第二十一届电脑活动培训资料-8.人工智能知识及案例解析
合集下载
人工智能行业培训资料
主要的伦理原则
人工智能伦理原则通常包括平等待遇 、尊重生命、热爱和平、积极向上、 引人向善。这些原则要求人工智能技 术不得歧视任何人或群体，不得侵犯 人的尊严和自由，不得危害社会安全 和稳定等。
伦理原则的实施与监 管
为确保人工智能技术的健康发展，需 要采取一系列措施来实施和监管这些 伦理原则。例如，建立专门的伦理委 员会或监管机构来负责审查和监管人 工智能技术的设计、开发和使用过程 ，确保其符合伦理原则的要求。同时 ，还需要加强公众教育和宣传，提高 公众对人工智能技术的认知和理解。
特征提取
从语音信号中提取出反映语音特征的 关键参数，如梅尔频率倒谱系数（ MFCC）、线性预测系数（LPC）等 。
语言模型
利用统计语言模型、神经网络语言模 型等技术，对识别出的语音基本单元 进行组合和排列，得到最终的识别结 果。
语音合成基本原理及实现方法
01
02
03
04
文本预处理
对输入文本进行分词、词性标 注、语法分析等处理，以便后
目标定位
在图像中确定目标物体的位置， 通常使用矩形框来标注目标物体
。
目标分类
对定位后的目标物体进行类别判断 ，例如判断目标物体是人、车还是 其他物体。
多目标跟踪
在视频序列中跟踪多个目标物体的 移动轨迹和行为。
图像生成技术
生成对抗网络（GAN）
通过训练生成器和判别器两个神经网 络，生成与真实图像相似的假图像。
逻辑回归
用于二分类问题，通过sigmoid函数 将线性回归的输出映射到[0,1]区间， 表示样本属于正类的概率。
支持向量机（SVM）
寻找一个超平面，使得正负样本间隔 最大化，从而实现分类或回归任务。
决策树与随机森林
人工智能知识及案例解析
3
运动控制
机器人根据内外部环境的变化自动 调节运动状态。 典型应用：人形机器人行走
4
机器学习
计算机基于大数据与算法模型，利用逻辑 推理、数据统计与计算，找出数据的内在 关系，实现对未知数据的推测。 典型应用：Alpha Zero
二 、人工智能教育
教育总目标：立德树人，培养符合未来人工智能社会需求的创新人才。
相结合的高斯过程
1997年Freund等提出 Adaboost算法提高弱分类
算法准确度
深度学习 强化学习 2000
迁移学习 联邦学习
2006年Hinton 提出了深度信念网络开 启了深度学习研究热潮
2003年LeCun等 提出将卷积神经网络用
于图像处理与识别
2007年Bengio提出堆叠 自动编码器模型
STEP4 创意
头脑风暴，收集并记录尽可能多的想法。 此阶段遵循以下六条原则： 1、暂缓评论 2、异想天开 3、不要跑题 4、一次一人发言 5、图文并茂 6、多多益善 在此环节必须注意聆听，注重以图画的方式展示和记录创意想法。
注：头脑风暴六条原则选自《IDEO，设计改变一切》
STEP5 计划
对上一环节收集的创意，结 合项目需求和限制条件，遴选出 最合适的方案，制定可执行的项 目推进计划。团队需要把计划分 解为若干子任务，明确每个子任 务/阶段的负责人、时间节点与 验收标准。
STEP2 组队分工
姓名
擅长
张三
思维活跃 鬼点子多
李四
组织能力强 善于沟通
赵五 陈六
技术好
审美能力强 语文功底好
任务
信息收集 创意整理
队长 制定计划 考核进度 鼓舞士气 交流展示
程序设计 验证调试
人工智能基础知识与应用解析
人工智能基础知识与应用解析第一章：人工智能概述人工智能（Artificial Intelligence，简称AI）是一门研究如何使计算机能够像人类一样具有智能的科学。
它可以帮助计算机进行推理、学习、识别和理解人类语言等一系列复杂的任务。
人工智能是计算机科学领域中的一个重要研究方向，涉及到机器学习、模式识别、自然语言处理等相关领域。
人工智能的发展源远流长，早在20世纪50年代，学者们就开始研究如何使计算机能够像人类一样具有智能。
经过几十年的努力，人工智能已经取得了一系列的突破。
目前，人工智能已经广泛应用于各个领域，包括医疗、金融、交通等。
