直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

AI的发展历史

回答

AI 的发展历史如下:

  • 起源追溯到上世纪 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,为后续神经网络奠定基础。
  • 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。
  • 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,经历了多次起伏。
    • 早期阶段(1950s - 1960s):有专家系统、博弈论、机器学习初步理论。
    • 知识驱动时期(1970s - 1980s):专家系统、知识表示、自动推理。
    • 统计学习时期(1990s - 2000s):机器学习算法如决策树、支持向量机、贝叶斯方法等。
    • 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。
  • 最初符号推理流行,后因应用拓展困难出现“人工智能寒冬”。随着计算资源便宜和数据增多,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”常被用作“神经网络”的同义词。
内容由 AI 大模型生成,请仔细甄别(powered by aily)

参考资料

走入AI的世界

[title]走入AI的世界[heading2]1智能起源:极简AI发展史和生成式AI的革命性突破2022年11月30日,OpenAI发布基于GPT 3.5的ChatGPT,自此开始,一股AI浪潮席卷全球,但AI(人工智能,Artificial Intelligence)并不是近几年才有的新鲜事,他的起源,最早可以追溯到上世纪的1943年。1943年,心理学家麦卡洛克和数学家皮特斯提出了机器的神经元模型,为后续的神经网络奠定了基础。1950年,伟大的计算机先驱图灵最早提出了图灵测试,做为判别机器是否具备智能的标准(即在一个对外不可见的房间内放置一台可以与外界沟通的机器,如果外界交互的人无法区分房间里到底是真人还是机器,那么我们就说房间里的机器具备了智能,通过了图灵测试)。1956年,在美国一个小镇的达特茅斯学院中,马文·明斯基和约翰·麦凯西拉着香农大佬站台背书,共同发起召开了著名的达特茅斯会议,在这次会议上,人工智能Artificial Intelligence一词被正式提出,并做为一门学科被确立下来。此后接近70年的漫长时间里,AI的发展起起落落,两次掀起人类对AI毁灭人类世界的恐慌,热度拉满,但又最终以“不过如此”冷却收场。图1 AI发展史

问:AI的技术历史和发展方向,目前最前沿的技术点有哪些

1.早期阶段(1950s-1960s):专家系统、博弈论、机器学习初步理论2.知识驱动时期(1970s-1980s):专家系统、知识表示、自动推理3.统计学习时期(1990s-2000s):机器学习算法(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[heading2]当前AI前沿技术点[content]1.大模型(Large Language Models):GPT、PaLM等2.多模态AI:视觉-语言模型(CLIP、Stable Diffusion)、多模态融合3.自监督学习:自监督预训练、对比学习、掩码语言模型等4.小样本学习:元学习、一次学习、提示学习等5.可解释AI:模型可解释性、因果推理、符号推理等6.机器人学:强化学习、运动规划、人机交互等7.量子AI:量子机器学习、量子神经网络等8.AI芯片和硬件加速

人工智能简介和历史

[title]人工智能简介和历史[heading1]人工智能简史人工智能作为一个领域始于二十世纪中叶。最初,符号推理非常流行,也带来了一系列重要进展,例如专家系统——能够在某些有限问题的领域充当专家的计算机程序。然而,人们很快发现这种方法无法实现应用场景的大规模拓展。从专家那里提取知识,用计算机可读的形式表现出来,并保持知识库的准确性,是一项非常复杂的任务,而且因为成本太高,在很多情况下并不适用。这使得20世纪70年代出现了“人工智能寒冬”([AI Winter](https://en.wikipedia.org/wiki/AI_winter))。随着时间的推移,计算资源变得越来越便宜,可用的数据也越来越多,神经网络方法开始在计算机视觉、语音理解等领域展现出可与人类相媲美的卓越性能。在过去十年中,“人工智能”一词大多被用作“神经网络”的同义词,因为我们听到的大多数人工智能的成功案例都是基于神经网络的方法。我们可以观察一下这些方法是如何变化的,例如,在创建国际象棋计算机对弈程序时:

