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

ai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(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。

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
如何学习使用AI模型
以下是关于学习使用 AI 模型的一些建议和知识: Teachable Machine: 这是由 Google 开发的机器学习工具,可应用于商品说明书、自动驾驶、教学互动等多个场景。使用步骤如下: 1. 收集数据:可上传图片、录制声音或动作视频作为训练数据。 2. 训练模型:用收集的数据训练模型,并测试其能否正确识别新的图片、声音或动作。 3. 导出模型:完成训练后,可下载或上传到网上用于其他项目。 它具有多种优势: 1. 允许用户快速、简单地创建机器学习模型,无需专业知识或编程技能。 2. 提供多种创建机器学习模型的方式,非常灵活和用户友好。 3. 支持使用文件或实时捕捉示例,用户可选择上传已有文件或实时录制。 4. 可以在本地完成训练,保护用户隐私。 5. 生成的模型是真实的 TensorFlow.js 模型,可在任何运行 JavaScript 的地方工作,还能导出到不同格式在其他地方使用。 AI 模型相关技术原理: 1. 概念:生成式 AI 生成的内容称为 AIGC。 2. 相关技术名词: AI 即人工智能。 机器学习是电脑找规律学习,包括监督学习、无监督学习、强化学习。 监督学习使用有标签的训练数据,目标是学习输入和输出之间的映射关系,包括分类和回归。 无监督学习的数据没有标签,算法自主发现规律,经典任务如聚类。 强化学习从反馈里学习,最大化奖励或最小化损失,类似训小狗。 深度学习参照人脑有神经网络和神经元,因为有很多层所以叫深度,神经网络可用于监督学习、无监督学习、强化学习。 生成式 AI 可以生成文本、图片、音频、视频等内容形式。 LLM 是大语言模型,生成图像的扩散模型不是大语言模型,对于大语言模型,生成只是其中一个处理任务,如谷歌的 BERT 模型可用于语义理解。 3. 技术里程碑:2017 年 6 月,谷歌团队发表论文《Attention is All You Need》,首次提出了 Transformer 模型,它完全基于自注意力机制来处理序列数据,不依赖于循环神经网络或卷积神经网络。
2025-03-11
AI音乐产业报告
以下是为您提供的关于 AI 音乐产业的相关报告内容: 1. 量子位智库发布的《AI 音乐应用产业报告(2024 年)》指出,AI 音乐生成技术通过学习大量音乐数据,已能创作出具有一定艺术性的音乐作品。音频模型尤其受到关注,因其能直接生成流畅自然的音乐。AI 音乐简化了音乐制作流程,为音乐产业带来变革。流媒体平台可能成为商业化的最大受益者,而传统音乐工程可能面临冲击。数据和情感表达的精准把控是技术迭代和商业化的关键。报告还提到,AI 音乐生成产品如 Suno 和 Udio 等,正在推动“人人皆可创作”的时代,同时面临技术、音乐属性和商业化等方面的挑战。 2. 《2024 年度 AI 十大趋势报告》发布,其中包含 AIGC 音乐应用产业报告。报告指出 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。开发者正在使用 AI 生成音乐来填充游戏过程与游戏 UI 中需要使用到的各类音效、不同游戏场景中用以渲染氛围的各种音乐。AI 生成音乐作为音乐资产在游戏制作和发行环节使用都是非常可行的,像 MusicLM 等模型已经支持生成多音轨的作品。使用 AI 生成音乐为原型、佐以专业制作人的协调,将使 AI 音乐更快进入游戏制作与发行的生产线。 3. 2024 年度 AI 十大趋势报告还提到,AI 能基于玩家游戏行为评估玩家技能水平和游戏风格,同时动态调整游戏难度,增加或降低敌人的数量和强度,改变游戏环境等;不断收集的玩家数据,还能使 NPC 和游戏系统更加适配玩家水平。同时在游戏运营过程中,AI 客服和 AI 分析也是提升玩家体验的重要一环。 4. 许多充满灵感的开发者正在尝试将 AI 作为游戏玩法的一环,如 2023 年 Genfun.ai 和 Meshy 联合制作的游戏《Soul Chronicle》,在当时是首款实时 3D+AIGC+UGC 的 MMO 手游。最大突破是首先制作出了一种与游戏完美融合的 3D AIGC 技术,在游戏中可以实时生成角色皮肤。2024 年 Bitmagic 释出了他们推出的能直接创建“游戏世界”的平台——《Roleverse》的最新成果,在平台内可以使用提示在游戏内定制角色,对角色进行缩放、挤压和拉伸,也可以轻松地对游戏世界进行编辑。
2025-03-11
ai制作幽默表情包系列的工作流,用dify或make实现的全流程
以下是使用 Dify 或 Make 实现 AI 制作幽默表情包系列的全流程: 1. 素材准备 平面设计稿:确定表情包的基本设计和角色形象。 2. 制作流程 转 3D:将平面设计稿转换为 3D 形式,增加立体感和丰富度。 AI 生成场景:利用相关工具生成适合的场景。 AI 图生视频:将生成的图片转换为视频。 剪辑转 gif:对视频进行剪辑,并转换为 gif 格式。 压缩:使用图像压缩工具,如 https://imageresizer.com/zh/%E5%9B%BE%E5%83%8F%E5%8E%8B%E7%BC%A9 ,对 gif 进行压缩,以满足上传要求。 上传微信表情平台审核:完成压缩后,上传至微信表情平台进行审核。 相关工具: 即梦:https://jimeng.jianying.com/aitool/image/generate Recraft: https://www.recraft.ai/
