AI大模型与AIGC技术在公安领域的应用解决方案（99页 PPT）

微信扫码，打开到小程序

02 A I GC 与大模型技 术 03 人工智能应用案例 01 人工智能概述 CONTENTS 人工智能基本概念与发展历程 关键技术与研究学派 01 02 人类的智能，源于人类的大脑、感觉器官 和神经网络 从自然环境中感知和解析信息，提炼知识并运用 于指挥自身行为的能力，就是“智能”。 1. 何谓智能？ 人工智能基本概念 人工智能，指由人制造出来的机器所表 现出来的智能。 人工智能就是把人的智能转移到人造的 机器中，让机器来具备了感知、思考、 决策的能力。 2. 什么是人工智能？ 人工智能基本概念 1950 年，图灵在论文《计算机器与智能》中提出图灵测试，将机器智能定义为 “若 机器能通过自然语言对话让人类无法区分其与人类，则具备智能” 。这一测试方法 至今仍是衡量 AI 智能水平的重要标准，例如 ChatGPT 等大模型均以通过类似测 试为目标。 图灵通过图灵测试与图灵机构建了人工智能的理论框架，其密码学实践与哲学思 考为现代 AI 技术提供了方法论与伦理基础。尽管他未亲历 AI 的爆发式发展，但 其思想至今仍是技术突破的核心驱动力。 阿兰 · 图灵 (1912-1954)—— 现代计算机的奠基人，人工智 能之父。 图灵与人工智能 图灵测试 - 成为判定机器智能的标 准 1956 年 6 月，达特茅斯会议并没 有 得出什么重要的结论或宣言，但是 提出了“人工智能（ Artificial Intelligence ）”的命名，也大致明 确了后续的研究方向。 这次会议，标志着人工智能作为一 个研究领域正式诞生，也被后人视 为现代人工智能的起点。 达特茅斯会议 - 首次提出“人工智能 ”术语，标志着学科诞生 3. 人工智能的历史 第一次低谷阶段（ 1974 年 -1979 年） - 项目失败、政府撤资 在 1974 年至 1979 年间，人工智能领域经历了第一次发展低谷，即“ AI 之冬”。 此前， AI 在 1960 年代迎来了黄金时代，得益于符号主义的推动和冷战时期美国政府的资 金支持， AI 研究取得了显著成果。 然而，由于学术界对 AI 的预期过于乐观，加之当时计算机算力和存力有限， AI 系统未能 达到预期效果。特别是机器翻译等领域的失败，导致政府资助减少。 1973 年， 《莱特希尔报告》对 AI 技术提出严厉批评，随后英国政府、美国 DARPA 和美 国国家科学委员会等机构大幅削减对 AI 的投资，使得 AI 研究陷入低谷。 发展历程 - 第一次低 谷 专家系统基于知识整理出来的规则，进行逻辑推理，来模拟和 延伸人类专家的决策能力，解决复杂的问题。 3. 人工智能的历史 发展历程 - 第二次高潮阶 段 第二次高潮阶段（ 1980 年 -1987 年） 3. 人工智能的历史 第二次低谷阶段（ 1987 年 -1993 年） - 专家系统遇到瓶颈 在 1987 年至 1993 年间，人工智能经历了第二次发展低谷。这一阶段的原因主要包括：专家系统 （符号主义）在实际应用中遇到能力瓶颈，如应用领域狭窄、缺乏常识性知识、知识获取困难等； 同时， 80 年代个人电脑技术革命使得通用 PC 性能超越 AI 专用计算机，导致 AI 硬件市场崩溃。 此外，专家系统维护更新复杂且成本高昂，使得市场和用户兴趣减退。 最终，战略计算促进会和 DARPA 等机构削减了对 AI 的资助， AI 研究因此进入第二次低谷阶段。 发展历程 - 第二次低谷阶 段 █ 第三次高潮阶段（ 1994 年 - 现在） 自 1994 年以来，人工智能进入第三次高潮，神经网络和机器学习复兴，深度学习诞生。大 数据和云计算推动 AI 发展，重要算法和模型如 SVM 、 LSTM 、 LeNet 相继提出。 