迎接第四次工業革命 --人工智能（1）

常青

主講老師：關連印美篇制作：常青<br> 2025年春晚，最震撼人心的一檔節目，機器人扭秧歌耍手絹，機器人方隊齊刷刷的耍手絹，比二人轉老藝人耍的還要好，精準無誤。于是機器人概念火了，引發大眾的關注，甚至有國外的博主專門采購了一款中國的機器人，和朋友一起玩試。 <div> 其實機器人屬于人工智能領域，早就在農業、制造、醫療、金融等領域應用，只是以人的外貌和模仿人的動作出現的不多。還有前一段中國推出DeepSeek AI開源模型，把人工智能推上國際的風口浪尖。現在有學者把人工智能說成是第四次工業革命，而且將會對人類社會的發展產生深刻的影響，這一點毋庸置疑。所以，作為關工人、五老、同學對人工智能應該有個宏觀的認知。</div><div> 【DeepSeek 中文諧音為“迪普西克”】 </div> <div> <b><font color="#ed2308"> 共分2 次講解。</font></b></div><div><b><font color="#ed2308"> 本講內容：1、發展歷程；2、核心技術；</font></b><font color="#ed2308"><b>3、應用場景</b></font></div> 人工智能（英文縮寫：AI）是一門綜合了計算機科學、控制論、信息論、神經生理學、心理學、語言學、哲學等多種學科互相滲透而發展起來的一門交叉學科，它通過計算機去模擬人的思維和行為，其核心是機器學習算法。人工智能包括計算力的突破、數據洪流和算法創新三大關鍵技術，其被稱為世界三大尖端技術之一，同時也被認為是21世紀三大尖端技術之一，其發展的主流形態采取深度學習算法、大模型、大數據的方式。人工智能技術體系包括機器學習、自然語言處理技術、圖像處理技術、人機交互技術。人工智能已在大數據分析、自動駕駛、智慧金融和智能機器人等多個領域取得了舉世矚目的成果，并形成了多元化的發展方向，另外人工智能可替代部分傳統勞動力，產生勞動擠出效應，在提高社會生產效率的同時也為社會創造了全新的工作崗位。人類探索智能的道路是十分漫長的，最早可以追溯1900年以前的早期傳說、文學和影視作品中的高級智慧；20世紀，在數理邏輯研究上有了極大的突破；1943年人工神經元的MP模型開創了人工神經網絡研究的時代；1946年世界上第一臺數字式電子計算機出現。被公認為“人工智能之父”的圖靈曾于二戰結束后提出“圖靈機”的概念，即虛擬機器替代人腦進行數學運算的設想，最終圖靈在英國政府的支持下設計出一臺支持存儲程序的巨型電子計算機——“艾斯”，隨后圖靈還研發出世界上第一個AI國際象棋程序，而這也是早期AI的誕生標志。 <b> 1、誕生初期</b><br> 1956年，第一個啟發程序“邏輯理論機”研制成功，啟發程序可以對數學家證明數學定理過程中的某些思維方法和規律進行模擬，其被認為是人工智能真正開端。同年，研制出一種具有自學能力的“跳棋程序”，這項“跳棋程序”于1959年擊敗它的設計者，而后又于1962年戰勝美國一個州的跳棋冠軍，這項研究成果開拓和推動了人工智能領域中“機器博弈”“機器學習”方面的研究工作。同年夏天,美國達特茅斯學院舉行了歷史上第一次人工智能研討會，會上,麥卡錫首次提出了“人工智能”的概念。 1959年，被稱為“機器人之父”的約瑟夫·恩格爾伯格制造出世界上第一個工業機器人尤尼梅特，該機器人在制造成功不久后就被安裝在通用汽車美國工廠的生產線上。 1960年，研制出“通用問題求解程序”，簡稱為GPS。<br> 1962 年，麥卡錫提出人工智能的“情景演算”理論。