人工智能通識教育主編：呂爭、馮金地、趙琨2025年1月目模塊1初識人工智能模塊3人工智能關鍵技術模塊5人工智能應用(二)模塊7人工智能與社會錄模塊2人工智能支撐運作平臺模塊4人工智能應用(一)模塊6人工智能前沿模塊1初識人工智能模塊1結構：單元1人工智能的定義和內(nèi)涵單元2人工智能發(fā)展簡史單元3人工智能現(xiàn)狀和發(fā)展趨勢

單元4人工智能概述學習目標：√深入理解人工智能的定義、特征、發(fā)展歷程及現(xiàn)狀趨勢?！?/p>

掌握人工智能的基礎理論、機器學習與深度學習技術，具備初步的應用分析能力?！膛囵B(yǎng)批判性思維，能夠分析人工智能技術的優(yōu)缺點，思考其對社會的潛在影響。學

習重

點

：√

人工智能的內(nèi)涵?！?/p>

人工智能產(chǎn)業(yè)鏈的結構與各國發(fā)展現(xiàn)狀比較分析?！虣C器學習與深度學習的基礎理論及主要算法。模塊1初識人工智能AI定義：通過計算機程

序模擬、延伸人類智能

的技術。賦予機器感知

、理解、推理等能力。里程碑事件：

AlphaGO戰(zhàn)勝人類圍棋選手、自

動駕駛興起。模塊1初識人工智能單元1人工智能的定義和內(nèi)涵人工智能的定義人工智能的特征人工智能的實現(xiàn)途徑模塊1初識人工智能圖靈測試與AI定義圖靈測試概念：評估機器是否能展現(xiàn)人類智能行為。AI定義：模擬人類思考、學習和解決問題等智能行為。若測試者無法區(qū)分與

人

交流的是人還是機器，

則機器具備智能。關測試者

C天圖1-2

阿蘭

·

圖靈和圖靈測試B天受

試

者機

器模塊1初識人工智能不同視角下的AI定義麥卡錫：制造智能機器，模擬人類思考。尼爾森：研究知識表示、獲取和使用的科學。溫斯頓：使計算機做過去只有人類能做的智能工作。廣義人工智能：高度靈活、適應性的技術，模擬、延伸、超越人類智能。應對各種情境，邏輯推理、問題解決。模塊1初識人工智能產(chǎn)業(yè)角度利用計算機模擬、延伸、擴展人類智能。涵蓋算力

、數(shù)據(jù)、算法、模型開發(fā)，與行業(yè)深度融合。人工智能特征全新交互方式：語音識別、自然語言處理。自進化能力：機器學習、深度學習自我優(yōu)化。去節(jié)點化：高效處理信息，用戶直接獲得所需。模塊1初識人工智能全新交互方式通過語音識別、自然語言處理等技術，提供自然

、智能的交互體驗，降低使用門檻。自進化能力通過機器學習和深度學習技術，自動識別模式、

預測趨勢，適應不斷變化的環(huán)境和需求。去節(jié)點化后臺高效處理信息，用戶前端直接獲得所需，顛

覆獲取信息和服務的方式。實現(xiàn)途徑-圖靈測試自然語言處理、知識表示、自動推理、機器學習、計算機視覺、機器人學。實現(xiàn)途徑-認知建模通過內(nèi)省、心理實驗、腦成像技術研究

人腦運行機制，模擬人類思維方式。認知科學貢獻者諾姆

·喬姆斯基、赫伯特

·西蒙、丹尼爾

·

丹尼特，為人工智能認知建模奠定基礎CANACOMPUTERTALK

LIKE

AHUMAN?模塊1初識人工智能模塊1初識人工智能實現(xiàn)途徑-思維法則受亞里士多德邏輯學影響，通過符號推理與

機器推理，構建具有人類智能特點的系統(tǒng)。實現(xiàn)途徑-進程安排智能規(guī)劃與管理任務執(zhí)行順序和方式，根據(jù)

