生成式AI发展里程碑

生成式 AI 主要有以下类型和相关工具： 类型：生成的内容可以是多模式的，包括文本、图像、音频和视频。能够帮助完成各种任务，例如文档摘要、信息提取、代码生成、营销活动创建、虚拟协助和呼叫中心机器人等。 工具： Google Cloud 提供了多种易于使用的工具，如 Vertex AI，它是端到端机器学习开发平台，可帮助构建、部署和管理机器学习模型。 图中描绘的趋势显示，相关工具和基础设施逐渐模块化和专业化，公司被分组到以下四个主要类别： Orchestration（编排）：涉及 DUST、FIAVIE、LangChain 等公司提供的工具，帮助管理和协调各个部分和任务。 Deployment,Scalability,&PreTraining（部署，可扩展性和预训练）：如 UWA mosaicm、NMAREL、anyscale 等公司提供工具，用于部署模型、保证可扩展性和进行预训练。 Context&Embeddings（上下文和嵌入）：如 TRUDO，Llamalndex，BerriAI 等公司提供工具，处理和理解语言上下文以及进行嵌入。 QA&Observability（质量保证和可观察性）：如 Pinecone，drant，Vald 等公司提供工具，确保模型表现和监控性能状态。 目前典型的生成式 AI 包括 OpenAI 推出的语言模型 ChatGPT、GPT4、图像模型 DALLE 以及百度推出的文心一言、阿里云推出的通义千问等。国内主要在《网络安全法》《数据安全法》《个人信息保护法》的框架下，由《互联网信息服务算法推荐管理规定》《互联网信息服务深度合成管理规定》《生成式人工智能服务管理暂行办法》《科技伦理审查办法（试行）》共同监管 AIGC 行业。

生成式 AI 搜索具有以下特点和应用： 有可能彻底改变互联网的核心功能之一——搜索。传统搜索中，用户在 Google 输入问题后常被大量链接及不准确信息淹没，而由大型语言模型驱动的搜索引擎可提供自然语言写成的简洁答案，并能在用户感兴趣时提供更多链接阅读。 一些公司为一般搜索查询提供服务，如 You 和 Neeva。还有公司采取更垂直化的方法，如 Consensus 跨越研究论文进行搜索，Perplexity 的 Bird SQL 产品针对 Twitter 进行搜索。 对于产品推荐尤为有价值，能根据特定需求提供策划过的选项列表。 在企业内部搜索应用中具有巨大潜力，如 Glean 允许团队跨应用搜索，Vowel 允许用户查询视频会议记录。 以下是一些推荐的 AI 搜索引擎： 秘塔 AI 搜索：由秘塔科技开发，提供多模式搜索、无广告干扰、结构化展示和信息聚合等功能，旨在提升用户的搜索效率和体验。 Perplexity：聊天机器人式的搜索引擎，允许用户用自然语言提问，使用生成式 AI 技术从各种来源收集信息并给出答案。 360AI 搜索：360 公司推出，通过 AI 分析问题，生成清晰、有理的答案，并支持增强模式和智能排序。 天工 AI 搜索：昆仑万维推出，采用生成式搜索技术，支持自然语言交互和深度追问，未来还将支持图像、语音等多模态搜索。 Flowith：创新的 AI 交互式搜索和对话工具，基于节点式交互方式，支持多种 AI 模型和图像生成技术，提供插件系统和社区功能。 Devv：面向程序员的 AI 搜索引擎，专注于提供编程、软件开发和人工智能等领域的专业建议和指导。 Phind：专为开发者设计的 AI 搜索引擎，利用大型语言模型提供相关的搜索结果和动态答案，特别擅长处理编程和技术问题。 在生成式人工智能方面，近年来大型语言模型的飞速进步为信息检索领域带来新机遇和挑战。2022 年 OpenAI 发布 ChatGPT 引发轰动，其在对话中展现出理解复杂问题和生成连贯文本的能力，被视为对传统搜索引擎的颠覆性竞争。ChatGPT 的成功引发搜索引擎巨头的紧迫感，谷歌推出 Bard 并逐步向 180 多个国家开放服务，百度推出文心一言等生成式 AI 搜索功能，微软将 GPT4 集成到必应搜索中推出新版本的 Bing Chat。早期观察指出，聊天机器人式的搜索在提供直接答案的同时，存在回答不准确甚至“幻觉”信息的问题，现阶段许多用户对 AI 答案的准确性和可靠性仍存疑虑。

