LESSON 01 · 看图复习与作品任务

人工智能概述

用场景认识任务,用关系图连接知识。你可以自选一项观察,再带走一张自己的任务分析图。

扩展课程观察与体验作品与简短说明无需背诵图中标签

同样是AI,任务可以很不同

大学生用平板观察校园植物的AI生成场景示意

看图识物

照片 → 可能的类别

大学生在桌边录音的AI生成场景示意

听音转写

录音 → 文字初稿

大学生在图书馆挑书的AI生成场景示意

推荐图书

目标与书目 → 候选书单

大学生在数字画屏前创作的AI生成场景示意

生成作品

主题与要求 → 图文初稿

以上图片均由Image生成,用于场景示意;不是真实产品界面或系统运行结果。下面的知识图为网页原生绘制。

沿着三张图,连接必要概念

人工智能研究让机器完成感知、学习、推理、语言处理、决策等智能任务的理论、方法与技术。自动运行本身不足以证明使用了AI。

01 / 任务结构

从输入走到输出,再问怎样检查

输入、处理与输出关系图输入经过处理形成输出。使用结果之前还要对照要求与来源检查。 输入图像/声音/资料 处理识别/生成等 输出判断/文字/作品 对照原始资料与任务要求检查
图示任务的输入、处理、输出和核查关系。

机器完成任务的方法不必与人相同。会输出答案,还需要检查任务条件、事实依据与使用权限。

02 / 方法与任务

生成模型,也可以通过学习得到

从学习到多种模型任务的关系图数据中的样本经过学习形成模型,模型可以用于识别、预测或生成等任务。规则与知识还可以共同参与系统。 从数据学习样本与训练 模型 识别 预测 生成

规则与知识、从数据学习可以在系统中结合;“生成”描述一类任务与输出,不是与“学习”互斥的路线。

03 / 系统组成

一个应用,连接三层支撑

基础层、技术层和应用层连接图基础层提供计算、存储和数据;技术层提供模型与处理能力;应用层组织成解决具体问题的系统。 应用层为谁解决什么问题 技术层模型、算法与处理能力 基础层计算、存储与数据资源

按正在讨论的角色分层。同一个产品可以覆盖多层;资料、技术与流程都可能影响结果。

能力范围与是否具有主观体验是不同问题。理解一个具体系统,先看它能在什么条件下完成什么任务。

自选一项观察,留下一个发现

不用完成整套试题。回到图解课堂操作,或与同伴指图交流;用一两句话记录观察即可。

观察 A / 条件与结果

换背景,动物不变

在猫狗场景里只改背景。教学分类器的判断有什么变化?它读取了什么线索?

我的观察:
观察 B / 输入与输出

比较两个AI场景

任选两张场景图,比较输入和输出的差异。各挑一个需要检查的细节。

我的比较:
观察 C / 换任务条件

给不同读者荐书

把“AI初学者”改为“想动手实践的人”。需要补哪些资料,又要重新检查什么?

我的补充:

猫狗与样本操作是明确规则下的教学模拟,不连接真实图像模型;观察结果不证明所有真实AI系统都会如此。

作品任务:做一张任务分析图

选一件校园里的小事,用短句填图。可以是图书推荐、会议纪要、海报创作、植物识别或资料问答。

我想为谁解决什么问题?

我的任务:

需要什么输入?

例如主题、资料、图片或要求

希望得到什么输出?

例如候选方案、文字或作品

怎样检查结果?

写一项可以实际执行的检查

谁确认或处理错误?

说明需要人员确认的环节

这张图、一项观察记录和两三句话的修改说明,可作为扩展课程的考核素材建议。具体考核要求、提交方式与评价办法由任课教师安排;本页不自动评分,也不设定成绩比例。