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

AI发展史

Answer

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，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对于3d的建模
在 3D 建模方面，AI 主要有以下应用和相关工具： 应用： 在 3D 模型生成中，AI 能够完成 3D 模型生成流程的“一步到位”。工作流中的每个环节通常需要 3D 美术工程师完成，而使用 3D 生成模型可直接生成一个可调整的 3D 粗模，显著提升效率。 在游戏测试与优化环节，AI 承担改善角色动画、编程与加速、自动化游戏测试等功能，能通过生成文字、图片、视频、音乐来缩减时间和资源消耗，快速识别游戏开发中的基本问题并提出改善方法。 在游戏设计中，AI 依托自然语言生成用法，在角色与故事生成、游戏机制创新等方面发挥作用，通过针对性训练数据集强化 NPC 模型的基础能力。 大淘宝设计部的实践中，22 年中绘制头像还用 3D 建模，年末已用 AI 直接生成。23 年 AI 工具覆盖所有营销场景业务，带来降本增效，拓展设计师思维边界，改变工作流程，降低技能门槛，对设计师内在素养提出更高要求。 工具： provisual.app：这是一个 3D 模型在线可视化平台，具有易于使用、无需特殊技能或软件、可节省时间和成本等优点。其功能包括在线协作、实时渲染、无限视角、材质和纹理编辑、高质量输出等，适用于产品设计、营销、教育等领域，目标客户为营销机构、创意机构、包装公司、在线商店、设计院的设计师、美术师等。 tripo3d.ai：这是一个人工智能驱动的 3D 建模平台，可以使用文本或图像在几秒钟内生成高质量且可直接使用的 3D 模型。 meshy：相关案例可参考 https://www.meshy.ai/ 。
2025-03-10
ai如何提升产品经理的工作效率
AI 可以通过以下方式提升产品经理的工作效率： 1. 辅助精读论文：能帮助翻译、拆解公式，分析代码等。工具如 https://scispace.com 。 2. 编写小脚本：如写 SQL 查询、Python 脚本、正则表达式、图片批量处理等。 3. 撰写产品宣传文案：根据产品宣传渠道写营销文案、营销邮件、产品上架文案等。 4. 设计和整理调研问卷：生成调研框架，回收非结构化问卷，按指定框架生成指定表头表格。 5. 进行竞品分析：用 BingChat 或 ChatGPT Browsering 插件，按指定框架对比各项数据，如 DAU、用户结构、市场占比等。 6. 解释专业名词：很多垂直领域都有不少缩写或行业黑话，可以用 ChatGPT 解释举例、给场景说明。 7. 优化产品逻辑和代码：写完 PRD 后，让 GPT 从产品和研发两个视角写逻辑代码，既能发现产品逻辑表达问题，也方便 QA 同学测试。 此外，还有以下相关内容： 1. 银海分享了用 10 个 Prompt 提示词做产品经理 AI 助手，效果平替 PMAI。PMAI 是一款面向产品经理的生产力工具，具有一键生成 PRD、输出解决方案、生成 SQL 等实用功能。产品体验地址：https://www.pmai.cn/?utm_source=qoZaR5O 。 2. 有案例表明，产品经理使用 ChatGPT 优化代码可以显著提升效率。如将一段近 1900 行的 SQL 查询代码的执行时间从 4200 秒缩短到 8 秒，效率提升 520 倍，复杂度降低 6 倍，同时还能保存所有历史数据，报表实现秒开。而且 GPT 还能根据真实业务需求提出与原代码不同的解决思路。
2025-03-10
目前AI在HR领域的应用真实案例
以下是 AI 在 HR 领域的一些应用真实案例： 1. 在招聘初期，AI 可用于职位描述生成、简历分析、面试题设计。 2. 在员工绩效评估方面，AI 能够分析员工工作表现，识别绩效趋势和提升点，为管理层提供数据支持的绩效反馈。 3. 对于员工培训与发展，AI 也能发挥作用。 例如，在智能人力资源方面，目前主要利用模型进行简历初筛、JD 自动生成、数据分析等工作。还有像 Deepseek“4+1”黄金提问法中的人力资源场景，如作为 IT 企业 HR，目标是 6 个月内培养 10 名全栈工程师，能独立负责项目。需要设计阶段性培训方案，并提出了具体的要求，用培训体系文档格式输出，包含能力评估标准。
