教程人工智能机器学习深度学习【免费下载链接】AI-For-Beginners12 Weeks, 24 Lessons, AI for All!项目地址https://gitcode.com/GitHub_Trending/ai/AI-For-Beginners点击查看免费下载AI-For-Beginners 课程第 23 课围绕**多智能体系统Multi-Agent Systems**展开其配套作业要求学习者在 NetLogo 模型库中选取一个现成模型将其改造为尽可能贴近真实世界的模拟并以病毒传播模型模拟 COVID-19作为官方给出的示范路径。本文以 translations/es/lessons/6-Other/23-MultiagentSystems/assignment.md 为骨架结合 lessons/6-Other/23-MultiagentSystems/README.md 的完整知识体系带你完成从理解涌现智能、掌握 NetLogo 基本操作到改造 Virus 模型、录制演示视频的完整作业闭环。作业任务速览本作业的核心要求只有三步选型从 NetLogo 的模型库Models Library中挑选一个现成模型改造将它调整得尽可能贴近一个真实世界场景——官方示范是改造Alternative Visualizations文件夹下的Virus 模型用它模拟 COVID-19 的传播动态交付保存一份模型副本并录制一段演示视频说明该模型与真实世界的对应关系。初看简单但要完成得漂亮需要先理解多智能体建模的基本原理与 NetLogo 的操作机制。下面按背景 → 工具 → 选型 → 改造 → 交付的脉络逐步展开。为什么用多智能体模拟真实世界涌现智能作业背后是课程反复强调的一个核心思想涌现emergent或协同synergetic方法——许多相对简单的智能体agent组合在一起其整体行为可以涌现出系统层面更复杂、更智能的表现。这在理论上对应集体智能、涌现论与演化控制论即高层系统由低层系统正确组合后获得某种增量价值元系统跃迁原则。多智能体系统方向于 1990 年代兴起是对互联网与分布式系统发展的回应。其核心概念是智能体Agent——一个存在于某个**环境environment**中、能够感知环境并施加影响的实体。智能体可按三个维度分类见 README.md按推理能力反应式reactive简单的请求-响应行为与深思式deliberative具备逻辑推理或规划能力按代码执行位置静态static运行在固定网络节点与移动mobile可在节点间迁移代码按行为方式被动passive无明确目标只对外部刺激做出反应、主动active有追求的目标与认知cognitive涉及复杂规划与推理。多智能体方法在现实中已有广泛应用游戏中大量 NPC 属于智能体视频制作中复杂 3D 人群场景通常用多智能体仿真渲染系统建模中多智能体方法被成功用于全球 COVID-19 疾病传播预测复杂自动化系统中每个设备都可作为独立智能体使整体系统更去单体化、更健壮。作业要求你把 COVID-19 传播做成可运行模型正是对这一应用方向的直接实践。建模工具入门NetLogo 的三个关键概念NetLogo 是基于 Logo 语言修改版的多智能体建模环境本课程 lessons/6-Other/23-MultiagentSystems/README.md 给出了核心语法与对象模型。1. 智能体turtles海龟NetLogo 中用create-turtles创建大量海龟再用ask让它们执行动作。下面这段代码创建 10 只海龟并命令全部前进 10 步create-turtles 10 ask turtles [ forward 10 ]当所有海龟都做相同动作时并无趣味因此可以对海龟分组执行例如只询问某个点附近的海龟也可以用breed [cats cat]定义不同品种breed。注意这里必须同时给出单数和复数形式因为不同命令会按清晰性要求使用不同形式。2. 世界的三类对象NetLogo 的世界由三类对象构成README.md智能体turtles在场上移动并做事通过ask turtles [...]下令方括号内代码由所有海龟以海龟模式并行执行补丁patches海龟所栖息的方形区域。可以引用同一补丁上的所有智能体、修改补丁颜色等属性也可ask patches做事观察者observer控制整个世界的唯一智能体所有按钮处理器都以观察者模式运行。这正是多智能体环境的魅力所在海龟模式或补丁模式中的代码由所有智能体同时并行执行。只要写少量代码、定义好单个智能体的行为就能让整个仿真系统涌现出复杂行为。3. 