其他人在问
有没有AI数字人的软件
以下是一些 AI 数字人的软件和相关信息: 互联网厂商: 腾讯: 阿里: 百度: 华为: 网易: 京东: 字节: 快手: 科大讯飞: 制作数字人的工具: HeyGen:AI 驱动的平台,可创建逼真的数字人脸和角色,使用深度学习算法生成高质量肖像和角色模型,适用于游戏、电影和虚拟现实等应用。 Synthesia:AI 视频制作平台,允许创建虚拟角色并进行语音和口型同步,支持多种语言,可用于教育视频、营销内容和虚拟助手等场景。 DID:提供 AI 拟真人视频产品服务和开发,只需上传人像照片和输入要说的内容,平台提供的 AI 语音机器人将自动转换成语音,然后合成逼真的会开口说话的视频。 更多数字人工具请访问网站查看:https://www.waytoagi.com/category/42 。请注意,这些工具的具体功能和可用性可能会随时间和技术发展而变化。在使用这些工具时,请确保遵守相关使用条款和隐私政策,并注意保持对生成内容的版权和伦理责任。 此外,关于数字人的相关技术还包括: 算法开源代码仓库: ASR 语音识别: openai 的 whisper:https://github.com/openai/whisper wenet:https://github.com/wenete2e/wenet speech_recognition:https://github.com/Uberi/speech_recognition AI Agent: 大模型部分包括 ChatGPT、Claude、ChatGLM、文星一言、千帆大模型、通义千问等。 Agent 部分可以使用 LangChain 的模块去做自定义,里面基本包含了 Agent 实现的几个组件 TTS: 微软的 edgetts:https://github.com/rany2/edgetts,只能使用里面预设的人物声音,目前接口免费。 VITS:https://github.com/jaywalnut310/vits,还有很多的分支版本,可以去搜索一下,vits 系列可以自己训练出想要的人声。 sovitssvc:https://github.com/svcdevelopteam/sovitssvc,专注到唱歌上面,前段时间很火的 AI 孙燕姿。 除了算法,人物建模模型可以通过手动建模实现,这样就完成了一个最简单的数字人。但这种简单的构建方式还存在很多问题,例如如何生成指定人物的声音、TTS 生成的音频如何精确驱动数字人口型以及做出相应的动作、数字人如何使用知识库做出某个领域的专业性回答等。
2024-10-31
做ppt的ai有什么
以下是一些做 PPT 的 AI 产品: 1. Gamma:在线 PPT 制作网站,通过输入文本和想法提示快速生成幻灯片,支持嵌入多媒体格式,如 GIF 和视频,增强演示文稿吸引力。网址:https://gamma.app/ 2. 美图 AI PPT:由美图秀秀开发团队推出,通过输入简单文本描述生成专业 PPT 设计,包含丰富模板库和设计元素,适用于多种场合。网址:https://www.xdesign.com/ppt/ 3. Mindshow:AI 驱动的 PPT 辅助工具,提供自动布局、图像选择和文本优化等智能设计功能,包含互动元素和动画效果。网址:https://www.mindshow.fun/ 4. 讯飞智文:由科大讯飞推出的 AI 辅助文档编辑工具,利用语音识别和自然语言处理技术优势,提供智能文本生成、语音输入、文档格式化等功能。网址:https://zhiwen.xfyun.cn/ 目前市面上大多数 AI 生成 PPT 通常按照以下思路完成设计和制作: 1. AI 生成 PPT 大纲 2. 手动优化大纲 3. 导入工具生成 PPT 4. 优化整体结构 推荐 2 篇市场分析的文章供参考: 1. 《》 2. 《》 此外,卓 sir 分享了自己使用 AI 完成 PPT 的经历,用到的 AI 工具只有 3 个:GPT4、WPS AI 和 chatPPT。
2024-10-31
查找文献AI
