人工智能基礎與應用項目1初探人工智能項目2認知人工智能的基礎支撐項目3認知人工智能的應用技術項目4探索人工智能的行業(yè)應用項目5認知AIGC基礎與應用項目6認識人工智能的安全與倫理全套可編輯PPT課件

本課件是可編輯的正常PPT課件項目1初探人工智能本課件是可編輯的正常PPT課件任務1任務2任務3認識人工智能認知人工智能的產業(yè)結構展望人工智能的應用未來目錄本課件是可編輯的正常PPT課件任務1認識人工智能本課件是可編輯的正常PPT課件學習目標掌握人工智能的基本概念和主要特點了解人工智能的發(fā)展歷程及標志性事件能夠結合自己的生活實踐，識別不同類型的人工智能應用能夠初步探索并體驗簡單的人工智能應用工具能夠主動關注人工智能的發(fā)展動態(tài)，積極探索新的技術與應用通過參與實踐活動或項目，提高團隊協(xié)作和溝通能力，為今后的職業(yè)發(fā)展和社會生活奠定基礎知識目標能力目標素養(yǎng)目標本課件是可編輯的正常PPT課件一、認識人工智能1.人工智能的定義人工智能（ArtificialIntelligence，AI）是一門研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的技術科學，其目標是使計算機擁有像人一樣的意識、思維、自我過程和智能行為（如識別、認知、分析、決策等），讓機器能夠勝任一些通常需要人類智能人工智能的定義才能完成的復雜工作。本課件是可編輯的正常PPT課件一、認識人工智能2.人工智能的特點（1）具有學習能力人工智能系統(tǒng)能夠借助大量的數(shù)據(jù)進行學習。（2）具有推理能力人工智能可以根據(jù)已有的知識和規(guī)則進行推理。（3）具有自適應能力人工智能能夠適應不同的環(huán)境和任務要求。本課件是可編輯的正常PPT課件一、認識人工智能2.人工智能的特點（4）具有高速運算能力與人類相比，人工智能可以在短時間內處理大量的數(shù)據(jù)。（5）具有高精度性在一些特定且定義明確的任務中，人工智能可以達到很高的精度。（6）具有可重復性一旦人工智能系統(tǒng)經過訓練并達到穩(wěn)定狀態(tài)，在相同的輸入條件下，它將始終如一地產生相同的輸出。本課件是可編輯的正常PPT課件二、了解人工智能的應用領域1.智能搜索智能搜索利用先進的人工智能算法，能夠在海量信息中迅速且精準地定位目標。2.模式識別模式識別的目的是讓計算機識別數(shù)據(jù)中的模式和規(guī)律。3.虛擬助手虛擬助手通過語音或文本交互，幫助用戶執(zhí)行任務，如設置提醒、搜索信息以及控制智能家居設備。本課件是可編輯的正常PPT課件二、了解人工智能的應用領域4.專家系統(tǒng)專家系統(tǒng)是基于領域專家知識構建的智能系統(tǒng)。5.智能機器人智能機器人融合多種人工智能技術!具備自主決策和行動能力。6.虛擬助手機器學習的目的是讓計算機通過數(shù)據(jù)來學習規(guī)律并進行預測。本課件是可編輯的正常PPT課件三、了解人工智能的發(fā)展與分類1.創(chuàng)始人艾倫·圖靈與圖靈測試艾倫·圖靈（如圖1.1.3所示）是英國數(shù)學家、邏輯學家，被廣泛認為是“人工智能之父”。他為20世紀的計算機科學和人工智能領域做出了奠基性的貢獻。圖靈測試是圖靈在1950年發(fā)表的《計算機器與智能》一文中提出的概念。這個測試的目的是判斷機器是否能夠表現(xiàn)出與人類同等的智能。在測試中，一個人類詢問者通過文本交流（如打字聊天）的方式分別與一個機器和一個真人進行對話。如果詢問者無法區(qū)分哪個是機器回答、哪個是真人回答，那么這臺機器就通過了圖靈測試。本課件是可編輯的正常PPT課件2.人工智能的誕生與蓬勃發(fā)展（1）孕育期人工智能的誕生可追溯至1956年召開的達特茅斯會議。（2）形成期第一次大發(fā)展（1956年至20世紀60年代初期）第一次低谷（20世紀60年代初期至20世紀70年代初期）第二次大發(fā)展（20世紀70年代初期至20世紀80年代中期）第二次低谷（20世紀80年代中期zzzzz至20世紀90年代中期）（3）發(fā)展期復蘇與互聯(lián)網賦能（20世紀90年代中期至2010年）深度革命與生態(tài)重構（2010年至今）三、了解人工智能的發(fā)展與分類本課件是可編輯的正常PPT課件3.人工智能的分類人工智能按智能程度可分為弱人工智能、強人工智能和超人工智能。①弱人工智能：專注于單一任務或特定領域的人工智能系統(tǒng)，其能力局限于預設的規(guī)則或訓練數(shù)據(jù)范圍內，不具備自主意識、情感或跨領域推理能力。②強人工智能：具備與人類相當?shù)膹V泛認知能力，能夠自主學習、進行跨領域推理，并適應新環(huán)境的智能系統(tǒng)。③超人工智能：智能水平遠超人類的人工智能系統(tǒng)，它幾乎在所有領域都能超越最聰明的人類大腦。它不僅具備卓越的推理、創(chuàng)造和決策能力，還能進行自我進化，不斷突破算法。三、了解人工智能的發(fā)展與分類本課件是可編輯的正常PPT課件任務2認知人工智能的產業(yè)結構本課件是可編輯的正常PPT課件學習目標掌握人工智能產業(yè)結構的組成及其各層次的作用理解感知智能與認知智能的主要功能和技術特點能夠分析人工智能各類技術在特定領域中的應用情況能夠初步體驗人工智能的感知智能與認知智能技術提升對人工智能產業(yè)結構的整體認識與全局意識，能夠理解技術和產業(yè)發(fā)展的邏輯與潛力培養(yǎng)跨學科思維和產業(yè)洞察能力，能夠關注人工智能技術的社會價值及其對產業(yè)發(fā)展、經濟轉型的貢獻知識目標能力目標素養(yǎng)目標本課件是可編輯的正常PPT課件1.計算硬件

（1）人工智能芯片人工智能芯片是專為執(zhí)行機器學習算法和神經網絡計算而設計的。相比傳統(tǒng)的中央處理器（CPU），它具有更高的計算效率，且能耗更低，如圖1.2.2所示。一、了解基礎支撐層（基礎層）本課件是可編輯的正常PPT課件1.計算硬件

（2）傳感器傳感器是用于收集環(huán)境數(shù)據(jù)（如溫度、光線、聲音、運動等）的設備，這些數(shù)據(jù)可被人工智能系統(tǒng)用來進行分析和決策，如圖1.2.3所示。一、了解基礎支撐層（基礎層）本課件是可編輯的正常PPT課件2.計算支撐技術