生成式 AI 相关知识如下： GenAI 是生成式 AI 的一种，全称 Generative AI，是基于深度学习技术和机器学习算法，从已有数据中学习并生成新数据或内容的 AI 应用。其通过大规模数据集训练深度神经网络模型，能为游戏、娱乐和产品设计等提供解决方案，典型的 GenAI 包括 OpenAI 推出的 ChatGPT、GPT4、DALLE 以及百度的文心一言、阿里云的通义千问等。但在数据处理中存在未经授权收集信息、提供虚假信息、侵害个人隐私等潜在合规风险。 AIGC 指利用 GenAI 创建的内容，包括图像、视频、音频、文本和三维模型等。其工具使用机器学习算法，通常基于自然语言处理，分析大型文本数据集并学习生成新内容。国内主要在《网络安全法》《数据安全法》《个人信息保护法》框架下，由《互联网信息服务算法推荐管理规定》《互联网信息服务深度合成管理规定》《生成式人工智能服务管理暂行办法》《科技伦理审查办法（试行）》共同监管。 AIGC 主要分为语言文本生成、图像生成和音视频生成，分别利用不同的模型和技术，应用于多个领域，但也可能引发内生风险、数据隐私问题和知识产权风险，相关法律和规定对其有一定要求，但部分问题仍需更多法律明确，且需加强监管和伦理约束。 此外，台湾大学李宏毅教授的生成式 AI 课程介绍了其基本概念、发展历程、技术架构和应用场景等内容，共 12 讲，每讲约 2 小时。通过学习该课程，可掌握生成式 AI 的基本概念和常见技术，能够使用相关框架搭建简单的生成式模型，了解其发展现状和未来趋势。课程包括生成式 AI 的定义和分类、生成式模型、生成式对话、预训练语言模型、生成式 AI 的挑战与展望等内容，并提供了教材、参考书籍、在线课程、开源项目等学习资源和学习方法。

大模型和小模型的区别主要体现在以下几个方面： 1. 规模和参数数量：大模型通常具有更多的参数和更复杂的架构，能够处理更大量和更复杂的数据。 2. 能力和性能：大模型在语言理解、生成等任务上往往表现更出色，能够生成更准确、丰富和连贯的内容。 3. 应用场景：大模型适用于广泛的通用任务，而小模型可能更专注于特定的、较狭窄的领域。 并非大模型都属于生成式 AI，小模型都属于判别式 AI。生成式 AI 能够生成新的内容，如文本、图片等；判别式 AI 则主要用于对输入进行分类或判断。模型的分类与其大小并无直接的必然联系。 大模型出现幻觉的原因主要是其通过训练数据猜测下一个输出结果，可能会因错误或不准确的数据导致给出错误的答案。而小模型相对来说数据量和复杂度较低，出现幻觉的情况相对较少，但这并非绝对，还取决于模型的训练质量、数据的准确性等多种因素。优质的数据集对于大模型减少幻觉现象非常重要。

AI（人工智能）是一个广泛的概念，旨在让机器模拟人类智能。 机器学习（ML）是AI的一个分支，指计算机通过数据找规律进行学习，包括监督学习（使用有标签的训练数据，学习输入和输出之间的映射关系，如分类和回归）、无监督学习（处理无标签数据，让算法自主发现规律，如聚类）和强化学习（从反馈中学习，以最大化奖励或最小化损失，类似训练小狗）。 深度学习（DL）是一种机器学习方法，参照人脑构建神经网络和神经元，由于网络层数较多被称为“深度”。神经网络可用于监督学习、无监督学习和强化学习。 生成式 AI（AIGC）能够生成文本、图片、音频、视频等内容形式。 它们之间的联系在于：深度学习是机器学习的一种重要方法，机器学习又是实现人工智能的重要途径，而生成式 AI 是人工智能的一个应用领域。例如，生成式 AI 中的一些技术可能基于深度学习和机器学习的算法。2017 年 6 月，谷歌团队发表的论文《Attention is All You Need》首次提出了 Transformer 模型，它基于自注意力机制处理序列数据，不依赖于循环神经网络或卷积神经网络，对相关技术的发展具有重要意义。大语言模型（LLM）如谷歌的 BERT 模型，可用于语义理解（如上下文理解、情感分析、文本分类），但不擅长文本生成，对于生成式 AI，生成图像的扩散模型不属于大语言模型。

