人工智能与未来

王红梅

目录

  • 1 引言
    • 1.1 习近平：人工智能是年轻的事业，也是年轻人的事业
    • 1.2 孙凝晖院士《人工智能与智能计算的发展》
    • 1.3 凯文·凯利你暂时不会被AI替代  但会被更擅长使用AI的人替代
    • 1.4 刘强东牛津精彩演讲：一直追梦，终能成功
    • 1.5 王红梅：人工智能通识课实践与探索分享报告和常见问题解答
    • 1.6 《人工智能与未来》引言
    • 1.7 课程及教材简介
    • 1.8 环境搭建
  • 2 从手工计算到自动计算
    • 2.1 身边的计算
    • 2.2 手工计算与工具辅助计算
      • 2.2.1 为什么要计算
      • 2.2.2 为什么要用计算工具
    • 2.3 自动计算探索
      • 2.3.1 为什么自动计算？
      • 2.3.2 怎么实现自动计算？
    • 2.4 自动计算实现与发展
      • 2.4.1 运算器
      • 2.4.2 通用电子计算机的发展
      • 2.4.3 常见的计算机类型有哪些
    • 2.5 图灵相关电影&纪录片&智能机器
    • 2.6 章节测验
  • 3 从自动计算到智能计算
    • 3.1 人工智能那些事
    • 3.2 人工智能
      • 3.2.1 人类智能如何发展为人工智能？
      • 3.2.2 什么是人工智能
      • 3.2.3 人工智能的起点在哪里？有哪些人？哪些事？
      • 3.2.4 如何实现人工智能？
      • 3.2.5 人工智能的发展史
      • 3.2.6 人工智能的分类
    • 3.3 智能计算
    • 3.4 扩展知识
    • 3.5 章节测验
  • 4 数据
    • 4.1 数据那些事
    • 4.2 数据概述
      • 4.2.1 数据是什么？
      • 4.2.2 数据与人工智能有什么关系？
      • 4.2.3 数据有什么用？
    • 4.3 数据表示和获取
      • 4.3.1 计算机怎么表示数据
      • 4.3.2 如何实现数制之间的转换？
      • 4.3.3 如何实现字符与汉字的编码？
      • 4.3.4 如何采集声音、图像等传感器数据
    • 4.4 数据存储与管理
      • 4.4.1 数据如何存储？
      • 4.4.2 数据如何管理？
    • 4.5 数据可视化与数据分析
      • 4.5.1 数据如何可视化？
      • 4.5.2 数据如何分析？
    • 4.6 大数据
      • 4.6.1 什么是大数据？
      • 4.6.2 大数据怎么来的？
      • 4.6.3 大数据有什么特征？
      • 4.6.4 大数据有什么价值？
    • 4.7 数据-章节测验
  • 5 算法
    • 5.1 算法那些事
    • 5.2 算法概述
      • 5.2.1 什么是算法?
      • 5.2.2 如何描述算法?
      • 5.2.3 算法实现案例：冒泡算法
      • 5.2.4 实现算法常用的数据结构
      • 5.2.5 算法和程序的关系
    • 5.3 搜索算法
      • 5.3.1 搜集算法解决的问题和图的构建
      • 5.3.2 如何找到最短路径？
      • 5.3.3 如何快速达到？
    • 5.4 机器学习
      • 5.4.1 人工智能、机器学习、神经网络和深度学习之间的关系
      • 5.4.2 什么是机器学习？
      • 5.4.3 机器怎么学习？
      • 5.4.4 机器学习的类别
      • 5.4.5 机器学习实例：KNN
      • 5.4.6 机器学习的实际应用场景
    • 5.5 神经网络和深度学习
      • 5.5.1 生物神经元与人工神经元
      • 5.5.2 神经网络
      • 5.5.3 神经网络有具体的应用吗
      • 5.5.4 深度学习
    • 5.6 扩展：循环神经网络
      • 5.6.1 循环神经网络结构
      • 5.6.2 简单循环神经网络示例
      • 5.6.3 循环神经网络应用模式
      • 5.6.4 深度循环神经网络
    • 5.7 课外扩展
      • 5.7.1 课外拓展1：彻底理解卷积
      • 5.7.2 课外扩展2：卷积神经网络
      • 5.7.3 课外扩展3：从织布到AI，人类是如何教会机器“思考”的？
      • 5.7.4 课外扩展4:Deepseek及算法
    • 5.8 算法-章节测验
  • 6 算力
    • 6.1 算力那些事
    • 6.2 算力概述
      • 6.2.1 算力的概念
      • 6.2.2 算力的单位
      • 6.2.3 算力的分类
      • 6.2.4 算力和我们的关系
    • 6.3 通用算力
      • 6.3.1 通用算力的概念
      • 6.3.2 通用算力如何产生？
      • 6.3.3 通用算力的发展
      • 6.3.4 云计算
    • 6.4 超算算力
      • 6.4.1 超算的概念
      • 6.4.2 超算的分类
      • 6.4.3 超算的内部结构
      • 6.4.4 中国的超算能力
      • 6.4.5 超算中心
    • 6.5 智算算力
      • 6.5.1 智能算力的概念
      • 6.5.2 人工智能算力芯片
      • 6.5.3 智算中心和三种中心对比
    • 6.6 拓展-算力网络
      • 6.6.1 算力网络的概念
      • 6.6.2 东数西算
    • 6.7 算力-章节测验
  • 7 自然语言处理
    • 7.1 自然语言处理那些事
    • 7.2 自然语言处理概述
