Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

人工智能导论

Answer

人工智能（AI）是一个广泛且深入的领域，涉及计算机科学、数学、统计学等多个学科。对于初学者来说，了解 AI 的基本概念和原理是非常重要的。以下是一篇关于人工智能导论的文章：

人工智能导论

人工智能（AI）是一种机器基于人类设定的目标，利用机器和人类输入，进行预测、推荐或决策，从而影响真实或虚拟环境的系统。AI 系统使用模型推断来制定信息或行动方案。

AI 主要分支包括机器学习、深度学习、自然语言处理等。机器学习是 AI 的一个重要分支，它使用算法为机器“学习”如何预测未知数据。深度学习是机器学习的一个子集，主要采用多层神经网络进行学习。自然语言处理则是 AI 的另一个重要分支，它使计算机能够理解和处理人类语言。

学习 AI 需要掌握一定的数学和编程基础，如线性代数、概率论、Python 等。对于初学者来说，可以从在线课程和书籍开始学习，逐步掌握 AI 的基本概念和技能。同时，参加 AI 社区和会议，与其他 AI 爱好者交流和分享经验，也是提高自己 AI 水平的有效途径。

总的来说，AI 是一个充满挑战和机遇的领域，对于初学者来说，需要保持学习的热情和耐心，不断探索和实践，才能在 AI 领域取得成功。

Content generated by AI large model, please carefully verify (powered by aily)

References

微软AI初学者入门课程

|编号|课程|介绍|PyTorch|Keras/ TensorFlow|实验|<br>|-|-|-|-|-|-|<br>|I|人工智能导论|人工智能导论|人工智能导论|人工智能导论|人工智能导论|<br>|1|人工智能简介和历史|[讲义](https://waytoagi.feishu.cn/wiki/HbhhwapFoiVgs1kk1TIcV3a7nzd)||||<br>|II|符号人工智能|符号人工智能|符号人工智能|符号人工智能|符号人工智能|<br>|2 |知识表示和专家系统|[讲义](https://waytoagi.feishu.cn/wiki/SBH5wXRnPi6ZRYkjplVcRTRPnJh)|[专家系统](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/2-Symbolic/Animals.ipynb)[本体](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/2-Symbolic/FamilyOntology.ipynb)[概念图](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/2-Symbolic/MSConceptGraph.ipynb)|||<br>|（待更新）|（待更新）|（待更新）|（待更新）|（待更新）|（待更新）|

【法律法规】《2020年国家人工智能倡议法案》.pdf

(3)ARTIFICIAL INTELLIGENCE.—The term ‘‘ar-7tificial intelligence’’ means a machine-based system8that can,for a given set of human-defined objectives,9make predictions,recommendations or decisions in-10fluencing real or virtual environments.Artificial in-11telligence systems use machine and human-based in-12puts to—13(C)use model inference to formulate op-17tions for information or action.18

问：新手如何学习 AI？

学习人工智能（AI）是一个既刺激又富有挑战的旅程，它将带领你进入一个充满创新和发现的世界。如果你想开始学习AI，这里有一份详细的学习路径指南，可以帮助你从基础概念到实际应用，逐步建立起你的AI知识体系。1.了解AI基本概念：首先，建议阅读「[从这里启程](https://waytoagi.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?table=blkjooAlLFNtvKJ2)」部分，熟悉AI的术语和基础概念。了解什么是人工智能，它的主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。浏览入门文章，这些文章通常会介绍AI的历史、当前的应用和未来的发展趋势。1.开始AI学习之旅：在「[入门：AI学习路径](https://waytoagi.feishu.cn/wiki/ZYtkwJQSJiLa5rkMF5scEN4Onhd?table=tblWqPFOvA24Jv6X&view=veweFm2l9w)」中，你将找到一系列为初学者设计的课程。这些课程将引导你了解生成式AI等基础知识，特别推荐李宏毅老师的课程。通过在线教育平台（如Coursera、edX、Udacity）上的课程，你可以按照自己的节奏学习，并有机会获得证书。1.选择感兴趣的模块深入学习：

