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

什么是ai

Answer

AI(Artificial Intelligence,人工智能)是一门令人兴奋的科学,它研究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。

对于AI的理解,作为不具备理工科背景的文科生,可以把它当成一个黑箱,只需要知道它是某种模仿人类思维可以理解自然语言并输出自然语言的东西。其生态位是一种似人而非人的存在。

从技术角度看,最初计算机由查尔斯·巴贝奇发明,用于按照明确的程序进行数字运算。现代计算机虽更先进,但仍遵循受控计算理念。有些任务如根据照片判断人的年龄,因无法明确步骤而难以编程,这类任务正是AI感兴趣的。

在相关概念方面,GenAI(Generative AI,生成式AI)是基于深度学习技术,利用机器学习算法从已有数据中学习并生成新数据或内容的AI应用。AIGC(AI-Generated Content)则指利用GenAI创建的内容,包括图像、视频、音频、文本和三维模型等。

目前典型的GenAI有OpenAI推出的ChatGPT、GPT-4、DALL-E,百度的文心一言,阿里云的通义千问等。AIGC在数据处理中存在潜在合规风险,国内在相关法律框架下对其进行监管。

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

References

拘灵遣将 | 不会写 Prompt(提示词)的道士不是好律师——关于律师如何写好提示词用好 AI 这件事

AI是什么?作为一个不具备理工科背景的文科生,要搞清楚“AI”其实是一件很困难的事情(什么Agents、AIGC、LLM,什么符号主义、什么语义规则傻傻分不清楚),所以最好的处理方式是就把AI当成一个黑箱,我们只需要知道AI是某种模仿人类思维可以理解自然语言并输出自然语言的东西就可以。至于AI如何去理解,其实不重要。于是我们可以发现驱动AI工具和传统道教的驱神役鬼拘灵遣将有奇妙的相似之处,都是通过特定的文字、仪轨程式来引用已有资源,驱使某种可以一定方式/程度理解人类文字的异类达成自己预设的效果,且皆需要面对工具可能突破界限(发疯)的情况。当然,不熟悉道教的朋友可以把这东西理解成某种可以理解人类文字但不是人的魔法精灵/器灵之类的东西——总之,AI的生态位就是一种似人而非人的存在。AI技术再爆炸一万倍,AI的生态位也还是一种似人而非人的存在。由此,我们可以从人类各个文明的传说中,从那些古老哲人们的智慧里寻找到当下和AI、神、精灵、魔鬼这种似人非人存在相处的原则:1.当你想让祂实现愿望时,基于祂的“非人”一面,你需要尽可能的通过语言文字(足够清晰的指令)压缩祂的自由度——(1)你不仅要清晰的告诉祂需要干什么,还需要清晰的告诉祂边界在哪里。(2)你不仅要清晰的告诉祂目标是什么,还需要清晰的告诉祂实现路径方法是哪一条。(3)你不仅要清晰的告诉祂实现路径,最好还直接给到祂所需的正确的知识。

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?

2024AIGC法律风险研究报告(更新版).pdf

在引入AIGC的概念之前,本报告将先解释另一相关的热门词条“GenAI”,全称Generative AI,即生成式AI。GenAI是一种基于深度学习技术(deep learning algorithm),利用机器学习(machine learning)算法从已有数据中学习并生成新的数据或内容的AI应用。其工作原理是通过大规模的数据集训练深度神经网络模型,学习各种数据的规律和特征,实现对输入数据的分析、理解和生成。GenAI为游戏、娱乐和产品设计等应用提供了新颖且有创意的解决方案,如自动写作、虚拟现实、音乐创作等,甚至协助科学研究开辟了新的可能性。目前典型的GenAI包括OpenAI推出的语言模型ChatGPT、GPT-4、图像模型DALL-E以及百度推出的文心一言、阿里云推出的通义千问等。虽然生成式AI是一种非常强大的技术,能够应用于诸多专业领域;但其在数据处理过程中存在多重潜在合规风险,如未经授权收集信息、提供虚假信息、侵害个人隐私等。AIGC(全称AI-Generated Content)指利用GenAI创建的内容,如图像、视频、音频、文本和三维模型。具体来讲,AIGC工具使用机器学习算法,通常以自然语言处理为基础,分析大型文本数据集,并学习如何生成风格和语气相似的新内容。国内目前主要是在《网络安全法》《数据安全法》以及《个人信息保护法》的框架下,由《互联网信息服务算法推荐管理规定》、《互联网信息服务深度合成管理规定》、《生成式人工智能服务管理暂行办法》、《科技伦理审查办法(试行)》共同监管AIGC行业。

