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

说说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 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。

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

走入AI的世界

过去的其他AI,更多的应用成果是完成诸如人脸识别这样分类判断的任务,虽然方便了我们的生活,但在使用的过程中,我们能够清晰的感受到他不是人,而是充满机器感的僵硬程序。生成式AI的诞生,让我们看到原来AI可以和人一样创作交流,他没有像一些人期待的那样,最先做好擦桌子扫地的基础工作任务,而是在写文章、画画、写歌等方面涌现出人类般的智慧,其表现出的惊人能力,把一众平凡的人类个体“碾压的渣都不剩”。图4什么是生成式AI-1篇幅所限,更多有趣的知识和故事我们不做更多的展开了,关于AI发展史,我们就聊到这里。

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。

Others are asking
文生营销图AI
以下是关于文生营销图 AI 的相关教程: Liblibai 简易上手教程: 1. 定主题:确定您需要生成的图片的主题、风格和要表达的信息。 2. 选择 Checkpoint:根据主题选择内容贴近的 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,无需语法和长句。 7. 负向提示词 Negative Prompt:用英文写要避免的内容,同样是单词和短语组合,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:选 DPM++2M Karras 时,在 30 40 之间,多了意义不大且慢,少了效果差。 10. 尺寸:根据喜好和需求选择。 11. 生成批次:默认 1 批。 Tusiart 简易上手教程: 1. 定主题:确定图片的主题、风格和要表达的信息。 2. 选择基础模型 Checkpoint:根据主题选择贴近的 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. ControlNet:用于控制图片中特定的图像,如人物姿态等,属于高阶技能。 5. 局部重绘:下篇再教。 6. 设置 VAE:选择 840000 那一串。 7. 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,无需语法和长句。 8. 负向提示词 Negative Prompt:用英文写要避免的内容,同样是单词和短语组合,用英文半角逗号隔开。 9. 采样算法:一般选 DPM++2M Karras,也可参考模型作者推荐的采样器。 10. 采样次数:选 DPM++2M Karras 时,在 30 40 之间,多了意义不大且慢,少了效果差。 11. 尺寸:根据喜好和需求选择。 关于【SD】文生图提示词: 1. 避免使用太大的数值,如 1920x1080,可能导致奇怪构图,可使用高清修复放大图像倍率,记住高宽比主要控制画面比例。 2. 调整好参数后生成图片,若质感不足,可添加标准化提示词,如:,绘图,画笔等,让画面更趋近于固定标准。
2025-02-26
AI LOGO工具
以下是一些生成 Logo 的 AI 产品: 1. Looka:这是一个在线 Logo 设计平台,使用 AI 理解用户的品牌信息和设计偏好,生成多个设计方案供选择和定制。 2. Tailor Brands:AI 驱动的品牌创建工具,通过用户回答问题生成 Logo 选项。 3. Designhill:其 Logo 制作器利用 AI 技术创建个性化设计,用户可选择元素和风格。 4. LogoMakr:提供简单易用的设计工具,用户能拖放设计,利用 AI 建议的元素和颜色方案。 5. Canva:广受欢迎的在线设计工具,提供 Logo 设计模板和元素,有 AI 辅助设计建议。 6. LogoAI by Tailor Brands:Tailor Brands 推出的 AI Logo 设计工具,根据输入快速生成方案。 7. 标小智:中文 AI Logo 设计工具,利用人工智能技术帮助创建个性化 Logo。 这些 AI 产品让无设计背景的用户也能轻松创建专业 Logo。使用时,用户可根据品牌理念和视觉偏好,通过简单交互获得系列方案,并进一步定制优化至满意。 此外,您还可以访问网站的 AI 生成 Logo 工具版块获取更多好用的工具:https://waytoagi.com/category/20 。 在第六期“一起做个 LOGO 吧”活动中,活动时间为 2024 年 6 月 9 日至 2024 年 6 月 16 日。活动目标包括探索制作 LOGO 方法、创造独特生成技巧、制作代表学习成果的作品。参与方式为使用 SD 等 AI 工具出图并将作品发送至 SD 学社微信群。会创建在线文档收集作品,6 月 16 日举行群内投票选出前三名,注意事项包括确保设计原创、允许作品公开展示以及在截止日期前提交。 在 AI 制作游戏 PV《追光者》中,故事背景创作阶段结合 chatGPT 发散制作游戏世界观,引导 ChatGPT 用分镜形式描述,使用 new bing 共创细致的故事分镜。生图阶段利用 ChatGPt 制作 midjourney 提示词工具,进入 midjourney 绘图包括制作 logo。还统一了 MJ 风格描述词,建立 AI 描述词模板,运用 midjourney 尝试制作不同风格 logo,最后用 PS 合成。
2025-02-26
我想知道ai学习路径
