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。

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
你觉得作为一个普通人,应该怎样更高效的使用AI,并且保持跟上AI快速迭代的节奏?
作为普通人,要更高效地使用 AI 并跟上其快速迭代的节奏,可以参考以下策略: 1. 提前布局职业生涯:审视自身所处行业和岗位,预估 5 10 年后被 AI 取代的程度。若风险高,即刻学习新技能并向更有前景的领域转型;若风险低,思考如何在 AI 辅助下将工作做到极致。 2. 投入 AI 浪潮:敢于使用和研究 AI,将其融入业务,哪怕从简单应用开始,实践中发现新机会点。 3. 强化不可替代的人类技能:如创意、沟通、领导、跨领域知识、独特专长等。 4. 建立个人品牌和网络:通过分享专业见解、持续学习输出内容,在业界建立口碑,积累人脉和声望。 5. 拥抱创业和多元收入:利用 AI 降低的创业门槛,发展副业或项目,探索多种可能性,经营多元身份提升抗风险能力。 6. 保持健康的身心:学会调适心态,持续锻炼身体,以良好的身心状态应对挑战。 此外,在 AI 时代,持续学习能力与适应力是最重要的个人能力之一。要培养自己成为终身学习者,保持好奇心,定期涉猎新领域的知识或课程,锻炼自学能力,勇于打破舒适区。同时,要在心理上拥抱变化,将其视为机遇而非威胁,培养心理韧性,以积极的心态应对不确定性。 在监管方面,英国采用了基于原则的框架,其监管体制具有创新、适度、可信、适应、清晰和协作等特点,旨在促进创新的同时平衡风险与机遇,加强在 AI 领域的全球领导地位。
2025-03-09
tripo ai是啥
Tripo AI 是 VAST 发布的在线 3D 建模平台。 它能够利用文本或图像在几秒钟内生成高质量且可立即使用的 3D 模型,基于一个数十亿参数级别的 3D 大模型,实现快速的 2D 到 3D 转换,并提供 AI 驱动的精准度和细节。 其具有以下特点: 注册/登录:通过输入邮箱地址接收验证码或使用谷歌账户可完成注册登录,登录后能看到用户名及拥有的点数。 界面:界面简洁,上方是工具导航栏,中间是公共作品展示区,底部是生成模型的工作区域,包括输入框和创建按钮。 页面:包含 Create 页面(创作主战场,可参考他人提示词)、My Models 页面(个人作品库)、Favorite 页面(私人收藏列表)。 此外,Tripo API 与 ComfyUI 集成良好,还拥有热门的 3D 创作者/开发者社区,最终目标是在即将到来的 3D 时代让每个人都成为超级创作者。
2025-03-09
可灵ai是什么
可灵 AI 是一款视频生成类的产品,其网址为 klingai.kuaishou.com,所属公司为快手。在第 34 期“Video Battle 视频挑战赛 The Moment”中,由可灵 AI 出题,主题为“The Moment”,要求以该主题进行创作,工具要求使用可灵 AI,视频需带可灵水印。参赛有诸多限制和要求,如提交时间为 12 月 31 日 21:00 前,参赛文件格式为 16:9、不长于 10 秒、30FPS 以上且不含剪辑,作业方式不限等。奖项设置包括金奖 5000 元 + 5800 灵感值、银奖 3000 元 + 2700(2200 + 500)灵感值、铜奖 2000 元 + 1000 灵感值、入围 500 元×40、人气奖 2500 元×4 以及其他意外散落的灵感值。
2025-03-09
AI一键生成海报