      • 7.2.1 什么是自然语言
      • 7.2.2 什么是自然语言处理
      • 7.2.3 为何研究自然语言处理
      • 7.2.4 机器怎么进行自然语言处理
    • 7.3 语音识别
      • 7.3.1 什么是语音识别
      • 7.3.2 语音识别处理流程
    • 7.4 自然语言理解
      • 7.4.1 什么是自然语言理解
      • 7.4.2 词法分析
      • 7.4.3 语法分析
      • 7.4.4 语义分析
      • 7.4.5 自然语言理解应用
    • 7.5 语音合成
      • 7.5.1 什么是语音合成
      • 7.5.2 语音合成原理
    • 7.6 扩展：机器翻译
      • 7.6.1 机器翻译概述
      • 7.6.2 神经机器翻译
      • 7.6.3 编码器 - 解码器结构
    • 7.7 自然语言处理-章节测验
  • 8 生成式人工智能
    • 8.1 生成式人工智能那些事
    • 8.2 生成式人工智能概述
      • 8.2.1 什么是生成式人工智能？
      • 8.2.2 生成式AI能生成什么？
      • 8.2.3 如何写好提示词？
    • 8.3 生成式人工智能的核心技术
    • 8.4 生成式人工智能的具体应用
    • 8.5 扩展：国产大模型DeepSeek
    • 8.6 WPS  AI 2024年暑期培训直播回放
    • 8.7 生成式人工智能-章节测验
  • 9 计算机视觉
    • 9.1 计算机视觉那些事
    • 9.2 计算机视觉概述
      • 9.2.1 计算机视觉概念
      • 9.2.2 计算机视觉要解决的问题是什么
      • 9.2.3 机器如何看和懂世界？
      • 9.2.4 计算机视觉有哪些分类和应用？
      • 9.2.5 人脸识别、计算机视觉、人工智能的关系
    • 9.3 人脸识别原理*
      • 9.3.1 人脸识别的基本流程是什么
      • 9.3.2 Haar级联检测器
      • 9.3.3 使用Haar特征进行检测
      • 9.3.4 Haar特征值的计算和积分图
      • 9.3.5 AdaBoost算法+级联分类器解决什么问题
    • 9.4 人脸识别实现-演示
    • 9.5 扩展:空间智能
    • 9.6 计算机视觉-章节测验
  • 10 具身智能
    • 10.1 具身智能那些事
    • 10.2 具身智能概述
      • 10.2.1 什么是具身智能
      • 10.2.2 具身智能的三要素是什么
      • 10.2.3 “具身”与“智能”的关系
    • 10.3 具身智能的核心能力
      • 10.3.1 如何具身感知
      • 10.3.2 如何具身推理
      • 10.3.3 如何具身执行
    • 10.4 具身智能的应用领域
    • 10.5 扩展：具身智能最新发展
      • 10.5.1 人形机器人如何像人一样工作
      • 10.5.2 具身智能为何成为人工智能下一个发展浪潮
    • 10.6 具身智能-章节测验
  • 11 智能驾驶
    • 11.1 智能驾驶那些事
    • 11.2 智能驾驶概述
      • 11.2.1 什么是智能驾驶
      • 11.2.2 智能驾驶系统分哪几部分
      • 11.2.3 智能驾驶的分级
      • 11.2.4 智能驾驶技术的发展路线
      • 11.2.5 智能驾驶有哪些优势
    • 11.3 智能驾驶的关键技术
      • 11.3.1 什么是环境感知
      • 11.3.2 定位系统如何定位
      • 11.3.3 智能驾驶的决策规划如何进行
      • 11.3.4 智能驾驶如何控制执行
    • 11.4 扩展：无人飞行器
      • 11.4.1 什么是无人机
      • 11.4.2 无人机的应用场景有哪些
    • 11.5 智能驾驶演示
    • 11.6 扩展-畅想智能驾驶未来
    • 11.7 智能驾驶-章节测验
  • 12 人工智能未来技术
    • 12.1 人工智能安全技术
    • 12.2 超级智能和超级对齐
      • 12.2.1 对齐概念和对齐方法
      • 12.2.2 超级对齐和实现
    • 12.3 脑机接口：人工智能下一站？
      • 12.3.1 脑机接口概念
      • 12.3.2 脑机接口的关键技术是什么？
      • 12.3.3 脑机接口与人工智能的关系
    • 12.4 奇点到来和通用人工智能
    • 12.5 扩展：AI+我们自己
      • 12.5.1 奇点真的会到来吗
      • 12.5.2 通用人工智能是幻想还是真实
  • 13 未来伦理
    • 13.1 人工智能伦理概念
    • 13.2 人工智能带来的安全问题
      • 13.2.1 数据隐私安全问题
      • 13.2.2 技术滥用问题
      • 13.2.3 一些建议
    • 13.3 人工智能引发的就业挑战
      • 13.3.1 人工智能的发展对人类的就业问题带来冲击
      • 13.3.2 一些建议
    • 13.4 人工智能带来的权责划分问题
      • 13.4.1 机器人权利问题
      • 13.4.2 人工智能带来的责任划分问题
      • 13.4.3 相关案例分析
      • 13.4.4 一些建议
    • 13.5 人机关系问题
      • 13.5.1 人机关系的分级
      • 13.5.2 人机关系面临变革
  • 14 教育部“人工智能+高等教育”典型应用案例（8个）
    • 14.1 8大实验平台链接地址
身边的计算
  • 1 PPT
  • 2 讲课视频-身边的计算

视频1：sora视频