界面与代码区打开模型后进入 NetLogo 主界面包含两大部分Interface界面区主仿真场所有智能体生活的地方、各类控件按钮、滑杆等、用于显示仿真参数变化的图表Code代码区可编写 NetLogo 程序的编辑器。多数模型界面会提供Setup按钮初始化仿真状态与Go按钮开始执行它们由代码中类似下面的处理器负责to go [ ... ]选型从模型库出发NetLogo 自带大量可直接运行的模型库入口为File → Models Library。课程用Biology → Flocking鸟群作为教学案例图注NetLogo Models Library 界面左侧为按学科分类的模型树右侧为选中模型的预览与说明。截图来自课程 README.md。Flocking 是理解涌现行为的绝佳示例鸟群飞行看似遵循某种集体算法、拥有集体智能但实际上每只鸟只观察它短距离内的少数同类并遵循三条简单规则README.md对齐Alignment朝邻居的平均航向转向内聚Cohesion朝邻居的平均位置转向长程吸引分离Separation离其他鸟过近时试图远离短程排斥。你可以调整分离程度或视距范围参数观察行为变化把视距调到 0所有鸟变盲鸟群行为停止把分离调到 0所有鸟排成一条直线。切换到Code标签页可以看到这三条规则在代码中如何实现注意代码只引用视野内的智能体。图注NetLogo 主界面包含 Interface 区仿真场、setup/go 按钮、滑杆、种群图表与 Command Center 等。截图来自课程 README.md。除 Flocking 外模型库还有几个与用个体规则模拟真实场景高度相关的备选README.mdArt → Fireworks把烟花视为单个火焰流的集体行为Social Science → Traffic Basic / Traffic Grid1D 与 2D 网格的城市交通模型有无红绿灯。每辆车遵循两条规则前方空间为空则加速直到最大速度看到障碍物则刹车可调节驾驶员视距Social Science → Party鸡尾酒会上人群如何聚团可寻找让群体幸福感最快上升的参数组合。核心实战改造 Virus 模型模拟 COVID-19 传播作业的官方示范路径是改造Alternative Visualizations文件夹中的 Virus 模型演示如何用它模拟 COVID-19 的传播并追问你能构建一个忠实复刻真实病毒传播动态的模型吗。这是本作业最有价值的环节建议按以下步骤推进。步骤一加载并理解 Virus 模型在File → Models Library中定位Alternative Visualizations分类下的Virus模型并打开。先不要急着改代码先做三件事点击Setup观察初始状态点击Go观察传播过程阅读界面上的滑杆参数理解每个参数对传播的影响如感染率、恢复周期、初始感染人数、人口密度等切到Code标签页找到to go处理器与传染逻辑所在过程弄清楚谁感染谁何时恢复/死亡是如何用ask turtles实现的。步骤二对照真实流行病学概念改造参数COVID-19 这类经呼吸道传播的传染病其宏观动态通常可用 SIR易感-感染-恢复模型刻画。把 Virus 模型中的智能体状态与这些概念一一对应模型状态/参数对应的真实世界概念改造时可调的方向易感个体susceptible未感染、可被传染的人群初始人口数量、人口密度感染个体infected确诊/具有传染性的患者初始感染人数恢复/免疫个体康复后获得免疫力的人群恢复周期、免疫期感染概率传染率R₀ 的基础决定因素接触半径、传播概率接触范围社交距离、活动范围视距/移动半径滑杆致死逻辑若有病死率死亡概率参数改造时注意保持规则简单、参数可调单智能体的行为仍只是移动 接触判断 状态转移但通过调整感染概率、接触半径、隔离比例等参数就能让整体曲线逼近真实疫情数据中的快速上升—平台期—回落形态。步骤三验证模型是否贴近真实评判改造成功与否的标准是模型动态是否复刻了真实传播的典型特征例如潜伏期造成的传播延迟、社交距离/口罩对感染率的抑制、康复者形成的群体免疫效应。可以设计多组对照实验高接触率 vs 低接触率下的感染曲线差异加入隔离区用 patch 属性或单独 breed 模拟后峰值是否后移、降低初始感染人数从 1 变为 10 时爆发时间如何提前。每次实验记录图表区的曲线变化这些对比将成为演示视频最有说服力的素材。深挖原理反应式与深思式智能体改造 Virus 模型时你会意识到模型里的海龟只根据视野内是否有感染者做出反应它们属于反应式智能体README.md。但真实世界中还有更复杂的场景一个个人代理接收用户预订度假套餐的指令后需要联系其他互联网代理查询航班、比价酒店、谈判最优价格再在主人确认后完成预订。