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

人工智能时代下最重要的三个基石是什么,我们可以在哪里找到这三个基石的资源? 例如: huggingface

Answer

在人工智能时代,最重要的三个基石分别是架构、算力和人才网络。

架构方面,当前市场上许多令人惊叹的 AI 技术成就都可追溯到两个核心架构——Transformer 和 Diffusion。Transformer 代表了数据转换的能力,Diffusion 代表了数据向图像转换的能力,它们构成了当前 AI 技术的重要基石。

算力方面,自 2010 年以来,GPU 等计算资源的快速发展使算力得到了空前的爆发,为 AI 技术的进步提供了强大支持。

人才网络方面,AI 领域的关键人才几乎都源自于 Google,特别是 Google 在加拿大多伦多和蒙特利尔成立的两个实验室,以及它收购的英国公司 DeepMind。这些机构和个人形成了强大的人才网络,推动了 AI 技术的发展,并培养了一批杰出的 AI 领军人物。从 Google 到 OpenAI,再到 Facebook 和其他多家公司,人才的流动和合作推动了 AI 技术的快速进步。

关于这三个基石的资源,您可以通过以下途径获取:

  1. 学术研究论文:在相关的学术数据库中搜索关于 AI 架构、算力和人才发展的研究成果。
  2. 专业技术论坛和社区:例如一些知名的 AI 技术论坛,开发者们会在其中分享和讨论相关的知识和经验。
  3. 科技公司的官方网站和技术博客:如 Google、NVIDIA 等公司的网站,可能会发布有关其在 AI 领域的技术创新和人才培养的信息。
  4. 在线教育平台:一些提供 AI 课程的平台,可能会涵盖这三个方面的知识和案例。
Content generated by AI large model, please carefully verify (powered by aily)

References

2024年3月 / 科技变革与美股投资 2024

[title]2024年3月/科技变革与美股投资2024[heading1]III.智变时代最近,2024年2月,Sora的出现再次震撼了技术界,预示着我们可能很快就会见证更多令人兴奋的技术突破。虽然现在我们可能还没到达视频生成AI的顶峰,但已有的成就足以让人惊叹。这一切都说明,我们正站在一个新的技术革命的门槛上,未来充满了无限可能。在这次人工智能的飞速发展中,三个关键因素起到了催化剂的作用:架构、算力以及人才网络。首先,当我们谈论当前市场上那些仿佛魔法一般的AI技术时,几乎所有的成就都可以追溯到两个核心架构—— Transformer和Diffusion。这两种架构分别代表了数据转换和数据向图像转换的能力,它们构成了当前AI技术的基石。其次,自2010年以来,由于GPU等计算资源的快速发展,算力得到了空前的爆发,为AI技术的进步提供了强大的支持。除了技术和算力之外,AI领域的人才网络也起到了不可忽视的作用。值得注意的是,这一次的AI革命中的所有关键人才几乎都源自于Google,特别是Google在加拿大多伦多和蒙特利尔成立的两个实验室,以及它收购的英国公司DeepMind。这些机构和个人形成了一个强大的人才网络,推动了AI技术的发展,并培养了一批杰出的AI领军人物。从Google到OpenAI,再到Facebook和其他多家公司,这些人才的流动和合作推动了AI技术的快速进步。这次革命的比较角度可以是,过去几十年我们一直在追求更快的计算机,但现在和未来,我们将追求更强大的大脑,即软件2.0。这一概念由Andrej Karpathy提出,标志着从传统软件开发到以AI模型为核心的新时代的转变。未来,我们将依赖于无尽的算力和多样化的AI模型来构建“机器之心”,这将使我们能够实现前所未有的智能服务和应用。

黄仁勋在AI界超级碗GTC2024的主旨演讲: 精华及全文(附视频)