以下是关于查找文献 AI 的相关信息: Txyz 网站: 是一个帮助搜索、查询专业文献并进行对话的 AI 工具,提供从搜索获取、查询对话获取知识再到管理知识的一站式服务。 是唯一和预印本文库官方合作的 AI 工具,ArXiv 的每篇论文下面都有直达 Txyz 的按钮。 用户可以自己上传 PDF 论文或者链接,通过它来在专业文献中迅速找到想要的答案和内容。 在对话中提供论文参考,给出可信的背书。 论文写作的 AI 产品: 文献管理和搜索: Zotero:结合 AI 技术,自动提取文献信息,帮助管理和整理参考文献。 Semantic Scholar:由 AI 驱动的学术搜索引擎,提供文献推荐和引用分析。 内容生成和辅助写作: Grammarly:通过 AI 技术提供文本校对、语法修正和写作风格建议,提高语言质量。 Quillbot:基于 AI 的重写和摘要工具,帮助精简和优化论文内容。 研究和数据分析: Google Colab:提供基于云的 Jupyter 笔记本环境,支持 AI 和机器学习研究,便于进行数据分析和可视化。 Knitro:用于数学建模和优化的软件,帮助进行复杂的数据分析和模型构建。 论文结构和格式: LaTeX:结合自动化和模板,高效处理论文格式和数学公式。 Overleaf:在线 LaTeX 编辑器,提供丰富模板库和协作功能,简化论文编写过程。 研究伦理和抄袭检测: Turnitin:广泛使用的抄袭检测工具,确保论文原创性。 Crossref Similarity Check:通过与已发表作品比较,检测潜在抄袭问题。 利用 AI 写课题的步骤和建议: 1. 确定课题主题:明确研究兴趣和目标,选择具有研究价值和创新性的主题。 2. 收集背景资料:使用学术搜索引擎和文献管理软件等 AI 工具搜集相关研究文献和资料。 3. 分析和总结信息:利用 AI 文本分析工具分析收集到的资料,提取关键信息和主要观点。 4. 生成大纲:使用 AI 写作助手生成课题大纲,包括引言、文献综述、方法论、结果和讨论等部分。 5. 撰写文献综述:利用 AI 工具帮助撰写文献综述部分,确保内容准确完整。 6. 构建方法论:根据研究需求,利用 AI 建议的方法和技术设计研究方法。 7. 数据分析:若课题涉及数据收集和分析,使用 AI 数据分析工具处理和解释数据。 8. 撰写和编辑:利用 AI 写作工具撰写课题各部分,并进行语法和风格检查。 9. 生成参考文献:使用 AI 文献管理工具生成正确的参考文献格式。 10. 审阅和修改:利用 AI 审阅工具检查课题逻辑性和一致性,并根据反馈修改。 11. 提交前的检查:使用 AI 抄袭检测工具确保课题原创性,并进行最后的格式调整。 需要注意的是,AI 工具可作为辅助,但不能完全替代研究者的专业判断和创造性思维。在使用 AI 进行课题写作时,应保持批判性思维,并确保研究的质量和学术诚信。
2024-10-31
学习AI
以下是为新手提供的学习 AI 的全面指导: 一、了解 AI 基本概念 1. 阅读「」部分,熟悉 AI 的术语和基础概念,包括人工智能的定义、主要分支(如机器学习、深度学习、自然语言处理等)以及它们之间的联系。 2. 浏览入门文章,了解 AI 的历史、当前的应用和未来的发展趋势。 二、开始 AI 学习之旅 1. 在「」中,找到为初学者设计的课程,特别推荐李宏毅老师的课程。 2. 通过在线教育平台(如 Coursera、edX、Udacity)上的课程,按照自己的节奏学习,并有机会获得证书。 三、选择感兴趣的模块深入学习 AI 领域广泛,比如图像、音乐、视频等,您可以根据自己的兴趣选择特定的模块进行深入学习。同时,一定要掌握提示词的技巧,它上手容易且很有用。 四、实践和尝试 1. 理论学习之后,实践是巩固知识的关键,尝试使用各种产品做出您的作品。 2. 在知识库提供了很多大家实践后的作品、文章分享,欢迎您实践后的分享。 五、体验 AI 产品 与现有的 AI 产品进行互动,如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人,了解它们的工作原理和交互方式,获得对 AI 在实际应用中表现的第一手体验,并激发对 AI 潜力的认识。 六、持续学习和跟进 AI 是一个快速发展的领域,新的研究成果和技术不断涌现。关注 AI 领域的新闻、博客、论坛和社交媒体,保持对最新发展的了解。考虑加入 AI 相关的社群和组织,参加研讨会、工作坊和会议,与其他 AI 爱好者和专业人士交流。 对于中学生学习 AI,还有以下建议: 1. 从编程语言入手学习 可以从 Python、JavaScript 等编程语言开始学习,学习编程语法、数据结构、算法等基础知识,为后续的 AI 学习打下基础。 