《第10章人工智能及其应用ppt课件.pptx》由会员分享，可在线阅读，更多相关《第10章人工智能及其应用ppt课件.pptx（40页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、在此输入您的封面副标题第10章 人工智能及其应用信 息 技 术 素 养信息技术素养2022/5/13现代教育技术中心3问题的引入特斯拉汽车与无人驾驶汽车人脸识别技术在各行业星罗棋布的应用科大讯飞和翻译机某宝、某东电商平台上，对用户兴趣商品推荐显示小米的“小爱同学”2022/5/13现代教育技术中心4u 不知不觉中，人工智能逐步出现在我们生活中问题的引入体会人工智能，主动认知学习！ 除了被动适应人工智能带给我们的便利，我们是不是也应该主动学些什么？ 感知人工智能的应用，你是否为人工智能未来发展有所憧憬？ 人工智能的现实应用，为什么总是达不到我们期望中的智能程度？ 即使不探讨人工智能相关技术，对于
2、其发展和应用历程，是否应该有所了解？ 人工智能的主要研究和应用领域是什么？哪些是新的研究热点？2022/5/13现代教育技术中心510.1 人工智能的定义和概念一、智能和智能机器 智能（Intelligence）是指生物一般性的精神能力，包括推理、理解、计划、解决问题、抽象思维、表达意念以及语言和学习多个方面的能力，一般理解为“思考的能力”。 智能机器：人工智能（Artificial Intelligence，AI）即认为设计让机器具有这种思考能力的科学，就是说让机器像人一样具有“思想”。一旦机器真的具备了这种能力，就可以称为智能机器2022/5/13现代教育技术中心610.1 人工智能的定义
3、和概念二、什么是人工智能？ 学术界和产业界并没有一个关于人工智能的确切定义 John McCarthy（约翰麦卡锡）：人工智能是制作智能机器的科学与工程。 维基百科的定义是：人工智能又称机器智能，指由人制造出来的机器所表现出来的智能。 通常定义：人工智能是指通过普通计算机程序来呈现人类智能的技术。 学术界：人工智能是研究、开发用于模拟、延伸人类智能、智能行为的理论、方法和技术及应用系统的一门技术学科。其主要任务是建立智能信息处理理论，进而设计可以展现某些近似于人类智能行为的计算系统。2022/5/13现代教育技术中心710.1 人工智能的定义和概念三、三大主流学派描述不一2022/5/13现代
4、教育技术中心8 人工智能是那些与人的思维相关的活动，诸如决策、问题求解和学习等自动化（Bellman，1978年）。 人工智能是一种计算机能够思维，使机器具有智力的激动人心的新尝试（Haugeland，1985年）。 人工智能是研究如何让计算机做现阶段只有人才能做得好的事情（Rich Knight，1991年）。 人工智能是那些使知觉、推理和行为成为可能的计算的研究（Winston，1992年）。 广义的讲，人工智能是关于人造物的智能行为，而智能行为包括知觉、推理、学习、交流和在复杂环境中的行为（Nilsson，1998年）。 人工智能是像人一样思考的系统、像人一样行动的系统、理性地思考的系统
5、、理性地行动的系统（Stuart Russell和Peter Norvig，2003年）10.1 人工智能的定义和概念四、人工智能的起源和发展1. 图灵测试人工智能的起源2022/5/13现代教育技术中心9l 测试者与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。l 进行多次测试后，如果机器让平均每个参与者做出超过30%的误判，那么这台机器就通过了测试，并被认为具有人类智能。10.1 人工智能的定义和概念2.达特茅斯（Dartmonth）会议人工智能的开端2022/5/13达特茅斯会议标志着人工智能学科的达特茅斯会议标志着人工智能学科的诞生诞生诞生，诞生，
6、1010.1 人工智能的定义和概念l 约翰麦卡锡（John McCarthy） 达特茅斯学院数学助理教授l 马文明斯基（Marvin Minsky） 哈佛大学数学与神经学研究员l 纳撒尼尔罗切斯特（Nathaniel Rochester） IBM信息研究经理l 克劳德香农（Claude Shannon） 贝尔电话实验室数学家l 希尔伯特西蒙（Herbert Simon） 卡内基理工学院计算机科学家2022/5/13现代教育技术中心11l 可编程计算机l 如何为计算机编程使其能够使用语言l 神经网络l 计算规模理论l 自我学习l 抽象表示方法l 随机性与创造性u 会议发起人u 会议议题l Mar