<br> 1966年到1972年期間，美國斯坦福國際研究所研制的首臺采用人工智能的移動機器人誕生，同時世界上第一個聊天機器人誕生。<br> 1971年，來自斯坦福大學的肖特利夫等人開始研制醫療專家系統。<br> 專家系統是人工智能領域中最活躍和富有成效的學科分支。同時它也促進了人工智能的普及，從一般思維規律的探討轉向專業知識的利用。 1976年，來自斯坦福研究所的杜達等專家開始對地質勘探專家系統進行研制并于1981年研制成功，地質勘探專家系統的成功研制促進了人工智能從學院式研究走向技術市場開發。<br> 20世紀70年代初，人們發現當時的計算機有限的內存和處理速度不足以解決任何實際的人工智能問題，也無人可以做出一個龐大的數據庫來幫助程序學習更加豐富的知識。由于缺乏進展，原本對人工智能提供資助的英國政府、美國國防部高級研究計劃局等機構逐漸停止對人工智能研究的資助，美國國家科學委員會也在撥款二千萬美元后停止對人工智能研究的資助。 <b> 2、應用探索期</b><br> 第一次人工智能寒冬的到來是在20世紀70年代，這段時期經歷了將近20年，人工智能的科學活動和相關商業活動在這段時間里大大衰退，直到80年代卡耐基梅隆大學制造出可以應用于工業領域的專家系統，隨后越來越多的企業和大學都參與到專家系統的開發中來，直至80年代末，世界500強企業中近一半都研制或使用了專家系統。而人工智能數學模型方面在80年代也取得了重大突破，如1986年的多層神經網絡和BP反向傳播算法等。<br> 1981年，隨著日本經濟產業省撥款8.5億美元用在第五代計算機項目的研發上，英國、美國也紛紛開始向信息技術領域的研究提供大量資金。<br> 1984年，在美國人道格拉斯·萊納特的帶領下，啟動了Cyc項目，該項目的目標是使人工智能的應用能夠以類似人類推理的方式工作。<br> 第二次人工智能寒冬的到來是在1987年至1993年，這段時間蘋果、IBM開始推廣第一代臺式機，人們發現其費用遠低于專家系統的軟硬件開銷，而專家系統的實用性僅僅局限于某些特定情景，隨后20世紀80年代晚期，美國國防部高級研究計劃局的新任領導認為人工智能并非“下一個浪潮”，并對那些更容易出成果的項目進行撥款。（人工智能AlphaGo與圍棋世界冠軍李世石博弈） <b> 3、蓬勃發展期</b><br> 1997年5月，IBM公司的電腦“深藍”與國際象棋世界冠軍卡斯帕羅夫對戰并獲得勝利，這也是首個電腦系統在標準比賽時限內擊敗國際象棋世界冠軍的標志。<br> 2002年，美國一家公司推出能避開障礙并自動設計行進路線的吸塵器機器人，該機器人還能在自身電量不足時自動駛向充電座。<br> 2011年，IBM公司開發的使用自然語言回答問題的人工智能程序Watson在美國智力問答節目上擊敗兩位人類冠軍，贏得了100萬美元的獎金。<br> 2012年，加拿大神經學家團隊創造了一個名為“Spaun”且具備簡單認知能力的虛擬大腦，該大腦具備250萬個模擬“神經元”，同時通過了最基本的智商測試。<br> 2014年，聊天程序“尤金·古斯特曼”在英國皇家學會舉行的“2014圖靈測試”大會上首次通過圖靈測試，這也是人工智能進入全新時代的標志。<br> 2015年是人工智能的突破元年，Google開源了利用大量數據直接就能訓練計算機來完成任務的第二代機器學習平臺。同年，劍橋大學建立人工智能研究所。<br> 2016年，圍棋世界冠軍李世石、柯潔與人工智能對戰紛紛落敗。 <div> 人工智能創新創業如火如荼。全球產業界充分認識到人工智能技術引領新一輪產業變革的重大意義，紛紛調整發展戰略。