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

AI发展史

Answer

AI（人工智能）的发展有着悠久的历史，其起源最早可追溯到上世纪：

  1. 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了基础。
  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。

此后近 70 年，AI 的发展起起落落。其发展历程大致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广泛应用。

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，包括元学习、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。
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

就在过去几个月里，因为美联储的加息，科技公司的资本狂欢宣告结束，美国上市的SaaS公司股价基本都跌去了70%，裁员与紧缩是必要选项。但正当市场一片哀嚎的时候，Dall-E 2发布了，紧接着就是一大批炫酷的AI公司登场。这些事件在风投界引发了一股风潮，我们看到那些兜售着基于生成式AI（Generative AI）产品的公司，估值达到了数十亿美元，虽然收入还不到百万美元，也没有经过验证的商业模式。不久前，同样的故事在Web 3上也发生过！感觉我们又将进入一个全新的繁荣时代，但人工智能这次真的能带动科技产业复苏么？本文将带你领略一次人工智能领域波澜壮阔的发展史，从关键人物推动的学术进展、算法和理念的涌现、公司和产品的进步、还有脑科学对神经网络的迭代影响，这四个维度来深刻理解“机器之心的进化”。先忘掉那些花里胡哨的图片生产应用，我们一起来学点接近AI本质的东西。全文共分为六个章节：1.AI进化史-前神经网络时代、Machine Learning的跃迁、开启潘多拉的魔盒2.软件2.0的崛起-软件范式的转移和演化、Software 2.0与Bug 2.03.面向智能的架构- Infrastructure 3.0、如何组装智能、智能架构的先锋4.一统江湖的模型- Tran sformer的诞生、基础模型、AI江湖的新机会5.现实世界的AI -自动驾驶新前沿、机器人与智能代理6.AI进化的未来-透视神经网络、千脑理论、人工智能何时能通用？文章较长，累计22800字，请留出一小时左右的阅读时间，欢迎先收藏再阅读！文中每一个链接和引用都是有价值的，特别作为衍生阅读推荐给大家。

问：AI的技术历史和发展方向，目前最前沿的技术点有哪些

AI技术的发展历程和前沿技术点可以概括如下:[heading2]AI技术发展历程[content]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