Others are asking
李宏毅《生成式人工智能导论》课件
以下是关于李宏毅《生成式人工智能导论》的相关信息： 课程目录： 1. 第 0 讲：课程说明（2024 年 2 月 24 日） 2. 第 1 讲：生成式 AI 是什么？（2024 年 2 月 24 日） 3. 第 2 讲：今日的生成式人工智慧厉害在哪里？从「工具」变为「工具人」（2024 年 3 月 3 日） 4. 第 3 讲：训练不了人工智慧？你可以训练你自己—神奇咒语与提供更多资讯（2024 年 3 月 3 日） 5. 第 4 讲：训练不了人工智慧？你可以训练你自己—拆解问题与使用工具（2024 年 3 月 10 日） 6. 待更新…… 第 0 讲课程说明的要点： 1. 知道：有能力自己开发、何时需要自己开发、何时可以用现成的人工智能。 2. 目标：了解生成式 AI 背后的原理和更多可能性，作为你魔术师的开始。包括体验用生成式 AI 打造应用、体验训练自己的生成式 AI 模型。同时提到负面体验，如大模型训练花时间（以周为单位）、结果不可控。 3. 影响模型能力的指标很多，常规会看参数的量级来评估，量级指数级增长，FOMO，如 2019 年 GPT2.0 15b 参数，2024 年 GPT3.5 70b 参数。 附录： 1. 课程介绍：这是台湾大学李宏毅教授的生成式 AI 课程，主要介绍生成式 AI 的基本概念、发展历程、技术架构和应用场景等内容。课程共 12 讲，每讲约 2 小时。 2. 学习目标：掌握生成式 AI 的基本概念和常见技术，能够使用相关框架搭建简单的生成式模型，了解生成式 AI 的发展现状和未来趋势。 3. 学习内容：包括什么是生成式 AI、生成式模型、生成式对话、预训练语言模型、生成式 AI 的挑战与展望等方面。 4. 学习资源：教材《生成式 AI 导论 2024》，参考书籍《深度学习》，在线课程李宏毅的生成式 AI 课程，开源项目 OpenAI GPT3、字节跳动的云雀等。 5. 学习方法。 课程地址：https://www.youtube.com/watch?v=AVIKFXLCPY8
2025-01-16
人共智能导论思维导图
以下是为您整理的关于人工智能相关的内容： 1. 头脑风暴常用的 20 个 prompt：包括 Brainwriting Prompt、Reverse Brainstorming Prompt、Mind Mapping 等。 2. 构建外脑/智变时代的个人知识管理：从哲学角度思考知识被 AI 重塑后人的意义，认为超级智能将是人类的外脑，人类独特的个性等将与智能个体融合成为化身，共同汇聚成智能时代的新知识网络。 3. 生成式人工智能在教学中的应用：涉及多媒体、虚拟现实、移动设备等方面，涵盖全面发展个性化学习、协作学习、创新能力等内容，还包括数字校园、智慧课堂、在线社区等场景，以及培养元认知能力、创新思维等能力，以及人机协同、因材施教等理念。
2024-10-20
人工智能导论思维导图
以下是为您提供的人工智能导论思维导图相关内容： 与思维导图相关的 AI 工具有： 1. GitMind：免费的跨平台 AI 思维导图软件，支持多种模式，可通过 AI 自动生成思维导图。 2. ProcessOn：国内思维导图与 AIGC 结合的工具，能利用 AI 生成思维导图。 3. AmyMind：轻量级在线 AI 思维导图工具，无需注册登录，支持自动生成节点。 4. Xmind Copilot：Xmind 推出的基于 GPT 的 AI 思维导图助手，可一键拓展思路、生成文章大纲。 5. TreeMind：“AI 人工智能”思维导图工具，输入需求后由 AI 自动完成思维导图生成。 6. EdrawMind：提供一系列 AI 工具，包括 AI 驱动的头脑风暴功能，有助于提升生产力。 总的来说，这些工具都能通过 AI 技术自动生成思维导图，提高制作效率，为知识工作者带来便利。但请注意，内容由 AI 大模型生成，请仔细甄别。
2024-10-18