比如，谷歌在其2017年年度開發者大會上明確提出發展戰略從“移動優先”轉向“人工智能優先”，微軟2017財年年報首次將人工智能作為公司發展愿景。人工智能領域處于創新創業的前沿。</div><div> 麥肯錫公司報告指出，2016年全球人工智能研發投入超300億美元并處于高速增長階段；2017年全球新成立人工智能創業公司1100家，人工智能領域共獲得投資152億美元，同比增長141%。</div> 2021年，以色列的一個研究團隊推出一款可以對暴露在200℃~300℃火中留下的細微跡象進行識別的深度學習人工智能工具。同年，中國新一代人工智能治理專業委員會發布了《新一代人工智能治理專業委員會》。 <div> 2014年至2023年，中國申請了超過3.8萬項生成式人工智能專利，超過其他所有國家的總和。</div><div> 2024年，互聯網、快消企業以及銀行機構初步嘗試用AI面試畢業生，提高校招效率。面試時在小程序接入邀請、驗證身份、宣讀考試流程后進行單向問答，整個過程20分鐘左右，時間地點可任選。</div><div> 2024年招聘市場反饋，使用AI面試的企業數量非常多，在網絡咨詢中有所呈現的企業就包括美團、字節跳動、中國移動、菜鳥、安踏、湯臣倍健、西門子、嘉士伯、北森等公司，這些公司多把AI面試放在了初面階段，通過AI面試對候選人進行初步篩選。</div><div> 其中，一些互聯網企業因大多招聘的是技術開發崗位，所涉及的面試問題也是比較固定的基礎問題，所以更愿意采用AI面試的方式。</div> <div> 截至2025年3月，數據顯示，中國人工智能核心產業規模已達近6000億元，并且仍在快速增長。</div><div> 4月，韓國浦項科技大學團隊在《自然·通訊》雜志上發表了下一代人工智能存儲設備的突破性研究，揭示了電化學隨機存取存儲器（ECRAM）的工作機制。這項技術有望提升智能手機、平板電腦和筆記本電腦等設備的AI性能，并延長電池使用壽命。這一進展標志著AI硬件向高效能、低能耗邁出了重要一步。</div> <b> 二、核心技術</b><br> 1、機器學習<br> 機器學習即借助計算機來對各項數據信息進行分析和學習，以此對人工智能具有預測判斷及作出決策的能力提供幫助。隨著時間發展也逐漸形成了一些具有代表性的算法，對于人工智能來說，機器學習作為一項關鍵的技術，對人工智能今后的發展也具有主要的推動作用。 <b> 2、語音識別</b><br> 語音識別技術，又稱自動語音識別，它是以語音為研究對象，通過語音信號處理和模式識別讓機器理解人類語言，并將其轉換為計算機可輸入的數字信號的一門技術。語音識別技術在生活中的應用已經非常廣泛，近年來語音識別方面與人類水平相齊平，識別效率在快速上升，其在車載導航、智能家居、日常辦公等領域都有涉及。 <b> 3、自然語言處理技術</b><br> 自然語言處理技術，主要是指人工智能可以將人類語言轉化為計算機程序進行處理和接收的語言，將計算機數據轉化為人類自然語言，以便二者之間進行更加暢通的交流和互通，將二者之間的語言進行相互轉換，以便計算機可以更好地理解人類想要表達的訴求和語言。<br> <b> 4、圖像處理技術</b><br> 圖像處理技術主要是指人工智能具有類似于人類的視覺功能，即通過計算機可以主動獲取這些圖片及其他多維度數據信息，并可以借助人工智能來對相應的圖像進行調整和處理，從中提取重要的特征。近些年來超級計算機的出現及云計算技術發展，人臉識別技術應用在安全、支付等領域。 <b> 5、人機交互技術</b><br> 人機交互技術主要是指計算機系統可以與用戶進行更方便的交流和互通，主要是由機器輸出或顯示大量的信息，由用戶進行讀取這些提示和請求信息，然后借助輸入設備向機器輸入有關信息，并回答相關問題，從而實現和機器之間的互動。如今研究出的重要產品和技術如3D顯示器及手寫文字識別系統等。 <b> 6、生成式人工智能</b><br> 生成式人工智能是利用人工智能技術自動生成全新、完全原創的實際工件的新型生產方式，它基于大模型、大算力、訓練方法等多方面技術突破，同時還可應用于多種活動，如創建軟件代碼、促進藥物研發和有針對性的營銷等，生成式人工智能在實現高質量、高效率、多樣化的內容生產的同時也成為推動數字生產力變革的重要力量。 <b> 7、深度學習</b><br> 深度學習是模擬大腦神經網結構對數據進行表征學習的一種方法，它是計算機科學機器學習領域中的一個研究方向，深度學習要求人工智能對樣本數據的內在規律和表示層次進行學習，即通過對獲得的信息如文字,圖像和聲音等數據進行學習來像人一樣具有分析學習能力，能夠識別文字、圖像和聲音等數據，它是一個較為復雜的機器學習算法，深度學習能幫助機器對視聽和思考等人類的活動進行模仿，解決很多復雜的模式識別難題，人工智能相關技術也因此取得很大進步。<br> <b>三、應用場景</b><br> 人工智能技術在電視直播中可以實時視頻分析和處理，幫助對目標的檢測和跟蹤實現自動化，進而提供更準確和全面的視覺信息。<br> 人工智能在自動化控制中也有所應用，如電氣自動化專業中的電子電力技術、電機、電磁場、電路、變壓器等多種技術學科都應用在相關電氣設備上，而這一過程較為復雜且需要投入大量的人力、財力。而如果在如此復雜的電氣設備設計中運用上人工智能技術，就能夠極大地提高設計的精確度和工作效率。另外人工智能已逐漸應用于公共安全的多個領域，人臉識別是一種特殊的人工智能應用，其在公共部門和私營部門中最為常見。人工智能也正迅速成為欺詐檢測的重要技術。美國交通部為提高公共安全，也正研究、開發、測試一種能夠通過錄像自動檢測交通事故，并在不同地點、天氣、照明和交通條件下幫助維持安全和高效的交通通勤的算法。醫學領域也通過人工智能算法來解釋放射性圖像，而這可能會極大的影響刑事司法和法醫界死因在死亡方式上的確定，另外包括DNA分析在內的各個法醫學科分支都在探索人工智能算法的運用。人工智能的另一個重要應用方向是智能機器人，它在汽車制造、電子制造、倉儲物流、醫療裝備制造、應急管理和軍事等領域都有著極為廣泛的應用價值。另外腦機接口也是AI一個重要的應用方向，人類智能與AI的智能具有一定程度的互補性，腦機接口有助于增強人類智能和AI的智能。此外，腦機接口技術在醫療康復、自動駕駛等領域也具有重要而廣泛的應用價值。世界各主要國家、科研機構和企業均在加速布局腦機接口，積極搶占這一全球科技競爭的制高點。世界知識產權組織（WIPO）發布的《2021年輔助技術趨勢報告》將腦機接口作為未來科技發展的重要方向。 AI廣泛應用于自動駕駛汽車、智能音箱、從個性化推薦系統、生物醫療應用等不同領域，其成為人類工作和生活的一個重要組成部分。同時，新的AI技術，正在不斷迭代升級，迅速發展，并不斷拓展其應用領域。 <br> AI在人才招聘領域也被應用及發展，AI面試使人力資源部門不再需要進行海量的簡歷瀏覽篩選，也不需要頻繁地跟業務部門對接面試題目，可降低人力成本，提高面試效率，改善招聘過程中的公平性問題。本講結束。謝謝！

跆拳道,波多野结衣结婚了吗,JAPANESE50MATURE亂倫,美女视频黄网站免费观看

迎接第四次工業革命 --人工智能（1）

常青