7、vin Minsky的神经网络模拟器l John McCarthy的搜索法l Herbert Simon和Allen Newell的定理证明器u是会议的三个亮点10.1 人工智能的定义和概念3.人工智能发展的“三起两落”黄金时期（19561974年） 达特茅斯会议之后的近十年是AI的黄金发展期，是人工智能的第一次高潮。典型成果包括定理证明、基于模板的对话机器人第一次AI低谷（19741980年） 到了20世纪70年代，AI遭遇了瓶颈。计算机有限的内存和处理速度不满足AI计算要求；将人的智能方式复制给机器的方法在处理确定性问题（如定理证明）时表现很好，包含大量不确定的实际问题的情况无法处理。短暂
8、的繁荣（1980年1987年）到了20世纪80年代，专家系统的AI程序兴起，可通过积累大量领域知识，构造了一批可与应用于特定场景下的专家系统。关注有限任务。第二次AI低潮（19871993） 20世纪80年代末到90年代初，人们逐步发现专家系统依然有很大问题，知识的维护困难，新知识难以加入，老知识互相冲突。从华丽到务实（1993年2010年脱去AI光鲜的外衣，脚踏实地地去研究特定领域内的特定问题的解决方法，做好基础理论知识研究。高歌猛进（2011年至今）2011年，iPhone 4S包含的Siri软件为引燃点。移动互联、云计算、大数据、物联网技术的逐步成熟，以及超级计算机和量子计算机的逐步兴起
9、，计算资源和数据量问题解决，以深度神经学习网络为代表的新一代机器学习方法使一大批过去无法解决的问题能够解决。2022/5/13现代教育技术中心1210.1 人工智能的定义和概念2022/5/13现代教育技术中心134.弱人工智能与强人工智能u人们对人工智能的两种不同的目标或者理念 弱人工智能：希望借鉴人类的智能行为，研制出更好的工具，以减轻人类智力劳动。 强人工智能：希望研制出达到甚至超越人类智慧水平的人造物，具有心智和意识、能根据自己的意志开展行动。u人工智能技术取得的成就，都应归结为“弱人工智能”范畴 现有的科技研究水平尚不具备达到“强人工智能”的程度。 人们对具有独立思维能力的人工智能机
10、器存在一定的敬畏和顾虑。10.1 人工智能的定义和概念5.人工智能各学派的认知观2022/5/13现代教育技术中心14符号主义学派又称为逻辑主义、心理学派或计算机学派，其原理主要为物理符号系统（即符号操作系致）假设和有限合理性原理。联结主义学派又称为仿生学或生理学派， 其原理主要为神经网络及神经网络间的连接机制与学习算法。行为主义学派又称为进化主或控制论学派, 其原理为控制论及感知-动作型控制系统。10.2 人工智能的研究与应用u研究聚焦点： 研究生物体是如何感知对象的。 在给定的任务下，如何用计算机实现模式识别的理论和方法。u模式识别方法：模板匹配法、统计模式法、模糊模式法、神经网络法等。u
11、模式识别实现方法分类：有监督分类和无监督分类。 有监督分类又称有人管理分类，主要利用判别函数进行分类判别，需要由足够的先验知识； 无监督分类又称无人管理分类，用于没有先验知识的情况，主要采用聚类分析的方法。2022/5/13现代教育技术中心15一、智能感知1.模式识别10.2 人工智能的研究与应用u一个计算机模式识别系统基本上由三部分组成：数据采集、数据处理和分类决策（或模型匹配）。u应用领域：手写字符的识别、机器牌照的识别、指纹识别、语音识别等多个方面，模式识别已经在天气预报、卫星航空图片解释、工业产品检测、字符识别、语音识别、指纹识别、人脸识别、遥感和医学诊断等许多方面得到成功应用。202
12、2/5/13现代教育技术中心161.模式识别一、智能感知10.2 人工智能的研究与应用u研究焦点：利用计算机对目标景物的一幅或多幅图像的数据进行处理后，实现类似人的视觉感知功能。u方法与过程：研究者把实现视觉感知所要进行的图像获取、表示、处理和分析交给计算机系统，计算机系统对周围的景物提取各种有关信息，包括物体的形状、类别、位置以及物理特性等，以实现对物体的识别理解和定位，并在此基础上做出相应的对策。2022/5/13现代教育技术中心171.视觉感知一、智能感知u实现的基本方法：获取灰度图像；从图像中提取边缘、周长、惯性矩等特征；从描述已知的物体的特征库中选择特征匹配最好的相应结果。u前沿研究