以下是一些中小学在生成式 AI 教育场景应用中采用项目式学习的案例： 北京市新英才学校： 开设“AI 创作家”小学课后服务特色课程，12 个五、六年级的学生在老师的引导和帮助下，主导设计一款实用的桌游。 学生们提出解决学校面积大导致新生和访客迷路的问题，决定制作一款学校地图桌游。 课程中，学生有时听老师讲解人工智能知识和工具使用方法，有时自己写 prompt 与大语言模型对话，还使用文生图 AI 工具生成桌游卡牌背后的图案，手绘第一版学校地图，选择游戏机制并梳理游戏流程。 在教育领域，生成式 AI 带来了诸多改变： 解决了教育科技长期以来在有效性和规模之间的权衡问题，可大规模部署个性化学习计划，为每个用户提供“口袋里的老师”，如实时交流并给予发音或措辞反馈的语言老师。 出现了众多辅助学习的产品，如教授新概念、帮助学习者解决各学科问题、指导数学作业、提升写作水平、协助创建演示文稿等。

以下是关于写好 AI 绘画提示词的一些要点和方法： 1. 趣味性与美感概念：通过反差、反逻辑、超现实方式带来视觉冲击，在美术基础不出错前提下将形式与内容结合。 2. 纹身图创作要点：强调人机交互，对输出图片根据想象进行二次和多次微调，确定情绪、风格等锚点再发散联想。 3. 魔法少女示例：以魔法少女为例，发散联想其服饰、场景、相关元素等，并可采用反逻辑反差方式。 4. 提示词编写方法：用自然语言详细描述画面内容，避免废话词，Flux 对提示词的理解和可控性强。 5. 实操演示准备：按赛题需求先确定中式或日式怪诞风格的创作引子。 6. 人物创作过程：从汉服女孩入手，逐步联想其颜色、发型、妆容、配饰、表情、背景等元素编写提示词。 7. 输入语言：星流通用大模型与基础模型 F.1、基础模型 XL 使用自然语言（一个长头发的金发女孩），基础模型 1.5 使用单个词组（女孩、金发、长头发），支持中英文输入。 8. 提示词内容准确：包含人物主体、风格、场景特点、环境光照、画面构图、画质，比如：一个女孩抱着小猫，背景是一面红墙，插画风格、孤独感，高质量。 9. 调整负面提示词：点击提示框下方的齿轮按钮，弹出负面提示词框，负面提示词可以帮助 AI 理解我们不想生成的内容，比如：不好的质量、低像素、模糊、水印。 10. 利用“加权重”功能：可在功能框增加提示词，并进行加权重调节，权重数值越大，更优先。对已有的提示词权重进行编辑。 11. 辅助功能：翻译功能可一键将提示词翻译成英文；删除所有提示词可清空提示词框；会员加速可加速图像生图速度，提升效率。 12. 对于 Stable Diffusion：生成方式主要分为文生图和图生图两种。文生图仅通过正反向词汇描述来发送指令。在文本描述上又分为两类：内容型提示词主要用于描述想要的画面，采样迭代步数通常数值控制在 20 40 之间最好，采样方法一般常用的为：Euler a；DPM++2S a Karras；DPM++2M Karras；DPM++SDE Karras；DDIM。将比例设置为 800:400，高宽比尽量在 512x512 数值附近。

以下是写好 AI 绘画提示词的一些要点和方法： 1. 画面描述：用自然语言详细描述画面内容，避免废话词。比如描述人物时，包括发型、妆容、服饰、配饰、表情、背景等元素；描述场景时，涵盖环境光照、画面构图等。 2. 趣味性与美感：趣味性可通过反差、反逻辑、超现实方式带来视觉冲击，美感需在美术基础不出错前提下形式与内容结合。 3. 纹身图创作：强调人机交互，对输出图片根据想象进行二次和多次微调，确定情绪、风格等锚点再发散联想。 4. 特定示例：如以魔法少女为例，发散联想其服饰、场景、相关元素等，并可采用反逻辑反差方式。 5. 输入语言：根据不同模型选择合适的输入方式，有的使用自然语言（一个长头发的金发女孩），有的使用单个词组（女孩、金发、长头发），且支持中英文输入。 6. 提示词内容准确：包含人物主体、风格、场景特点、环境光照、画面构图、画质等，例如：一个女孩抱着小猫，背景是一面红墙，插画风格、孤独感，高质量。 7. 调整负面提示词：点击提示框下方的齿轮按钮，弹出负面提示词框，输入不想生成的内容，如不好的质量、低像素、模糊、水印等。 8. 利用“加权重”功能：在功能框增加提示词，并进行加权重调节，权重数值越大，越优先。 9. 辅助功能：如翻译功能可一键将提示词翻译成英文，还有删除所有提示词、会员加速等功能。 10. 模型选择与参数设置：根据需求选择合适的模型和采样方法，合理设置采样迭代步数和比例等参数。