不確定性動態(tài)調(diào)整，實現(xiàn)最佳期望結果。單元2人工智

能發(fā)展簡史(從計算推理到深度學習)1.0時代：計算推

理，奠定基礎2.0時代：知識表

示，專家系統(tǒng)3.0時代：機器學

習和深度學習圖靈發(fā)表論文，

并提出圖靈測試1950年約翰·麥卡錫

Lisp編程語言1958年達特茅斯會議正式提出人工智能概念1956年世界第一臺

可編程機器人1954年世界第一臺神經(jīng)網(wǎng)絡機SNARC1951年世界第一個

聊天機器人1966年麻省理工獲得

美國AI研究經(jīng)費1963年世界第一臺

工業(yè)機器人

應用汽車裝配里根星球大戰(zhàn)計劃人工智能

1986年研究經(jīng)費削減

神經(jīng)網(wǎng)絡理論1970年初

重新發(fā)展1985年英國科學研究I

日本政府投資

委員會

8.5億美元發(fā)展報告對人工智

人工智能計算機

能持悲觀態(tài)度

美國DARPA1974年緊隨投資發(fā)展A深藍戰(zhàn)勝國際i

象棋冠軍1997年斯坦福大學自動駕駛機器人

在沙漠比賽2005年谷歌BERT機

器閱讀超越人類2018年IAlphaGo取得圍棋冠軍2016年DARPA

失敗，政府投入縮減1991年斯坦福推出機

器人操作系統(tǒng)ROS2007年IBMWatson

i

危險邊緣比賽!2011年谷歌無人駕駛汽車2010年1962年麻省理工研制首臺人工智能移動機器人shakey1966-1972年機器人動作1972年模塊1初識人工智能6070年代

年代20世紀201021世紀卡耐基

·梅隆大學xCON

專1家系統(tǒng)1980年Al合成主播2018年80年代202050年代年代200044/81模塊1初識人工智能人工智能1.0時代以計算推理為基礎，為AI領域奠定基礎。沃倫

·麥卡洛克和沃爾特

·皮茨的神經(jīng)網(wǎng)絡模型阿蘭

·

圖靈的圖靈機理論1956年達特茅斯會議，AI術語正式提出人工智能1.0時代的重要成果神經(jīng)網(wǎng)絡的提出，為AI研究開辟新方向圖靈機理論為計算機科學提供理論基礎AI作為獨立學科誕生，為后續(xù)研究指明方向模塊1初識人工智能人工智能2

.0時代基于知識表示的專家系統(tǒng)階段。知識表示方法的研究，如產(chǎn)生式

規(guī)則、語義網(wǎng)絡專家系統(tǒng)的開發(fā)與應用，模擬人

類專家決策不確定性推理的引入，提高系統(tǒng)

靈活性DENDRAL系統(tǒng)：化學領域應用，推斷分子結構MACSYMA

系統(tǒng)：計算機代數(shù)系

統(tǒng)，處理復雜數(shù)學計算MYCIN

系統(tǒng)：醫(yī)療領域應用，診斷和治療細菌感染知識來自專家專家系統(tǒng)推理引擎

知識庫非專家用戶詢問建議圖1-4

專家系統(tǒng)的工作原理用戶界面模塊1初識人工智能人工智能3.0時代以機器學習和深度學習為主要特征。圖像識別與語音識別顯著提升自然語言處理取得重大進展強化學習在多個領域取得突破主要科學家及其貢獻喬弗里

·辛頓：深度學習之父，提出反向傳播算法

楊立昆：卷積神經(jīng)網(wǎng)絡先驅吳恩達：在機器學習和深度學習領域有顯著貢獻人工智能3.0時代的技術突破深度學習的興起，實現(xiàn)復雜數(shù)據(jù)特征提取Transformer模型提出，提高NLP任務性能；

GAN

的發(fā)展，生成逼真圖像、音頻或文本

強化學習在機器人控制、自動駕駛等領域廣

泛應用重要標志性事件深藍戰(zhàn)勝國際象棋世界冠軍卡斯帕羅夫AlexNet在ImageNet挑戰(zhàn)賽中奪冠DeepFace、DeepID在人臉識別上超越人類AlphaGo擊敗圍棋世界冠軍李世石深藍戰(zhàn)勝國際象棋世界冠軍卡斯帕羅夫(左),AlphaGo