第二章：人工智能技术人工智能的核心技术包括机器学习（Machine Learning）、自然语言处理（Natural Language Processing）和计算机视觉（Computer Vision）等。
机器学习是指通过算法让计算机从大量的数据中学习并进行预测。
自然语言处理是指让计算机能够理解和处理人类的语言信息。
计算机视觉是指通过图像识别和分析让计算机能够理解和处理图像信息。
人工智能的技术应用非常广泛。
在医疗领域，人工智能可以帮助医生进行疾病诊断和治疗方案制定。
在金融领域，人工智能可以帮助银行进行风险评估和交易监测。
在交通领域，人工智能可以帮助智能驾驶系统进行交通规划和车辆控制。
第三章：人工智能的发展趋势随着互联网的普及和技术的不断进步，人工智能正在迅速发展。
未来，人工智能将进一步发展，包括嵌入式人工智能、边缘人工智能、强化学习等。
嵌入式人工智能是指将人工智能技术应用于各种设备中，使其能够具备智能化的功能。
边缘人工智能是指将人工智能技术应用于边缘计算设备中，使其能够在离线环境下进行智能决策。
强化学习是指通过与环境的互动，使计算机能够逐步改善自己的行为。
人工智能的发展趋势还包括大规模数据的应用、智能语音助手的普及和智能物联网的发展。
大规模数据的应用是指通过收集和分析大量的数据，从中发现有价值的信息。
人工智能基础知识培训资料
支持向量机
支持向量机是一种二分类模型，通过寻找一个超平面来对 样本进行划分，使得不同类别的样本在超平面上的间隔最 大。
模型评估与优化方法
模型评估指标
常见的模型评估指标包括准确率、精确率、召回率、F1分数等，用于衡量模型在测试集上 的性能表现。
过拟合与欠拟合
过拟合是指模型在训练集上表现很好但在测试集上表现较差的现象；欠拟合是指模型在训 练集和测试集上表现都较差的现象。
对抗训练
生成器和判别器通过不断 对抗训练，提高生成数据 的真实性和多样性。
应用领域
图像生成、图像修复、超 分辨率重建、视频生成等 。
04
CATALOGUE
自然语言处理技术与应用
自然语言处理基本概念
自然语言处理定义
研究在人与人交际中以及在人与计算 机交际中的语言问题的一门学科。自 然语言处理要研制表示语言能力和语 言应用的模型，建立计算框架来实现 这样的语言模型，提出相应的方法来 不断地完善这样的语言模型，根据这 样的语言模型设计各种实用系统，并 探讨这些实用系统的评测技术。
自然语言处理研究内 容
包括词法、句法、语义、语用、话语 等多个层面，涉及语言学、计算机科 学、数学、心理学、哲学等多个学科 领域。
自然语言处理应用
包括机器翻译、情感分析、智能问答 、信息抽取、文本分类、文本生成等 多个方面。
词法分析、句法分析及语义理解技术
词法分析
句法分析
对文本进行分词、词性标注等基本处 理，为后续任务提供基础数据。中文 分词是中文自然语言处理的基础任务 之一，旨在将连续的汉字序列切分为 合理的词语序列。词性标注是为分词 结果中的每个单词标注一个正确的词 性，即确定每个词是名词、动词、形 容词或其他词性的过程。
2024年人工智能行业培训资料大全
视觉感知与图像处理基础
02
介绍视觉感知原理、数字图像处理基本技术，如图像增强、滤
波、变换等。
特征提取与描述符
03
详述图像特征提取方法，包括边缘检测、角点检测、纹理分析
等，以及常用的特征描述符。
图像识别、目标检测等任务实现方法
1 2
图像分类与识别技术
介绍基于深度学习的图像分类方法，如卷积神经 网络（CNN）及其在图像识别中的应用。
适用于处理序列数据的神经网络结构，如文 本、语音等，具有记忆功能。
注意力机制
通过为不同部分分配不同权重来提高模型性 能的一种技术。
模型训练技巧与调优方法
数据增强
迁移学习
通过对原始数据进行变换以生成新的训练 样本，提高模型的泛化能力。
利用预训练模型进行微调，加速模型训练 并提高性能。
超参数优化
损失函数选择
前景展望
随着技术的不断进步和应用场景的不断拓展，人工智能将在更多领域发挥重要作用，为人类社会的发展和进步做 出更大的贡献。
02 机器学习原理与实践应用
机器学习基本概念及分类
机器学习的定义
利用算法使计算机从数据中学习规律 ，并用所学知识进行预测或决策。
