的產(chǎn)物，主要應用包括智能交通信號控制、智能車輛、智能船舶等。人工智能可以幫助決策者進行數(shù)據(jù)分析和預測，從而做出更明智的決策。此外還可以根據(jù)用戶的興趣和行為，推薦個性化的產(chǎn)品和服務。用于財務分析、市場預測、電子商務等。070809智能零售智慧交通與自動駕駛決策支持和個性化推薦總之，人工智能的應用領域非常廣泛，并且還在不斷擴展和演進。隨著技術的進步，人工智能在更多領域的應用也將得到不斷拓展和優(yōu)化。1.4人工智能相關技術1.人工智能四要素人工智能四要素包括：數(shù)據(jù)、算力、算法、場景。隨著AI大模型規(guī)模的不斷擴大，對計算資源的需求也在增加。高性能的硬件設備、海量場景數(shù)據(jù)、強大的算力基礎和升級迭代的算法模型成為了支持AI大模型發(fā)展的關鍵。算力是人工智能的“肌肉”，提供了強大的計算和處理能力，使人工智能能夠處理復雜的任務、運行龐大的模型和進行高速的數(shù)據(jù)分析。足夠的算力是人工智能發(fā)揮潛力的基石。算力場景是人工智能的“舞臺”，提供了人工智能應用和展示其能力的實際環(huán)境。不同的場景需要不同類型的人工智能解決方案，而人工智能也需要適應不同的場景需求。通過在不同的場景中應用和優(yōu)化，人工智能能夠更好地服務于人類社會。場景數(shù)據(jù)是人工智能成長的營養(yǎng)物資，為人工智能提供了學習和成長的基礎。豐富的、高質(zhì)量的數(shù)據(jù)能夠滋養(yǎng)人工智能，使其能夠更準確地理解世界、更高效地解決問題。數(shù)據(jù)算法是人工智能的“大腦”，決定了人工智能如何理解、學習和解決問題。先進的算法能夠使人工智能更加智能、高效和準確地完成任務。不斷優(yōu)化和創(chuàng)新算法，是提升人工智能性能的關鍵。算法010203041.人工智能四要素數(shù)據(jù)數(shù)據(jù)(data)提供了學習的材料和訓練的依據(jù)，大規(guī)模、高質(zhì)量的數(shù)據(jù)對于機器學習和深度學習等算法的訓練和優(yōu)化至關重要。數(shù)據(jù)之于AI應用，如同流量是互聯(lián)網(wǎng)的護城河，有核心數(shù)據(jù)才有關鍵的AI能力。數(shù)據(jù)庫等結(jié)構(gòu)化數(shù)據(jù)文本、圖像、音頻和視頻等非結(jié)構(gòu)化數(shù)據(jù)傳感器數(shù)據(jù)等實時生成數(shù)據(jù)核心數(shù)據(jù)：訓練集測試集權重學習預測結(jié)果數(shù)據(jù)清洗模型訓練1.人工智能四要素1.人工智能四要素算力（ComputiongPower）算力是計算機系統(tǒng)處理復雜計算任務和大規(guī)模數(shù)據(jù)的能力，為人工智能提供基本的計算能力的支撐。隨著人工智能任務的復雜性不斷增加，對于高效的計算能力需求也日益增大。特別是深度學習等計算密集型任務，需要進行大量矩陣運算和神經(jīng)網(wǎng)絡模型訓練，對計算能力提出了更高的要求。為了滿足這種需求，專門設計的硬件設備如圖形處理器（GPU）和專用AI芯片的應用變得越來越廣泛。這些硬件設備具備并行計算能力和高效能運算，能夠大幅度提升計算速度和效率，加速人工智能任務的處理過程。1.人工智能四要素1.人工智能四要素算法（Algorithm）算法是實現(xiàn)智能決策和預測的數(shù)學模型，是實現(xiàn)人工智能的根本途徑，是挖掘數(shù)據(jù)智能的有效方法。人工智能領域涵蓋了多種算法，例如機器學習、深度學習和強化學習等。這些算法通過訓練模型，使其從數(shù)據(jù)中學習并做出預測或決策。隨著算法的不斷創(chuàng)新和改進，在語音識別、圖像處理、自然語言處理等領域取得了顯著的成果，并為實現(xiàn)更高級別的人工智能能力提供了基礎。1.人工智能四要素場景（AIScene）場景是人工智能應用的關鍵所在，是實現(xiàn)智能決策和預測的實際環(huán)境。在智能家居、醫(yī)療、交通等領域，AI技術根據(jù)場景需求進行定制和優(yōu)化，通過學習用戶習慣和需求，提供個性化服務。場景不僅為AI技術提供了展示其價值的舞臺，還推動著算法的不斷創(chuàng)新。隨著技術的發(fā)展，AI將在更多場景中展現(xiàn)其強大的潛力和價值，為人們的生活帶來更多便利和可能性。2.