AI 在图像和语音识别应用广泛。 里程碑事件包括深蓝战胜卡斯帕洛夫和 AlphaGo 战胜李世石。 GANs 和无监督学习推动 图 片生成领域。 Transformer 架构改变深度学习方向。 OpenAI 的 GPT 系列和生成式 AI 崛 起，多模态 AI 处理多种媒体。 全球大模型竞争激烈， AI 技术取得显著进展，对社会产生深远影响。 3. 人工智能的历史 发展历程 - 第三次高潮阶 段 3. 人工智能的历史 发展历程 -“ 三起两落 ”五阶段 窄人工智能 (Narrow AI): 也称为弱人工智能 , 指的是在特定领域或任务上表现出智 能 的系统 , 例如语音识别或图像识别。 通用人工智能 (AGI): 也称为强人工智能 , 指的是具有广泛认知能力的系统 , 能够像 人 类一样在多个领域和任务上表现出智能。 超级人工智能 (Superintelligent AI): 指的是在所有领域都远远超过人类智能的系 统。 人工智能的 分类 ( 按智 能程度分类 ) 人工智能的分类 1. 从自然环境中感知和解析信息，提炼知识并运用于 指挥自身行为的能力，就是“ 智能”。 2. 人工智能把人的智能转移到人造的机器中，让机器 来具备了感知、思考、决策的能力。 3. 人工智能从 20 世纪 50 年代出现，发展至今，经过 了“三起两落” 五个阶段。 4. 人工智能的分类（按智能程度分类） 窄（弱）人工智能 通用人工智能 超级人工智能 小结 03 人工智能硬件基础，包括 GPU （图形处理单元） 、 TPU （张量处理单元）等专 门 为 AI 计算优化的芯片，能够高效处理大量数据和复杂的算法。 1. 人工智能的关键技术 机器学习 深度学习 强化学习 智能芯片技术 基础算法技术 二 、关键技 术 计算机视觉 自然语言处理 语音处理 多模态分析推理技术 1. 人工智能的关键技术 感知技术 二 、关键技 术 人工智能研究的三个门派 符号主义，又称逻辑主义、心理学派或计算机学派，是一种基于逻辑推理的智能模拟方法，认为人工智能源 于数学逻辑，其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。 典型代表： 1997 年 5 月，名为“深蓝”的 IBM 超级计算机打败了国际象棋世界冠军卡斯帕罗夫，这一事 件 在当时也曾轰动世界，其实本质上， “深蓝”就是符号主义在博弈领域的成果。 注：深蓝是美国 IBM 公司生产的一台超级国际象棋 电脑，重 1270 公斤，有 32 个大脑（微处理器） ，每 秒钟可以计算 2 亿步。 “深蓝”输入了一百多年来优秀 棋手的对局两百多万局。 人工智能研究的三个门派 1 、符号主义 行为主义，又称进化主义或控制论学派，是一种基于“感知——行动” 的行为智能模拟方法，思想来源是进 化论和控制论。其原理为控制论以及感知——动作型控制系统。 该学派认为：智能取决于感知和行为，取决于对外界复杂环境的适应，而不是表示和推理，不同的行为 表现出不同的功能和不同的控制结构。生物智能是自然进化的产物，生物通过与环境及其他生物之间的相互 作用，从而发展出越来越强的智能，人工智能也可以沿这个途径发展。 典型代表：著名的研究成果还有波士顿动力机器人和波士顿大狗，以及国内的宇树科技的人型机 器人和四足机器狗。 人工智能研究的三个门派 2 、行为主义 人工智能研究的三个门派 按照设置好的路线行走扫描 典型代表：波士顿大狗。 收集施工现场的数据 变身“牧羊犬”放羊 检测病人体温 工地上监工 应急排险 宇树科技军用机器狗亮相中柬“金龙 -2024 ” 联合演习 功夫 BOT 完成全球首例 720 度回旋踢： 宇树 G1 联结主义，又称仿生学派或生理学派，是一种基于神经网络和网络间的连接机制与学习算法的智能模拟方法。