2. 尝试使用 AI 工具和平台 可以使用 ChatGPT、Midjourney 等 AI 生成工具,体验 AI 的应用场景。 探索一些面向中学生的 AI 教育平台,如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目 可以参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动。 尝试利用 AI 技术解决生活中的实际问题,培养动手能力。 5. 关注 AI 发展的前沿动态 关注 AI 领域的权威媒体和学者,了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响,培养对 AI 的思考和判断能力。 总之,中学生可以从编程基础、工具体验、知识学习、实践项目等多个方面入手,全面系统地学习 AI 知识和技能,为未来的 AI 发展做好准备。
2024-10-31
ai生成视频教程
以下是关于 AI 生成视频的教程: 使用 Adobe Firefly 生成带有文本提示和图像的视频: 在 Advanced 部分,您可以使用 Seed 选项添加种子编号,以帮助启动流程并控制 AI 创建的内容的随机性。如果使用相同的种子、提示和控制设置,则可以重新生成类似的视频剪辑。选择 Generate 进行生成。 将小说做成视频的制作流程: 1. 小说内容分析:使用 AI 工具(如 ChatGPT)分析小说内容,提取关键场景、角色和情节。 2. 生成角色与场景描述:根据小说内容,使用工具(如 Stable Diffusion 或 Midjourney)生成角色和场景的视觉描述。 3. 图像生成:使用 AI 图像生成工具根据描述创建角色和场景的图像。 4. 视频脚本制作:将提取的关键点和生成的图像组合成视频脚本。 5. 音频制作:利用 AI 配音工具(如 Adobe Firefly)将小说文本转换为语音,添加背景音乐和音效。 6. 视频编辑与合成:使用视频编辑软件(如 Clipfly 或 VEED.IO)将图像、音频和文字合成为视频。 7. 后期处理:对生成的视频进行剪辑、添加特效和转场,以提高视频质量。 8. 审阅与调整:观看生成的视频,根据需要进行调整,比如重新编辑某些场景或调整音频。 9. 输出与分享:完成所有编辑后,输出最终视频,并在所需平台上分享。 AI 视频工具合集: Runway(有免费额度) 网址:https://app.runwayml.com/videotools/ 官方使用教程:https://academy.runwayml.com/ 知识库详细教程: 简单介绍:支持文生视频、图生视频,视频生视频;使用英文提示词;文生视频支持正向提示词、风格选择、运镜控制、运动强度控制、运动笔刷,支持 16:9、9:16、1:1、4:3、3:4、21:9 尺寸,可设置种子值;图生视频、视频生视频除了尺寸不可选以外,其他跟文生视频基本相同;生成好的视频可以延长时间,默认生成 4s 的视频。 Stable video(有免费额度) 网址:https://www.stablevideo.com/generate 知识库详细教程: 简单介绍:支持文生视频、图生视频,仅英文;图生视频不可写 prompt,提供多种镜头控制;文生视频先生成 4 张图片,选择其中一张图片以后再继续生成视频。 请注意,具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外,AI 工具的可用性和功能也可能会随时间而变化,建议直接访问上述提供的工具网址获取最新信息和使用指南。
2024-10-31
请总结本知识库,并提炼出11节面向十岁儿童关于AIGC的课程,三节是提示词工程,2节文生文,2节文生图/图生图,2节文生音频,2节文生视频/图生视频,不需要涉及智能体及文生代码
