大语言模型通识微课课件：人工智能的实现途径.pptx

;人类，又称智人，即有智慧的人，这是因为智能对于人类来说尤其重要。几千年来，人们一直在试图理解人类是如何思考和行动的，也就是不断地了解人类的大脑是如何凭借它那小部分的物质去感知、理解、预测并操纵一个远比其自身更大更复杂的世界。“数据成为新生产要素，算力成为新基础能源，人工智能成为新生产工具。”

2023年被称为生成式人工智能元年，以ChatGPT为代表的生成式人工智能技术的涌现获得了前所未有的关注。大型科技公司、各类创业公司迅速入场，投入海量资源，推动了大语言模型（LLM）能力和应用的快速演进。;人工智能研究领域的一个较早流行的定义，是由约翰·麦卡锡在1956年的达特茅斯会议上提出的，即：人工智能就是要让机器的行为看起来像是人类所表现出的智能行为一样。另一个定义指出：人工智能是人造机器所表现出来的智能性。总体来讲，对人工智能的定义大多可划分为四类，即机器“像人一样思考”“像人一样行动”“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动，或制定行动的决策，而不是肢体动作。;尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软/硬件来模拟人类某些智能行为的基本理论、方法和技术。;对于人的思维模拟的研究可以从两个方向进行，

一是结构模拟，仿照人脑的结构机制，制造出“类人脑”的机器；

二是功能模拟，从人脑的功能过程进行模拟。

现代电子计算机的产生便是对人脑思维功能的模拟，是对人脑思维的信息过程的模拟。

实现人工智能有三种途径，即强人工智能、弱人工智能和实用型人工智能。;强人工智能，又称多元智能。研究人员希望人工智能最终能成为多元智能并且超越大???分人类的能力，认为有可能制造出真正能推理和解决问题的智能机器，并且这样的机器将被认为是有知觉的，有自我意识的。

强人工智能可以有两类：

（1）类人的人工智能，即机器的思考和推理就像人的思维一样；

（2）非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。

为了创建具备强人工智能的计算机程序，我们首先必须清楚了解人类思维的工作原理，而想要实现这样的目标，还有很长的路要走。;弱人工智能，认为不可能制造出能真正地推理和解决问题的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。它只要求机器能够拥有智能行为，具体的实施细节并不重要。深蓝就是在这样的理念下产生的，它没有试图模仿国际象棋大师的思维，仅仅遵循既定的操作步骤。计算机每秒验算的可能走位就高达2亿个，就算思维惊人的象棋大师也不太可能达到这样的速度。;第三种途径称为实用型人工智能。研究者们将目标放低，不再试图创造出像人类一般智慧的机器。眼下我们已经知道如何创造出能模拟昆虫行为的机器人。机械家蝇看起来似乎并没有什么用，但即使是这样的机器人，在完成某些特定任务时也是大有裨益的。比如，一群如

狗大小，具备蚂蚁智商的机器人在清理碎石和

在灾区找寻幸存者时就能够发挥很大的作用。

图1-1华盛顿大学研制的靠激光束

驱动的RoboFly昆虫机器人;机器学习是人工智能的一个关键子集，其核心是“使用算法解析数据，从中学习，然后对世界上的某件事情做出决定或预测”。通常将人工智能看作是自主机器智能的广泛目标，而机器学习则是实现这一目标的具体方法。

比如，通过代码告诉电脑，图片里红色是玫瑰，有说明的是向日葵，那么程序对花种类的判断就是通过人类直接编写逻辑达成的，不属于机器学习，机器什么也没学。但是如果给计算机大量玫瑰和向日葵的图片，让电脑自行识别模式、总结规律，从而能对后来新输入的图片进行预测和判断，这就是机器学习。;深度学习是机器学习的一个子集，其核心在于使用人工神经网络模仿人脑处理信息的方式，通过层次化的方法提取和表示数据的特征。神经网络是由许多基本的计算和被称为神经元的储存单元组成。深度学习模型通常有很多层，添加更多的隐藏层可以优化预测的

精度和准确性，因此被称为“深度”

学习。深度学习模型能够学习和表

示大量复杂的模式，这使它们在诸

如图像识别、语音识别和自然语言

处理等任务中非常有效。;机器学习有三种主要类型，即监督学习、无监督学习和强化学习。其中，监督学习就模型可以从标记数据中学习，也就是说，它有答案可以参考学习；而无监督学习模型需要