连 接主义强调智能活动是由大量简单单元通过复杂连接后，并行运行的结果，基本思想是，既然生物智能是由神经网 络产生的，那就通过人工方式构造神经网络，再训练人工神经网络产生智能。 典型代表：在人工智能的算法、算力、数据三 要 素齐备后，连接主义学派就开始大放光彩了。 2016 年 DeepMind 公司（ AlphaGo ）击败围棋冠军李 世石。 3 、联结主义学派 人工智能研究的三个门派 联结主义：从生物神经网络到人工神经网络 30 智能芯片技术、基础算法技术和感知技术。 小结 1. 人工智能的关键技术包括： 2. 人工智能研究的三个门 派 联结主义 符号主义 行为主义 大模型与 AIGC 概述 DeepSeek 推理大模 型 提示词与提示工程 04 AlGC 与 GPT( 通用大模型的代 表 ) 生成式预训练 Transfomer 模型， GPT 的全称，是 Generative Pre-Trained Transformer （生成式预训 练 Transfomer 模型）是一种基于互联网的、可用数据来训练的、文本生成的深度学习模型。 大模型的基本概念 -ChatGPT 概 述 各大热门平台产品月活跃用户数破亿所需时长。 ChatGPT 被称为 AI 的“ iPhone 时刻” , 以 ChatGPT 为代表的生成式 AI 让每个 人命令计算机解决问题成为了可能。可 对生产工具、对话引擎、个人助理等各 类应用 , 起到协助人、服务人甚至超越 人的角色。 海量下游应用也因此捕捉到新的技术与 产业机会 , 希望通过各类大模型与工程 化能力 , 将类 ChatGPT 产品能力输送 到原有的应用中 , 关于应用革命的序幕 就此拉开。 凭借此革命性突破 ,ChatGPT 在搜索引 擎与各类工具软件中率先掀起应用热潮 , 引起了广大用户对 ChatGPT 相关技术 的关注与学习。 AI 的“ iPhone 时刻 ” 大模型的基本概念 大型语言模型 ( 又称 : 大语言模型、大模型 , 英文 :Large Language Model, 缩写 LLM) 是在大量语料库上训练 的机 器学习模型 , 使用自监督或半监督学习在大量未标记文本上训练数十亿个参数。大模型在语言理解方面表现出 非凡的能力 , 也能够执行从情感分析到数学推理的各种任务。 大模型与搜索引擎有着本质的不同 : 大模型通过理解问题直接给出答案 ; 搜索引擎则是给出你要查询信息的参 考链接 , 答案需要用户查看返回链接的内容并自行进行总结。 总之 , 大模型经过训练 , 可以执行简单任务 , 如预测句子中的下一个单词。然而 , 它们也能够理解人类语 言的大部分结构和含义 , 并具备丰富的常识 , 能够在训练中“记住”大量的事实。将大模型想象成一个巨大 而灵活的大脑 , 只要它们有足够的数据和处理能力 , 就可以学会执行各种任务。因此 , 当与大模型互动时 , 请记住您正在与一种令人印象深刻的人工智能技术进行交流。 “ 是谁”“什么时候” “ 在哪里” “ 发生了什么事” ” 为什么” “ 怎么做” 核心是两个，一个是理解自然语言，明白人的意图； 另一个是产生自然语言的文本，满足人的要求。 ChatGPT 背后的技术是什么？ 跟逻辑推理 有关的问题 跟事实有 关的问题 容易问题 难的问题 解决了什么问题？ 大语言模型也可按照其生态系统进行层次划分，包括场景层、应用层、功能层、模型层、平台层、算力层和社区层 大模型生态系统 生成式 AI 应用： 内容制作，从辅助人到“替代 ”人 AIGC （ Artificial Intelligence Generated Content ）指的是利用人工智能技术自动生成内容 的 生产方式。