以下是对本知识库的总结: 包含了不同时间段的 AIGC 周刊内容,如 Open AI 发布 ChatGPT 的 iOS 应用、Google 宣布多项 AI 新功能、AI 歌手相关教程等。 有关于提示词工程的课程及相关技巧介绍。 涉及一些特定的 AIGC 技术和方法,如 Donut 文档理解方法。 提到了谷歌的生成式 AI 学习课程。 以下是为十岁儿童设计的 11 节关于 AIGC 的课程: 1. 提示词工程基础 什么是提示词 提示词的作用 简单的提示词示例 2. 提示词工程进阶 复杂提示词的构建 如何优化提示词 提示词的实际应用 3. 提示词工程实践 设计自己的提示词任务 分享与讨论提示词成果 总结提示词的使用技巧 4. 文生文入门 了解文生文的概念 简单的文生文工具介绍 尝试生成一段文字 5. 文生文提高 优化文生文的输入 让生成的文字更有趣 比较不同文生文的效果 6. 文生图/图生图基础 认识文生图和图生图 常见的文生图工具 用简单描述生成一张图片 7. 文生图/图生图进阶 更复杂的描述生成精美图片 对生成的图片进行修改 分享自己生成的图片 8. 文生音频入门 什么是文生音频 简单的文生音频工具 生成一段简单的音频 9. 文生音频提高 让生成的音频更动听 给音频添加特效 欣赏优秀的文生音频作品 10. 文生视频/图生视频基础 文生视频和图生视频的概念 基本的文生视频工具 制作一个简单的视频 11. 文生视频/图生视频进阶 让视频更精彩 视频的后期处理 展示自己制作的视频
2024-10-31
人工智能发展历史
人工智能的发展历史如下: 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。 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,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,并确立为一门学科。 发展历程: 二十世纪中叶,符号推理流行,带来专家系统等重要进展,但因方法局限性,20 世纪 70 年代出现“人工智能寒冬”。 随着时间推移,计算资源变便宜,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。 早期阶段(1950s 1960s):有专家系统、博弈论、机器学习初步理论。 知识驱动时期(1970s 1980s):专家系统、知识表示、自动推理。 统计学习时期(1990s 2000s):机器学习算法如决策树、支持向量机、贝叶斯方法等。 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。 前沿技术点: 大模型:如 GPT、PaLM 等。 多模态 AI:视觉 语言模型(CLIP、Stable Diffusion)、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。
2024-10-30
能否介绍一下ai的历史
人工智能(Artificial Intelligence)的历史源远流长。 早在 19 世纪,查尔斯·巴贝奇发明了计算机,用于按照明确的程序进行数字运算,现代计算机虽更先进,但仍遵循相同的受控计算理念。 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,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。 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了著名的达特茅斯会议,正式提出“人工智能”一词,并确立其为一门学科。 此后近 70 年,AI 的发展起伏不定,曾两次引发人类对其毁灭世界的恐慌,热度时高时低。 在发展过程中,对于一些任务,如根据照片判断一个人的年龄,由于无法明确解法,无法编写明确程序让计算机完成,这类任务正是 AI 所关注的。 2022 年 11 月 30 日,OpenAI 发布基于 GPT 3.5 的 ChatGPT,引发了全球的 AI 浪潮。
2024-10-27
AI的历史
人工智能作为一个领域始于二十世纪中叶。最初,符号推理流行,带来了如专家系统等重要进展,但这种方法因从专家提取知识并以计算机可读形式表现的复杂性和高成本,在很多情况下不适用,导致 20 世纪 70 年代出现“人工智能寒冬”。 随着时间推移,计算资源更便宜,数据更多,神经网络方法在计算机视觉、语音理解等领域展现出卓越性能,过去十年中“人工智能”常被视为“神经网络”的同义词。 AI 技术的发展历程可概括为: 1. 早期阶段(1950s 1960s):专家系统、博弈论、机器学习初步理论。 2. 知识驱动时期(1970s 1980s):专家系统、知识表示、自动推理。 3. 统计学习时期(1990s 2000s):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。 当前 AI 前沿技术点包括: 1. 大模型:如 GPT、PaLM 等。 2. 多模态 AI:视觉 语言模型如 CLIP、Stable Diffusion 及多模态融合。 3. 自监督学习:自监督预训练、对比学习、掩码语言模型等。 4. 小样本学习:元学习、一次学习、提示学习等。 5. 可解释 AI:模型可解释性、因果推理、符号推理等。 6. 机器人学:强化学习、运动规划、人机交互等。 7. 量子 AI:量子机器学习、量子神经网络等。 8. AI 芯片和硬件加速。 最初,查尔斯·巴贝奇发明计算机,用于按明确程序运算数字。现代计算机虽先进,但仍遵循相同受控计算理念。但有些任务如“根据照片判断一个人的年龄”无法明确编程,因不知具体步骤,这类任务正是 AI 感兴趣的。
