CH.01 / AI FOUNDATIONS
CHAPTER 01 // AI FOUNDATIONS

AI 是什么

从图灵测试到 ChatGPT

第1章 · 应用型本科 AI 通识课
12 SLIDES · VOX STYLE
MODULE 01 // THE IMITATION GAME · 1950

图灵测试

BOX.A ? BOX.B ? ? TYPE → TYPE →

分不清人与机器，即通过测试

MODULE 02 // THREE WAVES · 70 YEARS

三次浪潮

1950s 符号推理 RULE-BASED 1980s 专家系统 EXPERT SYS 2012+ 深度学习 · 大模型 DEEP LEARNING WAVE I WAVE II WAVE III 1950 NOW

七十年起落，第三次浪潮终迎爆发

MODULE 03 // WHAT IS ARTIFICIAL INTELLIGENCE

AI 定义

人工智能 = 模拟人类智能行为 感知 PERCEPTION 推理 REASONING 学习 LEARNING

AI 的本质：模拟感知、推理与学习

MODULE 04 // RUSSIAN DOLL · SUBSET HIERARCHY

AI 家族套娃

AI ARTIFICIAL INTELLIGENCE ML MACHINE LEARNING DL DEEP LEARNING LLM LARGE LANGUAGE MODEL AI ⊃ ML ⊃ DL ⊃ LLM

层层包含，大模型是皇冠上的明珠

MODULE 05 // MANUAL vs AUTO FEATURES

ML VS DL

VS 原始数据 RAW DATA 人工特征 HAND-CRAFTED 模型输出 OUTPUT 人工特征工程 NEEDS DOMAIN EXPERT 原始数据 RAW DATA 自动特征 AUTO-LEARNED 模型输出 OUTPUT 自动特征学习 END-TO-END NEURAL NET

从人工设计到自动学习，质的飞跃

MODULE 06 // CAPABILITY BOUNDARY

能力边界

擅长 CAN DO STRENGTHS 文本总结 SUMMARIZATION 代码生成 CODE GENERATION 图像创作 IMAGE GENERATION 短板 CANNOT DO LIMITS 常识推理 COMMON SENSE 伦理判断 ETHICAL REASONING 责任承担 ACCOUNTABILITY

AI 是强大的工具，不是万能的神

MODULE 07 // DIGITAL TWIN × EMBODIED AI

具身智能

虚拟驾校 DIGITAL TWIN 模拟训练 1000h+ 物理机器人 EMBODIED AI 真实物理世界执行 训练数据 反馈优化 LOOP SIM → REAL → FEEDBACK → ITERATE

虚拟训练驱动实体智能，闭环迭代

MODULE 08 // LLM EMERGENCE · TRADITIONAL vs FOUNDATION

大模型详解

传统 DL 模型 TRADITIONAL SCALE · 规模 百万 ~ 千万参数 ABILITY · 能力 单任务专用 GENERALIZE · 泛化 需重新训练 NARROW AI SCALE ↑ 大模型 GPT-4 / DeepSeek FOUNDATION SCALE · 规模 千亿~万亿参数 ABILITY · 能力 涌现：多任务通才 GENERALIZE · 泛化 零样本 / 少样本迁移 GENERAL AI

规模催生涌现，大模型打破专用局限

RECAP // CHAPTER 01 · KEY TAKEAWAYS

本章总结

01 ? 图灵测试 THE IMITATION GAME 分不清人与机器 02 50s 80s NOW 三次浪潮 THREE WAVES 七十年三起三落 03 能力边界 BOUNDARIES 工具非万能之神 AI 不是魔法，是数学 + 数据 + 工程

教学团队 · 第1章完

KNOWLEDGE CHECK

单选题 · 10题

答对: 0/10
TRUE OR FALSE

判断题 · 5题

1人工智能的概念最早出现在 21 世纪。
2深度学习之所以叫"深"，是因为它的神经网络有很多层。
3大模型和传统深度学习模型在能力上没有本质区别，只是参数多一点而已。
4教学团队的"具身智能"业务是指让 AI 拥有物理身体，能在真实世界中控制机器人完成任务。
5如果 AI 给错了答案，应该由 AI 开发者或使用者承担责任，而不是 AI 本身。
判断题答对: 0/5