AI Agent 是基于大型语言模型（LLM）和其他技术实现的智能实体，其核心功能在于自主理解、规划决策、执行复杂任务。 AI Agent 包括以下几个概念： 1. Chain：通常一个 AI Agent 可能由多个 Chain 组成。一个 Chain 视作是一个步骤，可以接受一些输入变量，产生一些输出变量。大部分的 Chain 是大语言模型完成的 LLM Chain。 2. Router：我们可以使用一些判定（甚至可以用 LLM 来判定），然后让 Agent 走向不同的 Chain。例如：如果这是一个图片，则 a；否则 b。 3. Tool：Agent 上可以进行的一次工具调用。例如，对互联网的一次搜索，对数据库的一次检索。 总结下来我们需要三个 Agent： 1. Responser Agent：主 agent，用于回复用户（伪多模态）。 2. Background Agent：背景 agent，用于推进角色当前状态（例如进入下一个剧本，抽检生成增长的记忆体）。 3. Daily Agent：每日 agent，用于生成剧本，配套的图片，以及每日朋友圈。 这三个 Agent 每隔一段时间运行一次（默认 3 分钟），会分析期间的历史对话，变更人物关系（亲密度，了解度等），变更反感度，如果超标则拉黑用户，抽简对话内容，提取人物和用户的信息成为“增长的记忆体”，按照时间推进人物剧本，有概率主动聊天（与亲密度正相关，跳过夜间时间）。 此外，心灵社会理论认为，智能是由许多简单的 Agent（分等级、分功能的计算单元）共同工作和相互作用的结果。这些 Agent 在不同层次上执行不同的功能，通过协作实现复杂的智能行为。心灵社会将智能划分为多个层次，从低层次的感知和反应到高层次的规划和决策，每个层次由多个 Agent 负责。每个 Agent 类似于功能模块，专门处理特定类型的信息或执行特定任务，如视觉处理、语言理解、运动控制等。智能不是集中在单一的核心处理单元，而是通过多个相互关联的 Agent 共同实现。这种分布式智能能够提高系统的灵活性和鲁棒性，应对复杂和多变的环境。同时，在《心灵社会》中，还存在专家 Agent（拥有特定领域知识和技能，负责处理复杂的任务和解决特定问题）、管理 Agent（协调和控制其他 Agent 的活动，确保整体系统协调一致地运行）、学习 Agent（通过经验和交互，不断调整和优化自身行为，提高系统在不断变化环境中的适应能力）。 从达特茅斯会议开始讨论人工智能（Artificial Intelligence），到马文·明斯基引入“Agent”概念，往后，我们都将其称之为 AI Agent。

要从零到一成为 AI 产品经理，可以参考以下步骤： 1. 入门级： 通过 WaytoAGI 等开源网站或相关课程了解 AI 概念。 使用 AI 产品并尝试动手实践应用搭建。 2. 研究级： 技术研究路径：深入研究某一技术领域。 商业化研究路径：根据需求场景选择解决方案，或利用 Hugging face 等工具手搓出一些 AI 应用来验证想法。 3. 落地应用： 拥有成功落地应用的案例，产生商业化价值。 同时，AI 产品经理需要懂得技术框架，不一定要了解技术细节，但要对技术边界有认知，最好能知道一些优化手段和新技术的发展。产品经理要关注的还是场景、痛点、价值。 此外，还可以参考一些实际案例，比如 Kelton 作为 Owner 从 01 打造过两款 AIGC 产品，也完成过 LLM 评测体系的从零搭建。 在技术方面，对于纯小白，可以从最基础的小任务开始，让 AI 按照 best practice 写一个 say hello 的示例程序，并解释每个文件的作用及程序运行的逻辑，学会必备的调试技能。还可以通过和 AI 的对话，逐步明确项目需求，让 AI 帮助梳理出产品需求文档。