13、领域：实时并行处理、主动式定性视觉、动态和时变视觉、三维景物的建模与识别、实时图像压缩传输和复原、多光谱和彩色图像的处理与解释等。u应用范围 条形码识别、指纹自动鉴定、文字识别、生物医学图像分析和遥感图片自动解释系统等。 机器人：无人驾驶汽车，以及在工业装配、太空、深海（或其他危险环境）中代替人类工作的自主式机器人。10.2 人工智能的研究与应用u研究焦点：如何使计算机能够理解和生成机器语言，即采用人工智能的理论和技术将设定的自然语言机理用计算机程序表达出来。uNLP的 四大经典AI难题：问答、复述、文摘、翻译。 问答就是让机器人很开放的回答你提的各种各样问题，就像真人一样； 复述是让机器用另
14、外一种方式表达出来； 文摘就是告诉你一篇很长的文章，让你写一个100字的文摘，把它做出来是非常难做的； 翻译也是很困难的，英语思维方式和中文思维方式转换过来，中间会涉及到很多复杂的问题。2022/5/13现代教育技术中心18一、智能感知3.自然语言理解( Natural Language Processing, NLP)10.2 人工智能的研究与应用2022/5/13现代教育技术中心19u该项研究滞后：由自然语言有以下4个特点决定：自然语言中充满歧义；自然语言的结构复杂多样；自然语言的语义表达千变万化；自然语言的结构和语义之间错综复杂。u人工神经网络兴起带来新发展：2013年来，基于拥有海量结
15、点（神经元）的深度神经网络，可以自动的从语言资料中学习翻译知识。这种翻译方法译文流畅，更加符合语法规范，容易理解。相比之前的翻译技术，质量有“跃进式”的提升。一、智能感知3.自然语言理解( Natural Language Processing, NLP)10.2 人工智能的研究与应用2022/5/13现代教育技术中心20u研究焦点：利用计算机证明非数值性的结果，即确定它们的真假值。在数学领域中对臆测的定理寻求一个证明，是一项很需要智能的任务。定理证明时，不仅需要有根据假设进行演绎的能力，而且需要有某种直觉和技巧。u方法种类： 自然演绎法：依据推理规则，从前提和公理中可以推出许多定理，如果待证
16、的定理恰在其中，则定理得证。 判定法：对一类问题找出统一的计算机上可实现的算法解。我国数学家吴文俊教授于1977年提出的 “吴氏方法”。 定理证明器：研究一切可判定问题的证明方法。 计算机辅助证明：它是以计算机为辅助工具，利用机器的高速度和大容量，帮助人完成手工证明中难以完成的大量计算、推理和穷举。二、知识推理1.自动定理证明10.2 人工智能的研究与应用u概念：专家系统是一个能在某特定领域内，以人类专家水平去解决该领域中困难问题的计算机应用系统。其特点是拥有大量的专家知识（包括领域知识和经验知识），能模拟专家的思维方式，面对领域中复杂的实际问题，能给出专家水平的决策，像专家一样解决实际问题。
17、u系统组成：由知识库、数据库、推理机、解释模块、知识获取模块和人机接口。u程序设计语言：LISP语言是一种表处理语言，是许多专家系统编程语言的基础，另一种广泛使用的语言是Prolog，它基于一节谓词演算逻辑。u应用领域：诞生于20世纪60年代中期，经过20世纪70年代和80年代的较快发展，现在已广泛应用于医疗诊断、地质探矿、资源配置、金融服务和军事指挥等领域。2022/5/13现代教育技术中心212.专家系统二、知识推理10.2 人工智能的研究与应用u搜索技术是推理进行引导和控制的技术。搜索技术也是一种规划技术，因为对于有些问题，其解就是有搜索而得到的“路径”。u在人工智能研究的初期，“启发式
18、”搜索算法曾一度是人工智能的核心课题。传统的搜索技术都是基于符号推演方式进行的。近几年，研究者将神经网络技术应用问题求解，开辟了问题求解和搜索技术研究的新途径。u检索是搜索另一技术分支。互联网的飞速发展和海量知识数据的出现，智能搜索引擎研究和应用为科技持续发展做出突出贡献。智能搜索引擎除了具有传统搜索引擎的快速检索、相关度排序等基本功能，还具有用户角色登记、兴趣自动识别、内容的语义理解、智能化信息过滤和推送功能。现代搜索引擎的核心技术已经从传统的网页排序转变成人工智能支撑的新一代智能检索技术。2022/5/13现代教育技术中心22二、知识推理3.智能搜索10.2 人工智能的研究与应用 基本目标
