Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

AI的起源

Answer

AI(人工智能)的起源最早可以追溯到上世纪。

1943 年,心理学家麦卡洛克和数学家皮特斯提出了机器的神经元模型,为后续的神经网络奠定了基础。

1945 年,Alan Turing 考虑用计算机来模拟人脑,设计了 ACE 来模拟大脑工作。

1950 年,伟大的计算机先驱图灵最早提出了图灵测试,作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,在美国的达特茅斯学院,马文·明斯基和约翰·麦凯西在香农的支持下,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,并作为一门学科被确立下来。

最初,查尔斯·巴贝奇发明了计算机,用于按照一套明确定义的程序(即算法)来对数字进行运算。现代计算机虽更先进,但仍遵循相同的受控计算理念。然而,对于像从照片判断人的年龄这类任务,我们无法明确解法,也难以编写明确程序让计算机完成,这类任务正是人工智能感兴趣的。

Content generated by AI large model, please carefully verify (powered by aily)

References

走入AI的世界

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

机器之心的进化 / 理解 AI 驱动的软件 2.0 智能革命

早在1945年,Alan Turing就已经在考虑如何用计算机来模拟人脑了。他设计了ACE(Automatic Computing Engine -自动计算引擎)来模拟大脑工作。在给一位同事的信中写道:"与计算的实际应用相比,我对制作大脑运作的模型可能更感兴趣......尽管大脑运作机制是通过轴突和树突的生长来计算的复杂神经元回路,但我们还是可以在ACE中制作一个模型,允许这种可能性的存在,ACE的实际构造并没有改变,它只是记住了数据......"这就是机器智能的起源,至少那时在英国都这样定义。

人工智能简介和历史

译者:Miranda,原文见https://microsoft.github.io/AI-For-Beginners/lessons/1-Intro/README.md[heading1][课前测试](https://red-field-0a6ddfd03.1.azurestaticap[content]人工智能(Artificial Intelligence)是一门令人兴奋的科学,它研究我们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。最初,查尔斯·巴贝奇(Charles Babbage)发明了计算机,用于按照一套明确定义的程序(即算法)来对数字进行运算。现代计算机虽然比19世纪提出的原始计算机模型要先进得多,但仍然遵循着相同的受控计算理念。因此,如果我们知道实现某些目标所需的每一个步骤及其顺序,就有可能编写出程序,使计算机按照我们的想法去做这些事。✅ “根据照片判断一个人的年龄”是一件无法明确编程的任务,因为我们并不知道当我们在做这件事时,是如何经过某些清晰的步骤,从而在脑海中得到一个数字的。然而,对于有些任务,我们并不能知道明确的解法。例如从一个人的照片中来判断他/她的年龄。我们之所以能做这件事,是因为我们见过了很多不同年龄的人,但我们无法明确自己的大脑具体是通过哪些步骤来完成这项任务的,所以也无法编写明确的程序让计算机来完成。这种类型的任务正是人工智能(简称AI)感兴趣的。✅想一想,如果人工智能得以实现,哪些任务可以被交给计算机完成?考虑金融、医学和艺术领域,这些领域如今是如何从人工智能中受益的?