[title]黄仁勋在AI界超级碗GTC2024的主旨演讲:精华及全文(附视频)您问我是否知道,我感谢您的提问。这是一个误解。然后我们向他们展示,这就是CTL,没有问题。所以这就是NVIDIA的CTL,以及您可以看到的CTL。您知道,CTL代表计算跟踪库,这让您知道我们一直在跟踪计算周期。它写了“程序真是太棒了”。这样,我们的芯片设计人员的生产力就可以提高。这就是您可以使用NIM做的第一件事。您可以使用它进行定制。我们有一项名为NEMO微服务的服务,可以帮助您管理数据,准备数据,以便您可以进行教学在这个人工智能上。您可以对它们进行微调,然后您可以对其进行防护,您可以评估答案,根据其他示例评估其性能,这就是所谓的NEMO。现在出现的微服务是三个要素,我们正在做的事情的三个支柱。第一个支柱当然是发明技术。AI模型和运行AI模型,然后再为您打包。是创建工具来帮助您修改它,其次是拥有人工智能技术,第二是帮助您修改它,第三是供您微调它的基础设施。如果您喜欢部署它,您可以将其部署在我们称为DGX云的基础设施上,或者您可以使用它,将其部署在本地,您可以将其部署在任何您喜欢的地方。一旦您开发了它,您就可以把它带到任何地方。所以我们是一家有效的人工智能代工厂。我们将为您和人工智能行业做的事情,就像台积电为我们制造芯片所做的那样。因此,我们带着我们的伟大想法去台积电,他们制造,我们随身携带。所以这里完全相同的事情,人工智能铸造厂和三大支柱是NEMS,NEMO微服务和DGX云。您可以做的另一件事是教导NEM要做的就是了解您的专有信息。请记住,在我们公司内部,我们的绝大多数数据并不在云中,而是在我们公司内部。您知道它一直坐在那里,并且一直在使用。天哪,我们想要获取的数据基本上是NVIDIA的智能。了解其含义,就像我们了解了我们刚刚谈到的几乎所有其他内容的含义一样,然后将这些知识重新索引到一种称为矢量数据库的新型数据库中。

【法律法规】《2020年国家人工智能倡议法案》.pdf

11trustworthy artificial intelligence across all sectors12and to the benefit of all Americans,the Federal13Government must provide sufficient resources and14use its convening power to facilitate the growth of15artificial intelligence human capital,research,and16innovation capacity in academia and other nonprofit17research organizations,companies of all sizes and18across all sectors,and within the Federal Govern-19ment.20SEC.3.DEFINITIONS.21In this Act:22