（1）大數(shù)據(jù)技術大數(shù)據(jù)技術涵蓋數(shù)據(jù)的收集、存儲、管理和分析，已成為人工智能領域不可或缺的基石。（2）云計算技術云計算作為一項革命性的技術，為人工智能領域提供了前所未有的資源獲取與服務模式。（3）通信技術通信技術的演進，尤其是5G、6G以及未來的7G技術，對人工智能等領域產生了深遠影響。一、了解基礎支撐層（基礎層）本課件是可編輯的正常PPT課件3.數(shù)據(jù)、算法與軟件平臺數(shù)據(jù)是人工智能技術不可或缺的基礎資源。經過清洗、標注和處理后，這些數(shù)據(jù)為上層的技術開發(fā)和模型訓練奠定基礎。算法是一系列解決問題的步驟或規(guī)則，決定了如何利用數(shù)據(jù)完成特定任務。軟件平臺由系統(tǒng)軟件和開發(fā)框架兩部分組成。其中，系統(tǒng)軟件是指那些直接管理、監(jiān)控或維護計算機硬件及其他系統(tǒng)組件的軟件，為人工智能模型的訓練和推理提供了穩(wěn)定的運行環(huán)境。數(shù)據(jù)、算法與軟件平臺分別提供數(shù)據(jù)基礎、計算方法以及運行環(huán)境和支持工具，三者協(xié)同合作，才能實現(xiàn)高效的模型構建與應用部署。一、了解基礎支撐層（基礎層）本課件是可編輯的正常PPT課件1.感知智能感知智能是指機器通過模擬人類的感官系統(tǒng)來理解和解釋外部世界的能力。（1）圖像識別技術圖像識別技術使機器能夠識別和理解視覺信息，具體包括對圖像中的物體、場景和活動的辨別。（2）文字識別技術文字識別技術，又稱光學字符識別技術，它基于人工智能算法，對包含文字符號的數(shù)字影像進行識別，并將其轉換為對應的數(shù)字文本，實現(xiàn)文字的可識別、可編輯與可轉化應用。二、了解技術驅動層（技術層）本課件是可編輯的正常PPT課件1.感知智能（3）語音識別技術語音識別技術可將語音精準轉化為文本，使機器迅速響應口頭指令。（4）生物特征識別技術生物特征識別技術通過指紋、面部特征、虹膜或聲音等生物特征來識別個體身份，為安全認證、個人設備解鎖等領域提供了一種安全且便捷的認證方式。（5）環(huán)境感知技術環(huán)境感知技術使機器能夠感知周圍環(huán)境，如溫度、濕度、光線等，以便做出相應的反應。二、了解技術驅動層（技術層）本課件是可編輯的正常PPT課件2.認知智能認知智能是指機器模擬人類的認知過程，理解和處理信息的能力。（1）自然語言處理技術自然語言處理使機器能夠理解人類語言，包括語言的語法、語義和語境，并在此基礎上生成人類語言。（2）知識圖譜技術知識圖譜技術通過構建知識圖譜存儲和表示信息，使機器能夠進行推理并提供更豐富的信息。二、了解技術驅動層（技術層）本課件是可編輯的正常PPT課件2.認知智能（3）機器問答技術機器問答技術能夠讓機器理解用戶提問，并據(jù)此提供信息或解決方案。（4）機器學習技術機器學習是指利用某些算法指導計算機基于已知數(shù)據(jù)構建合適的模型，并運用此模型對新情境做出判斷的過程。二、了解技術驅動層（技術層）本課件是可編輯的正常PPT課件1.AI+制造“AI+制造”的應用主要包括以下三個方面：①預測性維護：通過分析設備的歷史數(shù)據(jù)和實時運行數(shù)據(jù)，人工智能能夠預測潛在的故障，并據(jù)此提前進行維護，從而降低意外停機的風險和維修成本。②自動化生產線：借助機器人和自動化系統(tǒng)，可有效提升生產效率，加強質量控制。③供應鏈優(yōu)化：人工智能可以幫助企業(yè)預測產品需求，優(yōu)化庫存水平，降低庫存過?；蛉必浀陌l(fā)生概率，同時還能優(yōu)化物流路徑，削減運輸成本。三、知道場景應用層（應用層）本課件是可編輯的正常PPT課件2.AI+交通“AI+交通”系統(tǒng)的具體內容，如圖1.2.8所示。①自動駕駛汽車：實現(xiàn)車輛的自主導航和駕駛，顯著提升交通的安全性和便利性。②智能交通系統(tǒng)：憑借對交通數(shù)據(jù)的深度分析，實時靈活地調整交通信號，智能引導車輛繞開擁堵路段，從而整體提升交通流暢度。③車輛維護預測：通過分析車輛數(shù)據(jù)預測維護需求。三、知道場景應用層（應用層）本課件是可編輯的正常PPT課件3.AI+安防小區(qū)安防智能一體化系統(tǒng)的工作原理，如圖1.2.9所示。①視頻監(jiān)控分析：利用圖像識別技術實時分析監(jiān)控視頻，識別異常行為。②入侵檢測系統(tǒng)：分析網絡流量，識別異常模式，及時發(fā)現(xiàn)并阻止網絡攻擊。③身份驗證：通過生物識別技術提高訪問控制的安全性。三、知道場景應用層（應用層）本課件是可編輯的正常PPT課件4.AI+醫(yī)療①疾病診斷：輔助醫(yī)生深入分析X光片、CT掃描等醫(yī)學圖像，從而顯著提升疾病診斷的精確度。②個性化治療：根據(jù)患者的遺傳信息和病史，為其定制治療方案，優(yōu)化治療效果。③藥物研發(fā)：通過對海量化合物數(shù)據(jù)深度挖掘，預測藥物療效及潛在副作用，加速新藥研發(fā)。三、知道場景應用層（應用層）5.AI+物流①路線規(guī)劃：憑借實時交通數(shù)據(jù)與貨物詳情，智能規(guī)劃出最優(yōu)配送路徑。②倉庫自動化：使用機器人和自動化系統(tǒng)，提高倉庫操作效率。③需求預測：分析歷史數(shù)據(jù)，預測物流需求，優(yōu)化庫存和物流計劃，降低庫存積壓和缺貨風險。本課件是可編輯的正常PPT課件6.AI+零售①個性化推薦：基于顧客的購物歷史與偏好，智能推薦適宜的產品。②庫存管理：精準預測產品需求，靈活調整庫存，從而有效防止庫存過?；蛉必洭F(xiàn)象的發(fā)生。③顧客服務：通過聊天機器人，提供全天24小時不間斷的客戶支持，提升顧客滿意度。三、知道場景應用層（應用層）本課件是可編輯的正常PPT課件任務3展望人工智能的應用未來本課件是可編輯的正常PPT課件學習目標了解人工智能未來的發(fā)展趨勢及其核心領域了解人工智能對社會的影響和未來能夠結合實際案例，嘗試提出未來人工智能在某一領域的應用場景或解決方案能夠辯證地看待人工智能技術對職業(yè)與工作形態(tài)的重塑，以及由此帶來的潛在社會風險與機遇提升科技意識與社會責任感，培養(yǎng)對人工智能技術未來發(fā)展的敏銳洞察力培養(yǎng)批判性思維和創(chuàng)新精神，能夠從多角度審視人工智能技術的進步與挑戰(zhàn)知識目標能力目標素養(yǎng)目標本課件是可編輯的正常PPT課件1.人機混合增強智能人機混合增強智能通過人機協(xié)同的方式，旨在提升人類的認知能力與工作效率，已成為推動創(chuàng)新、提高生產力的關鍵因素。一、了解人工智能未來的發(fā)展趨勢本課件是可編輯的正常PPT課件2.自適應決策智能在企業(yè)數(shù)字化轉型進程中，自適應決策這一前沿領域，正借助人工智能算法推動物流、客戶支持和營銷等關鍵業(yè)務流程實現(xiàn)自動化。這一決策模式不僅顯著提升了運營效率，還為快速響應市場動態(tài)提供了有力支撐。一、了解人工智能未來的發(fā)展趨勢3.生成式人工智能文生視頻與新一代語音助手正成為生成式人工智能技術在實踐應用中的前沿領域。本課件是可編輯的正常PPT課件4.人工智能體人工智能體（AIagents）是一種能夠模擬或替代人類行為，具備自主決策和執(zhí)行任務能力的智能系統(tǒng)。一、了解人工智能未來的發(fā)展趨勢5.人工通用智能人工通用智能（ArtificialGeneralIntelligence,AGI）超越了傳統(tǒng)AI的局限性，標志著機器智能邁出了向人類智能全面看齊的重要一步。6.量子人工智能量子人工智能（QuantumAI）作為量子計算與人工智能結合的前沿領域，預示著一場技術革命的到來。本課件是可編輯的正常PPT課件7.安全協(xié)防智能在數(shù)字時代，人工智能在網絡安全領域的應用變得尤為重要，它能助力識別潛藏的漏洞與異常狀況。一、了解人工智能未來的發(fā)展趨勢8.“可持續(xù)”的人工智能“可持續(xù)”的人工智能正逐漸成為技術發(fā)展的關鍵方向，它強調在人工智能系統(tǒng)的設計和運行中融入可持續(xù)性原則，注重可再生能源的使用以及減少對環(huán)境的影響。本課件是可編輯的正常PPT課件1.