2025-03-11
ai视频制作流程,详解
将小说制作成 AI 视频通常包括以下流程: 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。 以下是一些可利用的工具及网址: 1. Stable Diffusion(SD):一种 AI 图像生成模型,可以基于文本描述生成图像。网址: 2. Midjourney(MJ):另一个 AI 图像生成工具,适用于创建小说中的场景和角色图像。网址: 3. Adobe Firefly:Adobe 的 AI 创意工具,可以生成图像和设计模板。网址: 4. Pika AI:文本生成视频的 AI 工具,适合动画制作。网址: 5. Clipfly:一站式 AI 视频生成和剪辑平台。网址: 6. VEED.IO:在线视频编辑工具,具有 AI 视频生成器功能。网址: 7. 极虎漫剪:结合 Stable Diffusion 技术的小说推文视频创作提效工具。网址: 8. 故事 AI 绘图:小说转视频的 AI 工具。网址: 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。
2025-03-11
能帮我做一个介绍生成式AI的ppt吗?5页左右即可,介绍一些通用的,用户规模较大的即可,不超过5种。
以下是为您生成的关于生成式 AI 的 5 页 PPT 内容: 幻灯片 1:封面 标题:生成式 AI 简介 幻灯片 2:生成式 AI 的基础模型 大型预训练模型可适应或微调用于多种下游任务,如情感分析、图像字幕和对象识别。 有可能革新医疗、金融和客户服务等行业,检测欺诈并提供个性化支持。 幻灯片 3:在软件开发中的应用 提及 Bard 和生成式人工智能工作室等工具,可用于调试、代码转换和应用构建。 幻灯片 4:PALM API 的会话式人工智能引擎 用户可用自然语言交互。 可创建数字助手、自定义搜索引擎、知识库和培训应用。 能与 Maker Suite 集成,通过图形用户界面访问 API,套件包含模型训练、部署和监控工具。 幻灯片 5:参考资料 All Readings:Introduction to Generative AI Here are the assembled readings on generative AI: 此外,以下是一些常用的 PPT 生成工具(网站): https://zhiwen.xfyun.cn/ 讯飞智文 http://Mindshow.fun Markdown 导入 http://kimi.ai 选 PPT 助手暂时免费效果好 http://Tome.app AI 配图效果好 http://Chatppt.com 自动化程度高 https://wenku.baidu.com 付费效果好 希望以上内容对您有所帮助!
2025-03-11
我想从学习ai
以下是新手学习 AI 的建议: 1. 了解 AI 基本概念: 阅读「」部分,熟悉 AI 的术语和基础概念,包括其主要分支(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。 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。 2. 开始 AI 学习之旅: 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。 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。 3. 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),根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧,它上手容易且很有用。 4. 实践和尝试: 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作品。 在知识库提供了很多大家实践后的作品、文章分享,欢迎实践后的分享。 5. 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。 对于中学生学习 AI,建议如下: 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: 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。 记住,学习 AI 是一个长期的过程,需要耐心和持续的努力。不要害怕犯错,每个挑战都是成长的机会。随着时间的推移,您将逐渐建立起自己的 AI 知识体系,并能够在这一领域取得成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法,设计自己的学习路径。
2025-03-11
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的起源
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 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。
2024-11-13