Others are asking
人工智能时代下最重要的三个基石是什么,我们可以在哪里找到这三个基石的资源
在人工智能时代,最重要的三个基石通常包括以下方面: 1. 架构:如 Transformer 和 Diffusion 这两种核心架构,分别在数据转换和数据向图像转换方面发挥关键作用,构成了当前 AI 技术的重要基础。 2. 算力:自 2010 年以来,GPU 等计算资源的快速发展使算力得到空前爆发,为 AI 技术的进步提供强大支持。 3. 人才网络:AI 领域的关键人才网络起到不可忽视的作用,例如 Google 及其相关实验室和收购的公司培养和汇聚了众多杰出人才,他们的流动与合作推动了 AI 技术的发展。 关于这三个基石的资源,您可以通过以下途径获取: 1. 科技类的专业网站和论坛,如一些知名的技术社区和学术网站。 2. 相关的学术研究报告和论文,可在学术数据库中查找。 3. 行业内的权威专家和学者的讲座、演讲等。 4. 科技公司发布的技术文档和报告。
2024-10-10
人工智能时代下最重要的三个基石是什么,我们可以在哪里找到这三个基石的资源? 例如: huggingface
在人工智能时代,最重要的三个基石分别是架构、算力和人才网络。 架构方面,当前市场上许多令人惊叹的 AI 技术成就都可追溯到两个核心架构——Transformer 和 Diffusion。Transformer 代表了数据转换的能力,Diffusion 代表了数据向图像转换的能力,它们构成了当前 AI 技术的重要基石。 算力方面,自 2010 年以来,GPU 等计算资源的快速发展使算力得到了空前的提升,为 AI 技术的进步提供了强大支持。 人才网络方面,AI 领域的关键人才大多源自于 Google,特别是其在加拿大多伦多和蒙特利尔成立的两个实验室,以及收购的英国公司 DeepMind。这些机构和个人形成了强大的人才网络,推动了 AI 技术的发展,并培养了一批杰出的领军人物。人才在不同公司之间的流动和合作也促进了 AI 技术的快速进步。 关于这三个基石的资源,目前没有明确提及具体的获取渠道。但您可以通过以下途径寻找相关资源: 1. 学术研究网站和数据库,如知网、Web of Science 等,以获取关于架构、算力和人才网络的学术研究成果。 2. 科技行业的专业论坛和社区,与同行交流和分享资源。 3. 关注知名科技公司和研究机构的官方网站和社交媒体账号,获取最新的研究动态和资源。
2024-10-10
人工智能时代下最重要的三个基石是什么,我们可以在哪里找到这三个基石的资源? 例如: huggingface
在人工智能时代,最重要的三个基石分别是架构、算力和人才网络。 架构方面,当前市场上许多出色的 AI 技术成就都可追溯到 Transformer 和 Diffusion 这两个核心架构,它们分别在数据转换和数据向图像转换方面发挥着关键作用。 算力方面,自 2010 年以来,GPU 等计算资源的快速发展使算力得到空前爆发,为 AI 技术进步提供了强大支持。 人才网络方面,AI 领域的关键人才大多源自 Google 及其相关机构,如在加拿大多伦多和蒙特利尔成立的实验室以及收购的英国公司 DeepMind,这些人才的流动与合作推动了 AI 技术的发展。 关于这三个基石的资源,目前没有明确提及具体的获取渠道。但您可以通过以下途径寻找相关资源: 1. 学术研究网站和数据库,获取关于架构、算力和人才网络的最新研究成果和报告。 2. 科技公司的官方网站和技术文档,了解其在相关领域的创新和实践。 3. 专业的 AI 技术论坛和社区,与同行交流和分享资源。
2024-10-10
人工智能时代下最重要的三个基石是什么,我们可以在哪里找到这三个基石的资源? 例如: huggingface ​
在人工智能时代,以下是被认为最重要的三个基石: 1. 架构:当前市场上许多出色的 AI 技术成就可追溯到两个核心架构——Transformer 和 Diffusion。Transformer 代表了数据转换的能力,Diffusion 代表了数据向图像转换的能力,它们构成了当前 AI 技术的重要基础。 2. 算力:自 2010 年以来,GPU 等计算资源的快速发展使算力得到空前爆发,为 AI 技术的进步提供了强大支持。 3. 人才网络:AI 领域的关键人才网络起到了不可忽视的作用,特别是 Google 在加拿大多伦多和蒙特利尔成立的两个实验室以及其收购的英国公司 DeepMind 培养和汇聚的人才,他们的流动与合作推动了 AI 技术的发展。 关于这三个基石的资源,您可以通过以下途径获取: 1. 学术研究网站和数据库,例如一些知名的科技学术数据库。 2. 专业的 AI 技术论坛和社区,与同行交流获取相关信息。 3. 大型科技公司的官方网站和技术文档,如 Google 等。 4. 相关的学术会议和研讨会。
2024-10-10
huggingface