以下是制作小游戏并上架到抖音和微信可能需要用到的 AI 和软件： AI 方面：可以利用 AI 描述需求生成游戏代码，例如向云雀 3.5 等模型描述需求来辅助生成代码。还可以让 AI 处理图片、绘制角色形象等。 软件工具： 图像托管网站：用于上传游戏中的图片，选择无需登录、兼容性强的网站。 代码解释网站：有专门解释代码改游戏 bug 的网站，部分有免费额度。 GitHub：用于游戏发布，需要注册账号，设置游戏名，选择公共或锁定，上传文件等。 Zion：支持小程序、Web、AI 行为流全栈搭建，APP 端全栈搭建 2025 上线。 Coze：可作为后端服务。 微信开发者工具：用于微信小程序的开发。

以下是关于让 AI 通过文字生成某一类风格图片的示例和相关信息： 一、关键词相关 在生成图片时，图片内容通常分为二维插画和三维立体两种主要表现形式。为得到想要的图片，以下几个方面很重要： 1. 主题描述 可以描述场景、故事、元素、物体或人物的细节及搭配。 对于场景中的人物，应独立描述，避免用长串文字，以免 AI 识别不到。 大场景中多个角色的细节不太容易通过关键词生成。 2. 设计风格 设计师可能难以直接表达设计风格，可找风格类关键词参考或用垫图/喂图，让 AI 结合主题描述生成相应风格的图片。 某些材质的关键词使用有较多门道，需针对特定风格进行“咒语测试”。 二、工具 Ideogram 2.0 相关 1. 特点 设计能力强，文字生成效果好且准确（仅限英文），图像生成效果优于 Flux&Dalle·3。 具有精准文本生成、多样化风格、创意控制、开发者友好、支持手机端、免费使用额度等特点。 2. 基本操作界面 3. 示例 磨铁文化 Xiron 的字体设计 字体版权：AI 生成文字并非使用真实字体，而是基于学习创造类似风格的文字。 字体生成错误：可通过多次生成提示、使用编辑器修改、更换版本等方式纠正。 3D 风格海报设计、复古海报、网页设计等示例。

从里程碑的角度来看，DeepSeek 在处理这个事件时展现出了强大的语言生成和情境构建能力。它能够根据复杂且细致的需求，在思考 8 秒后生成一段富有历史感、情感深度和符合人物性格处境的独白。这段独白不仅考虑到了时间设定、文学修辞的运用，还兼顾了历史事实和人物的心理活动，展现出了较高的智能水平和创作能力。然而，对于 Manus 在这一事件中的作用或表现，由于提供的内容中未提及，无法进行评价。

以下是为您制定的包含实施策略、里程碑和最佳实践的详细框架，以帮助您有效地实现目标： 一、英语四级考试 实施策略： 1. 制定学习计划，每天安排一定时间学习英语，包括词汇、语法、听力、阅读和写作。 2. 多做历年真题，熟悉考试题型和难度。 3. 参加英语学习社群或找学习伙伴，互相监督和鼓励。 里程碑： 1. 每月进行一次模拟考试，评估学习进度。 2. 两个月内完成词汇和语法的系统学习。 最佳实践： 1. 利用碎片时间背单词，如在公交车上、课间等。 2. 听力练习时，反复听同一篇材料，直到完全听懂。 3. 写作练习后请老师或同学帮忙批改，总结错误和不足。 二、参加苹果 26 年的 Swift 学生挑战赛 实施策略： 1. 从零基础开始学习 Swift 编程语言，通过在线课程、书籍等资源进行系统学习。 2. 参与相关的编程实践项目，提升实际操作能力。 3. 关注苹果官方网站和社区，了解挑战赛的最新动态和要求。 里程碑： 1. 三个月内掌握 Swift 编程语言的基础知识。 2. 半年内完成一个小型的 Swift 项目开发。 最佳实践： 1. 遇到问题及时在技术论坛或社区寻求帮助。 2. 定期回顾和总结所学知识，加深理解和记忆。 3. 参考优秀的 Swift 项目案例，学习他人的编程思路和技巧。 三、成为 AI 产品经理 实施策略： 1. 学习 AI 相关的基础知识，包括机器学习、深度学习等。 2. 了解产品经理的职责和工作流程，通过实践项目积累经验。 3. 关注行业动态，参加相关的研讨会和培训课程。 里程碑： 1. 一年内掌握 AI 基础知识和产品经理的基本技能。 2. 参与实际的 AI 项目开发，担任产品经理助理角色。 最佳实践： 1. 多与行业内的专业人士交流，获取经验和建议。 2. 不断提升自己的沟通和协调能力，以更好地推动项目进展。 3. 学会从用户需求出发，设计具有创新性和实用性的 AI 产品。 希望以上框架对您有所帮助，祝您顺利实现目标！