Others are asking
ai如何做儿童绘本
以下是关于如何用 AI 做儿童绘本的相关信息： 有专门的 AI 生成儿童绘本和多媒体故事平台，支持从构思、插画制作到配音发布的一体化创作流程。 该平台提供 100 多种模板和 60 多种绘画风格，可定制故事板和角色设计。 免费用户仅能生成 5 页内容，付费后可提升质量和生成速度。相关链接： 另外，儿童绘本是 AI 比较火的一个赛道，因为儿童生活在相对简单化的世界，还未成长到面对真实复杂世界的地步。
2025-02-25
请推荐视频清晰度修复的AI网站
以下为您推荐一些视频清晰度修复的 AI 网站： 1. https://www.topazlabs.com/topazvideoai ：Topaz Video AI 是一款用于消除视频抖动和运动模糊的插件，可提升画质、帧率等。解压对应文件后，右键管理员运行 VideoAIportable.exe 文件，导入处理好的视频进行操作。预设部分有放大视频、提升画质等功能，稳定 AI 模式分为自动裁切和完整帧，强度在 60 左右为宜。 2. Kraken.io ：主要用于图像压缩，但也提供免费的图像放大功能，能保证图像细节清晰度。 3. Deep Art Effects ：强大的艺术效果编辑器，通过 AI 技术能将图像放大并赋予艺术效果，支持多种滤镜和风格。 4. https://replicate.com/nightmareai/realesrgan ：基于 RealESRGAN 的图像超分辨率增强模型，可选人脸修复和调节放大倍数，但使用几次后收费。 此外，还可以通过以下方式进行视频清晰度修复： 使用 Photoshop Generative AI 功能，主要工具包括 Remove tool、Clone brush、Generative fill 以及 Neural filters。链接：https://x.com/xiaohuggg/status/1692751080973828468?s=46&t=F6BXooLyAyfvHbvr7Vw2g SD 图生图，重绘幅度小一点。 另外，新的视频修复与超分辨率工具具有画面缺失修补、模糊去除、清晰度提升（最高 4 倍超分辨率）等功能，同时支持去模糊、修复、超分任务，操作简便，仅需一张 13G 显存 GPU。项目地址：https://visionxl.github.io
2025-02-25
如何在MacBook上部署AI工具
在 MacBook 上部署 AI 工具的方法如下： 方法一：接入微信 1. 打开菜单中的“终端”。 2. 按照以下步骤依次粘贴代码并回车： 第一步：cd/root||exit 1 第二步：粘贴下方两行代码，等待下载完成。若有卡点，可能是服务器网络问题，可手动下载文件并上传至 root 文件夹。 第三步：rm f Anaconda32021.05Linuxx86_64.sh 第四步：/root/anaconda/bin/conda create y name AI python=3.8 第五步：依次粘贴并回车：echo'source /root/anaconda/bin/activate AI'>>~/.bashrc 3. 执行完成后，刷新重新进入终端，若最左侧出现“（AI）”字符，则部署成功。 方法二：安装 Trae 1. 科学上网，因为 Trae AI 官网部署在海外，且需要使用海外的大模型。 2. 在官网直接点击下载，Trae 会自动识别电脑芯片。 3. 对于 Mac，将下载完后的左侧 Trae 应用拖动到右侧文件夹内；对于 Windows，双击 Trae 图标完成安装。 4. 安装完成后，点击图标启动，进行简单设置，如选择主题背景和默认语言为中文，根据情况选择“Skip”选项等。 5. 选择合适的登录方式，如 Google 账号或 Github 账号（推荐注册 Github 账号：https://github.com/ ）。 方法三：选择合适的平台 目前市面上有线上和线下本地部署的两种 AI： 线上的优势为出图速度快，不吃本地显卡配置，无需下载大模型，能看其他创作者的作品，但出图分辨率有限。 线下部署的优势为可添加插件，不卡算力，出图质量高，但使用时电脑基本宕机，配置不高可能出问题。 可充分发挥线上和线下平台的优势，线上用于找参考、测试模型，线下作为主要出图工具。例如，在线上绘图网站的绘图广场上发现想要的画风，点击创作获取模型和标签，截取游戏人物底图，多次尝试不同画风得出合适的模型和组合，最后在 C 站（https://civitai.com/ ）下载对应模型到本地加载部署后开始生图。
2025-02-25
如何快速学习AI进行数据分析
以下是快速学习 AI 进行数据分析的方法： 1. 了解数据分析流程： 逻辑流程图包括 SQL 分析和个性化分析。 SQL 分析：用户描述分析内容，后台连接数据库，让 AI 输出并校验 SQL 语句，执行后将数据传给 GPT 分析，最后返回分析结论和建议并在前端展示。 个性化分析：用户上传文件并描述，前端解析后传给 GPT 分析，后续步骤与 SQL 分析一致。 2. 掌握提示词技巧： 提供大模型可访问的数据源或上传数据表格。 用清晰的提示词说明分析维度和结果输出格式。 观察生成结果，迭代优化提示词，满意后导出结果。 3. 分环节处理： 将数据清洗、提取、模型选择、训练和结果解释等环节分开处理，便于优化性能和发现问题。 4. 逐步深化和细化提问： 先提出宽泛问题，再根据回答进一步细化。 5. 提供学习内容： 为 AI 系统提供大量数据、示例、高质量参考材料和详细流程、知识（knowhow）。 6. 利用专业术语引导： 在 Prompt 中使用专业领域术语引导 AI 回答方向。 7. 进行验证与反馈： 大模型语料有滞后性，使用 AI 回答后要交叉验证，结合自身专业知识筛选判断，确保符合法律伦理等要求。
2025-02-25
免费生成ppt的ai
以下是为您提供的免费生成 PPT 的 AI 相关信息： 目前市面上大多数 AI 生成 PPT 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 为您推荐以下工具： 1. 歌者 PPT（gezhe.com）：是一款永久免费的智能 PPT 生成工具。具有话题生成、资料转换、多语言支持、海量模板和案例、在线编辑和分享、增值服务等功能。其产品优势包括免费使用、智能易用、海量案例、资料转 PPT 专业、AI 翻译等。推荐理由为完全免费、智能化程度高、模板和案例库丰富、支持多语言、学习成本低。 2. Gamma：在各种交流群中被频繁推荐，免费版本也能生成高质量的 PPT，不断优化改进，个人使用体验良好，生成效果在内容组织、设计美观度和整体专业感方面表现卓越。 此外，推荐 2 篇市场分析的文章供您参考： 1. 《》 2. 《》 请注意，以上内容由 AI 大模型生成，请仔细甄别。
2025-02-25
我要做动画短片 ，从剧本到成片，需要用到哪些AI软件（国内可用的）？
2025-02-25
openai发展史