Hugging Face 是数据科学领域非常受欢迎的人工智能工具: 在 2022 年 9 月至 2023 年 8 月期间吸引了 3.166 亿流量。 用户每次访问平均分配 11 分 2 秒的时间,与行业平均水平类似。 桌面端和移动端的流量分布分别为 48%和 52%。 用户群以男性为主,占 84.48%,女性用户占 15.52%。 美国是主要的流量来源,日本紧随其后。 跳出率略高于平均水平 63.46%。 此外,在 2023 年的百模大战中,Hugging Face 是专门做模型托管的,各种大模型、小模型、垂直模型、专业模型、通用模型都能在上面找到,并且能使用。其拥有的大模型数量众多,每秒钟都有人在上传,可能很快会迎来百万大模型大战。
2024-08-16
阶跃星辰、通义千问、Gemini三个视频理解模型哪个收费更便宜
以下是阶跃星辰、通义千问、Gemini 三个视频理解模型的收费情况: 阶跃星辰:输入价格为 0.005~0.015 元/千 tokens,输出价格为 0.02~0.07 元/千 tokens。 通义千问:Qwenvlplus 模型调用价格为 0.008 元/千 tokens,训练价格为 0.03 元/千 tokens。 Gemini 未提及收费信息。 综上,从已有的信息来看,通义千问的收费相对可能更便宜,但具体还需根据您的使用情况和需求来判断。
2025-04-10
AGI三个字母分别代表什么
AGI 指通用人工智能(Artificial General Intelligence)。在相关讨论中,部分人认为大语言模型(LLM)具有 AGI 潜力,但也有人如 LeCun 表示反对。在公众传播层面,AIGC 指用 Stable Diffusion 或 Midjourney 生成图像内容,后来泛指用 AI 生成音乐、图像、视频等内容;LLM 指 NLP 领域的大语言模型,如 ChatGPT;GenAI 是生成式人工智能模型,国内官方政策文件使用这个词相对科学,涵盖了 LLM 和 AIGC。
2025-03-30
基于你的回答,对刚才所提到的三个部分再次展开详细叙述,要求每个部分的叙述字数不少于1000字
以下是对您提供的三个部分的详细叙述: 一、陶力文律师: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 在这部分内容中,重点强调了律师在运用 AI 时写好提示词的重要性以及相关的写作技巧和方法。 首先,结构化内容组织至关重要。通过使用编号、子标题和列表等方式,能够使文章的逻辑更加清晰,便于读者快速把握重点和理解内容。例如,在阐述具体的法律条款和案例分析时,可以将相关要点有条理地罗列出来,增强文章的可读性。 其次,规定概述内容解读结语的结构能够使文章围绕主题展开,有始有终。在开始时对相关规定进行简要概括,让读者对整体框架有初步了解;然后对具体内容进行深入解读,帮助读者理解规定的内涵和适用范围;最后以结语总结,强调重点或提出展望。 再者,案例和挑战的结合能够使文章更具说服力和实用性。通过引入实际案例,能够让抽象的法律规定和理论变得具体可感,读者可以更直观地理解其在实际操作中的应用。同时,分析潜在挑战并提供解决方案,能够帮助律师在面对复杂情况时做出更明智的决策。 此外,结合法规和实际操作也是必不可少的。法规为律师的工作提供了依据和准则,而实际操作案例则展示了法规在具体情境中的应用。通过两者的结合,能够为律师提供全面、准确的指导,使其在运用 AI 时更加得心应手。 最后,商业术语的使用能够体现文章的专业性和针对性。在餐饮行业相关的法律写作中,运用特定的商业术语,能够准确传达信息,避免歧义,使文章更符合行业特点和需求。 二、AI 梦:一丹一世界(下)2025 年 2 月 8 日副本 这部分内容主要围绕摄影构图和色彩在 AI 绘画中的应用展开。 在摄影构图方面,三角形构图法以其独特的稳定性能够让画面更加平衡美观。一张照片可以同时满足多种构图法,且构图并非一定要严谨,关键是要能够突出主体、叙事并留白,避免画面杂乱。同时,中国化美学构图具有极简且丰富、主次分明的特点,虽然欣赏门槛低,但掌握运用起来有一定难度。重复构图作为一种强大的视觉工具,能够增强信息的传递。 在色彩方面,色彩在 AI 绘画中具有重要地位,是拉开作品差距的关键因素。色彩部分涵盖了色彩心理学、色环、配色方案等内容。色彩心理学表明颜色能够影响人的情绪,在市场营销等多个领域都有着重要作用。例如,年度流行色会影响相关的营销活动。不同的颜色如红、黄、蓝等能够表现出多种不同甚至相反的情绪。 三、AI 梦:一丹一世界(下)2025 年 2 月 8 日副本 此部分主要涉及 AI 炼丹直播共学课的相关内容。 会议开场简单介绍了会议的背景和基本情况。 在直播共学课的介绍中,提到了课程由未推 AGI 麦乐园和摩哒社区共同举办,教授使用 Lora 或 AI 生图软件生图,并回顾了首节课内容及回放渠道。同时,讲解了 AI 梦一单一世界比赛的要求,包括使用特定平台和底模训练 Lora,提交六张以上含多样画面的作品等。 在作图创作思路方面,分为三步:第一步确定主题,可依据 Lora 风格或通过制造反差来确定方向;第二步确定主体,如人、动物、建筑等,并进行角色设定的联想;第三步增添叙事感,通过设置有反差、反逻辑的画面和多个元素,避免画面单调无趣。 在图片创作思路之后,还探讨了图片构成因素中的构图。