AI 的发展历程充满了众多重要的里程碑： 1956 年，人工智能这个词首次被提出，标志着人们正式开始研究如何让机器像人一样思考。 1997 年，深蓝电脑在国际象棋比赛中战胜世界冠军，这是机器在智力游戏中首次击败顶尖人类选手。 2014 年，生成对抗网络（GAN）诞生，它可以帮助神经网络用更少的数据进行学习，生成更多的合成图像。 2016 年，AlphaGo 在围棋比赛中战胜世界冠军李世石，令全世界惊讶。 2020 年，GPT3 发布。 2022 年，DALLE 发布。 2023 年，GPT4 发布。 从 2012 年至今，深度神经网络的使用呈爆炸式增长，大部分 Machine Learning 领域的研究都集中在 Deep Learning 方面。通过回顾 AI 的发展历史，能够理清其发展脉络以及每个关键里程碑的意义。

机器学习是人工智能的一个分支，其发展有着清晰的脉络，从以“推理”为重点，到以“知识”为重点，再到以“学习”为重点。机器学习在近 30 多年已发展为多领域科际集成，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。 在机器学习的发展历程中，CNN（卷积神经网络）的结构基于两类细胞的级联模型，在计算上更有效、快速，已用于自然语言处理和图像识别等领域，并击败大多数其他算法。随着对大脑工作机制认知的增加，神经网络的算法和模型不断进步。 Deep Learning 是一个革命性领域，但需要数据支持。李飞飞创建的 ImageNet 是重要数据集之一，自 2009 年创建以来，为 Machine Learning 算法的发展发挥了重要作用。仅七年时间，ImageNet 让获胜算法对图像中物体分类的准确率从 72%提高到 98%，超过人类平均能力，并引领了 DL 革命，为其他数据集开创了先例，此后有更多新的数据集被引入。

AI 的发展历程如下： 1950s 1960s 早期阶段：出现专家系统、博弈论、机器学习初步理论。 1970s 1980s 知识驱动时期：有专家系统、知识表示、自动推理。 1990s 2000s 统计学习时期：机器学习算法如决策树、支持向量机、贝叶斯方法等得到发展。 2010s 至今深度学习时期：深度神经网络、卷积神经网络、循环神经网络等兴起。 重大突破包括： 1956 年，人工智能被提出。 1997 年，深蓝在国际象棋比赛中击败卡斯帕罗夫。 2016 年，AlphaGo 在围棋比赛中战胜李世石。 2020 年，GPT3 发布，擅长用电脑写文章等语言相关任务。 2022 年，DALLE 发布，可根据描述画出想象中的图画。 2023 年，GPT4 发布。 从图灵测试开始，科学家们努力让机器更聪明。如今，AI 已在多个领域取得显著成果，如视频生成、蛋白质研究等，大模型由数据、算法、算力构成，算法不断迭代，数据质量至关重要。当前前沿技术点有大模型（如 GPT、PaLM 等）、多模态 AI、自监督学习、小样本学习、可解释 AI、机器人学、量子 AI、AI 芯片和硬件加速等。而且，技术的变革越来越快，新的 AI 应用不断涌现。

人工智能的发展历史如下： 起源于二十世纪中叶，最初符号推理流行，带来了专家系统等重要进展，但因方法局限性和成本问题，20 世纪 70 年代出现“人工智能寒冬”。 随着计算资源变便宜和数据增多，神经网络方法在计算机视觉、语音理解等领域展现出色性能，过去十年中“人工智能”常被视为“神经网络”的同义词。 1943 年，心理学家麦卡洛克和数学家皮特斯提出机器的神经元模型，为神经网络奠定基础。 1950 年，图灵最早提出图灵测试作为判别机器是否具备智能的标准。 1956 年，在美国达特茅斯学院召开的会议上，“人工智能”一词被正式提出并确立为一门学科。此后近 70 年，AI 的发展起起落落。 AI 技术发展历程包括早期阶段（1950s 1960s）的专家系统、博弈论、机器学习初步理论；知识驱动时期（1970s 1980s）的专家系统、知识表示、自动推理；统计学习时期（1990s 2000s）的机器学习算法（决策树、支持向量机、贝叶斯方法等）；深度学习时期（2010s 至今）的深度神经网络、卷积神经网络、循环神经网络等。 当前 AI 前沿技术点包括大模型（如 GPT、PaLM 等）、多模态 AI（视觉 语言模型、多模态融合）、自监督学习（自监督预训练、对比学习、掩码语言模型等）、小样本学习（元学习、一次学习、提示学习等）、可解释 AI（模型可解释性、因果推理、符号推理等）、机器人学（强化学习、运动规划、人机交互等）、量子 AI（量子机器学习、量子神经网络等）、AI 芯片和硬件加速。