生活方式的改變智能家居系統(tǒng)通過集成智能燈光、智能安防、智能娛樂等設備，不僅提高了家庭生活的便利性和安全性，還通過自動化和遠程控制功能，為居住者提供了更加舒適和個性化的居住環(huán)境。在健康管理方面，人工智能通過智能可穿戴設備實時監(jiān)測用戶的健康數(shù)據(jù)并分析其健康狀況，提供定制化的健康建議，從而幫助用戶更好地管理自己的健康。個性化推薦系統(tǒng)通過分析用戶的行為和偏好，為用戶提供定制化的娛樂體驗。智能出行系統(tǒng)憑借精準的路線規(guī)劃、有效的交通疏導，讓人們的出行之路變得更加順暢。智能物流借助自動化的倉儲管理、高效的配送網絡，以及實時的貨物追蹤技術，大幅提升了物流效率，為消費者帶來了更加迅速、安心的服務體驗。二、了解人工智能對社會的影響與變革本課件是可編輯的正常PPT課件2.行業(yè)形象的塑造人工智能對行業(yè)形象的塑造起著至關重要的作用，它通過提升服務質量和效率，顯著推動了行業(yè)變革與品牌建設。二、了解人工智能對社會的影響與變革3.生產力的提升人工智能作為提升生產力的關鍵技術，正在全球范圍內推動經濟增長和產業(yè)升級。本課件是可編輯的正常PPT課件4.社會治理的完善黨的二十大報告提出：“健全共建共治共享的社會治理制度，提升社會治理效能?！痹谶@一過程中，人工智能發(fā)揮著重要作用。它在健康、教育、公平等多個核心領域，彰顯出非凡的影響力。二、了解人工智能對社會的影響與變革5.職業(yè)與工作形態(tài)的重塑人工智能技術的快速發(fā)展正在改變就業(yè)結構，既帶來了挑戰(zhàn)，也孕育著機遇。本課件是可編輯的正常PPT課件感謝觀看本課件是可編輯的正常PPT課件項目2認知人工智能的基礎支撐本課件是可編輯的正常PPT課件任務1任務2任務3認識數(shù)據(jù)——人工智能的燃料認識算法——人工智能的靈魂認識算力——人工智能的加速器目錄本課件是可編輯的正常PPT課件任務1認識數(shù)據(jù)——人工智能的燃料本課件是可編輯的正常PPT課件學習目標掌握數(shù)據(jù)的含義、特點和類型理解數(shù)據(jù)在人工智能應用中的作用和價值能夠從互聯(lián)網中采集數(shù)據(jù)，并對數(shù)據(jù)進行初步的處理和分析具備數(shù)據(jù)意識和數(shù)據(jù)素養(yǎng)具備對人工智能技術的學習興趣和探索精神知識目標能力目標素養(yǎng)目標本課件是可編輯的正常PPT課件一、認識數(shù)據(jù)1.數(shù)據(jù)的定義與特點數(shù)據(jù)是用來描述或記錄世界上一切事物的事實、數(shù)字或信息。數(shù)據(jù)的特點：①原始性②多樣性③可測量性④可能存在的不完整性本課件是可編輯的正常PPT課件一、認識數(shù)據(jù)1.數(shù)據(jù)的類型①結構化數(shù)據(jù)：是指具有明確的結構模式，可以使用關系型數(shù)據(jù)庫進行表示、存儲和管理的數(shù)據(jù)。②非結構化數(shù)據(jù)：是指那些沒有預定義的數(shù)據(jù)模型，結構不規(guī)則或不完整，難以通過傳統(tǒng)關系型數(shù)據(jù)庫的二維表形式存儲和管理的數(shù)據(jù)。③半結構化數(shù)據(jù)：是指介于結構化數(shù)據(jù)與非結構化數(shù)據(jù)之間的數(shù)據(jù)形式。本課件是可編輯的正常PPT課件二、數(shù)據(jù)對人工智能的作用1.數(shù)據(jù)是人工智能的“燃料”2.數(shù)據(jù)驅動模型的學習與優(yōu)化3.數(shù)據(jù)支持模型的驗證與評估4.數(shù)據(jù)推動人工智能應用拓展與技術創(chuàng)新本課件是可編輯的正常PPT課件三、處理與應用數(shù)據(jù)1.數(shù)據(jù)采集數(shù)據(jù)采集，又稱數(shù)據(jù)獲取，是指從各類數(shù)據(jù)庫、機器設備、傳感器等多樣化數(shù)據(jù)源中自動提取信息的過程，是人工智能項目的起點。2.數(shù)據(jù)存儲數(shù)據(jù)存儲是支撐數(shù)據(jù)處理與應用的基礎，尤其在大數(shù)據(jù)和人工智能蓬勃發(fā)展的當下，其作用在于實現(xiàn)海量數(shù)據(jù)的高效存儲、管理和訪問。①數(shù)據(jù)庫存儲技術②分布式存儲技術③云存儲技術④對象存儲技術本課件是可編輯的正常PPT課件三、處理與應用數(shù)據(jù)3.數(shù)據(jù)預處理①數(shù)據(jù)清洗：數(shù)據(jù)處理的首要步驟，旨在消除數(shù)據(jù)中的錯誤、重復項和缺失值，確保數(shù)據(jù)的準確性和完整性。②數(shù)據(jù)集成：將來自不同渠道的數(shù)據(jù)進行合并和統(tǒng)一處理的過程。③數(shù)據(jù)轉換：將數(shù)據(jù)轉化為適合分析和建模的格式。④數(shù)據(jù)降維：數(shù)據(jù)預備處理中的一項重要技術。數(shù)據(jù)的維度是指數(shù)據(jù)在不同方面上的獨立特征數(shù)。降維技術能夠幫助用戶從高維數(shù)據(jù)中提取最具代表性的特征，減少數(shù)據(jù)的復雜性，從而提高模型的效率與效果。⑤數(shù)據(jù)標注：為數(shù)據(jù)添加標簽或類別信息，以幫助人工智能理解數(shù)據(jù)的具體含義，是監(jiān)督學習中的關鍵環(huán)節(jié)。本課件是可編輯的正常PPT課件三、處理與應用數(shù)據(jù)4.數(shù)據(jù)分析數(shù)據(jù)分析是從處理過的數(shù)據(jù)中提取有意義信息的過程，其核心目的是發(fā)現(xiàn)數(shù)據(jù)中的規(guī)律和模式，為決策提供科學依據(jù)。5.數(shù)據(jù)應用與智能化（1）預測與決策（2）模式識別與分類（3）優(yōu)化與自動化（4）個性化與推薦本課件是可編輯的正常PPT課件四、大數(shù)據(jù)技術1.大數(shù)據(jù)處理技術大數(shù)據(jù)的處理不僅要求處理速度快，還需要能夠高效地處理多種數(shù)據(jù)類型。2.大數(shù)據(jù)分析技術大數(shù)據(jù)分析技術能夠從海量數(shù)據(jù)中提取出有價值的信息，為決策者提供有力支持，幫助他們做出更好的選擇。數(shù)據(jù)挖掘就是其中的核心技術之一。3.大數(shù)據(jù)可視化技術大數(shù)據(jù)可視化技術將復雜的數(shù)據(jù)轉化為易于理解的圖形、圖表等形式，幫助決策者更直觀地理解數(shù)據(jù)背后的深層含義。4.大數(shù)據(jù)安全技術本課件是可編輯的正常PPT課件任務2認識算法——人工智能的靈魂本課件是可編輯的正常PPT課件學習目標理解人工智能算法的定義、特點及其重要性掌握常見的人工智能算法類型及其應用場景了解人工智能算法的發(fā)展現(xiàn)狀和未來趨勢能夠識別應用場景中的常見人工智能算法，并對這些算法的應用情況進行簡要分析具備算法思維、創(chuàng)新意識和問題解決能力具備對人工智能技術的學習興趣和探索精神知識目標能力目標素養(yǎng)目標本課件是可編輯的正常PPT課件一、認識人工智能算法1.人工智能算法的定義人工智能算法是指用于實現(xiàn)人工智能功能的算法，是人工智能技術的核心組成部分。它體現(xiàn)為一系列指令和步驟的集合，用于解決特定問題或實現(xiàn)特定目標。2.人工智能算法的特點（1）適應性強（2）處理復雜問題（3）高精度與高速度（4）自動化處理（5）持續(xù)學習與優(yōu)化（6）跨學科融合本課件是可編輯的正常PPT課件一、認識人工智能算法3.人工智能算法與傳統(tǒng)算法的區(qū)別傳統(tǒng)算法通常針對具體問題設計，如排序、搜索、數(shù)值計算等。它們依賴于明確的規(guī)則和邏輯來處理結構化數(shù)據(jù)，強調精確性和效率。而人工智能算法則具有更強的靈活性和自適應性，能夠處理復雜、不確定和非結構化的數(shù)據(jù)。它們依賴于機器學習、深度學習、強化學習等技術，通過訓練和優(yōu)化來改進性能。兩者的具體區(qū)別，如表2.2.1所示。4.人工智能算法的重要性①推動技術進步。②