2025-03-25
我想要生成一张海报图,主题是妇女节,画面中需要有两三个年轻女性在食用阿胶产品,该怎么提问
如果您想要生成一张以妇女节为主题,包含两三个年轻女性在食用阿胶产品的海报图,您可以这样向 AI 提问:“请为我生成一张以妇女节为背景,画面中有两到三个年轻女性正在愉快地食用阿胶产品的海报,海报要色彩鲜艳、温馨,突出女性的美丽和活力。”
2025-03-04
目前在TO C场景中,AI在哪前三个场景中应用最为广泛
在 To C 场景中,AI 应用较为广泛的前三个场景包括: 1. 角色扮演类产品:如“猫箱”“剧本戏”“名人朋友圈”等,在 LLM 基础上通过添加特定角色定义实现。 2. 陪伴类产品:以“星野”“Talkie”“BubblePal”等为代表,在 LLM 基础上对长短记忆进行处理,突出陪伴意义,随着时间积累知识库,使 AI 更懂用户。 3. 搜索工具类产品:像“秘塔”“360 搜索”等,本质上是 RAG 方案,部分产品会对搜索内容结构化,形成图谱或脑图。
2025-01-25
在个人赚钱方面,AGI最常用的三个方面
在个人赚钱方面,AGI 较为常用的三个方面包括: 1. 合成数据:通过生产数据喂给 AI 模型以提高效果。传统做数据的核心竞争力在于获取他人无法拿到的数据以及低成本进行大量数据清洗和标注,新兴的是用 AI 来生成数据再喂给其他 AI。 2. 模型市场/平台:如当前热门的 HuggingFace(HF),提供模型市场服务。在 AI Agent 出现时,模型之间的互相调用可能会用到此类服务和规则。 3. 开发 AI 代理:例如 AutoGPT GUI、MULTI·ON plugin by MULTI·ON、BabyBeeAGI、MiniAGI 等,可实现自动执行任务等功能,具有一定的商业价值。
2024-12-12
你是福州市政府工作人员,中国移动拟邀请福州市委书记参加中国移动人工智能生态大会并致辞,该大会是第八届数字峰会的组成部分,需要撰写市委书记的致辞稿,需要中国移动准备哪些素材,请告诉我提示词
以下是为您整理的相关内容: 《促进创新的人工智能监管方法》:包含了关于通用人工智能价值链、相关案例研究以及对人工智能监管框架的探讨等内容。 陶力文律师关于律师写好提示词用好 AI 的方法:包括初始化的欢迎语、遵循的规则、获取案例洞察报告和目标群体、输出纲要和写作方案、根据用户反馈调整等流程。 开幕式主持稿:涉及基地代表发言的时间、主题、物料配合和人员配合等信息。 但这些素材似乎与为中国移动准备市委书记致辞稿所需的素材关联不大。一般来说,为撰写市委书记在中国移动人工智能生态大会上的致辞稿,中国移动可能需要准备以下素材: 1. 本次大会的详细介绍,包括主题、目标、议程安排等。 2. 中国移动在人工智能领域的发展成果、战略规划和未来愿景。 3. 中国移动人工智能生态的构建情况,如合作伙伴、合作项目等。 4. 本次大会在第八届数字峰会中的地位和作用。 5. 相关行业的人工智能发展现状和趋势。 6. 福州市在人工智能领域的发展情况和与中国移动合作的展望。
2025-04-18
人工智能软件现在有哪些
以下是一些常见的人工智能软件: 1. 在自然语言处理和神经科学应用方面,大型语言模型取得了进展,拥有更先进的工具用于解码大脑状态和分析复杂脑部活动。 2. 在艺术创作领域,有涉及知识产权保护的相关软件,如软件工程师在设计时应确保生成内容合法合规、注重用户知识产权保护等。创作者使用此类软件时,应了解自身权利并做好保护。 3. 在线 TTS 工具方面,如 Eleven Labs(https://elevenlabs.io/)、Speechify(https://speechify.com/)、Azure AI Speech Studio(https://speech.microsoft.com/portal)、Voicemaker(https://voicemaker.in/)等。这些工具可将文本转换为语音,具有不同的特点和适用场景。但请注意,相关内容由 AI 大模型生成,请仔细甄别。
2025-04-15
什么是通用人工智能
通用人工智能(AGI)是指具有人类水平的智能和理解能力的 AI 系统。它有能力完成任何人类可以完成的智力任务,适用于不同的领域,同时拥有某种形式的意识或自我意识。 目前 AGI 还只是一个理论概念,没有任何 AI 系统能达到这种通用智能水平。 OpenAI 在其内部会议上分享了 AGI 的五个发展等级: 1. 聊天机器人(Chatbots):具备基本对话能力的 AI,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。 2. 推理者(Reasoners):具备人类推理水平的 AI,能够解决复杂问题,如 ChatGPT,能够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的 AI。