这类能推理与规划的代理称为深思式deliberative智能体它们需要标准知识交换语言如 KIFKnowledge Interchange Format与 KQMLKnowledge Query and Manipulation Language二者基于言语行为理论设计谈判协议基于不同类型的拍卖机制公共本体ontology确保各代理对同一概念语义一致能力发现机制同样基于本体让代理能发现其他代理能做什么。深思式代理的经典架构是BDI信念-愿望-意图信念构成代理对环境的知识集可结构化为知识库或规则集愿望定义代理的目标如个人助手的目标是订到行程酒店代理的目标是利润最大化意图是为达成目标而规划的具体行动通常改变环境并引发与其他代理的通信。构建多智能体系统的可用平台包括 JADE 等相关综述可参见课程引用的论文。理解这一层级差异能让你在演示视频中清楚说明你的病毒模型属于哪一层为什么要用这种简单规则 并行执行而非中央规划的方式建模。交付物保存副本与录制演示视频作业明确要求保存模型副本并制作演示视频说明模型如何与真实世界情境关联。建议交付时覆盖以下内容副本保存在 NetLogo 中对改造后的模型执行另存File → Save保留一份可复现的.nlogo副本并随手记录你改动过的参数默认值视频结构与讲解要点展示原始模型运行效果与改造后模型的差异讲解单智能体的个体规则移动、接触、感染、恢复与整体传播曲线之间的因果链点明复杂行为源于简单规则并行执行这一涌现本质演示关键参数感染概率、接触半径、隔离措施的敏感性实验用图表曲线佐证模型与 COVID-19 传播的真实对应关系诚实说明模型的简化边界例如它未包含真实医疗资源、潜伏期或无症状传播等细节并指出可扩展方向技术叙事主线沿模型库选型 → 世界三对象turtles/patches/observer→ setup/go 机制 → 参数改造 → 曲线验证的顺序讲述正好呼应课程 README 的教学脉络。学习资源与延伸方向本作业相关的全部资料均可在仓库中按需查阅课程主体知识lessons/6-Other/23-MultiagentSystems/README.md覆盖智能体分类、NetLogo 语法、Flocking 三规则、深思式代理与 BDI 架构作业原文英文lessons/6-Other/23-MultiagentSystems/assignment.md西班牙语译本见 translations/es/lessons/6-Other/23-MultiagentSystems/assignment.md课程主界面与模型库截图lessons/6-Other/23-MultiagentSystems/images/本节配套的课前/课后测验分别位于课程清单 README.md 与lessons/6-Other/23-MultiagentSystems/README.md中标注的 quiz 45/46。课程最后的挑战环节还提供了两个延伸思考多智能体系统要如何优化校车路线面包店场景中它又该如何工作——完成病毒模型作业后不妨把个体规则 → 涌现结果的建模方法迁移到这些问题上这正是多智能体建模的核心方法论聚焦单个智能体的简单行为依靠协同效应获得整个系统的复杂表现。赞分享教程人工智能机器学习深度学习【免费下载链接】AI-For-Beginners12 Weeks, 24 Lessons, AI for All!项目地址https://gitcode.com/GitHub_Trending/ai/AI-For-Beginners点击查看免费下载相关推荐AI-For-Beginners NetLogo 作业实战用多智能体建模模拟 COVID-19 疫情传播AI For Beginners NetLogo 作业实战用多智能体建模模拟 COVID 19 疫情传播 本指南对应 AI For Beginners htt教程人工智能机器学习深度学习Dora Hub 自定义与企业级索引通过 hub.toml 实现私有目录、离线镜像与二进制分发Dora Hub 自定义与企业级索引通过 hub.toml 实现私有目录、离线镜像与二进制分发 导读 DoraDataflow Oriented Robot教程人工智能机器学习深度学习AI-For-Beginners 多智能体建模实战用 NetLogo Virus 模型模拟 COVID-19 传播AI For Beginners 多智能体建模实战用 NetLogo Virus 模型模拟 COVID 19 传播 本文是 AI For Beginners教程人工智能机器学习深度学习创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