人工智能技術架構(gòu)人工智能技術架構(gòu)應用層是人工智能技術的最終應用領域，將技術層提供的算法和模型應用到具體的問題和場景中，實現(xiàn)智能化的決策和優(yōu)化。技術層提供了各種人工智能技術和算法，用于處理和分析數(shù)據(jù)，并提取有用的信息和知識；基礎層提供了支撐人工智能應用的基礎設施和技術，包括存儲和處理大規(guī)模數(shù)據(jù)的能力，以及高性能的計算和通信基礎設施；010203人工智能的技術架構(gòu)按照產(chǎn)業(yè)生態(tài)通?？梢詣澐譃榛A層、技術層、應用層三大板塊。2.人工智能技術架構(gòu)人工智能的三層技術框架是相互交織和緊密關聯(lián)的，各個層次之間的功能和作用也存在重疊和互動。在實際應用中，還需要根據(jù)具體需求進行定制和整合，可形成完整的人工智能解決方案。如圖1-3所示為國內(nèi)企業(yè)應對人工智能技術布局。圖1-3人工智能技術架構(gòu)人工智能相關技術機器學習的概念機器學習是一門多領域交叉學科，它融合了概率論、統(tǒng)計學、逼近論、凸分析、算法復雜度理論等多門學科的知識。它致力于研究如何使計算機模擬或?qū)崿F(xiàn)人類的學習行為，從而獲取新的知識或技能，并重新組織已有的知識結(jié)構(gòu)以改善自身的性能。機器學習是人工智能的核心，是實現(xiàn)計算機智能的根本途徑。機器學習的主要算法：有監(jiān)督學習（SupervisedLearning）：通過已知輸入和對應輸出來訓練模型。在訓練過程中，模型學習如何從輸入數(shù)據(jù)中提取特征，并基于這些特征預測輸出。常見的有監(jiān)督學習算法包括線性回歸、邏輯回歸、決策樹、支持向量機（SVM）、神經(jīng)網(wǎng)絡等。無監(jiān)督學習（UnsupervisedLearning）：在訓練過程中，只提供輸入數(shù)據(jù)而不提供對應的輸出標簽。模型的任務是發(fā)現(xiàn)數(shù)據(jù)中的內(nèi)在結(jié)構(gòu)或模式，如聚類、降維等。常見的無監(jiān)督學習算法包括K-均值聚類、層次聚類、主成分分析（PCA）等。人工智能相關技術半監(jiān)督學習（Semi-SupervisedLearning）：介于有監(jiān)督學習和無監(jiān)督學習之間。它使用部分有標簽的數(shù)據(jù)和大量無標簽的數(shù)據(jù)來訓練模型。這種學習方法有助于在標簽數(shù)據(jù)稀缺的情況下提高模型的性能。強化學習（ReinforcementLearning）：模型通過與環(huán)境進行交互并嘗試優(yōu)化其策略來學習如何執(zhí)行任務。在每次交互中，模型都會根據(jù)其行為獲得一個獎勵或懲罰，并據(jù)此調(diào)整其策略。強化學習在機器人技術、游戲AI等領域具有廣泛應用。機器學習的應用在金融領域，機器學習可以用于股票價格預測、信用風險評估、欺詐檢測等任務。在醫(yī)療領域，機器學習可以用于醫(yī)學圖像識別（如X光片、CT掃描等）、基因測序、疾病預測等任務。在教育領域，機器學習可以實現(xiàn)個性化學習、智能輔導、學習進度評估等功能。在自然語言處理領域，機器學習可以用于文本分類、情感分析、機器翻譯、問答系統(tǒng)等任務。人工智能相關技術深度學習深度學習是機器學習的一個前沿領域，它專注于通過模擬人腦神經(jīng)網(wǎng)絡的結(jié)構(gòu)和功能，實現(xiàn)對圖像、聲音、文本等復雜數(shù)據(jù)的識別、理解和生成。深度學習模型采用多層神經(jīng)網(wǎng)絡架構(gòu)，通過反向傳播算法自動調(diào)整網(wǎng)絡權重，從而從原始數(shù)據(jù)中學習到有用的特征和模式。這種能力使得深度學習在處理大規(guī)模、復雜數(shù)據(jù)集時表現(xiàn)出色，并在多個領域取得了顯著的成果，如計算機視覺、自然語言處理、語音識別等。深度學習模型具有強大的泛化能力和預測準確率，為人工智能的發(fā)展和應用提供了強大的技術支撐。深度學習應用計算機視覺：如人臉識別、物體檢測、圖像分類等。自然語言處理：如語音識別、機器翻譯、情感分析等。推薦系統(tǒng)：如商品推薦、影視推薦等。醫(yī)療領域：如醫(yī)學影像識別、基因測序等。金融領域：如信用卡欺詐檢測、貸款風險評估等。人工智能相關技術計算機視覺計算機視覺專注于研究如何從圖像和視頻中自動提取、處理和分析信息，以實現(xiàn)檢測、識別和跟蹤等任務。