生成关于“人工智能导论”的思维导图
以下是为您生成的关于“人工智能导论”的思维导图相关内容： 与思维导图相关的 AI 工具： 1. GitMind：免费跨平台，支持多种模式，可通过 AI 自动生成思维导图。 2. ProcessOn：国内思维导图+AIGC 工具，能利用 AI 生成思维导图。 3. AmyMind：轻量级在线，无需注册登录，支持自动生成节点。 4. Xmind Copilot：基于 GPT 的助手，可一键拓展思路、生成文章大纲。 5. TreeMind：“AI 人工智能”工具，输入需求可自动生成思维导图。 6. EdrawMind：提供 AI 工具，包括头脑风暴功能，提升生产力。 总的来说，这些工具都能通过 AI 技术提高思维导图制作效率，为知识工作者带来便利。
2024-10-18
人工智能导论
以下是关于人工智能导论的相关内容： 微软提供了 AI 初学者入门课程，其中包括人工智能导论。在这门课程中，您将学到： 实现人工智能的不同方法，如使用知识表示和推理的符号人工智能，它属于“有效的老式人工智能”（GOFAI）。 神经网络和深度学习，会使用 TensorFlow 和 PyTorch 两个流行框架中的代码来说明重要概念。 处理图像和文本的神经架构，但在前沿信息上可能有所欠缺。 不太流行的人工智能方法，如遗传算法和多智能体系统。 课程还包含了人工智能简介和历史的课前测试，指出人工智能研究如何使计算机表现出智能行为，例如做人类擅长的事。最初计算机遵循明确的程序运算，而像“根据照片判断一个人的年龄”这类任务无法明确编程，因为我们不清楚大脑完成此任务的具体步骤，这类任务正是人工智能感兴趣的。 课程列表中编号为 I 的课程即为人工智能导论，其相关讲义可通过获取。
2024-09-29
《生成式 AI 导论 2024》李宏毅课程在哪里可以学习
您可以在以下网址学习李宏毅的《生成式 AI 导论 2024》课程：https://www.youtube.com/watch?v=AVIKFXLCPY8 课程目录如下： 第 0 講：課程說明（2024 年 2 月 24 日） 第 1 講：生成式 AI 是什麼？（2024 年 2 月 24 日） 第 2 講：今日的生成式人工智慧厲害在哪裡？從「工具」變為「工具人」（2024 年 3 月 3 日） 第 3 講：訓練不了人工智慧？你可以訓練你自己—神奇咒語與提供更多資訊（2024 年 3 月 3 日） 第 4 講：訓練不了人工智慧？你可以訓練你自己—拆解問題與使用工具（2024 年 3 月 10 日） 待更新…… 该课程的附录内容包括： 一、课程介绍 这是台湾大学李宏毅教授的生成式 AI 课程，主要介绍了生成式 AI 的基本概念、发展历程、技术架构和应用场景等内容。课程共分为 12 讲，每讲约 2 小时。 二、学习目标 通过学习本课程，掌握生成式 AI 的基本概念和常见技术，能够使用相关框架搭建简单的生成式模型，了解生成式 AI 的发展现状和未来趋势。 三、学习内容 1. 什么是生成式 AI 生成式 AI 的定义和分类 生成式 AI 与判别式 AI 的区别 生成式 AI 的应用领域 2. 生成式模型 生成式模型的基本结构和训练方法 生成式模型的评估指标 常见的生成式模型及其优缺点 3. 生成式对话 生成式对话的基本概念和应用场景 生成式对话系统的架构和关键技术 基于生成式模型的对话生成方法 4. 预训练语言模型 预训练语言模型的发展历程和关键技术 预训练语言模型的优缺点 预训练语言模型在生成式 AI 中的应用 5. 生成式 AI 的挑战与展望 生成式 AI 面临的挑战和解决方法 生成式 AI 的未来发展趋势和研究方向 四、学习资源 教材：《生成式 AI 导论 2024》，李宏毅
2024-09-03
你是福州市政府工作人员，中国移动拟邀请福州市委书记参加中国移动人工智能生态大会并致辞，该大会是第八届数字峰会的组成部分，需要撰写市委书记的致辞稿，需要中国移动准备哪些素材，请告诉我提示词