在圍棋比賽中擊敗了世界冠軍李世石(右模塊1初識人工智能應

用場景實

例自動駕駛：深度學習和強化學習助力汽車實時感知環(huán)境、做出決策，

Waymo

和特斯拉積極研發(fā)，提升行車安全與效率。醫(yī)療診斷：卷積神經(jīng)網(wǎng)絡用于醫(yī)學圖像分析，輔助醫(yī)生準確診斷，如X

光片、MRI

和

CT

掃描圖像識別。智能助手：如

Siri

等基于自然語言處理技術，理解執(zhí)行語音指令，提供天

氣查詢等服務，成為生活好幫手。金融風控：運用機器學習算法分析數(shù)據(jù)與用戶行為，預測違約風險、審批

信貸額度，提升金融領域決策準確性。智能制造：機器學習優(yōu)化生產(chǎn)流程，通過監(jiān)測傳感器數(shù)據(jù)調(diào)整工藝參數(shù)，

提高生產(chǎn)效率與產(chǎn)品質(zhì)量穩(wěn)定性。模塊1初識人工智能模塊1初識人工智能單元3人工智能現(xiàn)狀和發(fā)展趨勢人工智能研究現(xiàn)狀人工智能產(chǎn)業(yè)鏈剖析各國人工智能發(fā)展全景人工智能未來趨勢展望人工智能研究現(xiàn)狀-吳恩達團隊聚焦領域：機器學習與深度學習。醫(yī)療突破：開發(fā)心律不齊診斷算法，媲美醫(yī)生準確率，提升診斷質(zhì)量、節(jié)省

時

間

。臨終關懷創(chuàng)新：借助深度學習分析

EHR

數(shù)據(jù)，助姑息治療團隊精準判斷，

提高關懷效率。人工智能研究現(xiàn)狀-李飛飛團隊核心方向：認

知啟發(fā)AI

與計算機視覺。NOIR

系

統(tǒng)：實現(xiàn)腦電波指揮機器人，革新人機交互。ImageNet

:

構建圖像數(shù)據(jù)庫，推動計算機視覺發(fā)展。多模態(tài)融合：融合視覺、聽覺與觸覺，解決機器人復雜操作。模塊1初識人工智能模塊1初識人工智能人工智能研究現(xiàn)狀-安德烈·卡帕蒂團隊專注領域：自動駕駛神經(jīng)網(wǎng)絡。技術應用：訓練網(wǎng)絡識別路況，提升自動駕駛安全可靠。Dojo

助

力：加速神經(jīng)網(wǎng)絡訓練，增強系統(tǒng)學習性能。視覺優(yōu)化：優(yōu)化網(wǎng)絡，精準感知環(huán)境，數(shù)據(jù)驅動提升適應性。人工智能研究現(xiàn)狀-DeepMind

團隊關鍵領域：機器學習與強化學習。AlphaFold:預測蛋白質(zhì)結構，突破生物難題。強化學習：探索大腦獎勵機制，驗證分布式強化學習。挑戰(zhàn)突破：解決強化學習難題，提升智能體表現(xiàn)。人工智能研究現(xiàn)狀-伊恩·

古德費洛團隊主要領域：生成對抗網(wǎng)絡(GANs)

等。GANs

創(chuàng)新：提出概念并改進，解決訓練問題。結合探索：結合強化學習，虛擬訓練新途徑。

多元應用：應用于語音、語言處理，成果矚目。人工智能產(chǎn)業(yè)鏈-基礎層硬件算力：GPU/FPGA

與智能芯片，提供強大計

算，推動技術普及。系統(tǒng)平臺：智能云與大數(shù)據(jù)平臺，處理海量數(shù)據(jù)