促進產業(yè)升級。③引領未來趨勢。本課件是可編輯的正常PPT課件二、了解人工智能常見的算法類型1.監(jiān)督學習算法（1）線性回歸線性回歸（LinearRefression）是一種非常基礎且常用的算法，也是數(shù)據(jù)挖掘和統(tǒng)計學中的一個非常重要的方法。它利用線性回歸方程對一個或多個自變量（X）和因變量（Y）之間的關系進行建模。（2）邏輯回歸邏輯回歸（LogisticRegression）是一種用于解決二分類問題的監(jiān)督學習算法，通常用于預測某個事件發(fā)生的概率，判斷輸入數(shù)據(jù)屬于兩個類別中的哪一個。（3）支持向量機支持向量機（SupportVectorMachine,SVM）也是一種強大的分類算法。它的核心思想是在數(shù)據(jù)空間中找到一個最優(yōu)的分類超平面，將不同類別的數(shù)據(jù)分開。本課件是可編輯的正常PPT課件二、了解人工智能常見的算法類型2.無監(jiān)督算法（1）聚類算法聚類算法的目標是將數(shù)據(jù)集中的樣本依據(jù)某種相似性度量分成若干個簇，使得同一簇內的樣本盡可能相似，而不同簇之間的樣本差異盡可能大。（2）關聯(lián)規(guī)則挖掘算法關聯(lián)規(guī)則挖掘（AssociationRuleMining）是數(shù)據(jù)挖掘中的一項重要技術，旨在從大量數(shù)據(jù)中發(fā)現(xiàn)隱藏的關聯(lián)關系。（3）降維算法主成分分析（PrincipalComponentAnalysis，PCA）是一種常用的降維算法。它通過識別數(shù)據(jù)中變化最大的方向（即主成分），并將數(shù)據(jù)投影到這些主成分上，從而實現(xiàn)數(shù)據(jù)的降維。本課件是可編輯的正常PPT課件二、了解人工智能常見的算法類型3.強化學習算法（1）Q學習Q學習是一種無模型的強化學習算法，它通過學習一個被稱為Q值（或動作值）的函數(shù)來找到最優(yōu)策略。（2）深度Q網絡DQN是在Q學習的基礎上發(fā)展而來的，它就像是給Q學習裝上了一個超級大腦。本課件是可編輯的正常PPT課件二、了解人工智能常見的算法類型4.深度學習算法（1）卷積神經網絡卷積神經網絡是一種專門用來處理具有網格狀拓撲結構數(shù)據(jù)（如圖像）的深度學習算法。它通過卷積層、池化層和全連接層等結構，自動提取圖像中的特征，并進行分類或回歸等任務。（2）循環(huán)神經網絡循環(huán)神經網絡是一種專門用于處理序列數(shù)據(jù)（如時間序列、文本序列等）的深度學習算法。RNN在處理序列中的每個元素時，能夠保留之前元素的信息，這使得RNN能夠捕捉序列數(shù)據(jù)中的時間依賴性和上下文信息。（3）生成對抗網絡生成對抗網絡通過對抗訓練的方式，使生成器能夠生成逼真的數(shù)據(jù)樣本，如圖像、文本和音頻等。本課件是可編輯的正常PPT課件任務3認識算力——人工智能的加速器本課件是可編輯的正常PPT課件學習目標理解算力的定義、類型及其在人工智能中的核心地位了解算力的基礎技術能夠根據(jù)任務需求選擇合適的算力平臺能夠初步評估常見設備的算力具備算力意識和工程素養(yǎng)具備對人工智能技術的學習興趣和探索精神知識目標能力目標素養(yǎng)目標本課件是可編輯的正常PPT課件一、認識算力1.算力的定義算力是指計算機執(zhí)行計算、處理信息和解決問題的能力。在人工智能領域，算力特指在執(zhí)行人工智能算法、訓練模型、進行推理分析等過程中所需的計算資源總和。本課件是可編輯的正常PPT課件一、認識算力2.算力的類型（1）通用算力與專用算力①通用算力：指能夠處理多種類型計算任務的算力資源，通常由通用處理器提供，如CPU、GPU等。②專用算力：指針對特定類型計算任務進行優(yōu)化的算力資源，通常由專用處理器提供，如TPU等。本課件是可編輯的正常PPT課件一、認識算力2.算力的類型（2）集中式算力與分布式算力①集中式算力：將所有計算任務集中在一臺或少數(shù)幾臺高性能計算機上處理，如圖2.3.1（a）所示。②分布式算力：將計算任務拆分并分配到多個計算節(jié)點上進行并行計算的模式，如圖2.3.1（b）所示。本課件是可編輯的正常PPT課件一、認識算力2.算力的類型（3）云端算力與邊緣算力①云端算力：依托于大型數(shù)據(jù)中心，為用戶提供強大的計算能力和存儲資源。②邊緣算力：將計算任務從遠程云端數(shù)據(jù)中心轉移到更接近數(shù)據(jù)源的本地設備或邊緣服務器上。本課件是可編輯的正常PPT課件二、了解算力的基礎技術1.硬件基礎硬件是支撐人工智能計算的物理載體，其核心構成包含四大模塊：計算單元、存儲設備、傳輸組件和能源系統(tǒng)。2.網絡技術在算力基礎技術中，網絡技術扮演著至關重要的角色。它不僅連接著各個計算節(jié)點，確保數(shù)據(jù)的流暢傳輸，還是實現(xiàn)分布式計算、云計算和邊緣計算等先進計算模式的基礎。3.開發(fā)框架開發(fā)框架是一種為開發(fā)者提供預定義功能模塊和代碼庫的軟件工具包。它在人工智能和大規(guī)模計算中扮演著重要的角色，特別是在支持算力方面。本課件是可編輯的正常PPT課件三、理解算力在人工智能中的應用1.模型訓練（1）大規(guī)模模型訓練大規(guī)模模型訓練對算力的需求和挑戰(zhàn)是多方面的，涵蓋了硬件、存儲、計算資源調度、能源消耗等多個領域。（2）分布式訓練分布式訓練方法利用多個計算節(jié)點共同完成模型的訓練。分布式訓練主要有兩種常見的方式：數(shù)據(jù)并行和模型并行。它們各有特點，適用于不同的場景。2.推理與部署在人工智能的世界里，模型就像一個聰明的“大腦”，通過學習大量的數(shù)據(jù)來獲得解決問題的能力。但如果這個“大腦”僅停留在實驗室里，它就無法發(fā)揮其真正的作用。為此，模型需要“走出去”，應用到實際場景中，這就是模型的推理與部署。本課件是可編輯的正常PPT課件四、了解云計算平臺云計算平臺是硬件基礎、網絡技術、開發(fā)框架等基礎技術的集成體現(xiàn)。通過虛擬化、資源池化等技術，將分散的算力資源轉化為可彈性調用的服務，最終支撐上層人工智能應用。（1）阿里云（2）騰訊云（3）華為云（4）亞馬遜云服務（5）微軟云服務（6）谷歌云服務本課件是可編輯的正常PPT課件感謝觀看本課件是可編輯的正常PPT課件項目3認知人工智能的應用技術本課件是可編輯的正常PPT課件任務1任務2任務3認識計算機視覺認識自然語言處理認識智能語音語義目錄任務4任務5認識機器學習認識知識圖譜任務6認識人工智能芯片本課件是可編輯的正常PPT課件任務1認識計算機視覺本課件是可編輯的正常PPT課件學習目標理解計算機視覺的定義及其核心原理理解計算機視覺的基礎知識，包括圖像的數(shù)字化表示、圖像的數(shù)字化過程以及圖像增強等掌握計算機視覺的主要任務，包括圖像分類、目標檢測、語義分割、實例分割和目標追蹤等能夠運用計算機視覺工具完成圖像和視頻的生成能夠運用計算機視覺工具完成圖像的處理和分析等任務（如車牌識別）對計算機視覺技術充滿興趣，積極學習和探索新的技術與應用在學習和運用計算機視覺技術解決問題的過程中，培養(yǎng)問題解決能力和創(chuàng)新思維知識目標能力目標素養(yǎng)目標本課件是可編輯的正常PPT課件一、認識計算機視覺1.計算機視覺的定義計算機視覺是一門研究如何使計算機通過數(shù)字圖像或視頻數(shù)據(jù)來獲取、處理和理解視覺信息的科學與技術。①圖像處理。通過對原始圖像進行預處理，即突出關鍵信息并抑制不必要的干擾，提高后續(xù)分析的效果。這一過程涉及的常見技術包括圖像增強、去噪和濾波等。②特征提取。利用算法（如邊緣檢測、角點檢測和特征點提?。哪切┙涍^處理的圖像中提取具有代表性的特征。這些特征能夠用于描述圖像內容，為后續(xù)的目標識別與跟蹤奠定基礎。③機器學習。運用機器學習，特別是深度學習技術，對提取的特征進行學習和訓練，以實現(xiàn)計算機對圖像內容的理解與識別。本課件是可編輯的正常PPT課件一、認識計算機視覺2.計算機視覺的基礎知識（1）圖像的數(shù)字化表示圖像數(shù)字化是指將客觀世界中的一幅模擬圖像（畫面）轉換為計算機能夠識別、存儲與處理的數(shù)字圖像的過程。數(shù)字圖像由二維元素組成，每一個元素具有一個特定的位置坐標（x，y）和幅值f（x，y），這些元素被稱為像素，如圖3.1.3所示。其中，幅值f（x，y）指的是每個像素所代表的顏色值或亮度值。將一幅數(shù)字圖像（F）左上角像素的中心點作為坐標系原點，記作f（0，0），那么一幅大小為m×n（高×寬）的數(shù)字圖像，可以用如圖3.1.4所示矩陣來表示。本課件是可編輯的正常PPT課件一、認識計算機視覺2.計算機視覺的基礎知識（1）圖像的數(shù)字化表示數(shù)字圖像根據(jù)灰度級數(shù)的差異可以分為：黑白圖像、灰度圖像和彩色圖像。①黑白圖像：幅值為0或1，0表示白，1表示黑。②灰度圖像：幅值在0到255之間，表示不同的灰度級。③彩色圖像：由RGB（紅色、綠色、藍色）三個顏色通道組成，每個通道的幅值在0到255之間。一幅彩色圖像，通常需要三個獨立的矩陣來表示，分別對應每個顏色通道的幅值。這三個矩陣可以合并成一個三維矩陣，其中每個維度代表一個顏色通道。本課件是可編輯的正常PPT課件一、認識計算機視覺2.計算機視覺的基礎知識（1）圖像的數(shù)字化過程圖像的數(shù)字化過程包括采樣和量化兩個關鍵環(huán)節(jié)。采樣是在空間上對連續(xù)的圖像信號進行離散化的過程。量化是在幅度上對采樣得到的圖像信號進行離散化的過程，即將每個像素點的亮度值或顏色值劃分成有限個等級，并將其轉換為對應的數(shù)字代碼。本課件是可編輯的正常PPT課件一、認識計算機視覺2.計算機視覺的基礎知識（3）圖像增強通過圖像增強技術，能夠改善圖像的視覺呈現(xiàn)效果，提升計算機對圖像的判讀能力，為后續(xù)的圖像分析與處理打下堅實的基礎。在數(shù)字圖像處理中，圖像增強技術主要分為兩大類：空間域增強和頻率域增強?？臻g域增強是直接對圖像的像素進行處理，以達到增強效果；頻率域增強則是對圖像經傅里葉變換（這是一種將圖像從空間域轉換為頻率域的數(shù)學方法，用于將圖像分解成不同頻率的成分）后的頻譜成分進行處理，然后通過傅里葉逆變換還原出所需的圖像。本課件是可編輯的正常PPT課件一、認識計算機視覺2.計算機視覺的基礎知識（3）圖像增強圖像濾波是通過卷積運算的方式對圖像進行空間域增強的方法，即在盡量保留圖像細節(jié)特征的條件下對目標圖像的噪聲進行抑制。圖像噪聲是指在圖像采集、傳輸或處理過程中引入的非期望信號干擾，表現(xiàn)為圖像中出現(xiàn)的隨機或規(guī)律性異常像素值變化。這些信號會導致圖像質量下降，影響計算機對圖像信息本課件是可編輯的正常PPT課件一、認識計算機視覺3.計算機視覺的主要任務（1）圖像分類圖像分類是計算機視覺中的基本任務。它的目標是將輸入的圖像分配到一個預先定義的類別中。通過圖像分類任務，計算機能夠識別出圖像中的各類物體。（2）目標檢測目標檢測是在圖像或視頻中，確定預先定義的特定目標的位置和類別。本課件是可編輯的正常PPT課件一、認識計算機視覺3.計算機視覺的主要任務（3）語義分割語義分割是將圖像中的每個像素分配到一個特定的類別中，以實現(xiàn)對圖像的像素級理解。（4）實例分割實例分割是在語義分割的基礎上，進一步區(qū)分同一類別中的不同個體。本課件是可編輯的正常PPT課件一、認識計算機視覺3.計算機視覺的主要任務（5）目標追蹤目標追蹤用于追蹤隨著時間不斷移動的對象。它利用連續(xù)視頻幀作為輸入，從而獲取目標的運動軌跡和狀態(tài)變化。本課件是可編輯的正常PPT課件二、了解計算機視覺的發(fā)展歷程1.萌芽階段（20世紀50年代）1959年，神經生理學家大衛(wèi)·休伯爾和托斯坦·維澤爾開展了一項針對貓視覺系統(tǒng)的實驗。這項研究首次揭示了視覺初級皮層神經元對移動邊緣刺激的敏感性，并發(fā)現(xiàn)了視功能柱結構，為視覺神經科學研究奠定了堅實的基礎。這一發(fā)現(xiàn)不僅在當時具有重要意義，而且促成了四十年后計算機視覺技術的突破性發(fā)展，并為深度學習領域奠定了理論基礎。2.探索階段（20世紀60年代）1965年，勞倫斯·羅伯茨在《三維固體的機器感知》一書中描述了從二維圖片中推導三維信息的過程，這本書被廣泛認為是現(xiàn)代計算機視覺的奠基性著作之一。本課件是可編輯的正常PPT課件二、了解計算機視覺的發(fā)展歷程3.理論構建階段（20世紀70年代）1977年，大衛(wèi)·馬爾在麻省理工學院（MIT）人工智能實驗室提出了計算機視覺理論。該理論成為當時計算機視覺領域的重要理論框架，不僅為該領域構建了系統(tǒng)的理論體系，還對計算機視覺技術的發(fā)展產生了深遠且重要的推動作用。4.獨立學科形成階段（20世紀80年代）1980年，日本計算機科學家福島邦彥受到大衛(wèi)·休伯爾和托斯坦·維澤爾研究的啟發(fā)，建立了自組織的人工神經網絡——“神經認知機”（Neocognitron）。1982年，大衛(wèi)·馬爾發(fā)表了具有影響力的論文《愿景：對人類表現(xiàn)和視覺信息處理的計算研究》，并出版了《視覺》一書，這標志著計算機視覺成為一門獨立學科。本課件是可編輯的正常PPT課件二、了解計算機視覺的發(fā)展歷程5.發(fā)展繁榮階段（20世紀90年代）1997年，吉騰德拉·馬利克發(fā)表了一篇論文，描述了他試圖解決感性分組的問題。1999年，大衛(wèi)·洛發(fā)表《基于局部尺度不變特征（SIFT特征）的物體識別》一文，標志著研究者開始停止通過創(chuàng)建三維模型來重建對象，而是轉向基于特征的對象識別。1999年，英偉達公司在推廣GeForce256芯片時，提出了GPU的概念。6.深度學習助力階段（21世紀初期至今）21世紀初期，圖像特征工程領域出現(xiàn)了真正擁有標注的高質量數(shù)據(jù)集。2009年，李飛飛等人發(fā)布了ImageNet數(shù)據(jù)集，推動了計算機視覺和深度學習的發(fā)展。從2010年到2017年，基于ImageNet數(shù)據(jù)集的ImageNet挑戰(zhàn)賽（ImageNetLargeScaleVisualRecognitionChallenge，ILSVRC）將目標檢測算法推向新高2014年，生成對抗網絡被提出，它是計算機視覺領域的重大突破。2017年至2018年，深度學習框架PyTorch和TensorFlow逐漸趨于成熟，并成為被廣泛使用的框架。近年來，國內外眾多企業(yè)紛紛在計算機視覺領域加大研發(fā)投入。本課件是可編輯的正常PPT課件三、學會應用計算機視覺工具1.可靈AI可靈AI是一款由我國企業(yè)自主研發(fā)的視頻與圖片生成工具。進入可靈AI首頁，點擊“圖片生成”，在“創(chuàng)意描述”框中填寫圖片信息，如“帥氣小男孩，黑頭發(fā)，微笑，正臉，全身照，完美光線，漫畫，細節(jié)清晰，16K”。點擊“立即生成”，可靈AI便會根據(jù)指令生成圖片。本課件是可編輯的正常PPT課件三、學會應用計算機視覺工具2.百度AI開放平臺百度AI開放平臺是面向開發(fā)者與企業(yè)的綜合性人工智能技術服務平臺，集成了豐富的技術能力。這里將重點介紹該平臺文字識別服務體系中的車牌識別功能。點擊首頁中的“文字識別/車牌識別”選項，上傳車牌照片，體驗識別效果。本課件是可編輯的正常PPT課件三、學會應用計算機視覺工具2.百度AI開放平臺在開發(fā)產品時，如果需要用到車牌識別功能，可以調用百度AI開放平臺中的相關技術能力來實現(xiàn)。具體操作步驟如下：（1）成為百度AI開放平臺的開發(fā)者（2）開通文字識別服務①