19、：研究如何利用海量、低质、无序的碎片化知识进行问题求解与知识服务。 工作特点：大数据知识工程除权威知识源以外，知识主要来源于用户生成内容，知识库具备自我完善和增殖能力，问题求解过程能够根据用户交互进行学习，大数据知识工程有望突破以专家知识为核心的传统知识工程中的“知识获取”和“知识再工程”两个瓶颈问题。 2015年，吴信东教授与郑南宁院士等多人提出了大数据知识工程的顶层设计与研究纲要。大数据知识工程的研究将以我国经济社会发展对大数据知识工程的战略需求为牵引，建立一套大数据支持工程的理论体系，突破碎片化知识发现、融合、服务的核心技术，研制出碎片化知识融合与导航服务原型系统，开发出具有高附加值的面
20、向碎片化知识的处理工具。 应用领域：普适医疗、远程教育、“互联网+”等。2022/5/13现代教育技术中心23二、知识推理4.大数据知识工程10.2 人工智能的研究与应用u当代人工智能与传统人工智能在方法论上已经有很大不同，当代人工智能的本质是让机器从数据中学习知识，而不再是对人类知识的复制，这一方法称为“机器学习”。u从理论上讲，机器学习是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能u机器学习主要有下列三层意思：一是对人类已有知识的获取（这类似于人类的书本知识学习）；二是对客观规律的发现（这类似于人类的科学发现）；三是对自身行为
21、的修正（这类似于人类的技能训练和对环境的适应）。u学习方法从过程论上讲又称“算法”，机器学习算法可分为有监督学习、无监督学习、半监督学习和强化学习四种。机器学习从方法论上讲通常包括归纳学习、类比学习、分析学习、连接学习和遗传学习。2022/5/13现代教育技术中心24三、机器学习10.2 人工智能的研究与应用u人工神经网络就是由简单计算单元组成的广泛并行互联的网络。抽取其主要结构特点，建立简单可行且能实现人们所期望功能的模型。人工神经网络由很多处理单元有机地连接起来，进行并行的工作。人工神经网络的最大特点是具有学习功能。u从计算模型看，它是由大量简单的计算单元组成网络进行计算。这种计算模型具有
22、鲁棒性、适应性和并行性。从方法论的角度看，神经网络计算是自底向上的，它直接从数据通过学习与训练，自动建立计算模型，其计算表现出很强的灵活性、适应性和学习能力。u人工神经网络是人工智能中一个极其重要的研究发现，广泛应用于模式识别、图像处理、组合优化、自动控制、信息处理、机器人学和人工智能的其他领域。2022/5/13现代教育技术中心25三、机器学习1.神经网络10.2 人工智能的研究与应用u深度学习的概念 深度学习的概念源于人工神经网络的研究，含多个隐藏层的多层感知器就是一种深度学习结构。 深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。 研究深度学习的
23、动机在于建立模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据。2022/5/13现代教育技术中心26三、机器学习2.深度学习10.2 人工智能的研究与应用2022/5/13现代教育技术中心27u 深度学习特征l 一是强调了模型结构的深度，通常有5层、6层，甚至10多层的隐层节点；l 二是明确了特征学习的重要性，通过逐层特征变换，将样本在原空间的特征表示变换到一个新的特征空间，利用大数据来学习特征，更能够刻画数据丰富的内在信息；l 三是通过设计建立适量的神经元计算节点和多层运算层次结构，选择合适的输入层和输出层，通过网络的学习和优化，建立起从输入到输出的函数关系。三、机器学习10.2