以下是为您整理的相关内容： 《促进创新的人工智能监管方法》：包含了关于通用人工智能价值链、相关案例研究以及对人工智能监管框架的探讨等内容。 陶力文律师关于律师写好提示词用好 AI 的方法：包括初始化的欢迎语、遵循的规则、获取案例洞察报告和目标群体、输出纲要和写作方案、根据用户反馈调整等流程。 开幕式主持稿：涉及基地代表发言的时间、主题、物料配合和人员配合等信息。 但这些素材似乎与为中国移动准备市委书记致辞稿所需的素材关联不大。一般来说，为撰写市委书记在中国移动人工智能生态大会上的致辞稿，中国移动可能需要准备以下素材： 1. 本次大会的详细介绍，包括主题、目标、议程安排等。 2. 中国移动在人工智能领域的发展成果、战略规划和未来愿景。 3. 中国移动人工智能生态的构建情况，如合作伙伴、合作项目等。 4. 本次大会在第八届数字峰会中的地位和作用。 5. 相关行业的人工智能发展现状和趋势。 6. 福州市在人工智能领域的发展情况和与中国移动合作的展望。
2025-04-18
人工智能软件现在有哪些
以下是一些常见的人工智能软件： 1. 在自然语言处理和神经科学应用方面，大型语言模型取得了进展，拥有更先进的工具用于解码大脑状态和分析复杂脑部活动。 2. 在艺术创作领域，有涉及知识产权保护的相关软件，如软件工程师在设计时应确保生成内容合法合规、注重用户知识产权保护等。创作者使用此类软件时，应了解自身权利并做好保护。 3. 在线 TTS 工具方面，如 Eleven Labs（https://elevenlabs.io/）、Speechify（https://speechify.com/）、Azure AI Speech Studio（https://speech.microsoft.com/portal）、Voicemaker（https://voicemaker.in/）等。这些工具可将文本转换为语音，具有不同的特点和适用场景。但请注意，相关内容由 AI 大模型生成，请仔细甄别。
2025-04-15
什么是通用人工智能
通用人工智能（AGI）是指具有人类水平的智能和理解能力的 AI 系统。它有能力完成任何人类可以完成的智力任务，适用于不同的领域，同时拥有某种形式的意识或自我意识。 目前 AGI 还只是一个理论概念，没有任何 AI 系统能达到这种通用智能水平。 OpenAI 在其内部会议上分享了 AGI 的五个发展等级： 1. 聊天机器人（Chatbots）：具备基本对话能力的 AI，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者（Reasoners）：具备人类推理水平的 AI，能够解决复杂问题，如 ChatGPT，能够根据上下文和文件提供详细分析和意见。 3. 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务的 AI。目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 4. 创新者（Innovators）：能够协助人类完成新发明的 AI，如谷歌 DeepMind 的 AlphaFold 模型，可以预测蛋白质结构，加速科学研究和新药发现。 5. 组织（Organizations）：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 常见名词解释： AGI：通用人工智能（Artificial General Intelligence）能够像人类一样思考、学习和执行多种任务的人工智能系统。 NLP：自然语言处理（Natural Language Processing），就是说人话。 LLM：大型语言模型（Large Language Model），数据规模很大，没钱搞不出来，大烧钱模型。
2025-04-15
2025年人工智能大模型的技术提升有哪些，是参数？推理能力？还是语料