用 NetLogo 复现 COVID-19 传播：AI-For-Beginners 多智能体建模作业实战指南
教程人工智能机器学习深度学习【免费下载链接】AI-For-Beginners12 Weeks, 24 Lessons, AI for All!项目地址https://gitcode.com/GitHub_Trending/ai/AI-For-Beginners点击查看免费下载AI-For-Beginners 课程第 23 课围绕**多智能体系统Multi-Agent Systems**展开其配套作业要求学习者在 NetLogo 模型库中选取一个现成模型将其改造为尽可能贴近真实世界的模拟并以病毒传播模型模拟 COVID-19作为官方给出的示范路径。本文以 translations/es/lessons/6-Other/23-MultiagentSystems/assignment.md 为骨架结合 lessons/6-Other/23-MultiagentSystems/README.md 的完整知识体系带你完成从理解涌现智能、掌握 NetLogo 基本操作到改造 Virus 模型、录制演示视频的完整作业闭环。作业任务速览本作业的核心要求只有三步选型从 NetLogo 的模型库Models Library中挑选一个现成模型改造将它调整得尽可能贴近一个真实世界场景——官方示范是改造Alternative Visualizations文件夹下的Virus 模型用它模拟 COVID-19 的传播动态交付保存一份模型副本并录制一段演示视频说明该模型与真实世界的对应关系。初看简单但要完成得漂亮需要先理解多智能体建模的基本原理与 NetLogo 的操作机制。下面按背景 → 工具 → 选型 → 改造 → 交付的脉络逐步展开。为什么用多智能体模拟真实世界涌现智能作业背后是课程反复强调的一个核心思想涌现emergent或协同synergetic方法——许多相对简单的智能体agent组合在一起其整体行为可以涌现出系统层面更复杂、更智能的表现。这在理论上对应集体智能、涌现论与演化控制论即高层系统由低层系统正确组合后获得某种增量价值元系统跃迁原则。多智能体系统方向于 1990 年代兴起是对互联网与分布式系统发展的回应。其核心概念是智能体Agent——一个存在于某个**环境environment**中、能够感知环境并施加影响的实体。智能体可按三个维度分类见 README.md按推理能力反应式reactive简单的请求-响应行为与深思式deliberative具备逻辑推理或规划能力按代码执行位置静态static运行在固定网络节点与移动mobile可在节点间迁移代码按行为方式被动passive无明确目标只对外部刺激做出反应、主动active有追求的目标与认知cognitive涉及复杂规划与推理。多智能体方法在现实中已有广泛应用游戏中大量 NPC 属于智能体视频制作中复杂 3D 人群场景通常用多智能体仿真渲染系统建模中多智能体方法被成功用于全球 COVID-19 疾病传播预测复杂自动化系统中每个设备都可作为独立智能体使整体系统更去单体化、更健壮。作业要求你把 COVID-19 传播做成可运行模型正是对这一应用方向的直接实践。建模工具入门NetLogo 的三个关键概念NetLogo 是基于 Logo 语言修改版的多智能体建模环境本课程 lessons/6-Other/23-MultiagentSystems/README.md 给出了核心语法与对象模型。1. 智能体turtles海龟NetLogo 中用create-turtles创建大量海龟再用ask让它们执行动作。下面这段代码创建 10 只海龟并命令全部前进 10 步create-turtles 10 ask turtles [ forward 10 ]当所有海龟都做相同动作时并无趣味因此可以对海龟分组执行例如只询问某个点附近的海龟也可以用breed [cats cat]定义不同品种breed。注意这里必须同时给出单数和复数形式因为不同命令会按清晰性要求使用不同形式。2. 世界的三类对象NetLogo 的世界由三类对象构成README.md智能体turtles在场上移动并做事通过ask turtles [...]下令方括号内代码由所有海龟以海龟模式并行执行补丁patches海龟所栖息的方形区域。可以引用同一补丁上的所有智能体、修改补丁颜色等属性也可ask patches做事观察者observer控制整个世界的唯一智能体所有按钮处理器都以观察者模式运行。这正是多智能体环境的魅力所在海龟模式或补丁模式中的代码由所有智能体同时并行执行。只要写少量代码、定义好单个智能体的行为就能让整个仿真系统涌现出复杂行为。3. 