机器学习的应用领域
计算机视觉、自然语言处理、数据挖 掘、智能推荐等。
持向量机等。
情感分析
对文本进行情感倾向性判断，如正 面、负面或中性等，常用方法包括 词典匹配、机器学习算法和深度学 习模型等。
命名实体识别
识别文本中的实体名词，如人名、 地名、机构名等，是信息抽取的关 键技术之一。
语音识别和合成技术探讨
语音识别
将语音信号转换为文本信息，涉 及信号处理、模式识别等多个领 域，常用方法包括隐马尔可夫模
人工智能技术应用培训资料
技术原理
包括意图识别、槽位填充、对话管理、自然语言生成等技术原理。
实践应用
在智能客服、智能助手、教育机器人等领域得到广泛应用。同时，随 着技术的不断发展，对话系统在更多领域的应用也在不断扩展。
05 人工智能在各行各业中应 用案例
金融行业应用案例
智能投顾
利用AI技术，结合大数据分析，为客户提供个性 化、智能化的投资顾问服务。
深度学习实践
搭建神经网络结构、选择合适的 激活函数和优化算法、调整超参 数等步骤，以及应用场景如图像 识别、语音识别、自然语言处理
等。
03 计算机视觉技术应用
计算机视觉概述及发展历程
计算机视觉定义
研究如何让计算机从图像或视频 中获取信息、理解内容并作出决
策的科学。
发展历程
从早期的图像处理到现代深度学习 技术的应用，计算机视觉经历了多 个发展阶段。
02
技术失控风险
人工智能技术的快速发展可能带来技术失控的风险，需要加强监管和预
防措施。
03
新兴产业机遇
人工智能技术的发展将带动一系列新兴产业的发展，为经济增长注入新
动力。
产业发展面临的问题和对策
技术与产业融合不足
当前人工智能技术与产业融合程度还不够高，需要加强技术研发与应用场景的结合。
人才短缺问题突出
监督学习原理
监督学习是指利用已知输 入和输出数据对模型进行 训练，使模型能够对新输 入数据进行预测。
常见监督学习算法
线性回归、逻辑回归、支 持向量机、决策树等。
监督学习实践
收集数据、数据预处理、 特征提取、模型训练与评 估等步骤。
无监督学习算法原理与实践
无监督学习原理
无监督学习是指在没有已知输出数据 的情况下，通过发掘输入数据中的内 在结构和规律来训练模型。
包括意图识别、槽位填充、对话管理、自然语言生成等技术原理。
实践应用
在智能客服、智能助手、教育机器人等领域得到广泛应用。同时，随 着技术的不断发展，对话系统在更多领域的应用也在不断扩展。
05 人工智能在各行各业中应 用案例
金融行业应用案例
智能投顾
利用AI技术，结合大数据分析，为客户提供个性 化、智能化的投资顾问服务。
深度学习实践
搭建神经网络结构、选择合适的 激活函数和优化算法、调整超参 数等步骤，以及应用场景如图像 识别、语音识别、自然语言处理
等。
03 计算机视觉技术应用
计算机视觉概述及发展历程
计算机视觉定义
研究如何让计算机从图像或视频 中获取信息、理解内容并作出决
策的科学。
发展历程
从早期的图像处理到现代深度学习 技术的应用，计算机视觉经历了多 个发展阶段。
02
技术失控风险
人工智能技术的快速发展可能带来技术失控的风险，需要加强监管和预
防措施。
03
新兴产业机遇
人工智能技术的发展将带动一系列新兴产业的发展，为经济增长注入新
动力。
产业发展面临的问题和对策
技术与产业融合不足
当前人工智能技术与产业融合程度还不够高，需要加强技术研发与应用场景的结合。
人才短缺问题突出
监督学习原理
监督学习是指利用已知输 入和输出数据对模型进行 训练，使模型能够对新输 入数据进行预测。
常见监督学习算法
线性回归、逻辑回归、支 持向量机、决策树等。
监督学习实践
收集数据、数据预处理、 特征提取、模型训练与评 估等步骤。
无监督学习算法原理与实践
无监督学习原理
无监督学习是指在没有已知输出数据 的情况下，通过发掘输入数据中的内 在结构和规律来训练模型。
2024年人工智能应用技巧培训资料
设备故障预测
利用传感器数据和机器学习模型，对 生产设备进行实时监控和故障预测， 减少设备停机时间，提高生产效率。
03 人工智能关键技术解析
数据挖掘与处理技术
数据预处理