这些内容可以是文本、图片、音频、视频甚至 3D 模型等多种形式。 什么是 AIGC? 从决策到生成， AI 技术与应用迎来跨越发 展 AI 模型可大致分为决策式 / 分析式 AI （ Discriminant/Analytical AI ）和生成式 AI （ Generative AI ）两类。 决策式 AI ：学习数据中的条件概率分布，根据已有数据进行分析、判断、预测，主要应用模型有用于推荐系统和风控系统的辅助决策、用于自 动驾驶和机器人的决策智能体。 生成式 AI ：学习数据中的联合概率分布，并非简单分析已有数据而是学习归纳已有数据后进行演技创造，基于历史进行模仿式、缝合式创作， 生成了全新的内容，也能解决判别问题。 AI ： 决策式 AI 与生成式 AI 对比 从感知世界到生成创造世界 AIGC 的核心价 值 AIGC （ AI-Generated Content ）指利用人工智能技术自动生成的内容，是继专业生成内容（ PGC ）和用户生成内容 （ UGC ）之后一种新型生成内容的方式。国际上被称为人工智能合成媒体（ AI-generated Media 或 Synthetic media ） ，是通过 人工智能算法对数据或媒体进行生产、操作和修改的统称。 AI 绘画作品出圈、一级投资活跃， 2022 年 AIGC 爆发式发展。 2022 年 8 月，在美国科罗拉多州举办的新兴数字艺术家竞赛中， 参赛者提交 AIGC 绘画作品《太空歌剧院》获得了此次比赛“数字艺术 / 数字修饰照片”类别一等奖，而参赛者没有绘画基础，通 过 AI 绘图软件 MidJourney 耗时 80 个小时创作了该作品。 AI 绘画技术发展快速，从年初的技艺生疏到目前能够生成专业级别的图像 仅过去几个月的时间， 目前国外已有 Stable Diffusion Midjourney 等多个成熟的 AIGC 平台。其中技术领先的 AI 公司 Open AI 当 前估值或达 290 亿美元， Stable Diffusion 背后的 Stability AI 估值也达到 10 亿美元。 AIGC ： 生成式 AI 在娱乐媒体领域的应 用 文本生成是生成式 AI 最早应用的领域之一，已经在对话机器人、内容续写、新闻稿撰写、诗歌小说创作等领域具有广泛的应用。 对话机器人：包括问答型机器人、闲聊型机器人、任务型机器人、知识图谱型机器人、多轮对话机器人，在智能客服场景中 能够显著降低企业人力成本。 新闻稿撰写：在全球范围具有广泛的应用，很多新闻机构使用 AI 生成稿件，尤其是体育、天气、股市交易变动、公司业绩报 道等结构性新闻报道。 自然语言生成公司 Automated Insights 仅在 2014 年就产生了 10 亿篇新闻文章，每秒可撰写多达 2000 篇 新 闻报道，用户包括雅虎、美联社等。 文本生成： 对话机器人 、新闻稿撰写广泛应 用 内容续写：基于给定的文本续写新的内容，续写的内容包括文学创作、商业写作、教学内容等，典型应用有 Google 推出的 Wordcraft 、 OpenAI 推出的 GPT-3 等。 Wordcraft:2021 年由谷歌推出，作者和 AI 以对话的形式共同编辑故事，支持续写、扩写、改写、生成大纲等功能，能够极大 提升写作效率，激发创作者灵感。 文学创作： 2017 年微软研发的 AI“ 小冰”出版了人类历史上第一部人工智能诗集《阳光失了玻璃窗》 ，其中包含 139 首现代诗； 2018 年， AI 创作的小说《 1 The Road 》出版； 2022 年谷歌子公司 DeepMind 发布剧本写作 AI Dramatron ，能够从一句话表 述的戏 剧冲突中生成剧本标题、角色、场景、对话；越来越多的 AI 文学创作平台进入公众视野， AI 创作的内容包括剧本、诗歌、小说、 对 联等等。 