OpenAI 的发展历程如下： 2015 年成立，一直将 AGI 作为战略目标之一。 2022 年 11 月 30 日，发布基于 GPT 3.5 的 ChatGPT，引发全球 AI 浪潮。 在其内部会议上分享了关于通用人工智能（AGI）的五个发展等级，分别为： 聊天机器人（Chatbots）：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 推理者（Reasoners）：具备人类推理水平，如 ChatGPT，能够根据上下文和文件提供详细分析和意见。 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多产品执行任务后仍需人类参与。 创新者（Innovators）：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可加速科学研究和新药发现。 组织（Organizations）：最高级别，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 AI 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，并作为一门学科确立下来。此后接近 70 年，AI 的发展起起落落。 Sam Altman 于 2025 年 1 月 6 日发表反思，回首创业历程，包括经历解雇等事件，也提到 2025 年首批 AI Agent 将融入劳动力市场，ChatGPT 两周岁时已迈入能进行复杂推理的全新模型时代，强调随着 AGI 临近，要回顾公司发展历程，继续探索。
2025-01-26
说说AI发展史
AI（人工智能）的发展有着悠久的历史。其起源最早可追溯到 1943 年，当时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，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”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，曾两次掀起人类对其毁灭人类世界的恐慌，热度拉满后又以“不过如此”冷却收场。过去的其他 AI 更多应用于完成诸如人脸识别这样的分类判断任务，而生成式 AI 的诞生让人们看到其可以像人一样创作交流，在写文章、画画、写歌等方面展现出惊人能力。 就在过去几个月里，尽管科技公司面临资本紧缩，但一系列生成式 AI 产品的出现引发了风投界的关注。从关键人物推动的学术进展、算法和理念的涌现、公司和产品的进步、脑科学对神经网络的迭代影响这四个维度，可以更深刻地理解“机器之心的进化”。相关文章较长，涵盖了 AI 进化史的多个方面，包括前神经网络时代、软件 2.0 的崛起、面向智能的架构、一统江湖的模型、现实世界的 AI 以及 AI 进化的未来等内容。
2024-12-18
Open AI的发展史
OpenAI 的发展历程如下： 2015 年成立。 2022 年 11 月 30 日，发布基于 GPT 3.5 的 ChatGPT，引发全球 AI 浪潮。 其发展可追溯到更早时期： 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，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。 此后近 70 年，AI 发展起起落落。 OpenAI 成立一年多后，其首席技术官对细节描述吝啬，当时员工工资占支出大头，研究方向多样但成果有限。 OpenAI 的崛起始于聘请研究员 Alec Radford。 此外，OpenAI 在其内部会议上分享了关于通用人工智能（AGI）的五个发展等级： 1. 聊天机器人（Chatbots）：具备基本对话能力，依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者（Reasoners）：具备人类推理水平，能解决复杂问题，如 ChatGPT，能根据上下文和文件提供详细分析和意见。 3. 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多产品执行任务后仍需人类参与。 4. 创新者（Innovators）：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可预测蛋白质结构，加速科学研究和新药发现。 5. 组织（Organizations）：最高级别，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。
2024-12-04
AI发展史
AI（人工智能）的发展有着悠久的历史，其起源最早可追溯到上世纪： 1. 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： 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）：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，如量子机器学习、量子神经网络等。 8. AI 芯片和硬件加速。 过去的其他 AI 更多应用于完成人脸识别等分类判断任务，而生成式 AI 的诞生让人们看到其在写文章、画画、写歌等方面展现出类似人类的创作交流能力。
2024-11-11
AI的整个发展史，有没有AI相关综述，让我阅读一下
以下是为您提供的关于 AI 发展史及相关综述的内容： 1. 《机器之心的进化 / 理解 AI 驱动的软件 2.0 智能革命》：涵盖了 AI 进化史的多个方面，包括前神经网络时代、Machine Learning 的跃迁、开启潘多拉的魔盒等，文章较长，约 22800 字，阅读前可先观看一段 Elon Musk 和 Jack Ma 在 WAIC 2019 关于人工智能的对谈视频。 2. 对于初学者： 微软的 AI 初学者课程《Introduction and History of AI》： AI for every one（吴恩达教程）： 大语言模型原理介绍视频（李宏毅）： 谷歌生成式 AI 课程： ChatGPT 入门： 如果您是新手学习 AI，可参考以下学习路径指南： 1. 了解 AI 基本概念：阅读「」熟悉术语和基础概念，浏览入门文章了解 AI 历史、应用和发展趋势。 2. 开始 AI 学习之旅：在「」中找到为初学者设计的课程，可通过在线教育平台（如 Coursera、edX、Udacity）按自己节奏学习并获取证书。 3. 选择感兴趣的模块深入学习：AI 领域广泛，如图像、音乐、视频等，可根据兴趣选择特定模块深入学习。
2024-09-16
AI发展史
AI 的发展历程大致如下： 1. 早期阶段（1950s 1960s）：出现了专家系统、博弈论以及机器学习的初步理论。 2. 知识驱动时期（1970s 1980s）：专家系统、知识表示和自动推理得到发展。 3. 统计学习时期（1990s 2000s）：出现了机器学习算法，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、循环神经网络等技术兴起。 早在 1945 年，Alan Turing 就考虑用计算机模拟人脑，设计了 ACE（Automatic Computing Engine 自动计算引擎），这被视为机器智能的起源。随着对大脑工作机制认知的增加，神经网络的算法和模型也不断进步。例如，CNN 的结构基于两类细胞的级联模型，在计算上更高效、快速，在自然语言处理和图像识别等许多应用中表现出色。每次对大脑工作机制的更多了解，都推动着神经网络的发展。
2024-09-07