包括数据清洗、去重、 缺失值填充等步骤，确
保数据质量。
特征提取
从原始数据中提取出对 模型训练有意义的特征
，降低数据维度。
数据转换
将数据转换为模型可接 受的格式，如数值型、
知识图谱构建与应用
知识表示学习
将实体和关系表示为向量或矩阵，便 于计算机处理和计算。
知识图谱构建
从多源异构数据中提取实体、属性和 关系，构建大规模的知识图谱。
知识推理
利用知识图谱中的已有知识，推理出 新的知识或关系。
知识图谱应用
将知识图谱应用于智能问答、推荐系 统、语义搜索等领域，提高应用的智 能化水平。
研究人与计算机之间用自 然语言进行有效通信的理 论和方法。
技术分类
词法分析、句法分析、语 义理解等。
应用领域
机器翻译、情感分析、智 能问答等领域的应用案例 及实践。
02 人工智能在各行业应用现 状
金融行业智能投顾与风险管理
智能投顾
基于大数据和机器学习算法，为客户提供个性化的投资组合建议，降低投资风 险，提高投资收益。
学员认为本次培训内容丰富、实用性强，对于提升自身在人工智能领域的应用能力 有很大帮助。
学员表示将把所学知识和技巧应用到实际工作中，积极探索人工智能在各自领域的 应用前景。
未来发展趋势预测及挑战应对
未来人工智能将在更多领域得到应用 ，如医疗、教育、金融等，推动各行 业智能化升级。
面对数据隐私和安全问题，未来需要 加强相关法律法规的制定和执行，同 时发展更加安全的算法和模型。
利用传感器数据和机器学习模型，对 生产设备进行实时监控和故障预测， 减少设备停机时间，提高生产效率。
03 人工智能关键技术解析
数据挖掘与处理技术
数据预处理
包括数据清洗、去重、 缺失值填充等步骤，确
保数据质量。
特征提取
从原始数据中提取出对 模型训练有意义的特征
，降低数据维度。
数据转换
将数据转换为模型可接 受的格式，如数值型、
知识图谱构建与应用
知识表示学习
将实体和关系表示为向量或矩阵，便 于计算机处理和计算。
知识图谱构建
从多源异构数据中提取实体、属性和 关系，构建大规模的知识图谱。
知识推理
利用知识图谱中的已有知识，推理出 新的知识或关系。
知识图谱应用
将知识图谱应用于智能问答、推荐系 统、语义搜索等领域，提高应用的智 能化水平。
研究人与计算机之间用自 然语言进行有效通信的理 论和方法。
技术分类
词法分析、句法分析、语 义理解等。
应用领域
机器翻译、情感分析、智 能问答等领域的应用案例 及实践。
02 人工智能在各行业应用现 状
金融行业智能投顾与风险管理
智能投顾
基于大数据和机器学习算法，为客户提供个性化的投资组合建议，降低投资风 险，提高投资收益。
学员认为本次培训内容丰富、实用性强，对于提升自身在人工智能领域的应用能力 有很大帮助。
学员表示将把所学知识和技巧应用到实际工作中，积极探索人工智能在各自领域的 应用前景。
未来发展趋势预测及挑战应对
未来人工智能将在更多领域得到应用 ，如医疗、教育、金融等，推动各行 业智能化升级。
面对数据隐私和安全问题，未来需要 加强相关法律法规的制定和执行，同 时发展更加安全的算法和模型。
大学计算机基础人工智能基础知识
大学计算机基础人工智能基础知识人工智能（Artificial Intelligence, AI）是一门研究如何使计算机能够像人类一样思考和行动的学科。
随着计算机科学的发展，人工智能在各个领域都取得了重要的突破和应用。
本文将详细介绍大学计算机基础人工智能的基础知识。
1. 人工智能的概念和发展历程人工智能是指使计算机能够模拟和实现人类智能的一门学科。
人工智能最早起源于20世纪50年代，当时科学家们开始探索能否创建能够模仿和执行人类智能任务的机器。
经过多年的研究和发展，人工智能逐渐成为计算机科学的一个重要分支，并在各个领域得到广泛应用。
2. 人工智能的核心概念2.1 机器学习机器学习是人工智能的一个重要分支，它通过让计算机从大量的数据中学习和获取知识，使其能够自动地进行判断和决策。
机器学习的核心思想是通过训练算法，使计算机能够自动地从数据中学习，并根据学习到的知识来做出推理和预测。
2.2 深度学习深度学习是机器学习的一种方法，它通过构建和训练多层神经网络模型，使计算机能够自动地提取出数据的特征和模式。