文本生成： 内容续写 、文学创作部分达到专业水 平 使用流程 使用方法 进入 AIGC 用户可以通过计算机、手机或其他设备打开 AIGC 的应用平台，并进行注册或登录操作。需要 注意的是，不同的 AIGC 平台可能具有不同的使用方式和功能特点。用户在使用 AIGC 时，需要 根据自己的需求和实际情况选择合适的平台，并了解其使用方法和功能特点。 提问与对话 在 AIGC 的主界面，用户可以在文本框中输入问题或对话内容，并单击发送按钮进行发 送。 AIGC 会分析用户输入的内容，然后生成回答或建议，并将其显示在对话框中。除了简单的 提问，用户还可以与 AIGC 进行更深入的对话。用户可以输入一个或几个完整的句子，然后 AIGC 会根据上下文和语义进行回应。这种对话方式使用户可以与 AIGC 进行自然而流畅的交流， 就像两个人在交谈一样。 AIGC 能够保存先前的对话记录，并在此基础上生成新的回应。这意 味着用户可以和 AIGC 逐步深入地探讨一个问题，不断获得新的信息和视角。 问题追问 当用户的问题不够清晰或不够具体时， AIGC 会进一步追问用户以获取更多信息。用户可以根据 AIGC 的追问进行补充说明，以便 AIGC 能够更好地理解问题并给出准确的回答。例如，如果用 户提问：“什么是人工智能？” AIGC 可以进一步追问：“您是指人工智能的定义、历史、应用领域， 还是其他方面？”通过追问， AIGC 可以更好地理解用户的意图，并提供更有针对性的答案。 查看历史记录 AIGC 会自动保存与用户的对话历史记录，用户可以通过查看历史记录来回顾以往的对话内容。这 有助于用户了解之前的问题和回答，避免重复提问。此外，查看历史记录还可以帮助用户更好地 理解对话的上下文，从而更好地参与到对话中。为了方便用户查看历史记录， AIGC 提供清晰的 界面和易于操作的工具。 用户可以自行选择使用市面上已有的 AIGC 工具，在使用 AIGC 工具之前，需要去对应的平台或者网站注 册才能使用。 AIGC 的使用方 法 05 DeepSeek 是一家专注通用人工智能（ AGI ） 的中国科技公司， 主攻大模型研发与应用。 DeepSeek-R1 是其开源的推理模型，擅长处理复杂任务且可免费商用。 AI + 国产 + 免费 + 开源 + 强大 DeepSeek 是什么？ 对 AI 行业的重大影 响 直接面向用户或者支持开发者，提供智能对话 、文本生成 、语义理解 、计算推理 、代码生成补全 等应用场景，支持联网搜索与深度思考模式， 同时支持文件上传， 能够扫描读取各类文件及图片 中的文字内容 。 DeepSeek 应用场景： 自然语言处理： DeepSeek 可以进行语言翻译、文本摘要、情感分析和命名实体识别等任务 智能对话：能与用户进行智能对话，理解用户的意图和情感，并给出相应的回答 代码生成和辅助： DeepSeek-Coder-V2 支持 338 种编程语言，可以生成代码、解释代码含义、修复 代 码错误等 问答系统：回答用户提出的各种问题，包括常识、专业、历史和科技等领域 内容创作：根据用户提供的关键词和主题， 自动生成相关的文章和内容 智能客服：代替人工客服，回答用户的咨询和问题，提高客服效率和质量 多模态交互：处理图像、音频等多种数据形式，适用于智能助手和移动应用等场景 数学和推理任务：在数学计算和复杂推理任务方面表现出色 信息推荐：根据用户的历史行为和偏好，推荐相关的内容和信息 Deepseek 可以做什么？ 概率预测 （快速反应模型 ， 如 ChatGPT 4o ） 链式推理 ( 慢速思考模型 ， 如 OpenAI o1) 性能表 现 响应速度快 ， 算力成本低 慢速思考 ， 算力成本高 运