,支持模型訓練。數(shù)據(jù)資源：通用與行業(yè)數(shù)據(jù)，豐富模型訓練素材

,提升準確性與適應性?；A層基礎軟硬件平臺◆

智能芯片◆

系統(tǒng)軟件支撐技術與產(chǎn)品◆

大數(shù)據(jù)◆

智能傳感器

◆

其他人工智能產(chǎn)業(yè)鏈圖譜技

術

層

應

用

層通用技術◆

機器學習

◆

類腦智能計算

其他模塊1初識人工智能◆計算機視覺◆

智能語音◆

自然語言處理◆生物特征識別

VRAR其他產(chǎn)品服務◆

智能機器人◆

智能運載工具◆

智能制造◆智能家居◆

智能物流領域技術

行業(yè)應用◆公共安全◆

智能醫(yī)療圖1-9

人工智能產(chǎn)業(yè)圖譜模塊1初識人工智能人工智能產(chǎn)業(yè)鏈-技術層開源框架：TensorFlow

等提供開發(fā)工具，如TensorFlow

強大且生態(tài)豐富。

算法模型：機器學習發(fā)現(xiàn)規(guī)律，深度學習模擬人腦，強化學習試錯優(yōu)化。通用技術：語音、圖像識別等，在各場景發(fā)揮關鍵作用。人工智能產(chǎn)業(yè)鏈-應

用層應用平臺：智能產(chǎn)品操作系統(tǒng)，連接技術與應用，需靈活安全。智能產(chǎn)品場景：自動駕駛提安全，智能家居增便捷，智能安防保安全，智

能交通優(yōu)流量，智能醫(yī)療助診斷，智能教育促個性，智能政務提效率，智

能金融助決策，智能零售促營銷。各國人工智能發(fā)展現(xiàn)狀-美國政策投資：政策完善，持續(xù)投資，發(fā)布戰(zhàn)略計劃，成立委員會。創(chuàng)新成果：“全政府”模式推動，企業(yè)成果豐碩。ChatGPT

、谷歌產(chǎn)品、

Siri

等，在多領域廣泛應用，引領人工智能發(fā)展。各國人工智能發(fā)展現(xiàn)狀-德

國政策舉措：2023年發(fā)布計劃，加大投資，加強國際合作。應用成果：醫(yī)療領域有“個人健康伴侶”;自動化制造有西門子等企業(yè)；金

融保險用HIRO

算法；交通物流靠“需求響應式運輸”。模塊1初識人工智能各國人工智能發(fā)展現(xiàn)狀-英

國政策投入：吸引人才，設機構定戰(zhàn)略，投資構建研究資源。企業(yè)產(chǎn)品：IDVerse助力企業(yè)，Magic

AI

提供健身教練，VenturePlanner

優(yōu)化商業(yè)規(guī)劃，還有金融分析、個性機器人等多樣產(chǎn)品。各國人工智能發(fā)展現(xiàn)狀-中

國政策支持：出臺多項政策，涵蓋產(chǎn)業(yè)化、融合、標準化等，指引產(chǎn)業(yè)發(fā)

展。應用成果：自動駕駛、物流、交通等多領域成果顯著。華為、百度等推

動技術，無人車、智能鎖等產(chǎn)品涌現(xiàn)。模塊1初識人工智能人工智能發(fā)展趨勢-技術創(chuàng)新基礎突破：探索基礎理論，優(yōu)化算法，推動底層變革。技術融合：與物聯(lián)網(wǎng)、大數(shù)據(jù)融合，實現(xiàn)實時智能決策。算力提升：量子計算助力，加速模型訓練，突破技術瓶頸。人工智能發(fā)展趨勢-應用拓展行業(yè)深耕：醫(yī)療精準手術，金融智能風控，提升行業(yè)效能。新興領域：進軍太空、深海探索，開拓應用新疆界。社會服務：優(yōu)化政務、教育服務，增進社會福祉。人工智能發(fā)展趨勢-倫理與安全倫理規(guī)范：制定準則，確保公平、透明、可解釋。安全保障：保護數(shù)據(jù)安全，提升模型魯棒性。國際合作：各國協(xié)作監(jiān)管，保障健康發(fā)展。模塊1初識人工智能模塊1初識人工智能單元4人工智能概述理論基礎：多學科融合機器學習：讓機器自主學習深度學習：模擬大腦的智慧模塊1初識人工智能人工智能理論基礎-

數(shù)學線性代數(shù)：特征向量與矩陣運算，實現(xiàn)線性變換。概率論與統(tǒng)計學：描述不確定性，推斷總體參數(shù)。微積分：導數(shù)用于優(yōu)化算法，積分計算概率分布。最優(yōu)化理論與算法：將機器學習問題轉為凸優(yōu)化求解。信息論：度量信息，應用于特征選擇等。數(shù)學為AI

