人工智能是模拟人类智能的技术，包括思考、理性分析、决策和行动。它的发展经历了两次高潮和两次低潮，目前正处于第四次发展高潮。

1.把“像素”看懂

一张图像可以包含许多像素点，但是并非每一个像素点都能提供有价值的信息。从输入图像中提炼出有效信息的过程称为图像特征提取，它是图像识别的关键步骤。

2.什么是特征？

图像的特征是一张图像区分于其他图像的特殊属性。提取有效的特征对判别力会有效的助力，即提取能够区分一张或一类图像的信息，是图像特征提取的目标。

陈教授以猫的图像为例，介绍了如何让计算机理解图片中的猫，从而进行处理。在处理过程中，需要提取出猫的特定特征，例如耳朵部分，然后通过数学方法将图像分割出来，最终实现对猫的识别。

1.什么是卷积神经网络？

卷积神经网络是在传统神经网络基础上增加了“卷积层”的深度神经网络。这种网络通过在图像上滑动小窗口（或称为滤波器），能够有效地提取图像的特征。卷积神经网络的应用极大地改善了图像识别、自动驾驶车辆中的物体识别等功能，使得机器可以更有效地处理和解析视觉信息。

2.深度学习的概念

深度学习是模拟人脑机制处理数据的人工智能分支，特别适用于处理图像、声音和文本数据。

3.深度学习与传统方法的区别

传统方法，针对不同类刚的物体，首先由研究员充分发挥聪明才智，手工定义不同的特征，然后利用不同的机器学习算法(分类器学习)，这时的算法一般仅有两到三次非线性变换，学到的参数较少(浅层学习);深度（卷积）学习则通过机器学习自身来产生特征，因此传统的特征提取和分类学习就可以合而为一。如今深度学习的网络已可达上千层。

1.人工智能的美术工具

最著名的人工智能美术工具是生成对抗网络，生成对抗网络是一种在人工智能领域中极具影响力的模型，由生成器和判别器两部分组成。这种网络的设计基于一个竞争机制，其中生成器尝试生成尽可能真实的数据，而判别器则评估数据的真伪。生成对抗网络的应用范围广泛，如图像生成、数据增强等。例如，可以用于生成非常逼真的人脸图片或根据少量样本生成新的数据点。此外，这种网络还可以处理条件概率和联合概率问题，使其在数据分析和模式识别方面非常有用。

2.盘点人工智能的创作本领

使用生成对抗网络，可以创造新的多媒体内容，如结合语音片段或从多图像中生成新图像。生成对抗网络还用于提升图像分辨率、生成视频、修复照片/视频，例如清晰化照片和恢复监控录像面部信息。此外，在医学领域，生成对抗网络扩充病例数据，提高疾病预测准确性；在公共安全中，通过描述生成嫌犯面部图像。生成对抗网络也用于艺术创作，如制作会说话的数字人物和改变图像风格，展示AI在艺术娱乐的潜力。已有应用程序让普通人能利用这些技术进行创作，如生成高分辨率图片或风格转换。

1.各地人工智能规划及建设进展

东数西算工程旨在将东部沿海地区较为发达的数据送到电力资源丰富西部地区运算，同时解决东部沿海地区电力不足的问题。国家选定了八个枢纽中心，包括京津冀、内蒙古、长三角、贵州、宁夏、珠三角等地区，每个枢纽中心设立一个大型数据中心。这些算力中心不仅服务于市内企业，还为企业提供租赁算力服务，以实现普惠共享。此外，国家还在各大城市布局算力，以推动整个国家的计算能力提升。

2.识文断字:人工智能的“读”

ChatGPT从决策型应用向生成型应用的转变，在多个领域如娱乐、客服、编程辅助和翻译等有广泛应用，特别是在翻译领域，已能支持多达60种语言的实时翻译。然而，这种技术进步也引发了关于AI对就业市场影响的讨论，尤其是客服类工作面临被自动化取代的风险。

3.AI大模型的概况

当前，中国大模型呈现篷勃发展态势。近年来，中国大型技术沿各技术路线迅速发展，在自然语言处理、机器视觉和多模态等领域涌现出多个具有行业影响力的预训练大模型。

大模型需要大量数据及强大的算力，而中小型企业往往无法承担如此庞大的成本。因此，可以采用行业小模型的方法，将大模型的数据应用于特定行业的数据，从而节省成本。同时，为了保护隐私和安全性，还需要建立一套行业模型和人才团队来处理这些数据。未来，这将是一个重要的趋势，需要关注算力、平台和人才等要素。

主题分享后，陈教授就国内科研与国外科研的差距、如何理解并应对行业内对于AI技术应用的快速迭代和进步等问题与同学们进行了深入的交流和讨论。同学们纷纷表示，通过这次分享，大家加深了对生成式人工智能的理解，并激发了大家在自己领域内探索和利用人工智能技术的热情。至此，华园前沿·探究第九期——《新型人工智能技术助力产业创新发展》活动在同学们热烈的掌声中圆满结束。