详细描述AI大模型历史

大家下午好！很荣幸能够作为本次活动的分享嘉宾，我是甲木，LangGPT团队成员，很高兴给大家带来《大模型商业化落地现状与思考》的分享。本次分享的内容主要分为五个模块，从大模型的背景入手、深入探讨其在商业领域的现状和应用。接着，我们将分析在商业化过程中所遇到的挑战，并分享一些实战经验，最后将展望AI作为通用技术能够发挥生产力效能所要经历的几个阶段。[heading2]一、大模型的背景和趋势[content]首先，我们先来看大模型的背景和发展趋势。关于AI的演进历程，很多媒体包括各类研究资料都已经做过详细的介绍，相信今天在座的各位对AI的基本情况都已有所了解，因此我不会过多赘述AI的演进历程。（有兴趣的小伙伴可以多从公开资料中查找一下~）我们的重点将放在大模型当前的应用能力上，随着大模型技术的愈发成熟，规模增大，大模型为AI Agent()提供强大能力。Agent+大模型将有望构建具备自主思考、决策和执行能力的智能体，进一步提升大模型的应用能力，广泛应用于多个行业和领域。

AI模型及相关进展：讨论了AI模型的基础、最新进展，包括视频生成模型、相关论文，以及AI在诺奖和蛋白质研究领域的应用等。人工智能的发展历程与大语言模型人工智能发展历程：从图灵测试、早期的图灵机器人和ELISA，到IBM的语音控制打印机、完全由人工智能创作的小说、微软的同声传译系统，再到OpenAI发布ChatGPT模型，经历了萌芽、积累沉淀到如今大模型和多模态模型百花齐放的阶段。大模型的基石：大模型由数据、算法、算力构成，算法有技术架构的迭代，如英伟达的显卡辅助模型训练，而数据的质量对生成理想的大模型至关重要。弱智8相关活动：针对弱智8的问题对大模型进行测试，还开展了让大模型回复问题并找出真人回复的活动，且国内大模型的回答能力有很大改进。大语言模型的特点：早期大语言模型回复缺乏情感，如今有所改进，后续将体验几个大模型的回复场景。

如果要将图1中那条起起落落的黄色曲线做更详细的说明，就是图2中展示的信息，这部分内容大家可以根据兴趣选择性阅读了解，要点我已列出，在此不做更多赘述。图2 AI发展经历的三个阶段2022年开始掀起的这一轮AI大模型革命，更准确的来说是生成式AI的革命（生成式AI，Generative artificial intelligence，简称GenAI），图3给出了关于生成式AI的更多技术解释，图片左边的文字可选择性阅读了解，我们更需要将注意力集中在图的右侧，理解这些概念之间的包含关系，即：人工智能是一个大而泛的概念，其中有一个流派叫做“机器学习”，而机器学习中涌现出一个分支，即应用了深度神经网络的机器学习，我们称之为“深度学习”，深度学习中又涌现出一个细分流派，就是这一轮大热的生成式AI。图3什么是生成式AI-1从结果（质量/效果）上看，生成式AI相较之前的所有AI实现方法，有了根本性的，跨时代的进步，做为AI应用的学习者，我建议你在理解这些概念的时候可以粗暴的做这样的划分：生成式AI和其他AI。因为在80年的AI发展史中，AI从未有一刻像现在如此像人，在某些细分场景应用中，我深刻的感受了“他”已经通过了图灵测试，激发起我内心深深的惊叹和敬畏！