AI（人工智能）的发展历程如下： 1. 起源阶段（1943 年）：心理学家麦卡洛克和数学家皮特斯提出机器的神经元模型，为后续的神经网络奠定基础。 2. 1950 年：计算机先驱图灵最早提出图灵测试，作为判别机器是否具备智能的标准。 3. 1956 年：在美国达特茅斯学院，马文·明斯基和约翰·麦凯西等人共同发起召开达特茅斯会议，“人工智能”一词被正式提出，并作为一门学科确立下来。 此后近 70 年，AI 的发展起起落落。 AI 技术发展历程可分为以下几个阶段： 1. 早期阶段（1950s 1960s）：包括专家系统、博弈论、机器学习初步理论。 2. 知识驱动时期（1970s 1980s）：有专家系统、知识表示、自动推理。 3. 统计学习时期（1990s 2000s）：出现机器学习算法，如决策树、支持向量机、贝叶斯方法等。 4. 深度学习时期（2010s 至今）：深度神经网络、卷积神经网络、循环神经网络等得到发展。 当前 AI 前沿技术点包括： 1. 大模型，如 GPT、PaLM 等。 2. 多模态 AI，如视觉 语言模型（CLIP、Stable Diffusion）、多模态融合。 3. 自监督学习，如自监督预训练、对比学习、掩码语言模型等。 4. 小样本学习，如元学习、一次学习、提示学习等。 5. 可解释 AI，包括模型可解释性、因果推理、符号推理等。 6. 机器人学，涵盖强化学习、运动规划、人机交互等。 7. 量子 AI，包含量子机器学习、量子神经网络等。 8. AI 芯片和硬件加速。

AI 技术的发展历程和前沿趋势如下： 发展历程： 1. 早期阶段（1950s 1960s）：包括专家系统、博弈论、机器学习初步理论。 2. 知识驱动时期（1970s 1980s）：有专家系统、知识表示、自动推理。 3. 统计学习时期（1990s 2000s）：出现机器学习算法如决策树、支持向量机、贝叶斯方法等。 4. 深度学习时期（2010s 至今）：深度神经网络、卷积神经网络、循环神经网络等得到广泛应用。 当前前沿技术点： 1. 大模型（Large Language Models）：如 GPT、PaLM 等。 2. 多模态 AI：包括视觉 语言模型（CLIP、Stable Diffusion）、多模态融合。 3. 自监督学习：如自监督预训练、对比学习、掩码语言模型等。 4. 小样本学习：例如元学习、一次学习、提示学习等。 5. 可解释 AI：涉及模型可解释性、因果推理、符号推理等。 6. 机器人学：涵盖强化学习、运动规划、人机交互等。 7. 量子 AI：包含量子机器学习、量子神经网络等。 8. AI 芯片和硬件加速。 在学习路径方面： 偏向技术研究方向： 1. 具备数学基础，如线性代数、概率论、优化理论等。 2. 掌握机器学习基础，包括监督学习、无监督学习、强化学习等。 3. 深入学习深度学习，如神经网络、卷积网络、递归网络、注意力机制等。 4. 熟悉自然语言处理，如语言模型、文本分类、机器翻译等。 5. 了解计算机视觉，如图像分类、目标检测、语义分割等。 6. 跟进前沿领域，如大模型、多模态 AI、自监督学习、小样本学习等。 7. 进行科研实践，包括论文阅读、模型实现、实验设计等。 偏向应用方向： 1. 掌握编程基础，如 Python、C++等。 2. 熟悉机器学习基础，如监督学习、无监督学习等。 3. 熟练使用深度学习框架，如 TensorFlow、PyTorch 等。 4. 应用于自然语言处理、计算机视觉、推荐系统等领域。 5. 做好数据处理，包括数据采集、清洗、特征工程等。 6. 进行模型部署，如模型优化、模型服务等。 7. 参与行业实践，如项目实战、案例分析等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。 此外，去年生成式 AI 从不引人注意走到了 AI 50 强榜单的前列。今年，随着企业用户和消费者的 AI 生产力大幅提高，其成为前沿和中心。尽管 2023 年美国的大部分 AI 风投流向了基础设施领域，应用公司仍在 AI 50 强榜单中占据主导地位。如今，许多公司正将 AI 融入其工作流程，以此来快速达成 KPI。不远的将来，我们有望看到 UX 和 UI 围绕 AI 的功能进行重新设计。