2024-10-10
AI的概念以及发展历史
人工智能(Artificial Intelligence,简称 AI)是一门研究如何使计算机表现出智能行为,例如做一些人类所擅长的事情的科学。 AI 的发展历史始于二十世纪中叶。最初,符号推理流行,带来了如专家系统等重要进展,但这种方法因无法实现应用场景大规模拓展,且从专家提取知识并用计算机可读形式表现并保持准确性的任务复杂、成本高,导致 20 世纪 70 年代出现“人工智能寒冬”。 随着时间推移,计算资源更便宜,数据更多,神经网络方法在计算机视觉、语音理解等领域展现出卓越性能。过去十年中,“人工智能”一词常被用作“神经网络”的同义词,因为多数成功案例基于神经网络方法。 例如在创建国际象棋计算机对弈程序时,方法不断变化。最初查尔斯·巴贝奇发明计算机用于按明确程序运算,现代计算机虽更先进但仍遵循相同理念。但像“根据照片判断一个人的年龄”这类任务无法明确编程,因为我们不知大脑完成此任务的具体步骤,而这类任务正是 AI 感兴趣的。
2024-09-29
agi的历史
AGI 的历史如下: 在 1990 年代末至 2000 年代,越来越多的人呼吁开发更普适的 AI 系统,该领域的学者试图确定可能构成更普遍智能系统的原则,“通用人工智能”(AGI)这一名词在 2000 年代初流行起来,以强调从“狭义 AI”到更广泛的智能概念的追求,回应了早期 AI 研究的长期抱负和梦想。 Deepmind 的研究团队在去年十一月发表的论文《Levels of AGI》中,给 AGI 的定义提出了六个原则,其中最重要的一点是“关注能力,而非过程”,应关注 AGI 能完成什么,而不是它如何完成任务。 到 2024 年,出现了一些与 AGI 相关的情况,如全真 AI 虚拟人成熟、AR/VR 技术大规模商用、接近 AGI 的技术出现、人与 AI 配合的工作方式成为常态、AI 生产的数据量超过全人类生产数据量、“人的模型”出现,出现“集中化 AGI”与“个人 AGI”的历史分叉、AI 引发的社会问题开始加重,结构性失业开始出现、AGI 对于地缘政治的影响开始显露等。
2024-09-13
AI的历史
人工智能作为一个领域始于二十世纪中叶。最初,符号推理流行,带来了如专家系统等重要进展,但这种方法因从专家提取知识并以计算机可读形式表现的复杂性和高成本,在很多情况下不适用,导致 20 世纪 70 年代出现“人工智能寒冬”。 随着时间推移,计算资源更便宜,数据更多,神经网络方法在计算机视觉、语音理解等领域展现出卓越性能,过去十年中“人工智能”常被视为“神经网络”的同义词。 AI 技术发展历程如下: 1. 早期阶段(1950s 1960s):有专家系统、博弈论、机器学习初步理论。 2. 知识驱动时期(1970s 1980s):包括专家系统、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):有深度神经网络、卷积神经网络、循环神经网络等。 最初,查尔斯·巴贝奇发明计算机用于按明确程序运算。现代计算机虽更先进,但仍遵循相同受控计算理念。有些任务如根据照片判断人的年龄无法明确编程,因不知大脑完成任务的具体步骤,这类任务正是 AI 感兴趣的。
2024-08-30
中国的AI发展到什么程度了?
目前中国的 AI 发展呈现出强势崛起的态势。中国的模型在面对制裁时展现出坚韧和战略智慧,在一些方面取得了显著成果: 达到或超过了 GPT4 水平。 华为昇腾生态开始形成,国内推理芯片开始国产替代(训练替代稍晚)。 模型凭借自身优势正在“屠榜”,证明在 AI 领域仍占据重要地位。 同时,AI 在中国的发展也带来了一些新的现象和挑战,如 AI 造成的 DeepFake、诈骗、网络攻击等开始进入公众视野,并引发担忧;AI 立法、伦理讨论仍然大规模落后于技术进展。
2024-10-31
未来AI的发展趋势是什么?