算法提供核心支撐。人工智能理論基礎-計算機科學數(shù)據(jù)結構：優(yōu)化數(shù)據(jù)處理，提升算法效率。算法：決定AI系統(tǒng)性能與準確性。編程語言：實現(xiàn)智能系統(tǒng)的關鍵工具。計算機體系結構：優(yōu)化系統(tǒng)性能與擴展性。數(shù)據(jù)科學：采集、分析數(shù)據(jù)，驅動AI

模型。計算機科學構建AI

技術框架。人工智能理論基礎-神經(jīng)科學神經(jīng)元與突觸：神經(jīng)系統(tǒng)基本單元，傳遞信息。

大腦結構與功能：各功能區(qū)協(xié)同實現(xiàn)復雜認知。

神經(jīng)遞質(zhì)與調(diào)質(zhì)：信息傳遞的物質(zhì)基礎。神經(jīng)可塑性：學習和記憶的基礎。神經(jīng)編碼與信息處理：揭示神經(jīng)系統(tǒng)感知原理。

神經(jīng)科學啟發(fā)AI

模擬人類思維。人工智能理論基礎-控制論控制系統(tǒng)構成：設計智能系統(tǒng)控制策略。反饋控制原理：比較輸出差異，優(yōu)化系統(tǒng)性能。自適應與優(yōu)化：系統(tǒng)隨環(huán)境變化自動調(diào)整。穩(wěn)定性與強健性：確保系統(tǒng)穩(wěn)定運行?？刂撇呗栽O計：應用于機器人等多種場景。

控制論助力AI

系統(tǒng)穩(wěn)定運作。模塊1初識人工智能人工智能理論基礎-心

理

學認知心理學：為自然語言處理等提供理論。行為主義心理學：強化學習源于獎勵懲罰機制。情感心理學：實現(xiàn)AI

情感交互，提升用戶體驗。心理學指導AI模擬人類思維與交互。人工智能理論基礎-語

言學基本概念：為自然語言處理提供理論。語音學與音系學：助力語音識別與合成。語法學：解析句子結構，理解語義。語義學與語用學：準確理解文本與語境。語言學支撐自然語言處理任務，AI理解人類語言的關鍵。模塊1初識人工智能人工智能理論基礎-經(jīng)

濟學信息不對稱理論：減少市場效率低下。博弈論：優(yōu)化決策者行為與策略。優(yōu)化理論：解決復雜經(jīng)濟問題。市場機制和競爭：模擬市場，提供策略建議。數(shù)據(jù)驅動決策：精確分析經(jīng)濟數(shù)據(jù)。經(jīng)濟學為AI

決策提供理論支持。人工智能理論基礎-倫

理學隱私與數(shù)據(jù)安全：保護用戶隱私，防止數(shù)據(jù)濫用。透明度與解釋性：

使AI決策可解釋。公平性與非歧視：避免算法偏見。失業(yè)風險與社會影響：應對就業(yè)結構變化。道德判斷與責任：規(guī)范AI

行為。倫理學確保AI

健康發(fā)展。模塊1初識人工智能機器學習-基本概念與生活實例基本概念：讓計算機從數(shù)據(jù)中自動學習，無需明確編程。生活實例：音樂播放應用依聽歌歷史推薦歌曲。算法分析行為，識別音樂

品味，不斷優(yōu)化推薦，展示機器學習自動化“學習”能力。機器學習-類

型監(jiān)督學習：帶標簽數(shù)據(jù)，學習映射關系，用于圖像識別等。無監(jiān)督學習：無標簽數(shù)據(jù)，發(fā)現(xiàn)數(shù)據(jù)結構，用于市場細分。半監(jiān)督學習：部分標簽數(shù)據(jù)，降低標注成本，提升泛化力。強化學習：與環(huán)境交互獲獎勵，用于游戲、自動駕駛。不同類型適用于不

同場景。模塊1初識人工智能機器學習-常用算法線性回歸：擬合數(shù)據(jù)點，找變量關系。邏輯回歸：二分類，輸出概率。支持向量機：繪制邊界分類。決