24、人工智能的研究与应用2022/5/13现代教育技术中心28u 卷积神经网络模型（Convolutional Neural Network,CNN）：是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。u 卷积神经网络模型结构：卷积神经网络由一个或多个卷积层和顶端的全连通层（对应经典的神经网络）组成，同时也包括关联权重和池化层（pooling layer）。这一结构使得卷积神经网络能够利用输入数据的二维结构。与其他深度学习结构相比，卷积神经网络在图像和语音识别方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他深度、前馈神经网络
25、，卷积神经网络需要考量的参数更少，使之成为一种颇具吸引力的深度学习结构。三、机器学习10.2 人工智能的研究与应用2022/5/13现代教育技术中心29深度信念网络 (Deep Belief Network, DBN)模型： 由 Geoffrey Hinton 在 2006 年提出。它是一种生成模型，通过训练其神经元间的权重，我们可以让整个神经网络按照最大概率来生成训练数据。而在逐层训练的时候起到最重要作用的是“受限玻尔兹曼机”（Restricted Boltzmann Machines，简称RBM）三、机器学习10.2 人工智能的研究与应用2022/5/13现代教育技术中心30 堆栈自编码神
26、经网络：是一种无监督学习算法，其网络的输出值与输入值相同。传统的自编码自编码神经网络神经网络共分为三层，分别为输入层、隐藏层和输出层，如果隐藏层神经元的节点数少于输入和输出层，则迫使自编码神经网络去学习输入数据的压缩表示。如果网络的输入是完全随机的，那个这一压缩表示会非常难学习，但是对于隐含着一些特定的结构的输入数据，比如某些输入特征是彼此相关的，那么这一算法就可以发现输入数据中的这些相关性，并学习出输入数据的低维表示，也即从原始输入中学习到的特征。三、机器学习10.2 人工智能的研究与应用u概念：遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物
27、进化过程而设计的算法，是一种通过模拟自然进化过程搜索最优解的方法。u研究新动向l 基于遗传算法的机器学习，把遗传算法从离散的搜索空间的优化搜索算法扩展到具有独特的规则生成功能的崭新的机器学习算法。l 遗传算法与神经网络、模糊推理以及混沌理论等其它智能计算方法相互渗透和结合。l 并行处理的遗传算法的研究十分活跃。这一研究对于新一代智能计算机体系结构的研究都是十分重要的。l 遗传算法和另一个称为“人工生命”的崭新研究领域不断渗透。所谓人工生命即是用计算机模拟自然界丰富多彩的生命现象，其中生物的自适应、进化和免疫等现象是人工生命的重要研究对象，而遗传算法在这方面将会发挥一定的作用。l 遗传算法和进化
28、规划以及进化策略等进化计算理论日益结合。2022/5/13现代教育技术中心31三、机器学习3.遗传算法10.2 人工智能的研究与应用u数据挖掘是人工智能和数据库领域研究的热点问题，数据挖掘是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通过统计、在线分析处理、情报检索、机器学习、专家系统和模式识别等诸多方法来实现上述目标。u数据挖掘和知识发现能够自动处理数据库中大量的原始数据，提炼出抽象的知识，从而揭示出蕴含在这些数据背后的客观世界的内在联系和本质规律，实现知识的自动获取。2022/5/13现代教育技术中心32三、机器学习4.数据挖掘u知识发现过程由以下三个阶段组成：数据准备、数据
29、挖掘、结果表达（或解释）。u数据挖掘和知识发现具有4个特征 发现的知识用高级语言表示 发现的内容是对数据内容的精确描述 发现的结果是用户感兴趣的 发现的过程是高效的。u数据挖掘的算法主要包括神经网络法、决策树法、遗传算法、粗糙集法、模糊集法、关联规则法等。10.2 人工智能的研究与应用 智能组合调度和指挥的方法已被广泛应用于车辆运输调度、列车的编组与指挥、控制交通管制以及军事指挥系统。其中军事指挥系统已从C3I（Command，Control，Communication and Intellgence）发展为C4ISR（Command，Control，Communication，Compute