以下是为您提供的 AI 学习路径: 一、了解 AI 基本概念 建议阅读「」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。同时,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 在「」中,您可以找到为初学者设计的课程,特别推荐李宏毅老师的课程。您还可以通过在线教育平台(如 Coursera、edX、Udacity)按照自己的节奏学习,并争取获得证书。 三、选择感兴趣的模块深入学习 AI 领域广泛,涵盖图像、音乐、视频等。您可以根据自身兴趣选择特定模块深入学习,比如掌握提示词的技巧,这上手容易且实用。 四、实践和尝试 理论学习后,实践是巩固知识的关键。您可以尝试使用各种产品进行创作,知识库中也有很多实践后的作品和文章分享,欢迎您在实践后进行分享。 五、体验 AI 产品 与现有的 AI 产品互动,如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人,了解其工作原理和交互方式,获得对 AI 实际应用表现的第一手体验。 六、技术研究方向 1. 数学基础:线性代数、概率论、优化理论等。 2. 机器学习基础:监督学习、无监督学习、强化学习等。 3. 深度学习:神经网络、卷积网络、递归网络、注意力机制等。 4. 自然语言处理:语言模型、文本分类、机器翻译等。 5. 计算机视觉:图像分类、目标检测、语义分割等。 6. 前沿领域:大模型、多模态 AI、自监督学习、小样本学习等。 7. 科研实践:论文阅读、模型实现、实验设计等。 七、应用方向 1. 编程基础:Python、C++等。 2. 机器学习基础:监督学习、无监督学习等。 3. 深度学习框架:TensorFlow、PyTorch 等。 4. 应用领域:自然语言处理、计算机视觉、推荐系统等。 5. 数据处理:数据采集、清洗、特征工程等。 6. 模型部署:模型优化、模型服务等。 7. 行业实践:项目实战、案例分析等。 无论是技术研究还是应用实践,数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态,并结合实际问题进行实践锻炼。 希望以上内容对您有所帮助。
2025-02-26
AI 自动化和工作流编排有什么好的工具和方案
以下是一些关于 AI 自动化和工作流编排的工具和方案: 1. RPA 软件:很早就出现在工作流编排领域,目标是使基于桌面的业务流程和工作流程实现自动化,现在越来越多的 RPA 软件带上了 LLM。 2. ComfyUI:将开源绘画模型 Stable Diffusion 进行工作流化操作模式,用户在流程编辑器中配置 pipeline,通过不同节点和连线完成模型操作和图片生成,其 DSL 配置文件支持导出导入,提高了流程的可复用性,降低了时间成本。 3. Dify.AI:工作流设计语言与 ComfyUI 有相似之处,定义了一套标准化的 DSL 语言,方便使用导入导出功能进行工作流复用。 4. Large Action Model:采用“通过演示进行模仿”的技术,检查人们与界面的互动并模仿操作,从用户提供的示例中学习。 5. Auto GPT/Agent/Baby AGI:基于 GPT4 语言模型的开源应用程序,用户输入目标后可自主执行任务、递归地开发和调试代码。能用于自动化任务、创建自主的 AI 代理、完成各种任务等,访问地址为: 。 此外,在工作流编排中还涉及到一些概念和技术: 1. 短期记忆和长期记忆:短期记忆将所有的上下文学习看成是利用模型的短期记忆来学习;长期记忆通过外部的向量存储和快速检索来存储和召回信息。 2. 工具:学会调用外部不同类型 API 来获取模型缺少的额外信息、代码执行能力、访问专有信息源等。 3. 动作:大模型结合问句、上下文的规划、各类工具,最终决策出需要执行的动作。 4. Agentic Workflow 可以从提升效率、提高质量、节省时间的角度思考,通过将复杂任务分解成较小步骤,融入更多人类参与到流程中的规划与定义,减少对 Prompt Engineering 和模型推理能力的依赖,提高 LLM 应用面向复杂任务的性能。 但需要注意的是,Agentic Workflow 虽然美好,但使用的用户目前较少,可能是出现周期、工作流使用的上手难度等因素导致,并且在复杂流程上的开发并不是那么稳定可靠。
2025-02-26
AI教程
以下为为您提供的 AI 教程相关内容: 1. 五步学会用 AI 制作动画视频播客:五个步骤教您从零到一制作动画版视频播客,适合有一定技术基础的朋友,轻松上手创作动画视频!相关链接: 2. Poe AI 平台:这是一个支持与多个智能 AI 机器人(如 GPT4 等)进行实时在线交流的聊天网站。注册账号后可免费使用,部分功能需付费订阅。不同 AI 机器人有不同特点,可按需选择。官网地址是:https://poe.com/ ,可在官网帮助中心找到具体教程。
2025-02-26
有哪些AI可以协助生成PPT?
以下是一些可以协助生成 PPT 的 AI 工具: 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,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,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,网址:https://www.mindshow.fun/ 4. 讯飞智文: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/ 此外,还有以下相关网站: 1. https://kimi.ai 选 PPT 助手,暂时免费效果好。 2. https://tome.app ,AI 配图效果好。 3. https://chatppt.com ,自动化程度高。 4. https://wenku.baidu.com ,付费效果好。
2025-02-26
AI发展史
AI(人工智能)的发展历程如下: 1. 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。 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。 AI技术发展历程还包括: 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前沿技术点有: 1. 大模型:如GPT、PaLM等。 2. 多模态AI:视觉语言模型如CLIP、Stable Diffusion,以及多模态融合。 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。
2025-02-26
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
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。
2024-12-02
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