界面与代码区打开模型后进入 NetLogo 主界面包含两大部分Interface界面区主仿真场所有智能体生活的地方、各类控件按钮、滑杆等、用于显示仿真参数变化的图表Code代码区可编写 NetLogo 程序的编辑器。多数模型界面会提供Setup按钮初始化仿真状态与Go按钮开始执行它们由代码中类似下面的处理器负责to go [ ... ]选型从模型库出发NetLogo 自带大量可直接运行的模型库入口为File → Models Library。课程用Biology → Flocking鸟群作为教学案例图注NetLogo Models Library 界面左侧为按学科分类的模型树右侧为选中模型的预览与说明。截图来自课程 README.md。Flocking 是理解涌现行为的绝佳示例鸟群飞行看似遵循某种集体算法、拥有集体智能但实际上每只鸟只观察它短距离内的少数同类并遵循三条简单规则README.md对齐Alignment朝邻居的平均航向转向内聚Cohesion朝邻居的平均位置转向长程吸引分离Separation离其他鸟过近时试图远离短程排斥。你可以调整分离程度或视距范围参数观察行为变化把视距调到 0所有鸟变盲鸟群行为停止把分离调到 0所有鸟排成一条直线。切换到Code标签页可以看到这三条规则在代码中如何实现注意代码只引用视野内的智能体。图注NetLogo 主界面包含 Interface 区仿真场、setup/go 按钮、滑杆、种群图表与 Command Center 等。截图来自课程 README.md。除 Flocking 外模型库还有几个与用个体规则模拟真实场景高度相关的备选README.mdArt → Fireworks把烟花视为单个火焰流的集体行为Social Science → Traffic Basic / Traffic Grid1D 与 2D 网格的城市交通模型有无红绿灯。每辆车遵循两条规则前方空间为空则加速直到最大速度看到障碍物则刹车可调节驾驶员视距Social Science → Party鸡尾酒会上人群如何聚团可寻找让群体幸福感最快上升的参数组合。核心实战改造 Virus 模型模拟 COVID-19 传播作业的官方示范路径是改造Alternative Visualizations文件夹中的 Virus 模型演示如何用它模拟 COVID-19 的传播并追问你能构建一个忠实复刻真实病毒传播动态的模型吗。这是本作业最有价值的环节建议按以下步骤推进。步骤一加载并理解 Virus 模型在File → Models Library中定位Alternative Visualizations分类下的Virus模型并打开。先不要急着改代码先做三件事点击Setup观察初始状态点击Go观察传播过程阅读界面上的滑杆参数理解每个参数对传播的影响如感染率、恢复周期、初始感染人数、人口密度等切到Code标签页找到to go处理器与传染逻辑所在过程弄清楚谁感染谁何时恢复/死亡是如何用ask turtles实现的。步骤二对照真实流行病学概念改造参数COVID-19 这类经呼吸道传播的传染病其宏观动态通常可用 SIR易感-感染-恢复模型刻画。把 Virus 模型中的智能体状态与这些概念一一对应模型状态/参数对应的真实世界概念改造时可调的方向易感个体susceptible未感染、可被传染的人群初始人口数量、人口密度感染个体infected确诊/具有传染性的患者初始感染人数恢复/免疫个体康复后获得免疫力的人群恢复周期、免疫期感染概率传染率R₀ 的基础决定因素接触半径、传播概率接触范围社交距离、活动范围视距/移动半径滑杆致死逻辑若有病死率死亡概率参数改造时注意保持规则简单、参数可调单智能体的行为仍只是移动 接触判断 状态转移但通过调整感染概率、接触半径、隔离比例等参数就能让整体曲线逼近真实疫情数据中的快速上升—平台期—回落形态。步骤三验证模型是否贴近真实评判改造成功与否的标准是模型动态是否复刻了真实传播的典型特征例如潜伏期造成的传播延迟、社交距离/口罩对感染率的抑制、康复者形成的群体免疫效应。可以设计多组对照实验高接触率 vs 低接触率下的感染曲线差异加入隔离区用 patch 属性或单独 breed 模拟后峰值是否后移、降低初始感染人数从 1 变为 10 时爆发时间如何提前。每次实验记录图表区的曲线变化这些对比将成为演示视频最有说服力的素材。深挖原理反应式与深思式智能体改造 Virus 模型时你会意识到模型里的海龟只根据视野内是否有感染者做出反应它们属于反应式智能体README.md。但真实世界中还有更复杂的场景一个个人代理接收用户预订度假套餐的指令后需要联系其他互联网代理查询航班、比价酒店、谈判最优价格再在主人确认后完成预订。