領取免費資源。②創(chuàng)建應用。（3）使用文字識別服務本課件是可編輯的正常PPT課件三、學會應用計算機視覺工具2.百度AI開放平臺在開發(fā)產品時，如果需要用到車牌識別功能，可以調用百度AI開放平臺中的相關技術能力來實現(xiàn)。具體操作步驟如下：（1）成為百度AI開放平臺的開發(fā)者（2）開通文字識別服務①

領取免費資源。②創(chuàng)建應用。（3）使用文字識別服務本課件是可編輯的正常PPT課件任務2認識自然語言處理本課件是可編輯的正常PPT課件學習目標理解自然語言處理的定義及其主要任務了解自然語言處理的應用領域，能夠識別其在實際應用中的場景能夠利用自然語言處理工具，將文字轉換成語音能夠在運用自然語言處理技術解決問題的實踐中，培養(yǎng)問題解決能力和創(chuàng)新思維知識目標能力目標素養(yǎng)目標本課件是可編輯的正常PPT課件一、認識自然語言處理1.自然語言處理的定義自然語言處理是人工智能的一個分支，它致力于使計算機能夠理解和處理人類語言。NLP的目標是讓機器能夠像人類一樣理解并生成語言，從而實現(xiàn)人與機器之間的自然交互。本課件是可編輯的正常PPT課件一、認識自然語言處理2.自然語言處理的主要任務（1）詞法分析

①分詞

②詞性標注

③詞形還原（2）句法分析

①短語結構分析

②依存關系分析（3）語義理解

①詞義消歧

②語義角色標注

③語義表示（6）問答系統(tǒng)

①基于規(guī)則的問答系統(tǒng)

②基于檢索的問答系統(tǒng)

③基于生成的問答系統(tǒng)（7）文本生成

①語言模型

②摘要生成

③對話生成

④故事生成（4）情感分析

①情感分類

②情感強度分析

③情感對象識別（5）機器翻譯

①規(guī)則-based翻譯

②統(tǒng)計機器翻譯

③神經機器翻譯本課件是可編輯的正常PPT課件一、認識自然語言處理3.自然語言處理的應用案例（1）智能客服（2）智能寫作助手（3）社交媒體分析（4）語言學習工具本課件是可編輯的正常PPT課件二、了解自然語言處理的發(fā)展趨勢1.多模態(tài)融合多模態(tài)融合是指將文本、圖像、語音、視頻等多種模態(tài)的數(shù)據(jù)進行聯(lián)合處理與分析，以提升模型對復雜場景的理解能力。2.輕量化模型輕量化模型是指在保持模型性能不變的前提下，通過壓縮、優(yōu)化或改進架構來降低模型的計算和存儲資源消耗。3.強化學習賦能NLP基于強化學習框架，可通過獎勵機制優(yōu)化模型的決策能力，從而生成更符合預設目標的輸出結果。本課件是可編輯的正常PPT課件二、了解自然語言處理的發(fā)展趨勢4.可解釋性增強可解釋性增強有助于提升模型決策的透明度，使人類能夠理解模型的推理過程和預測依據(jù)。5.跨語言處理跨語言處理技術使模型能夠直接處理多種語言的任務，無須依賴中間語言或單獨訓練?？缯Z言處理的技術方法包括多語言預訓練模型、零樣本學習。本課件是可編輯的正常PPT課件三、學會應用自然語言處理技術1.學習自然語言處理課程（1）注冊并登錄在搜索引擎中輸入關鍵詞“飛槳AIStudio”，找到其官方網站，點擊進入飛槳AI開放平臺的首頁（如圖3.2.2所示），然后完成注冊并登錄。（2）學習在線課程在“學習”模塊中選擇“課程”，隨后點擊“自然語言處理”大類，從中找到你感興趣的實踐課程進行學習，如圖3.2.3所示。本課件是可編輯的正常PPT課件三、學會應用自然語言處理技術1.探索馬克配音（1）進入平臺在搜索引擎中輸入關鍵詞“TTSMaker”，找到其官方網站，點擊進入平臺首頁，如圖3.2.4所示。（2）輸入文本內容并生成音頻文件①在輸入框中鍵入文本內容，確保不超過字數(shù)限制。此處以《赤壁賦》為例。②從平臺提供的聲音選項中選擇合適的聲音，建議先進行試聽，然后再做出選擇。③在輸入驗證碼后，點擊“開始轉換”按鈕，如圖3.2.5所示。轉換完成后，可以在線預覽音頻。本課件是可編輯的正常PPT課件任務3認識智能語音語義本課件是可編輯的正常PPT課件學習目標理解智能語音語義的定義、基礎知識和主要任務了解智能語音語義的應用領域，如智能家居、手機助手等能夠熟練使用智能語音常用工具，如智能音箱等能夠利用智能語音語義開發(fā)平臺開發(fā)智能語音助手或創(chuàng)建語音智能體樂于探索智能語音語義的新應用和新技術，培養(yǎng)創(chuàng)新思維能夠將智能語音語義知識與其他學科知識相結合，探索交叉應用路徑知識目標能力目標素養(yǎng)目標本課件是可編輯的正常PPT課件一、認識智能語音語義1.智能語音語義的定義智能語音語義智能語音語義融合了語音技術與語義理解技術，是一種旨在讓機器聽懂、理解人類語言并做出恰當反饋的綜合性技術體系。在語音層面，該技術可實現(xiàn)語音與文本的相互轉換；在語義層面，則可深入挖掘和解析語言背后的真實意圖與邏輯關系，助力人機自然交互。2.智能語音語義的基礎知識（1）語音識別技術（ASR）語音識別的核心任務是把人類的語音信號精準轉換為對應的文本。（2）自然語言理解技術（NLU）自然語言理解致力于讓計算機理解人類自然語言所表達的含義和意圖。（3）語音合成技術（TTS）語音合成與語音識別的過程相反，它是將計算機中的文本信息轉化為可聽的語音信號。本課件是可編輯的正常PPT課件一、認識智能語音語義3.智能語音語義的主要任務（1）對話管理對話管理是智能語音語義系統(tǒng)的核心任務之一，負責在人機交互過程中維護對話的連貫性和邏輯性。