未来 AI 的发展趋势主要包括以下几个方面: 1. 技术模型方面:o1 preview 模型升级迅速,将很快达到 GPT4 水平。 2. 发展阶段方面:AI 会经历从聊天机器人到推理系统、智能体、创新者,最终到完整组织的五个阶段。 3. 研究方向方面:OpenAI 坚持专注于深度学习,并实现 AGI 且持续调整策略。 4. 应用领域方面:看好 AI 在医疗、教育和科学领域的应用,有可能降低这些关键领域的成本,使人们更容易获得和负担得起相关服务。AI 可以通过抽象出琐碎的工作,让人们把注意力集中在更重要的问题上,并为未来提供更好的工具。 5. 资金投入方面:预计明年会有团队花费超过 10 亿美元来训练单个大型模型,生成式 AI 的热潮不会消退,只会变得更加“奢华”。 6. 计算压力方面:政府和大型科技公司将继续承受计算需求的压力,这些需求已经逼近电网的极限。 7. 社会影响方面:虽然预期的 AI 对选举和就业的影响尚未成真,但仍需警惕。AI 的影响如同潘多拉魔盒,一旦打开,将会在未来长期存在。 8. 领域拓展方面:从 2024 年 AI50 强榜单中可以看出,AI 涉及的领域有扩大的趋势,预计在未来几年,这份榜单的深度和广度都将不断扩大。
2024-10-30
AI 未来的发展趋势是什么?
AI 未来的发展趋势主要包括以下几个方面: 1. 模型升级:o1 preview 模型升级迅速,将很快达到 GPT4 水平。 2. 发展阶段:从聊天机器人到推理系统、智能体、创新者,最终到完整组织。 3. 技术专注:OpenAI 坚持专注方向,实现 AGI 并持续调整策略。 4. 应用领域:看好在医疗、教育和科学领域的应用。 5. 企业赋能:提示词工程作为人机交互关键接口,重要性日益凸显。AI 能力持续提升,为企业带来超级个性化、预测性决策、自动创新、智能流程优化等新机遇。 6. 成本与生产力:AI 革命促使成本下降,有可能降低医疗、教育等关键领域成本,改变成本结构并提高生产力。 7. 领域扩展:从 AI50 强榜单可看出,AI 涉及领域有扩大趋势,预计未来榜单的深度和广度将不断扩大。
2024-10-30
根据数智经济你觉得它的发展是怎样的
数智经济在过去十年中已极大地改变了经济和社会,影响了所有活动领域和日常生活。数据处于这一变革的核心,数据驱动的创新为欧盟公民和经济带来了巨大利益,例如改善和个性化医疗、提供新的出行方式,并有助于实现欧洲绿色协议。为使数据驱动经济惠及所有欧盟公民,必须特别关注缩小数字鸿沟、促进女性参与数据经济以及培养欧洲在技术领域的前沿专业知识。 发展需要一个强大且更协调的数据保护框架,以增强自然人和相关机构的法律及实际确定性。同时,要改善内部市场的数据共享条件,创建统一框架,制定数据治理的基本要求,特别关注促进成员国之间的合作。特定行业的欧盟法律可根据行业特点进一步发展、调整并提出新的补充元素。某些经济部门已受特定的欧盟法律监管,包括与跨境或跨欧盟的数据共享或访问相关的规则。 总之,数智经济的发展前景广阔,但也需要在法律、政策和技术等多方面不断完善和协调,以实现可持续和包容性的增长。
2024-10-29
根据数智经济、银发经济、低空经济、单身经济其中有什么痛点和创新发展内容
数智经济的痛点可能包括数据安全与隐私保护问题、数字鸿沟导致的发展不平衡、技术更新换代快带来的高投入成本等。创新发展方面,可以加强数据治理和安全防护技术,推动数字技术与传统产业深度融合,拓展数字经济新场景。 银发经济的痛点或许有产品和服务针对性不足、市场标准和规范不完善、养老服务专业人才短缺等。创新发展可着眼于开发个性化的老年产品和服务,建立健全行业标准,加强养老服务人才培养。 低空经济的痛点可能存在政策法规不完善、基础设施建设不足、技术创新能力有待提高等。创新发展可以从完善政策法规、加大基础设施投资、推动技术研发和应用等方面入手。 单身经济的痛点也许是消费市场细分不够精准、社交需求满足不足、部分产品和服务质量参差不齐等。创新发展能够在精准定位消费需求、创新社交模式、提升产品和服务品质上下功夫。
2024-10-29