30、r，Intellgence，Surveillance and Reconnaissance），即在C3I的基础上增加了侦查、信息管理和信息战，强调战场情报的感知能力、信息综合能力以及系统之间的交互作用能力。2022/5/13现代教育技术中心33四、智能行动1.智能调度与指挥10.2 人工智能的研究与应用u智能控制是驱动智能机器自主地实现其目标的过程。智能控制系统是能够实现某种控制任务的智能系统。u智能控制以控制理论、计算机科学、人工智能、运筹学等学科为基础，扩展了相关的理论和技术，其中应用较多的有模糊逻辑、神经网络、专家系统、遗传算法等理论，以及自适应控制、自组织控制和自学习控制等技术。u智能
31、控制有很多研究领域，他们的研究课题既具有独立性，又相互关联。目前研究得较多的是以下6个方面：智能机器人规划和控制、智能过程规划、智能过程控制、专家控制系统、语音控制以及智能仪器。2022/5/13现代教育技术中心34四、智能行动2.智能控制10.2 人工智能的研究与应用u智能机器人指具有人类特有的某种智能行为的机器人。u智能机器人根据智能程度分类：传感型机器人、交互型机器人和自主型机器人。自主型机器人无需人的干预，本体上具有感知、处理、决策、执行等模块，可以就像一个自主的人一样独立地活动和处理问题。u智能机器人研究：依靠人工智能基于领域知识的成熟技术，发展面向专门任务的特种机器人；在研制各种新
32、型传感器的同时，发展基于多传感器集成的大量信息获取的实时处理技术；改变排除人的参与，机器人完全自主的观念，发展人机一体化的智能系统。u智能机器人的研究和应用体现出广泛的学科交叉，涉及众多的课题，如机器人体系结构智能机器人的研究和应用体现出广泛的学科交叉，涉及众多的课题，如机器人体系结构、控制、智能、视觉、触觉、力觉、听觉、机器人装配、恶劣环境下的机器人以及机器人语言等。机器人在多个行业领域得到越来越多的使用尝试。比如星际探索机器人、海洋（水下）机器人、机器人外科手术系统、微型机器人、足球机器人、人机交互智能客服等。2022/5/13现代教育技术中心35四、智能行动3.智能机器人10.2 人工智
33、能的研究与应用u分布式人工智能是分布式计算与人工智能结合的结果。分布式人工智能系统以鲁棒性作为控制系统质量的标准，并具有互操作性，即不同的异构系统在快速变化的环境中具有交换信息和协同工作的能力。u分布式人工智能的研究目标是要创建一种能够描述自然系统和社会系统的精确概念模型。主要研究问题是各Agent之间的合作和对话，包括分布式问题求解和多Agent系统（Multi-Agent System，MAS）两个方面。u分布式人工智能已在自动驾驶、足球机器人、机场管理和信息检索方面得到应用。2022/5/13现代教育技术中心36四、智能行动4.分布式人工智能与Agent10.2 人工智能的研究与应用u人
34、工生命(Artificial life，AL)是通过人工模拟生命系统来研究生命的领域。人工生命的概念，包括两个方面内容：一是属于计算机科学领域的虚拟生命系统，涉及计算机软件工程与人工智能技术；二是用基因工程技术改造生物的工程生物系统，涉及合成生物学技术。u人工生命科学的研究内容包括：生命现象的仿真系统、人工建模与仿真、进化动力学、人工生命的计算理论、进化与学习综合系统以及人工生命的应用等。u典型的人工生命研究有计算机病毒、计算机进程、进化机器人、自催化网络、细胞机器人、人工核苷酸和人工脑等。2022/5/13现代教育技术中心37四、智能行动4.人工生命10.3 新一轮人工智能的发展特征一、进入
35、大数据驱动智能发展阶段 三大技术成就了人工智能的新一轮发展高潮：一是以深度学习为代表的新一代机器学习模型；二是GPU、云计算等高性能并行计算技术应用于智能计算；三是大数据技术的进一步成熟。二、进入智能技术产业化阶段 人工智能领域的社会投资正在快速聚集。人工智能技术的发展正在由学术推动的实验室阶段，转到由学术界和产业界共同推动的产业化阶段。三、进入认知智能探索阶段 得益于深度学习和大数据、并行计算技术的发展，感知智能领域已经取得了重大突破，目前已处于产业化阶段。同时，认知智能研究已经在多个领域启动并取得进展，将是人工智能下一个突破点。2022/5/13现代教育技术中心3810.4我国的人工智能战略布局u智能制造明确主攻方向u“互联网+”提速规划u人工智能列入国家战略规划u人工智能战略持续发力2022/5/13现代教育技术中心39顶层设计，抢占人工智能制高点！2022/5/13现代教育技术中心40！