（2）語音增強語音增強是通過信號處理技術改善語音信號的質量，去除噪聲、回聲等干擾因素，從而提高語音的辨識度和清晰度。（3）聲紋識別聲紋識別是通過分析語音信號的特征來識別說話人的身份。（4）關鍵詞檢出關鍵詞檢出是從大量的語音或文本數(shù)據(jù)中提取出用戶關注的特定詞匯或短語。（5）內容分析與挖掘內容分析與挖掘是對語音或文本數(shù)據(jù)進行深度分析，提取其中的語義信息、情感傾向和主題等。（6）多模態(tài)交互多模態(tài)交互是指融合語音、文字、圖像、手勢等多種輸入方式，以實現(xiàn)更加自然、豐富的交互體驗。（7）智能問答智能問答是指系統(tǒng)根據(jù)用戶的問題，快速準確地生成回答。本課件是可編輯的正常PPT課件二、了解智能語音語義的應用1.智能家居智能語音語義技術在智能家居領域的應用極大地提升了家居設備的智能化水平和用戶體驗。2.車載娛樂智能語音語義技術在車載系統(tǒng)中發(fā)揮著重要作用，顯著提升了駕駛的安全性、便利性及娛樂體驗。3.手機助手智能語音語義技術賦予了手機更強大的交互能力，讓操作更高效、溝通更順暢。4.智慧醫(yī)療智能語音語義技術在智慧醫(yī)療領域的應用，正逐步改變著傳統(tǒng)的醫(yī)療模式。5.智慧教育在教育信息化浪潮中，智慧教育借助智能語音語義技術，為傳統(tǒng)教學模式帶來了顛覆性的變革。6.智能安防作為新一代安防系統(tǒng)的“神經中樞”，智能語音語義技術突破傳統(tǒng)被動監(jiān)控模式，大幅提升了安全管理的效率與精準度。本課件是可編輯的正常PPT課件三、學會應用智能語音語義工具1.開發(fā)智能語音助手（1）語音識別工具開源工具：以CMUSphinx為代表。商業(yè)工具：如百度語音識別和科大訊飛語音識別等。（2）自然語言理解框架開源框架：NLTK（自然語言工具包）和SpaCy。深度學習框架：如TensorFlow和PyTorch。（3）語音合成工具開源工具：如eSpeak。商業(yè)工具：如百度語音合成和訊飛語音合成等。（4）AIoT語音語義平臺例如：訊飛開放平臺。