以下是关于 AI 一键生成海报的相关内容: 即梦生图 2.1 版本能够根据简单的提示词智能理解创意需求,一键生成融合图片内容与中英文文本的海报。应用场景广泛,包括 LOGO 设计、表情包生成、节日与节气海报制作等。 例如,在 LOGO 设计中,提示词可以是“皮克斯风格,五彩缤纷风格,文字‘烧拍’,超高清”;在表情包生成中,提示词可以是“卡通风格,表情包,可爱的小熊猫,四宫格分别是文字是‘多读书’‘多看报’‘少吃零食’‘多睡觉’”;在节日与节气海报制作中,如冬至海报,提示词可以是“水墨画风格,冬至海报,汤圆,梅花,雪,海报右上角大字草书字体‘冬至’,中间下方文字‘瑞雪兆丰年’,超高清”。 此外,在一些活动中,如 AI 市集,AI 不仅能调酒、占卜,还能自动生成海报。例如,有摊主开发的 AI 能在提供鸡尾酒配方的同时生成海报。 在女神节海报设计方面,可以利用即梦 AI 工具,操作简单,只需 3 步:打开即梦 AI 选择“图片生成”功能,模型选择图片 2.1 并输入提示词,点击生成即可。同时还提供了多个海报案例的提示词,如案例一的提示词为“女神节主题,3D 设计,梦幻氛围,明亮春天场景,花田,数字 38,天空‘女神节’,五彩缤纷的蝴蝶,晴朗的蓝天,茂密的绿色草地,盛开的花朵,柔和光线”;案例二的提示词为“粉色主题,梦幻氛围,数字 38,心形气球,花卉装饰,玫瑰花,漂浮的花瓣,柔和的云朵,美丽的湖面倒影,奇幻风格,柔和的色调,庆祝场景”;案例三的提示词为“妇女节,3D 设计,粉色主题,大号装饰数字 38,爱心,郁金香花朵,柔和光照,背景城市天际线,精致花卉装饰,优雅节日氛围,金色文字,春天氛围,细致鲜艳”。
2025-03-09
AI高效沟通的黄金法则
以下是关于 AI 高效沟通的一些黄金法则: 1. 像教实习生:别指望它读心术,要给明确“操作手册”。 2. 像拼乐高:复杂任务拆成小模块,逐个击破。 3. 像打乒乓球:有来有往多回合,好答案都是改出来的。 在与 AI 对话前,先花 30 秒填写以下 checklist: 我说清自己身份了吗? 任务目标够具体吗? 特殊要求列全了吗? 要什么格式交代了吗? 留好修改的余地了吗? 此外,还有以下策略有助于实现高效沟通: 将复杂任务分解为更简单的子任务,复杂任务通常比简单任务更容易出错,可将其重新定义为一系列简单任务的工作流程,每个任务的输出作为下一个任务的输入。 使用意图分类识别用户查询中最相关的指令,根据用户意图选择最相关的指令集。 对于需要很长对话的应用,总结或过滤之前的对话内容,避免超出模型的上下文窗口大小限制。 将长文档分段总结,并递归构建完整摘要,逐步总结长文档的内容。 给予模型“思考”时间,指导模型在得出结论之前先尝试给出自己的解决方案,避免受到用户提供的错误解决方案的干扰。使用“内心独白”或一系列查询来隐藏模型的推理过程,避免在某些应用场景中泄露答案。询问模型是否在之前的回答中遗漏了什么,确保信息的完整性。 以中考英语辅导为例,在与 AI 沟通时,遵循上述原则和方法,比如明确给出题目、指令,解答问题并给出依据,有助于提高辅导效果。
2025-03-09
AI学习路径
以下是为新手提供的 AI 学习路径: 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,通过实践巩固知识,尝试使用各种产品做出作品。 在知识库分享实践后的作品和文章。 5. 体验 AI 产品: 与现有的 AI 产品(如 ChatGPT、Kimi Chat、智谱、文心一言等)进行互动,了解其工作原理和交互方式,获得对 AI 在实际应用中表现的第一手体验,并激发对 AI 潜力的认识。 另外,如果您偏向技术研究方向,学习路径包括: 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。 如果您偏向应用方向,学习路径包括: 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。 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。
2025-03-09
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
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