Others are asking
AI生图
以下是关于 AI 生图的详细教程: 一、Liblibai 简易上手教程 1. 定主题:明确您想要生成的图片主题、风格和表达的信息。 2. 选择 Checkpoint:根据主题选择贴近内容的 Checkpoint,如麦橘、墨幽的系列模型。 3. 选择 lora:寻找与生成内容重叠的 lora,以控制图片效果和质量。 4. 设置 VAE:选择 840000 那一串。 5. CLIP 跳过层:设为 2。 6. Prompt 提示词:用英文写需求,使用单词和短语组合,用英文半角逗号隔开,无需考虑语法和长句。 7. 负向提示词 Negative Prompt:同样用英文单词和短语组合,用英文半角逗号隔开。 8. 采样方法:一般选 DPM++2M Karras,也可参考模型作者推荐的采样器。 9. 迭代步数:使用 DPM++2M Karras 时,在 30 40 之间,过多意义不大且慢,过少出图效果差。 10. 尺寸:根据个人喜好和需求选择。 11. 生成批次:默认 1 批。 二、AI 线上绘画教程 1. 背景:工作中需要大量图片时,AI 生图是高效解决办法,主流工具如 midjourney 付费成本高,stable diffusion 硬件门槛不低,可选择免费在线 SD 工具网站如。 2. 目标:让入门玩家在半个小时内自由上手创作绘图。 3. 注意事项:本教程适用于入门玩家,若有疑问可在评论区联系或加微信 designurlife1st 沟通,教程内容会持续更新。 三、Tusiart 简易上手教程 1. 图生图:上传图片后,sd 根据图片、模型、prompt 等信息重绘,重绘幅度越大,输出图与输入图差别越大。 2. 尺寸:太小生成内容有限,太大 AI 易放飞自我,如需高清图,可设中等尺寸并用高分辨率修复。 3. 采样算法:即让 AI 用何种算法生图。 4. 采样次数:次数越多调整越精密,效果理论上更好但耗时越长,并非越多越好。 5. 提示词相关性:数字增大图像更接近提示词,但过高会使图像质量下降。 6. 随机种子 seed:固定种子可对图片进行“控制变量”操作,首次生成图时无种子。 7. Clip Skip:一般设为 2,早期无需过多关注。 8. ENSD:eta 噪声种子增量,默认 0 即可。
2025-02-17
可以用ai做商务服务么,比如帮用户申请个商标
AI 可以在一定程度上辅助商务服务,比如商标申请。商标申请要有区分度,能区分自家与别家产品,不像著作权需考虑独创性等。 关于 AI 作品的相关问题: 微链区块链存证流程: 登录方式:用微信扫码即可登录微链,登录后无需在个人中心完善信息。 存证选择:在页面左上角选择区块链存证,AI 作品一般选此选项。 信息填写:包括存证内容类型、存证附件、存证名称、作品作者、作品简介、著作权人等信息,著作权人可委托登记。 发表信息:填写发表地区、首次发表日期、权力取得方式等。 提交付款:确认存证上传,勾选并提交存证,手机扫码付款 10 元。 查看订单:在个人中心的版权订单中查看处理状态,处理完成后可在区块链版权存证处查看证书。 版权登记:带有 AI 性质或名字的作品无法做著作权登记,选择微链区块链存证有法律效应,且一次存证无需每年续费。 关于侵权问题: AI 生成肖像侵权:用他人著名肖像生成特定形象可能侵犯肖像权和名誉权,用自己肖像则相对安全。 AI 生成人脸相似侵权:若生成的人脸世界上不存在,侵权可能性小;若提示词相同且生成相似,可能侵权,需具体情况具体分析。 简单提示词作品版权:简单提示词生成的作品,法律可能不保护其版权,被搬运时难以有效维权。 以图生图的鉴定:若生成的图与原图看不出相同,一般不侵权,但用与原图无相似之处的图做底图的原因值得思考。 AI 生成音乐侵权:AI 音乐中歌词和旋律与某首歌有相似部分,是否侵权需多元素、多因素整体判断,如相似部分占比、整体结构等。 使用逝者肖像:逝者肖像权永远受保护,使用需谨慎,未造成不良影响且增益的情况下权利人可能不追究。
2025-02-17
写微信小程序,用哪个 ai 代码助手最好
以下是一些适用于写微信小程序的 AI 代码助手推荐: 1. DIN: 搭建 OneAPI 以汇聚整合多种大模型接口。 搭建 FastGpt 作为知识库问答系统。 搭建 chatgptonwechat 接入微信,并配置 FastGpt 把知识库问答系统接入到微信。 2. Cursor: 可通过任意 AI 工具获得代码,专业代码模型表现更优。 网址:https://www.cursor.com/ 3. Deepseek(新手推荐): 网址:https://www.deepseek.com/zh 方便获取游戏代码,国内能访问,网页登录方便,目前完全免费。 4. 通义灵码: 在 Pytharm 中,“文件”“设置”“插件”红色框位置搜索“通义灵码”进行安装(目前免费)。 5. JetBrains 自身的助手插件: 在 Pytharm 中,“文件”“设置”“插件”红色框位置搜索“Jetbrains AI assistant”进行安装(收费,目前有 7 天免费试用)。 6. Marscode 及 Tencent cloud AI code Assistant 等。 7. 无影的晓颖 AI 助手: 内置在云电脑里,使用流畅,但需要在无影的云电脑中。 需要注意的是,不同的 AI 代码助手在生成特定代码时可能有不同的表现,您可以根据自己的需求和实际使用体验进行选择。