本課件是可編輯的正常PPT課件2.創(chuàng)建智能語音體下面以豆包為例介紹語音智能體的創(chuàng)建方法。①進入DeepSeek，輸入提示詞，讓DeepSeek生成一段智能體的“設定描述”。②檢查生成的“設定描述”是否符合要求，如果不符合要求，可以讓DeepSeek繼續(xù)修改。如果符合要求，可直接復制這段“設定描述”。③打開豆包，點擊左上角的“+”，選擇“創(chuàng)建AI智能體”。④將平時需要記錄、提醒的事項通過語音發(fā)送給智能體，讓它幫助我們記錄。此外，智能體還支持在線語音通話，為用戶提供即時、高效的語音交互服務。三、學會應用智能語音語義工具本課件是可編輯的正常PPT課件任務4認識機器學習本課件是可編輯的正常PPT課件學習目標理解機器學習的定義和原理了解常見的機器學習模型掌握機器學習系統(tǒng)的開發(fā)步驟能夠利用AI開放平臺構建簡單的機器學習模型在學習和運用機器學習解決問題的過程中，培養(yǎng)問題解決能力和創(chuàng)新思維知識目標能力目標素養(yǎng)目標本課件是可編輯的正常PPT課件一、認識機器學習1.機器學習的定義1959年，塞繆爾將機器學習定義為“在不直接針對問題進行明確編程的情況下，賦予計算機學習能力的研究領域”。1998年，機器學習研究領域的知名教授湯姆·米切爾引入了三個概念：經驗（Experience，E）、任務（Task，T）以及衡量任務完成效果的指標（PerformanceMeasure，P）?；谶@三個概念，機器學習的定義被更加嚴謹?shù)乇硎鰹椋簩τ谝粋€計算機程序而言，若給定一個任務T和一個衡量指標P，在經驗E的影響下，該程序能夠改進P對T的測量結果，則稱該程序能夠從E中學習。本課件是可編輯的正常PPT課件一、認識機器學習2.人工智能、機器學習和深度學習的關系人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新興技術科學。機器學習是人工智能的子集，是實現(xiàn)人工智能的一種途徑，是人工智能的核心。深度學習是一種機器學習方法，是機器學習的子集。深度學習能夠模仿人腦的工作原理。它通過構建和訓練多層神經網絡來處理和解釋復雜的數(shù)據(jù)，從而在圖像識別、語音識別、自然語言處理等領域取得了顯著的成果。本課件是可編輯的正常PPT課件一、認識機器學習3.數(shù)據(jù)集（1）數(shù)據(jù)集的基本概念數(shù)據(jù)集是指一組數(shù)據(jù)的集合，是機器學習的基礎。在數(shù)據(jù)集中，常見的組成要素包括樣本、特征和標簽。樣本也被稱為觀測值或數(shù)據(jù)點，是數(shù)據(jù)集中的一個獨立單元。一個樣本可以包含一個或多個特征，還可能包含一個標簽。特征主要用來描述樣本的屬性或屬性組合，可以是連續(xù)值、離散值或文本信息。標簽主要出現(xiàn)在監(jiān)督學習的數(shù)據(jù)集里，它是與每個樣本相對應的目標變量，是希望模型能夠預測的結果。本課件是可編輯的正常PPT課件一、認識機器學習3.數(shù)據(jù)集（2）數(shù)據(jù)集的劃分在機器學習算法中，通常將原始數(shù)據(jù)集劃分為三個部分：訓練集、驗證集和測試集。①訓練集：用于訓練模型的數(shù)據(jù)集部分。模型通過學習訓練集中樣本特征與標簽之間的關系來構建自身的參數(shù)。訓練集通常占整個數(shù)據(jù)集的大部分，一般為60%—80%。②驗證集：用于在模型訓練的過程中調整模型的超參數(shù)。超參數(shù)是在模型訓練開始前需要人為設定的參數(shù)。通過在驗證集上評估模型在不同超參數(shù)設置下的性能，可以選出最佳的超參數(shù)組合。驗證集的大小通常占數(shù)據(jù)集的10%—20%。③測試集：用于評估最終模型的性能。在模型訓練及超參數(shù)調整結束后，可利用測試集對模型在未見數(shù)據(jù)上的性能進行無偏估計。本課件是可編輯的正常PPT課件一、認識機器學習4.機器學習的類型（1）監(jiān)督學習監(jiān)督學習通過使用已知輸入數(shù)據(jù)（特征）及其對應的輸出結果（標簽）來訓練模型，使模型能夠預測新的輸入數(shù)據(jù)的輸出結果。監(jiān)督學習還可以進一步分為分類（Classification）和回歸（Regression）兩大類。它們的本質區(qū)別在于輸出變量類型的不同。分類輸出的是有限的、離散的類別標簽，而回歸輸出的則是連續(xù)的數(shù)值。①分類。在分類任務中，目標是根據(jù)輸入的樣本數(shù)據(jù)特征，對其類別進行預測，其結果是離散的。②回歸。在回歸任務中，目標通常是一個連續(xù)的數(shù)值。本課件是可編輯的正常PPT課件一、認識機器學習4.機器學習的類型（2）無監(jiān)督學習無監(jiān)督學習使用沒有標記的數(shù)據(jù)集來訓練模型，其中的數(shù)據(jù)只有特征，沒有標簽。無監(jiān)督學習的目標是從數(shù)據(jù)中發(fā)現(xiàn)隱藏的結構和模式，而不是預測特定的標簽或目標。聚類是無監(jiān)督學習中最常見的任務之一，它依據(jù)樣本之間的相似性度量，將數(shù)據(jù)樣本劃分成多個相似的組別或簇。本課件是可編輯的正常PPT課件一、認識機器學習4.機器學習的類型（3）強化學習強化學習又稱再勵學習、評價學習或增強學習，是機器學習的范式和方法論之一。在強化學習中，智能體無須被明確指示如何執(zhí)行任務，而是在與環(huán)境的交互中，通過試錯來學習最優(yōu)策略。智能體在環(huán)境中執(zhí)行行動，并根據(jù)行動的結果接收反饋，也就是獎勵。這些獎勵信號會引導智能體調整自身策略，以實現(xiàn)長期累積獎勵的最大化。本課件是可編輯的正常PPT課件一、認識機器學習5.常見的機器學習模型（1）線性回歸線性回歸是機器學習中常用的預測模型。該模型假設因變量（標簽）與一個或多個自變量（特征）之間存在線性關系，并旨在找到最佳擬合的直線（或超平面），使得預測值與實際值之間的差異最小。線性回歸公式為：y=wx+b。其中，y是因變量（標簽），x是自變量（特征），w是特征權重，b是偏置項。利用給定的數(shù)據(jù)集，可以求出w和b的值。線性回歸又分為兩種類型：簡單線性回歸，僅含有一個自變量；多變量線性回歸，含有兩個或兩個以上的自變量。（2）邏輯回歸邏輯回歸是一種經典的監(jiān)督學習分類模型，盡管名稱中包含“回歸”，但其核心功能是通過自變量預測事件發(fā)生的概率，其輸出范圍在0到1之間，而非直接輸出二分類標簽。本課件是可編輯的正常PPT課件一、認識機器學習5.常見的機器學習模型（3）決策樹決策樹算法是機器學習中一種常用的分類與回歸方法。它通過從數(shù)據(jù)集中學習簡單的決策規(guī)則，實現(xiàn)對目標變量值的預測。（4）K-近鄰K-近鄰（K-NearestNeighbors，KNN）是一種基本的分類與回歸方法，屬于監(jiān)督學習范疇。它的工作原理是在特征空間中尋找與新樣本距離最近的K個訓練樣本點，并根據(jù)這些鄰近點的信息預測新樣本的類別。本課件是可編輯的正常PPT課件一、認識機器學習5.常見的機器學習模型（5）支持向量機支持向量機（SupportVectorMachine，SVM）是一種監(jiān)督學習算法，用于分類與回歸問題。在SVM中，我們將每個樣本映射為高維特征空間中的一個點，并嘗試構建一個超平面將不同類別的樣本分開。超平面的選擇遵循最大化兩個類別之間間隔的原則。本課件是可編輯的正常PPT課件二、開發(fā)機器學習系統(tǒng)1.機器學習的步驟（1）收集數(shù)據(jù)在數(shù)據(jù)分析和機器學習領域，獲取并準備好高質量的數(shù)據(jù)集是非常重要的環(huán)節(jié)，因為數(shù)據(jù)的質量和數(shù)量直接決定能否成功構建預測模型。常用的數(shù)據(jù)采集方式包括：①網絡爬蟲，通過編寫爬蟲程序從網頁上抓取所需數(shù)據(jù)，通常在因原始數(shù)據(jù)不足而需要擴展數(shù)據(jù)的情況下使用。然而，需要注意的是，在運用網絡爬蟲技術時，應有所約束，確保數(shù)據(jù)的合法獲取與使用，避免侵害他人權益。②API接口，一些組織會提供開放的API接口，通過這些接口可以獲取規(guī)范的數(shù)據(jù)。③數(shù)據(jù)庫查詢，這是一種常見且理想的方式，即直接從數(shù)據(jù)庫中提取數(shù)據(jù)。④文件導入，從本地文件系統(tǒng)或多種文件格式（如CSV、Excel）中導入數(shù)據(jù)。本課件是可編輯的正常PPT課件二、開發(fā)機器學習系統(tǒng)1.機器學習的步驟（2）數(shù)據(jù)準備在實際情況中，我們收集到的數(shù)據(jù)可能會有很多問題，如存在缺失值、異常值和重復值等，因此通常需要先開展數(shù)據(jù)清洗工作。具體包括：①缺失值處理，填充缺失值或刪除缺失值。②異常值處理，識別和處理異常值，可以用均值、中位數(shù)等替代或直接刪除。③重復值處理，去除重復的數(shù)據(jù)。在完成數(shù)據(jù)清洗后，需要進行數(shù)據(jù)轉換和特征工程。①數(shù)據(jù)轉換：將數(shù)據(jù)轉換成適合模型處理的格式，如獨熱編碼、標準化、歸一化等。②特征工程：構建新的特征，以提高模型的性能，包括特征提取、特征選擇、特征組合等。在確定數(shù)據(jù)本身沒有問題后，可以對數(shù)據(jù)集進行劃分，用于后面的驗證和評估工作。本課件是可編輯的正常PPT課件二、開發(fā)機器學習系統(tǒng)1.機器學習的步驟（3）模型選擇對于二分類問題（如判斷郵件是否為垃圾郵件），可以選擇邏輯回歸、支持向量機等模型。對于多分類問題（如識別手寫數(shù)字0—9），可以選擇決策樹、隨機森林、多層感知機等模型。在回歸問題中，如果數(shù)據(jù)呈現(xiàn)出明顯的線性關系，可以選擇簡單線性回歸模型。它通過擬合一條直線來預測目標變量的取值。當數(shù)據(jù)呈現(xiàn)非線性關系時，則可以使用多項式回歸、支持向量回歸等模型。對于無監(jiān)督問題中的聚類問題（如將客戶按消費行為分組），常用的模型包括K-均值聚類、層次聚類等。而在降維問題中，主成分分析可以通過線性變換將高維數(shù)據(jù)投影到低維空間，從而在減少數(shù)據(jù)維度的同時保留主要信息。（4）模型訓練這個過程不需要人工參與，機器可以獨立完成。本課件是可編輯的正常PPT課件二、開發(fā)機器學習系統(tǒng)1.機器學習的步驟（5）模型評估在模型訓練完成后，就可以對模型進行評估，以確定其是否有效或有用。在本環(huán)節(jié)，之前預留的測試集將發(fā)揮作用。我們將剩余樣本的特征值輸入模型中，觀察模型給出的結果（預測值）是否與標簽一致。常用的分類評估指標包括準確率、召回率、F1分數(shù)等。通過這一過程，可以了解模型如何對尚未遇到的數(shù)據(jù)進行預測。如果模型表現(xiàn)不佳，則可能需要返回到前面的步驟進行調整。