深度学习在图像识别、语音识别和自然语言处理等领域有广泛的应用。
2.3 自然语言处理自然语言处理是人工智能的一个重要研究领域，它涉及计算机对人类语言的理解和处理。
自然语言处理技术可以使计算机能够理解和生成人类语言，实现机器翻译、语音识别和智能对话等功能。
2.4 计算机视觉计算机视觉是人工智能的一个重要研究领域，它涉及计算机对图像和视频的理解和识别。
计算机视觉技术可以使计算机能够识别和分析图像中的对象和场景，实现人脸识别、目标检测和图像分割等功能。
3. 人工智能的应用领域3.1 智能机器人智能机器人是人工智能在机器人领域的应用，它可以模仿人类的行为和处理能力，能够完成一些工业、军事、医疗等领域的任务。
智能机器人在生产制造、服务行业和军事领域有广泛的应用。
3.2 智能驾驶智能驾驶是人工智能在汽车领域的应用，它可以使汽车具备自动驾驶和智能辅助驾驶的能力。
2024年人工智能应用培训资料
应用领域及市场前景
应用领域
人工智能已广泛应用于金融、医疗、教育、交通等多个领域，为各行各业带来 了智能化升级和效率提升。
市场前景
随着技术的不断成熟和市场的不断拓展，人工智能的市场规模将持续增长，未 来发展前景广阔。
02 人工智能基础知识普及
机器学习原理简介
监督学习
通过已有标签数据训练 模型，使其能够对新数
市场细分、社交网络分析、推荐系统 等。
常见非监督学习算法
聚类、降维、异常检测等。
实现过程与技巧
数据预处理、特征选择与降维、模型 选择与调参等。
强化学习算法在复杂系统中应用
强化学习算法定义
通过与环境的交互来学习策略，使得智能体能够在环境中获得最大的累积奖励。
常见强化学习算法
Q-Learning、SARSA、Deep Q-Network等。
政策解读
政策要求企业在处理个人数据时遵循合法、正当、必要原则，加强数据安全管理，保障 数据主体隐私权益不受侵犯。同时，政策也鼓励企业采用隐私保护技术，提高数据处理
的安全性和可信度。
模型可解释性提高途径
模型可解释性定义
指AI模型能够输出易于人类理解的结果 解释，帮助人们理解模型决策过程和输 出结果。
智能风控技术
阐述人工智能在风险评估、反 欺诈等方面的应用。
智能投顾与量化交易
介绍人工智能在投资顾问、量 化交易等方面的应用。
未来趋势与挑战
分析人工智能在金融科技领域 的发展趋势，以及面临的挑战 和问题。
04 人工智能算法模型详解
监督学习算法原理及实现过程
监督学习算法定义
利用已知输入和输出数据进行训练，使模型 能够对新输入数据进行预测或分类。
2024年人工智能技术应用培训资料
特征提取
从原始数据中提取出对模 型训练有用的特征，如文 本处理中的词袋模型、 TF-IDF等。
特征选择
从提取的特征中选择对模 型性能影响最大的特征子 集，降低模型复杂度。
降维技术
如主成分分析（PCA）、 线性判别分析（LDA）等 ，用于减少特征维度和去 除冗余信息。
03 深度学习在AI领域应用
神经网络基本原理和结构类型
智慧城市
AI技术可以帮助城市实现智能交通、 智能安防、智能环保等，提高城市管 理的效率和便利性。
THANKS FOR WATCHING
感谢您的观看
常见任务类型
计算机视觉的常见任务类型包括图像分类、目标检测、目标跟踪、图像分割、场景理解等。这些任务 在安防监控、自动驾驶、医疗影像分析等领域有着广泛的应用。
目标检测、跟踪和识别算法研究
目标检测算法
目标检测是计算机视觉中的一项重要任务，旨在从图像或视频中定位并识别出感兴趣的目 标。常见的目标检测算法包括R-CNN、Fast R-CNN、Faster R-CNN等，它们通过深度 学习技术实现了较高的准确率和实时性。
问答系统
根据用户提出的问题，在大量文本数据中检索相关信息，并生成简洁明了的回答 。实现方法包括信息检索、知识图谱、深度学习等技术。
05 计算机视觉与模式识别技 术
计算机视觉基本原理和常见任务类型
计算机视觉基本原理
计算机视觉是模拟人类视觉系统的一门科学，它研究如何让计算机从图像或视频中获取信息、理解内 容并作出决策。计算机视觉的基本原理包括图像处理、特征提取、对象识别和场景理解等步骤。