這一過程包括圖像預處理、濾波以及提取邊緣、紋理、顏色等特征以深入理解圖像內(nèi)容。此外，借助深度學習和神經(jīng)網(wǎng)絡等先進算法，計算機視覺能夠顯著提高圖像分類、目標檢測、分割和識別的準確性和魯棒性，通過自動學習數(shù)據(jù)中的模式和特征，實現(xiàn)更高效和準確的自動化圖像處理。自然語言處理自然語言處理（NLP）是一種結(jié)合語言學、計算機科學和人工智能技術的關鍵人工智能技術，NLP的研究聚焦于自然語言理解（NLU）和自然語言生成（NLG）兩大核心領域，前者致力于將人類語言轉(zhuǎn)化為機器可分析的格式以進行自動處理，如語音識別和信息抽?。缓笳邉t負責將機器生成的語言轉(zhuǎn)化為人類可讀的格式，如機器翻譯和智能回復。NLP的廣泛應用包括機器翻譯、情感分析、自動摘要、觀點挖掘、文本分類、信息抽取和機器寫作等，是實現(xiàn)人機智能交互的重要基礎。人工智能相關技術語音識別語音識別技術是一種前沿的人工智能應用，它能夠?qū)⑷祟愓Z音準確地轉(zhuǎn)換為文本。該技術通過處理輸入的音頻信號，分析并比對語音信號的特征，從而將其轉(zhuǎn)換成相應的文本形式。語音識別技術在智能家居、車載娛樂和手機助手等多個領域得到了廣泛應用，極大地提高了用戶與設備交互的便捷性和安全性。隨著人工智能技術的不斷進步，語音識別技術的準確性和識別速度也在持續(xù)提升。生成式人工智能生成式人工智能（AIGC），全稱ArtificialIntelligenceGeneratedContent，是一種人工智能技術，用于自動生成內(nèi)容，該內(nèi)容在很大程度上類似于通過訓練數(shù)據(jù)學到的內(nèi)容分布，是當今研究及應用的熱門技術。與傳統(tǒng)的人工智能主要關注數(shù)據(jù)模式的識別和預測不同，AIGC專注于創(chuàng)造新的、富有創(chuàng)意的數(shù)據(jù)。AIGC的應用領域廣泛，包括圖像、文本、音頻、視頻等多個領域。AIGC在人工智能中的定位和關系如圖1-4所示。人工智能相關技術圖1-4AIGC在人工智能中的定位及關系任務實施人工智能初體驗近年來，中國的AI大模型產(chǎn)業(yè)如火如荼。據(jù)《中國人工智能大模型地圖研究報告》披露，自2020年以來，中國企業(yè)和機構(gòu)已發(fā)布了79個參數(shù)在10億規(guī)模以上的大模型，這輪熱潮也被戲稱為“百團大戰(zhàn)”。大模型入局者中，既有百川智能、光年之外等后起之秀，也不乏百度、騰訊、商湯科技、科大訊飛等積淀深厚的選手。阿里云“通義”大模型，無疑是百家爭鳴中的引領者。阿里通義大模型是阿里云推出的一個超大規(guī)模的語言模型，功能包括多輪對話、文案創(chuàng)作、邏輯推理、多模態(tài)理解、多語言支持。能夠跟人類進行多輪的交互，也融入了多模態(tài)的知識理解，且有文案創(chuàng)作能力，能夠續(xù)寫小說，編寫郵件等。人工智能初體驗通義萬相是阿里云通義系列AI繪畫創(chuàng)作大模型，該模型可輔助人類進行圖片創(chuàng)作，于2023年7月7日正式上線。通義萬相可通過對配色、布局、風格等圖像設計元素進行拆解和組合，提供高度可控性和極大自由度的圖像生成效果?；A文生圖功能，可根據(jù)文字內(nèi)容生成水彩、扁平插畫、二次元、油畫、中國畫、3D卡通和素描等風格圖像1相似圖片生成功能，用戶上傳任意圖片后，即可進行創(chuàng)意發(fā)散，生成內(nèi)容、風格相似的AI畫作2在業(yè)內(nèi)率先支持圖像風格遷移，用戶上傳原圖和風格圖，可自動把原圖處理為指定的風格圖3通義萬相首批上線三大能力人工智能初體驗下面一起體驗一下通義萬相的強大AI作畫能力。（1）打開通義萬相鏈接：/wanxiang/creation，如下圖1-5所示。（注意：如果系統(tǒng)提示需注冊登錄，按提示進行操作即可）圖1-5通義萬相創(chuàng)意作畫人工智能初體驗（2）在左側(cè)下列列表框中可選擇對應功能（圖1-6），這里選文本生成圖像。圖1-6功能選擇人工智能初體驗（3）在左側(cè)文本框中輸入提示詞（Prompt），系統(tǒng)給出的提示詞咒語：主題+主題描述+風格描述，例如：小貓，在洗衣機里對我笑，插畫風。在本案例中輸入提示詞：“女大學生，在圖書館聚精會神看書，肖像特寫，陽光透過窗戶照在臉上”，點擊“生成創(chuàng)意畫作”，在右側(cè)系統(tǒng)生成了4幅畫，如圖1-7所示。圖1-7