（6）參數(shù)調整在進行模型訓練時，我們會預先設置一系列參數(shù)。通過調整這些參數(shù)，可以有效提升模型的性能表現(xiàn)。在此過程中，往往需要多次嘗試和比較不同的超參數(shù)組合，從而找到最佳的超參數(shù)配置方案。（7）模型應用前文所闡述的各個步驟，均是為達成“模型應用”這一核心目標而服務的。本課件是可編輯的正常PPT課件二、開發(fā)機器學習系統(tǒng)2.?？低旳I開放平臺的使用方法?？低旳I開放平臺是一個專為AI從業(yè)者和企業(yè)用戶設計的一站式服務平臺。該平臺依托全圖形化操作界面，提供了從數(shù)據(jù)準備、標注到模型訓練、部署的全流程一站式服務。（1）進入?？低旳I開放平臺注冊并登錄海康威視AI開放平臺，選擇“一站式訓練平臺”中的“圖像單標簽分類”。進入平臺界面后，頁面頂部區(qū)域顯示有“數(shù)據(jù)服務”和“模型服務”兩個模塊?！皵?shù)據(jù)服務”包括數(shù)據(jù)創(chuàng)建、數(shù)據(jù)導入、數(shù)據(jù)查看、數(shù)據(jù)標注等服務?！澳Ｐ头铡卑Ｐ蜕?、模型訓練、模型測試、下發(fā)模型等服務。本課件是可編輯的正常PPT課件二、開發(fā)機器學習系統(tǒng)2.?？低旳I開放平臺的使用方法（2）新建模型進入“模型服務”，根據(jù)實際需要選擇對應的訓練模式和模型，填寫相關信息即可創(chuàng)建模型。此處使用“通用算法訓練”模式中的“物體檢測模型”。（3）數(shù)據(jù)服務在模型創(chuàng)建成功后，點擊“數(shù)據(jù)服務”。根據(jù)采集的貓狗圖片特點，將算法模型設置為“圖像分類模型/圖像單標簽分類模型”，創(chuàng)建并導入本地數(shù)據(jù)，完成數(shù)據(jù)集的創(chuàng)建，如圖3.4.14所示。本課件是可編輯的正常PPT課件二、開發(fā)機器學習系統(tǒng)2.?？低旳I開放平臺的使用方法（4）模型訓練在數(shù)據(jù)處理完畢后，便可進行模型訓練。在“模型訓練”中，選擇新建好的模型。在完成模型訓練后，可點擊“評估報告”查看訓練詳情和模型性能評估報告。（5）模型測試平臺支持模型在線測試功能，可以模擬實際生產環(huán)境，對模型效果進行進一步評估。測試分為已有測試集測試和本地數(shù)據(jù)測試。測試集可以在“數(shù)據(jù)服務”中創(chuàng)建，也可選擇上傳本地圖片進行測試。測試完成后，平臺會自動生成性能評估報告，可查看、下載校驗推理結果。如果對模型效果不滿意，可發(fā)起模型效果分析，從而獲取模型優(yōu)化建議。本課件是可編輯的正常PPT課件二、開發(fā)機器學習系統(tǒng)2.?？低旳I開放平臺的使用方法（6）下發(fā)模型在模型測試完成后，可以發(fā)布或導出模型。選擇訓練完成的模型及其版本，點擊“確定”按鈕，即可將模型下載至本地或進行在線發(fā)布，如圖3.4.18所示。在線發(fā)布的模型可以通過生成的接口實現(xiàn)在線調用，下載后的模型可在?？礎I設備（如監(jiān)控攝像頭）中使用。如果沒有設備，可以使用模型測試功能查看新樣本的預測結果。本課件是可編輯的正常PPT課件任務5認識知識圖譜本課件是可編輯的正常PPT課件學習目標理解知識圖譜的定義及其主要任務能夠識別知識圖譜在實際應用中的場景，如聊天機器人、搜索引擎、社交媒體分析等能夠熟練使用知識圖譜工具和庫，構建簡單的知識圖譜在學習和運用知識圖譜技術的過程中，培養(yǎng)問題解決能力和創(chuàng)新思維知識目標能力目標素養(yǎng)目標本課件是可編輯的正常PPT課件一、認識知識圖譜1.知識圖譜的定義知識圖譜是指將不同類型的信息連接在一起，從而形成一個關系網絡。它綜合運用數(shù)學、圖形學、信息可視化技術、信息科學等學科的理論知識，結合計量學中的引文分析、共現(xiàn)分析等方法，通過可視化圖譜來展示知識的整體架構。知識圖譜本質上是一種用于描述實體之間關系的語義網絡，是一種半結構化數(shù)據(jù)的表示方法，可以應用于構建智能搜索引擎、推薦系統(tǒng)、問答系統(tǒng)等人工智能領域。知識圖譜通過將現(xiàn)實世界中的信息轉化為圖形，實現(xiàn)對知識的結構化組織和表示。本課件是可編輯的正常PPT課件一、認識知識圖譜2.知識圖譜的基礎知識（1）知識圖譜的數(shù)據(jù)類型與存儲方式①知識圖譜的數(shù)據(jù)類型。知識圖譜的數(shù)據(jù)類型主要包括結構化數(shù)據(jù)、半結構化數(shù)據(jù)和非結構化數(shù)據(jù)。在知識圖譜的構建過程中，不同數(shù)據(jù)類型各有其獨特的應用場景和優(yōu)勢。②知識圖譜的存儲方式。知識圖譜的存儲方式主要有兩種：基于RDF（ResourceDescriptionFramework，資源描述框架）結構的存儲方式和基于圖數(shù)據(jù)庫的存儲方式?；赗DF結構的存儲方式：RDF是一種用于表示資源描述的語義網絡模型。該存儲方式將知識圖譜的三元組信息，即主體（subject）、謂詞（predicate）和客體（object），以RDF格式進行存儲和表示?；趫D數(shù)據(jù)庫的存儲方式：圖數(shù)據(jù)庫是一種專門用于存儲和處理圖結構數(shù)據(jù)的數(shù)據(jù)庫?；趫D數(shù)據(jù)庫的存儲方式將知識圖譜中的實體、屬性和關系表示為圖的節(jié)點和邊。圖數(shù)據(jù)庫采用圖結構存儲數(shù)據(jù)，實體與關系之間的映射關系直觀且清晰。本課件是可編輯的正常PPT課件一、認識知識圖譜2.知識圖譜的基礎知識（1）知識圖譜的構建基礎知識圖譜的構建基礎主要包括實體、屬性、關系等知識元素。知識圖譜通過將這些元素進行抽象、分類和表示，最終形成一張圖譜，使得計算機能夠更好地理解和利用這些知識。①實體是知識圖譜中的節(jié)點，代表現(xiàn)實世界中的對象或概念。②屬性用于描述實體的特征和性質。每個實體都可以擁有多個屬性。③關系用于描述實體之間的關聯(lián)。其類型包括一對一、一對多或多對多。本課件是可編輯的正常PPT課件一、認識知識圖譜2.知識圖譜的基礎知識（1）知識圖譜的邏輯結構知識圖譜通常分為數(shù)據(jù)層和模式層，兩者緊密配合，類似于“實例”與“模板”的關系。數(shù)據(jù)層主要由一系列事實組成，這些事實以個體事實為單位進行存儲。模式層則構建在數(shù)據(jù)層之上，主要通過本體庫來規(guī)范數(shù)據(jù)層的一系列事實表達。本體（Ontology）是結構化知識庫的“概念模板”，它定義了知識圖譜中實體、屬性以及關系的類型和約束規(guī)則。通過本體庫形成的知識庫具有較強的層次結構和較小的冗余度，使得知識的組織和檢索更加高效。也就是說，模式層的作用是定義實體和屬性、建立關系模板以及對數(shù)據(jù)進行規(guī)范化處理。本課件是可編輯的正常PPT課件一、認識知識圖譜2.知識圖譜的主要任務（1）數(shù)據(jù)獲取知識圖譜的數(shù)據(jù)獲取主要依賴于知識抽取技術，這一技術能夠從結構化、半結構化和非結構化數(shù)據(jù)中提取出有用的信息。知識圖譜的構建是后續(xù)應用的基礎，數(shù)據(jù)獲取是構建知識圖譜的前提條件，也是自動構建知識圖譜的關鍵要素。除本項目任務4中提及的網絡爬蟲、API接口、數(shù)據(jù)庫查詢及文件導入等數(shù)據(jù)獲取方法外，還可通過自然語言處理、眾包平臺、專家系統(tǒng)等途徑獲取數(shù)據(jù)。（2）信息抽取信息抽取是指從不同來源、不同結構的數(shù)據(jù)中提取事實性信息，并將這些信息提供給知識圖譜進行進一步加工與處理。信息抽取的數(shù)據(jù)源可以是結構化數(shù)據(jù)（如鏈接數(shù)據(jù)、數(shù)據(jù)庫）、半結構化數(shù)據(jù)（如網頁中的表格、列表）和非結構化數(shù)據(jù)（如純文本數(shù)據(jù)）。面對不同類型的數(shù)據(jù)源，知識抽取所需解決的技術難點及涉及的關鍵技術存在差異。本課件是可編輯的正常PPT課件一、認識知識圖譜2.知識圖譜的主要任務（3）關系構建關系構建是知識圖譜構建中的關鍵環(huán)節(jié)，主要涉及關系分類、關系驗證等步驟。信息抽取的結果可能包含多種類型的關系，因此需要對這些關系進行分類，確定其準確的語義類型。（4）知識推理知識推理是指基于已有知識獲得潛在知識的過程，也可以是根據(jù)知識庫中已有的規(guī)則推演出新規(guī)則。知識推理在知識問答、語義搜索等領域扮演著關鍵角色。（5）知識融合知識融合是將多源異構數(shù)據(jù)進行對齊、整合與推理，最終生成語義一致、結構統(tǒng)一的知識圖譜的過程。（6）知識表示知識表示是將知識以某種形式（如符號、結構、模型）表達出來，以便存儲、處理和推理的過程。本課件是可編輯的正常PPT課件二、學會應用知識圖譜工具1.Neo4j數(shù)據(jù)庫Neo4j是一個高性能的開源NoSQL圖數(shù)據(jù)庫，使用圖形模型來存儲數(shù)據(jù)，并支持復雜的圖形查詢。下面將介紹Neo4j的使用方法。（1）成為Neo4j數(shù)據(jù)庫使用者登錄Neo4j數(shù)據(jù)庫官網，下載并安裝數(shù)據(jù)庫。完成后，通過網址（http://localhost:7474/）進入數(shù)據(jù)庫首頁。（2）構建關系實體點擊左上角按鈕進入數(shù)據(jù)庫，再點擊“PropertyKeys”創(chuàng)建所需的關系實體。（3）形成關系圖在關系實體創(chuàng)建完成后，需要確定實體間的關系。點擊“RelationshipTypes”，然后輸入實體間的關系。本課件是可編輯的正常PPT課件二、學會應用知識圖譜工具2.NRDStudio圖譜NRDStudio（享嵐腦圖）是一款在線知識圖譜制作工具，集數(shù)據(jù)編輯、可視化和分析于一體，能夠全方位、多層次挖掘關系鏈。（1）運用DeepSeek構建知識圖譜的關系數(shù)據(jù)這里以構建人工智能知識圖譜為例進行介紹。在DeepSeek中輸入如下提示詞，自動生成JSON格式的人工智能知識數(shù)據(jù)庫。本課件是可編輯的正常PPT課件二、學會應用知識圖譜工具2.NRDStudio圖譜（2）運用NRDStudio生成知識圖譜在瀏覽器中打開NRDStudio，注冊并登錄平臺。進入“我的項目”界面，點擊“導入”按鈕，如圖3.5.7所示。點擊“高級”，進入“本地導入”對話框，項目類型選擇“2D圖譜”（也可以選擇其他類型），導入的數(shù)據(jù)類型選擇“JSON”，文件類型選擇“純文本”，將DeepSeek生成的數(shù)據(jù)復制到文本數(shù)據(jù)框中，點擊“開始解析”。確認各節(jié)點及其關系正確后，點擊“開始導入”，平臺將自動創(chuàng)建知識圖譜。選擇“文件/導出/文本文件”，點擊“導出”按鈕，將文件保存到本地。本課件是可編輯的正常PPT課件任務6認識人工智能芯片本課件是可編輯的正常PPT課件學習目標了解人工智能芯片的基本概念及其重要性掌握人工智能芯片的主要類型及其