AI 赋能文旅产业发展主要体现在以下几个方面： 1. 全流程制作文旅宣传片：利用 AIGC 技术生成全国文旅宣传片，如《AI 我中华》，融合了 AI 生成视频及 AI 配音技术，将各地特色巧妙结合，展现大美中华。使用的工具包括 ChatGPT、Midjourney、Stable Diffusion、Runway、PS、AE、Ebsynth 等。 2. 提升 2D 美术效果：在 2D 美术中广泛使用图像生成技术，主流生成式图像应用如 DALLE 2.0、Stable Diffusion 和 Midjourney 提升了图像生成的精细化程度和提示对图像生成结果的控制能力。 3. 优化 3D 模型生成流程：在 3D 模型生成中，AI 可直接完成可调整的 3D 粗模，大大提升效率。 4. 改善游戏测试与优化环节：AI 在游戏测试环节中可模拟玩家、NPC 和游戏模型，在优化环节承担改善角色动画、编程加速、自动化游戏测试等功能，通过生成文字、图片、视频、音乐来缩减时间和资源消耗，快速识别并解决问题。 5. 丰富故事情节与 NPC 设计：在游戏设计中，AI 依托自然语言生成用法，用于角色与故事生成、游戏机制创新等方面，通过针对性训练数据集强化 NPC 模型的基础能力。 6. 创新音乐与音效生成：AI 生成音乐存在基于乐理规则的符号生成模型和基于音频数据的音频生成模型两种主流技术路线，可用于填充游戏音效和音乐。 7. 提升玩家体验与个性化：AI 能评估玩家技能水平和游戏风格，动态调整游戏难度，还能在游戏运营中提供客服和分析服务。 8. 带来新的游戏玩法：如《Soul Chronicle》实现了实时 3D+AIGC+UGC，《Roleverse》可在平台内定制角色和编辑游戏世界。

以下是关于 AI 目前在美国和欧盟的发展与应用情况的综合回答： 在知识产权方面： 国际知识产权保护协会（AIPPI）与美国的立法观点相似，否认将 AI 包含进“作者”的范畴，但其生成的内容能否取得版权注册取决于生成物所体现创造性的多少。 欧盟认为人工智能生成的内容必须受到知识产权法律框架的保护，且可以通过对欧洲现有法律的解释解决人工智能的版权问题。 在人工智能工具的使用和流量方面： 大多数顶级人工智能公司位于美国，少数位于亚洲。 所有欧盟国家合计产生了 39 亿流量，占总量的 16.21%。欧洲以及澳大利亚和加拿大在人工智能投资和采用方面落后。 欧盟已经制定了第一个人工智能监管法案，但最近的研究表明当前的许多人工智能模型不符合欧盟对人工智能的监管。 在行业发展方面： 英伟达（NVIDIA）仍是全球最强大的公司之一，享受着市值达到 3 万亿美元的辉煌时刻，而监管机构也正在调查生成式人工智能（GenAI）内部的权力集中问题。 虽然全球治理努力陷入僵局，但国家和地区的人工智能监管继续推进，美国和欧盟通过了几份有争议的立法法案。 在研究进展方面： 前沿实验室的性能正在趋同，但 OpenAI 在推出 o1 后保持了其领先地位，规划和推理成为主要的研究前沿。 基础模型展示了它们超越语言的能力，多模态研究推动了数学、生物学、基因组学、物理科学和神经科学的发展。 在安全问题方面： 世界各地的政府模仿英国在人工智能安全方面建立国家能力，成立研究所并研究关键国家基础设施的潜在漏洞。 每一个提出的破解「修复」方案都失败了，研究人员开始关注更复杂、长期的攻击。