Others are asking
如何学习ai
以下是新手学习 AI 的方法和建议: 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,如图像、音乐、视频等,可根据兴趣选择特定模块深入学习。 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。 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,了解其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,学习编程语法、数据结构、算法等基础知识。 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。
2025-02-06
推荐些AI文章
以下是为您推荐的一些 AI 文章: 《》:推荐了适合新手使用的各类 AI 产品,包括聊天对话类、图像类、视频类、PPT 类、音频类和私人定制类,介绍了国内外的相关产品及特点。 《》:通过生动故事探讨自然语言处理(NLP)、自然语言理解(NLU)和自然语言生成(NLG)的概念起源和发展。 《》:设想未来 150 年内 AI 原住民与智能机器的共生关系。 《》:关于与 ChatGPT 共创的思考。 《》:揭秘背后团队的秘密。 《》:关于演示视频的思考。 《》:探讨教育在 AI 时代的困境和变革。 此外,对于新手入门 Python 和 AI 方面,还有以下书籍、课程、资源和信息推荐: 书籍:《Python 学习手册》《Python 编程》;AI 方面:《人类简史》《深度学习实战》。 课程:B站 up 主“PAPAYA 电脑教室”的 Python 入门课。 资源:Andrej Karpathy 关于大模型的讲解,油管地址:https://www.youtube.com/watch?v=zjkBMFhNj_g ,B站地址: 。 资料库:AJ 和众多小伙伴们共创的“🌈通往 AGI 之路”飞书文档,https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e 。
2025-02-06
制造业质量管理可以应用ai做些什么
在制造业质量管理方面,AI 有以下应用: 1. 质量控制:AI 可以用于检测产品缺陷,提高产品质量。 2. 预测性维护:能够预测机器故障,帮助工厂避免因设备问题影响产品质量。 3. 工艺规划和优化:结合大语言模型的自然语言处理能力,自动生成制造工艺流程、设备选型、质量控制等方案,优化生产过程,从而间接保障产品质量。 4. 工业质检:作为基于视觉的检测方式,虽然相对成熟但未深入 B 端核心应用场景,如今可通过多模态和大模型解决上一代无法解决的问题,提升质检性能。
2025-02-06
ai对质量管理有哪些帮助
AI 对质量管理的帮助主要体现在以下几个方面: 1. 制造业: 预测性维护:可预测机器故障,帮助工厂避免停机。 质量控制:能够检测产品缺陷,提高产品质量。 供应链管理:优化供应链,提高效率和降低成本。 机器人自动化:控制工业机器人,提高生产效率。 2. 金融服务业: 贷款员工作:生成式 AI 模型可在相关系统数据上训练,贷款员提供客户名称即可立即生成贷款文件,提高数据收集效率和准确性。 质量保证:可大大加速确保符合众多监管机构要求的过程。 3. 软件开发:在构建和维护生产级大型语言模型(LLM)应用程序中,评估指标对于质量控制和防止重复故障案例至关重要。LLM 应用程序的评估可分为端到端和步骤/组件式评估,前者提供整体质量感知,后者有助于识别和减轻可能影响整体质量的故障模式。