决策树
通过树形结构对数据进行分类或 回归，易于理解和解释。
线性回归
通过最小化预测值与真实值之间 的平方误差，学习线性模型的参 数。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
3
运动控制
机器人根据内外部环境的变化自动 调节运动状态。 典型应用：人形机器人行走
4
机器学习
计算机基于大数据与算法模型，利用逻辑 推理、数据统计与计算，找出数据的内在 关系，实现对未知数据的推测。 典型应用：Alpha Zero
二 、人工智能教育
教育总目标：立德树人，培养符合未来人工智能社会需求的创新人才。
2003年LeCun等 提出将卷积神经网络用
于图像处理与识别
2007年Bengio提出堆叠 自动编码器模型
2016年DeepMind的 AlphaGo战胜李世乭
（二）人工智能技术框架
计划和调度
专家系统
多智能代理系统
进化计算
人工智能
模糊逻辑与粗糙集 机器学习
知识表示
……
推荐系统
机器人与感知
监督学习 半监督学习 无监督学习 集成学习 深度学习 强化学习 分类/聚类 异常值检测 度量学习 因果关系分析
团队成员 能力认知 组队 角色划分 分工 任务分工
问题 分析
要解决什么问题？ 可参考哪些方案？ 限制条件是什么？
注：本流程参考了美国波士顿科学博物馆提出的工程设计流程
创造 创建项目模型
改进 模型测试与改进
（四）案例
STEP1 开题 某小区安防措施薄弱，经常有小偷在夜晚入室
盗窃。请应用所学AI技术，赋予Yanshee机器人新 的智能，使其胜任家庭保安的职责。
子任务 模型训练 程序设计与调试 项目日志整理 项目简述 演讲 模型操作展示
负责人
完成时间
验收标准
STEP6 创造
产出可基本实现目标的模型——当小偷 入室时，Yanshee机器人可以检测到并作出反 馈。
该环节需要对模型的准确度和稳定性有 包容心。
STEP7 改进
在多场景下对模型进行反复 测试和改进，提高模型的稳定性、 成功率。
K-nearest Neighbors Logic/ Linear Regression Support Vector Machine Decision & Random Trees
Neural Networks Naive Bayes K-Means
Hierarchical Cluster Analysis Principal Component Analysis Generative Adversarial Networks
大数据
算法
大数据与算法的关系，就相当于原料与生产工艺的关系。
计算机视觉中的表情识别Fra bibliotek（三）人工智能主流技术应用
1
自然语言处理
计算机把语音信号转化为数字信号， 分析理解数据含义，并给出恰当的 回答，核心技术语音识别和语义理 解。 典型应用：语音交互机器人
2
计算机视觉
把图片与视频转化为数字信号，并提炼其中的数 字特征及内在关系，实现“读懂”图片的目的。 典型应用：人脸识别
STEP4 创意
头脑风暴，收集并记录尽可能多的想法。 此阶段遵循以下六条原则： 1、暂缓评论 2、异想天开 3、不要跑题 4、一次一人发言 5、图文并茂 6、多多益善 在此环节必须注意聆听，注重以图画的方式展示和记录创意想法。
注：头脑风暴六条原则选自《IDEO，设计改变一切》
STEP5 计划
对上一环节收集的创意，结 合项目需求和限制条件，遴选出 最合适的方案，制定可执行的项 目推进计划。团队需要把计划分 解为若干子任务，明确每个子任 务/阶段的负责人、时间节点与 验收标准。
2020年 电脑制作 机器人 创客 人工智能
名称未变，内涵和外延一直在变，每一次变革都是对新时代人才需求的呼应。
机器人 项目
创客 项目
人工智能 项目
一、人工智能基本知识
（一）人工智能发展历程
1950 推理期
1950年图灵 图灵测试使 机器学习存在可能
1952年A.Newell等 “逻辑理论家”程序 机器学习成为可能
本环节需要输出项目改进表。
问题点 识别延时
原因分析