这类能推理与规划的代理称为深思式deliberative智能体它们需要标准知识交换语言如 KIFKnowledge Interchange Format与 KQMLKnowledge Query and Manipulation Language二者基于言语行为理论设计谈判协议基于不同类型的拍卖机制公共本体ontology确保各代理对同一概念语义一致能力发现机制同样基于本体让代理能发现其他代理能做什么。深思式代理的经典架构是BDI信念-愿望-意图信念构成代理对环境的知识集可结构化为知识库或规则集愿望定义代理的目标如个人助手的目标是订到行程酒店代理的目标是利润最大化意图是为达成目标而规划的具体行动通常改变环境并引发与其他代理的通信。构建多智能体系统的可用平台包括 JADE 等相关综述可参见课程引用的论文。理解这一层级差异能让你在演示视频中清楚说明你的病毒模型属于哪一层为什么要用这种简单规则 并行执行而非中央规划的方式建模。交付物保存副本与录制演示视频作业明确要求保存模型副本并制作演示视频说明模型如何与真实世界情境关联。建议交付时覆盖以下内容副本保存在 NetLogo 中对改造后的模型执行另存File → Save保留一份可复现的.nlogo副本并随手记录你改动过的参数默认值视频结构与讲解要点展示原始模型运行效果与改造后模型的差异讲解单智能体的个体规则移动、接触、感染、恢复与整体传播曲线之间的因果链点明复杂行为源于简单规则并行执行这一涌现本质演示关键参数感染概率、接触半径、隔离措施的敏感性实验用图表曲线佐证模型与 COVID-19 传播的真实对应关系诚实说明模型的简化边界例如它未包含真实医疗资源、潜伏期或无症状传播等细节并指出可扩展方向技术叙事主线沿模型库选型 → 世界三对象turtles/patches/observer→ setup/go 机制 → 参数改造 → 曲线验证的顺序讲述正好呼应课程 README 的教学脉络。学习资源与延伸方向本作业相关的全部资料均可在仓库中按需查阅课程主体知识lessons/6-Other/23-MultiagentSystems/README.md覆盖智能体分类、NetLogo 语法、Flocking 三规则、深思式代理与 BDI 架构作业原文英文lessons/6-Other/23-MultiagentSystems/assignment.md西班牙语译本见 translations/es/lessons/6-Other/23-MultiagentSystems/assignment.md课程主界面与模型库截图lessons/6-Other/23-MultiagentSystems/images/本节配套的课前/课后测验分别位于课程清单 README.md 与lessons/6-Other/23-MultiagentSystems/README.md中标注的 quiz 45/46。课程最后的挑战环节还提供了两个延伸思考多智能体系统要如何优化校车路线面包店场景中它又该如何工作——完成病毒模型作业后不妨把个体规则 → 涌现结果的建模方法迁移到这些问题上这正是多智能体建模的核心方法论聚焦单个智能体的简单行为依靠协同效应获得整个系统的复杂表现。赞分享教程人工智能机器学习深度学习【免费下载链接】AI-For-Beginners12 Weeks, 24 Lessons, AI for All!项目地址https://gitcode.com/GitHub_Trending/ai/AI-For-Beginners点击查看免费下载相关推荐AI-For-Beginners NetLogo 作业实战用多智能体建模模拟 COVID-19 疫情传播AI For Beginners NetLogo 作业实战用多智能体建模模拟 COVID 19 疫情传播 本指南对应 AI For Beginners htt教程人工智能机器学习深度学习Dora Hub 自定义与企业级索引通过 hub.toml 实现私有目录、离线镜像与二进制分发Dora Hub 自定义与企业级索引通过 hub.toml 实现私有目录、离线镜像与二进制分发 导读 DoraDataflow Oriented Robot教程人工智能机器学习深度学习AI-For-Beginners 多智能体建模实战用 NetLogo Virus 模型模拟 COVID-19 传播AI For Beginners 多智能体建模实战用 NetLogo Virus 模型模拟 COVID 19 传播 本文是 AI For Beginners教程人工智能机器学习深度学习创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考