2025-02-17
分析化验单的AI
以下是关于分析化验单的 AI 和专利审查方面的 AI 的相关信息: 分析化验单的 AI: 目前没有直接针对分析化验单的具体内容,但在教育领域,AI 已展现出强大的能力。例如,借助大模型可以生成个性化学习和定制化作业,教师拥有 AI 就拥有了源源不断的真题库,学生也拥有了源源不断的错题练习库。 专利审查方面的 AI: 近年来,AI 在专利审查领域得到广泛应用,通过自动化和智能化手段,帮助专利审查员更高效地处理大量专利申请、检索相关文献、评估专利性和创新性等任务。以下是一些具体的应用和平台: 1. 专利检索与分类:AI 可通过自然语言处理和机器学习算法,自动识别和分类专利文献。示例平台如 Google Patents、IBM Watson for IP。 2. 专利分析和评估:AI 能够分析专利文本,评估专利的新颖性和创造性,预测专利的授权可能性。示例平台如 TurboPatent、PatentBot。 3. 自动化专利申请:AI 可以帮助自动生成专利申请文件,减少人工编写和审查时间。示例平台如 Specifio、PatentPal。 4. 专利图像和图表分析:AI 能分析专利申请中的图像和图表,帮助识别和分类技术内容。示例平台如 Aulive、AIpowered image recognition tools。 5. 专利趋势分析和预测:AI 可以分析大量专利数据,识别技术发展趋势和竞争情报,帮助企业和研究机构制定战略决策。示例平台如 Innography、PatSnap。 具体使用这些平台的步骤如下: 1. 注册和登录:在对应的平台上注册账户并登录。 2. 上传专利文献:上传待审查的专利文献或输入检索关键词。 3. 选择分析功能:根据需要选择专利检索、分析、评估或生成功能。 4. 查看结果和报告:查看 AI 生成的检索结果、分析报告和评估结果。 5. 进一步处理:根据分析结果进行进一步的人工审查和处理,或者直接生成专利申请文件。 需要注意的是,以上内容由 AI 大模型生成,请仔细甄别。
2025-02-17
能分析医学化验单的AI有哪些?
以下是一些能够分析医学化验单的 AI 工具: 1. Scite.ai:这是一个为研究人员、学者和行业专业人员打造的创新平台,提供引用声明搜索、自定义仪表板和参考检查等工具,能简化学术工作。 2. Scholarcy:一款科研神器,能从文档中提取结构化数据,并通过知识归纳引擎生成文章概要,包含关键概念、摘要、学术亮点、学术总结、比较分析、局限等板块的内容。 3. ChatGPT:强大的自然语言处理模型,可以提供有关医学课题的修改意见。您可以向它提供您的文章,并提出您的问题和需求,它将尽力为您提供帮助。 需要注意的是,内容由 AI 大模型生成,请仔细甄别。
2025-02-17
如何可以通过ai语音转文字
以下是关于通过 AI 实现语音转文字的相关内容: 可以使用 GVoice 提供的语音录制和识别能力,其中文识别率优秀。语音识别的少量错误,ChatGPT 能正常理解和纠错,衔接较为流畅。 推荐 OpenAI 的 wishper,相关链接:https://huggingface.co/openai/whisperlargev2 。还有一个项目:https://huggingface.co/spaces/sanchitgandhi/whisperjax ,此项目在 JAX 上运行,后端支持 TPU v48,与 A100 GPU 上的 PyTorch 相比,快 70 多倍,是目前最快的 Whisper API。 对于有字幕的 B 站视频,可通过安装油猴脚本获取字幕,然后将字幕文字内容复制发送给 GPTs 进行总结。
2025-02-17
AI的起源
AI(人工智能)的起源最早可追溯到上世纪。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。1945 年,Alan Turing 考虑用计算机模拟人脑,设计了 ACE 来模拟大脑工作。1950 年,伟大的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·麦凯西在香农的支持下,共同发起召开了著名的达特茅斯会议,“人工智能”一词被正式提出,并作为一门学科确立下来。最初,查尔斯·巴贝奇发明计算机用于按明确程序运算,现代计算机虽先进但仍遵循相同理念。但对于像根据照片判断人的年龄这类无法明确编程的任务,正是人工智能感兴趣的。
2025-01-13
ai起源
AI(人工智能)的起源最早可以追溯到上世纪。 1943 年,心理学家麦卡洛克和数学家皮特斯提出了机器的神经元模型,为后续的神经网络奠定了基础。 1945 年,Alan Turing 考虑用计算机来模拟人脑,设计了 ACE(Automatic Computing Engine 自动计算引擎)来模拟大脑工作。 1950 年,伟大的计算机先驱图灵最早提出了图灵测试,作为判别机器是否具备智能的标准。 1956 年,在美国的达特茅斯学院,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,“人工智能(Artificial Intelligence)”一词被正式提出,并作为一门学科被确立下来。 此后近 70 年,AI 的发展起起落落。
2024-12-17