专题简介

为助力全校师生紧跟人工智能发展前沿，夯实数字信息素养，图书馆全新打造AI专题，整合AI基础知识、最新AI资讯、常见AI工具，兼顾零基础入门学习与科研深度研读需求。同时，专题还注重AI学术出版、科研创作相关伦理规范，客观剖析技术衍生的版权、诚信等现实挑战，引导师生树立合规、负责任的AI使用理念。本导航将不断更新行业动态、工具资源与规范准则，欢迎师生持续关注，一同探索人工智能前沿，规范、理性挖掘技术创新价值。

*本专题资源仅供学习、科研与教学参考之用，知识产权归原作者和制作者所有，网站内容的准确性请自行甄别。

AI知识

一、AI的定义

一般认为，人工智能(artificial intelligence，AI)的概念是在1956年的达特茅斯会议上被首次提出的。这次会议汇集了包括马文·明斯基、克劳德·香农、纳撒尼尔·罗切斯特等在内的多位顶尖科学家，他们共同探讨了如何利用机器模仿人类的学习、推理、感知和语言理解等智能行为。自人工智能的概念提出后，其定义尚未完全统一，总体来说，人工智能是指用人造的机器（计算机）模拟和扩展人类或生物智能。

 ——接玉玲 贾裕娇《信息检索与利用》数字教材

二、AI的发展历程

1956年被公认为人工智能的元年，标志着人工智能作为一个独立研究领域的诞生。此后，人工智能的发展经历了三次主要的浪潮，每一次浪潮都伴随着技术突破和新的研究方向诞生。

第一阶段（20世纪50年代末-60年代末）：这一时期被称为人工智能的“黄金时代”。在达特茅斯会议之后，学术界对人工智能表现出极大的热情，研究者们试图通过符号逻辑和规则来模拟人类的思维过程。符号人工智能（Symbolic AI）成为这一时期的主流研究方向，其核心思想是通过符号表示知识和逻辑推理来实现智能行为。

第二阶段（20世纪80年代末-90年代）：这一时期人工智能研究重新焕发活力，主要得益于数理统计理论和计算能力的提升。统计人工智能（Statistical AI）成为新的研究范式，其核心思想是通过数据驱动的方法来实现智能行为。特别是反向传播算法（Backpropagation，BP）的提出，使得人工神经网络得以训练并应用于模式识别、语音识别和图像处理等领域。1997年，IBM开发的“深蓝”（Deep Blue）超级计算机在国际象棋比赛中击败了世界冠军加里·卡斯帕罗夫，这是人工智能首次在复杂智力游戏中战胜人类，具有里程碑意义。

第三阶段（21世纪初-）：尤其是在2010年以后，人工智能迎来了前所未有的发展机遇。这一时期的推动力主要来源于大数据的积累、深度学习算法的突破以及计算硬件的飞速发展（如GPU的广泛应用）等三个方面。神经人工智能（Neural AI）成为主流，其核心技术是基于多层神经网络的深度学习。

2016年，谷歌DeepMind开发的AlphaGo在围棋比赛中击败世界冠军李世石，成为人工智能领域的又一里程碑，AlphaGo的胜利展示了深度学习在复杂决策和模式识别中的强大能力。此后，人工智能在自然语言处理、计算机视觉、自动驾驶等领域取得了显著进展。

AI的具体发展历程如下图所示：

图1 AI的具体发展历程

三、GenAI的优势与局限

近年来，随着DeepSeek等GenAI（生成式人工智能）工具的出现，人们对GenAI的兴趣和使用急剧增长。GenAI能够辅助：文本提炼与信息总结、撰写各类文稿、提供问题解决方案、数据分析与可视化、提供创意灵感、PPT等多媒体内容生成。与此同时，GenAI提供的内容也存在以下几种风险：数据存储风险、算法歧视风险、提供虚假或错误信息的风险、学术道德风险、知识产权风险等。因此，我们仍需掌握一定的信息筛选与辨别能力，在使用GenAI工具时，通过交叉核验权威文献、溯源原始数据、核查内容逻辑与事实依据、规范引用和标注等方式，规避各类风险，做到合理、合规、理性地运用GenAI工具。