2025-03-10
推荐一个做ppt的AI
以下是为您推荐的做 PPT 的 AI 工具： 1. Gamma：这是一个在线 PPT 制作网站，允许用户通过输入文本和想法提示快速生成幻灯片。它支持嵌入多媒体格式，如 GIF 和视频，以增强演示文稿的吸引力。网址：https://gamma.app/ 2. 美图 AI PPT：由知名图像编辑软件“美图秀秀”的开发团队推出。允许用户通过输入简单的文本描述来生成专业的 PPT 设计，包含丰富的模板库和设计元素，适用于多种场合。网址：https://www.xdesign.com/ppt/ 3. Mindshow：一款 AI 驱动的 PPT 辅助工具，提供一系列智能设计功能，如自动布局、图像选择和文本优化等，还可能包括互动元素和动画效果。网址：https://www.mindshow.fun/ 4. 讯飞智文：由科大讯飞推出的 AI 辅助文档编辑工具，利用语音识别和自然语言处理领域的技术优势，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/ 5. 爱设计 PPT：在国内 AI 辅助制作 PPT 的产品中表现出色，背后有强大的团队，能敏锐把握市场机遇，已确立市场领先地位。 这些工具通过自动化和智能化的设计流程，极大地简化了 PPT 的制作工作，您可以根据自己的需求和喜好选择合适的工具，以提高工作效率和演示效果。
2025-03-10
我有很多产品视频，需要进行混剪，可以怎么通过AI减少工作时间，提升工作效率
以下是一些通过 AI 减少产品视频混剪工作时间、提升工作效率的方法： 1. 利用数字人技术：无需真人模特，只需上传产品图片，数字人即可手持产品进行口播展示。支持语音和口型同步，动作、姿势定制，提供 1000+多国家数字人模特，覆盖全球 28+种语言，能快速生成产品宣传视频，省去拍摄烦恼。您可以在线体验： 。 2. 产品链接生成视频：输入产品链接，一键生成数字人产品介绍视频。目前产品链接主要支持 Amazon、Shopify、ETSY、Ebay、Appstore、Google Play、WIKI 等，其他网站来源持续接入中。操作指引为输入产品网站链接——选择数字人角色——点击立即生成。如遇生成失败的问题，可尝试删除链接后缀，点击重新生成。 3. AI 视频高光切片：智能提取视频高光片段，高效二创生成新视频。适用场景为有初始长视频素材，需要提取高光镜头对初始素材进行混剪投放到短视频平台。使用指引为点击上传视频——立即生成。您可以参考案例示意，如初始视频 。
2025-03-10
AI可以协助制造业企业做哪些工作
AI 可以协助制造业企业完成以下工作： 1. 产品设计和开发：利用 AI 生成工具如 Adobe Firefly、Midjourney 等，根据文字描述快速生成产品的 3D 模型、渲染图、插图等设计元素，提高产品设计效率。 2. 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。 3. 设备维护和故障诊断：通过分析设备运行数据，预测设备故障，并自动生成维修建议，提高设备可靠性。 4. 供应链管理：根据历史数据和市场变化，自动生成采购计划、库存预测、物流优化等内容，提高供应链管理效率。 5. 客户服务：基于对话模型的 AI 客服机器人，自动生成个性化的客户回复，提升客户体验。 此外，在制造业中，AI 还能用于预测性维护，帮助工厂避免停机；进行质量控制，检测产品缺陷以提高产品质量；优化供应链，提高效率和降低成本；控制工业机器人，提高生产效率；以及协助生产计划和供应链计划状态查询、产线预测性维保辅助、产品质量分析与溯源等工作。
2025-03-10
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
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