2025-02-06
ai可以做什么
AI 的应用场景十分广泛,包括但不限于以下方面: 1. 医疗保健: 医学影像分析,辅助诊断疾病。 药物研发,加速研发过程。 个性化医疗,提供个性化治疗方案。 机器人辅助手术,提高手术精度和安全性。 2. 金融服务: 风控和反欺诈,降低金融机构风险。 信用评估,辅助贷款决策。 投资分析,帮助投资者做出明智决策。 客户服务,提供 24/7 服务并回答常见问题。 3. 零售和电子商务: 产品推荐,分析客户数据推荐感兴趣的产品。 搜索和个性化,改善搜索结果和提供个性化购物体验。 动态定价,根据市场需求调整产品价格。 聊天机器人,回答客户问题并解决问题。 4. 制造业: 预测性维护,预测机器故障避免停机。 质量控制,检测产品缺陷提高质量。 供应链管理,优化供应链提高效率和降低成本。 机器人自动化,控制工业机器人提高生产效率。 5. 交通运输: 自动驾驶,提高交通安全性和效率。 交通管理,优化交通信号灯和交通流量缓解拥堵。 物流和配送,优化物流路线和配送计划降低运输成本。 无人机送货,将货物快速送达偏远地区。 6. 其他应用场景: 教育,提供个性化学习体验。 农业,分析农田数据提高农作物产量和质量。 娱乐,开发虚拟现实和增强现实体验。 能源,优化能源使用提高能源效率。 在汽车行业,AI 的应用案例包括: 1. 自动驾驶技术,自主导航和驾驶。 2. 车辆安全系统,预防事故。 3. 个性化用户体验,根据驾驶员偏好和习惯调整车辆设置。 4. 预测性维护,预测潜在故障和维护需求。 5. 生产自动化,提高生产效率和质量控制。 6. 销售和市场分析,理解客户需求制定营销策略和优化产品定价。 7. 电动化和能源管理,优化电池使用和充电时间。 8. 共享出行服务,优化路线规划、调度车辆和定价策略。 9. 语音助手和车载娱乐,通过语音控制车辆功能获取信息和娱乐内容。 10. 车辆远程监控和诊断,实时了解车辆状况并采取相应措施。
2025-02-06
AI 翻译有什么应用场景?发展前景如何
AI 翻译的应用场景广泛,包括但不限于以下方面: 1. 企业在多语言市场中的运营,便于与不同国家和地区的客户、合作伙伴进行有效的沟通和业务拓展。 2. 个人获取全球信息,打破语言障碍,更便捷地了解世界各地的知识和资讯。 3. 教育领域,国内外院校的合作教育分享更加便捷,促进知识的共享和共同学习。 4. 旅行中,帮助游客更好地理解当地的语言和文化。 5. 娱乐方面,为观众提供多语言的影视作品和娱乐内容。 AI 翻译的发展前景十分广阔: 1. 语言翻译技术经历了从传统规则翻译到深度学习翻译的逐步发展,每一次革新都显著提高了翻译的准确性和自然度。 2. 神经机器翻译(NMT)通过大规模语料库学习,能够更好地理解上下文和语境,提供更加流畅、准确的翻译。 3. 大模型技术的引入使得翻译进入一个新的阶段,超大规模预训练模型通过海量数据学习,能够精准捕捉语言的深层语义和文化背景,提供更符合语境的翻译,显著提升了翻译的准确性与流畅度。 例如,Meta AI 发布的实时人工智能语言翻译模型 Seamless,统一了之前的三个 Seamless 系列模型,可以实时翻译 100 多种语言,延迟不到 2 秒钟,还能保持说话者的情感和语气、语调等,使得翻译后的语音更加自然和真实。 此外,还有一些具体的开发案例,如用 whisper 生成原视频的英文字幕,让 GPT 结合字幕全文翻译并进行行数拆分,形成新的双语字幕文件;ChatGPT 助力数据分析等。
2025-02-06