2025 年人工智能大模型的技术提升可能体现在以下几个方面： 1. 视频生成能力：如 2024 年推出的多个先进的 AI 模型能够从文本输入生成高质量视频，相比 2023 年有显著进步。 2. 模型规模与性能：更小的模型能驱动更强的性能，如 2022 年最小能在 MMLU 上得分高于 60%的模型是具有 5400 亿参数的 PaLM，到 2024 年，参数仅 38 亿的微软 Phi3mini 也能达到相同阈值。 3. 推理能力：尽管加入了如思维链推理等机制显著提升了大语言模型的性能，但在一些需要逻辑推理的问题上，如算术和规划，尤其在超出训练范围的实例上，这些系统仍存在问题。 4. AI 代理：在短时间预算设置下，顶级 AI 系统得分高于人类专家，但随着时间预算增加，人类表现会超过 AI。 5. 算法变革：如 DeepSeek 的出现标志着算力效率拐点显现，其通过优化算法架构显著提升了算力利用效率，同时 2025 年发布的大模型呈现低参数量特征，为本地化部署到 AI 终端运行提供了可能，其训练过程聚焦于强化学习，提升了模型的推理能力。
2025-04-14
用通俗易懂的动画描述人工智能工作原理
人工智能的工作原理可以通过以下动画来描述： 在一个动画场景中，首先有一个传统工作流的部分，就像精心搭建的积木城堡，每一块积木的位置和形状都被精确设计和控制，这代表着传统工作流的可控性和高成本、慢速度。 然后是 AI 工作流的部分。想象一下，有一团混乱的色彩在飞舞，这团色彩代表着随机和不可控。但在这混乱中，有一种力量在尝试引导和塑造，就像在狂风中努力抓住风筝线一样，这就是在随机性中寻找可控性。 比如在一个生成音频与视频同步的例子中，动画展示了一个系统。首先，系统将视频输入编码成压缩的表示形式，就像把一大包东西压缩成一个小包裹。然后，扩散模型从随机噪声中不断改进音频，就像在混沌中逐渐塑造出清晰的声音。这个过程受到视觉输入和自然语言提示的引导，最终生成与提示紧密配合的同步逼真音频。最后，音频输出被解码，变成音频波形，并与视频数据完美结合。 总的来说，传统工作流在可控中寻找创新的随机，而 AI 工作流更多是在随机中寻找可控，两者各有优劣，结合起来能创造出更出色的成果。
2025-04-14
人工智能简史
人工智能作为一个领域始于二十世纪中叶。最初，符号推理流行，带来了如专家系统等重要进展，但因方法无法大规模拓展应用场景，且从专家提取知识并以计算机可读形式表现及保持知识库准确的任务复杂、成本高，导致 20 世纪 70 年代出现“人工智能寒冬”。 随着时间推移，计算资源变便宜，数据增多，神经网络方法在计算机视觉、语音理解等领域展现出卓越性能。过去十年中，“人工智能”常被视为“神经网络”的同义词，因多数成功案例基于神经网络方法。 以下是人工智能发展历程中的一些重要节点： 1969 年：经历低潮。Marvin Minsky 和 Seymour Papert 阐述因硬件限制，几层的神经网络仅能执行基本计算，AI 领域迎来第一次泡沫破灭。 1960 1970 年代：早期专家系统。此时期 AI 研究集中在符号主义，以逻辑推理为中心，主要是基于规则的系统，如早期专家系统。 1980 年代：神经网络。基于规则的系统弊端显现，人工智能研究关注机器学习，神经网络根据人脑结构和操作创建和建模。 1997 年：深蓝赢得国际象棋比赛。IBM 深蓝战胜国际象棋冠军卡斯帕罗夫，新的基于概率推论思路广泛应用于 AI 领域。 1990 2000 年代：机器学习。AI 研究在机器人技术、计算机视觉和自然语言处理等领域取得显著进展，21 世纪初深度学习出现使语音识别、图像识别和自然语言处理进步成为可能。 2012 年：深度学习兴起。Geoffrey Hinton 开创相关领域，发表开创性论文引入反向传播概念，突破感知器局限。 2012 年：AlexNet 赢得 ImageNet 挑战赛。引发深度学习热潮。 2016 年：AlphaGo 战胜围棋世界冠军。DeepMind 的 AlphaGo 战胜李世石，标志着人工智能在围棋领域超越人类，对人类理解产生深远影响。
2025-04-10