目前许多 AI Agent 产品在执行任务后仍需人类参与,尚未达到完全智能体的水平。 4. 创新者(Innovators):能够协助人类完成新发明的 AI,如谷歌 DeepMind 的 AlphaFold 模型,可以预测蛋白质结构,加速科学研究和新药发现。 5. 组织(Organizations):最高级别的 AI,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。 常见名词解释: AGI:通用人工智能(Artificial General Intelligence)能够像人类一样思考、学习和执行多种任务的人工智能系统。 NLP:自然语言处理(Natural Language Processing),就是说人话。 LLM:大型语言模型(Large Language Model),数据规模很大,没钱搞不出来,大烧钱模型。
2025-04-15
2025年人工智能大模型的技术提升有哪些,是参数?推理能力?还是语料
2025 年人工智能大模型的技术提升可能体现在以下几个方面: 1. 视频生成能力:如 2024 年推出的多个先进的 AI 模型能够从文本输入生成高质量视频,相比 2023 年有显著进步。 2. 模型规模与性能:更小的模型能驱动更强的性能,如 2022 年最小能在 MMLU 上得分高于 60%的模型是具有 5400 亿参数的 PaLM,到 2024 年,参数仅 38 亿的微软 Phi3mini 也能达到相同阈值。 3. 推理能力:尽管加入了如思维链推理等机制显著提升了大语言模型的性能,但在一些需要逻辑推理的问题上,如算术和规划,尤其在超出训练范围的实例上,这些系统仍存在问题。 4. AI 代理:在短时间预算设置下,顶级 AI 系统得分高于人类专家,但随着时间预算增加,人类表现会超过 AI。 5. 算法变革:如 DeepSeek 的出现标志着算力效率拐点显现,其通过优化算法架构显著提升了算力利用效率,同时 2025 年发布的大模型呈现低参数量特征,为本地化部署到 AI 终端运行提供了可能,其训练过程聚焦于强化学习,提升了模型的推理能力。
2025-04-14
用通俗易懂的动画描述人工智能工作原理
人工智能的工作原理可以通过以下动画来描述: 在一个动画场景中,首先有一个传统工作流的部分,就像精心搭建的积木城堡,每一块积木的位置和形状都被精确设计和控制,这代表着传统工作流的可控性和高成本、慢速度。 然后是 AI 工作流的部分。想象一下,有一团混乱的色彩在飞舞,这团色彩代表着随机和不可控。但在这混乱中,有一种力量在尝试引导和塑造,就像在狂风中努力抓住风筝线一样,这就是在随机性中寻找可控性。 比如在一个生成音频与视频同步的例子中,动画展示了一个系统。首先,系统将视频输入编码成压缩的表示形式,就像把一大包东西压缩成一个小包裹。然后,扩散模型从随机噪声中不断改进音频,就像在混沌中逐渐塑造出清晰的声音。这个过程受到视觉输入和自然语言提示的引导,最终生成与提示紧密配合的同步逼真音频。最后,音频输出被解码,变成音频波形,并与视频数据完美结合。 总的来说,传统工作流在可控中寻找创新的随机,而 AI 工作流更多是在随机中寻找可控,两者各有优劣,结合起来能创造出更出色的成果。
2025-04-14
人工智能简史
人工智能作为一个领域始于二十世纪中叶。最初,符号推理流行,带来了如专家系统等重要进展,但因方法无法大规模拓展应用场景,且从专家提取知识并以计算机可读形式表现及保持知识库准确的任务复杂、成本高,导致 20 世纪 70 年代出现“人工智能寒冬”。 随着时间推移,计算资源变便宜,数据增多,神经网络方法在计算机视觉、语音理解等领域展现出卓越性能。过去十年中,“人工智能”常被视为“神经网络”的同义词,因多数成功案例基于神经网络方法。 以下是人工智能发展历程中的一些重要节点: 1969 年:经历低潮。Marvin Minsky 和 Seymour Papert 阐述因硬件限制,几层的神经网络仅能执行基本计算,AI 领域迎来第一次泡沫破灭。 1960 1970 年代:早期专家系统。此时期 AI 研究集中在符号主义,以逻辑推理为中心,主要是基于规则的系统,如早期专家系统。 1980 年代:神经网络。基于规则的系统弊端显现,人工智能研究关注机器学习,神经网络根据人脑结构和操作创建和建模。 1997 年:深蓝赢得国际象棋比赛。IBM 深蓝战胜国际象棋冠军卡斯帕罗夫,新的基于概率推论思路广泛应用于 AI 领域。 1990 2000 年代:机器学习。AI 研究在机器人技术、计算机视觉和自然语言处理等领域取得显著进展,21 世纪初深度学习出现使语音识别、图像识别和自然语言处理进步成为可能。 2012 年:深度学习兴起。Geoffrey Hinton 开创相关领域,发表开创性论文引入反向传播概念,突破感知器局限。 2012 年:AlexNet 赢得 ImageNet 挑战赛。引发深度学习热潮。 2016 年:AlphaGo 战胜围棋世界冠军。DeepMind 的 AlphaGo 战胜李世石,标志着人工智能在围棋领域超越人类,对人类理解产生深远影响。
2025-04-10