采集视频精度太 高，耗用太多算 力，影响反应速 度。
改进措施
调整视频像素为 320*240
STEP8 展示交流
内容： 1、成员特长及分工介绍 2、用简短语言概括概括介绍模型特点，说明 采用了哪些AI技术，以及优势在哪里； 3、演示模型功能； 4、说明遇到的困难及应对的方法； 5、分析模型不足与改进设想； 6、其他
MIT开发了MACSYMA专 家系统实现启发式变换数
学表达式
肖特立夫等研制了MYCIN 用于诊治血液感染等疾病
符号主义学习 代表包括：决策树和基于逻
辑的学习等
从样例中学习 代表包括：CBR和MBR等
1986年Rummelhart， Hopfield等
基于神经网络连接主义学习 代表包括：BP算法、离散神
2020年全国中小学电脑制作活 动
人工智能知识体系 与项目分析
深圳优必选科技股份有限公司 胡作
2019.12.20
目录
1 人工智能基本知识 2 人工智能教育 3 应用场景与案例分析 4 活动支持 5 关于优必选
‘’全国中小学电脑制作活动”历程回顾
2000年 电脑制作
2004年 电脑制作 机器人
2016年 电脑制作 机器人 创客
四、活动支持
（一）应用现场培训 ——“人工智能小专家”
(二) 全国交流活动现场设备与服务器支持
五、关于优必选
全球顶尖的人工智能和人形机器人研发、制造和销售为一体的高科技创新企业。
合作高校
卡耐基梅隆大学
悉尼大学
清华大学
北京大学
华东师范大学
首都师范大学
华中科技大学
南方科技大学
基因 + 态度 我们对人工智能教育是认真的！
经网络模型等
1995 统计学习
1995年Vapnik 提出了基于统计学习理论和
核技巧的支持向量机
1998年Willimas等 提出了核学习与贝叶斯推理
相结合的高斯过程
1997年Freund等提出 Adaboost算法提高弱分类
算法准确度
深度学习 强化学习 2000
迁移学习 联邦学习
2006年Hinton 提出了深度信念网络开 启了深度学习研究热潮
STEP3 问题分析
1、确定关键问题： Yanshee机器人如何判断有小偷入室？ 2、小偷入室行为的情景特征是什么？需要用什么传感器来判断？需要用到 哪些技术、算法、模型？ 如：陌生人人脸识别、人体热红外检测、门窗异动检测、夜晚阴影检测...... 3、有哪些他人的方案和技术可供参考？ 4、限制条件有哪些？环境、设备、时间..... 5、检测到小偷入室后，Yanshee机器人要做什么？ ......
1957年F.Rosenblatt等 基于神经网络“连接主义”
1960年 基于逻辑表示“符号主义”
1975 知识期
盲目乐观： 算力不够
1980
知识获取瓶颈； 缺乏标注数据及有效算法
学习期
E.A.Feigenbaum 主持搭建了
世界上第一个专家系统 DENDRAL
(1977年首次提出了知识工 程概念)
（二）技术、工具与环境说明
图形化/代码编程环境uCode
环境要求
可编程积木式机器人套件uKit
开源硬件explore+视觉模组
Yanshee机器人、Python编程
（三）流程说明（八步）
题目 开题
发散 头脑风暴 创意收集
创意
汇聚 选择最优方案 制定工作计划
计划
展示 交流
模型展示 项目汇报 交流提高
创新 人才
创新
思维
创新 意识
创新
能力
以终为始——教学目标决定教学形式
链接真 实世界
项目式
动手 实践
跨学科
学生不是知识的消费者， 而是问题的解决者， 更是创新者、智造者。
三、应用场景及案例分析
（一）应用场景
自然语言 交互
图像识别
机器人
AI五大 应用场景
大数据 分析
无人驾驶
AI技术：自然语言交互、运动控制、图像识别、大数据分析、无人驾驶
本案例摘取自《AI的应用与探索》 主题七“活动课—AI生产力”
STEP2 组队分工
姓名
擅长
张三
思维活跃 鬼点子多
李四
组织能力强 善于沟通
赵五 陈六
技术好
审美能力强 语文功底好
任务
信息收集 创意整理
队长 制定计划 考核进度 鼓舞士气 交流展示
程序设计 验证调试
PPT制作 日志整理
要求说明
（对具体工作的详细描述，包含时间进度、 质量要求等内容。）