AI发展技术原理脑图

基于全年研究积累的三十余万字AI进展数据库，对当前AI发展进行阶段性总结具有重要意义。为了系统呈现AI发展的关键技术要点和趋势，该报告精选了50个年度关键词，覆盖大模型技术的八大领域：图像处理、视频生成、3D生成、编程助手、Agent、端侧智能、具身智能和基础模型；借鉴大模型的思维特征，创新性1的通过"快思考"与"慢思考"两种维度进行分析，形成了50张AI技术图景卡片。•"快思考"维度呈现印象卡片，采用人机协同方式完成。项目团队研究人员主导提示词工程与价值判断，把握内容方向；AI系统负责执行，最终绘制输出技术定义、图示与总结语；•"慢思考"维度则深入分析技术发展的底层逻辑。重点整合研究团队在圆桌讨论和专题研究中的深度思考，借助AI辅助梳理出逻辑链条、本质洞见与趋势判断，为读者勾勒AI发展的脉络与方向。AI技术呈现持续演进、动态发展的特征。该报告通过50个关键词构建的技术图景，旨在展现AI发展的重点领域，把握未来关键趋势，为各界提供研究与决策参考。腾讯研究院将持续深化AI&Society领域的探索，并诚挚的邀请各界好友一共关注与参与，一起迈向一个智能共生的时代。——腾讯研究院院长司晓23DiT架构结合扩散模型和Transformer的架构，用于高质量图像生成的深度学习模型。核心观察A:Transformer从文本扩展至其它B:DiT架构带来图像生成质的飞跃C:Scaling Law在图像领域开始生效逻辑链条

AI发展历程（图片来源：智源研究院）AI的发展从1950年的提出，到如今的成就，其实也才发展短短几十年。对于大众来说，我们对AI领域的使用是随着国内互联网的发展，在近20年才开始普及。最初的应用主要是基于NLP技术的聊天机器人和客服机器人，这个也是博主近几年所从事的领域。（以前大家还总吐槽机器人很傻，现在却变成了AI即将取代人类，舆论的变化真快啊，哈哈）随后，中英文翻译、语音识别、人脸识别等技术取得了突破，这些突破在我们日常生活中的应用也非常广泛，比如语音助手、智能翻译设备、人脸识别支付系统等。但以前的这些技术突破大多都还仅限于特定领域内，模型的应用范围相对狭窄，比如翻译机器人训练完成后只能做翻译，客服机器人只能在特定的语境中才能给你准确的回复。然而，随着OpenAI ChatGPT等大型语言模型的突破，则向人们展示了一种新的发展路线，通过大规模的模型预训练，可以涌现出广泛的智能应用，一个模型就能实现聊天、翻译、数学问题解答、代码编程、写作辅导，甚至情感咨询等等能力。这种集多功能于一体，像人类一样智能的AI模型，为AI未来的发展提供了新的技术方向同时，也给人类带来了新的焦虑：说好的AI帮人类扫地、洗碗，人类去写诗、画画的！怎么现在变成了AI都去写诗和画画了，我们人类却还在扫地、洗碗?博主第一次看到这段网上的调侃时，也觉得非常的好笑，但细细想来你就会发现，“人机共生”几乎是人类发展的必然。现在哪个年轻人出门不带手机？谁工作不用电脑？手机、电脑不就是机器吗。我们已经不知不觉中和这些机器共同生活了几十年，人类的生活水平非但没有降低，反而生活的便利性还大大提高了许多。

4）思维链——谷歌在2022年一篇论文提到思维链可以显著提升大语言模型在复杂推理的能力（即有推理步骤），即使不用小样本提示，也可以在问题后面加一句【请你分步骤思考】5）RAG——检索增强生成Retrieval-Augmented Generation，外部知识库切分成段落后转成向量，存在向量数据库。用户提问并查找到向量数据库后，段落信息会和原本的问题一块传给AI；可搭建企业知识库和个人知识库。6）PAL——程序辅助语言模型Program-Aided Language Model，2022年一篇论文中提出；比如对于语言模型的计算问题，核心在于不让AI直接生成计算结果，而是借助其他工具比如Python解释器作为计算工具。7）ReAct——2022年一篇《React:在语言模型中协同推理与行动》的论文提出了ReAct框架，即reason与action结合，核心在于让模型动态推理并采取行动与外界环境互动。比如用搜索引擎对关键字进行搜索，观察行动得到的结果。可借助LangChain等框架简化构建流程。个人总结：看很多大佬的发言，都说要关注或直接阅读技术论文，比如产品经理转型AI产品经理，也需要懂技术脉络。而小白直接看技术论文还是有难度，虽然现在可以让AI辅助阅读，不过还是要完成一定的知识储备。而林粒粒呀的这期视频是一个很好的科普入门，欢迎大家给她点赞。二、视频二——技术框架与关于未来的想象写在前面：我之前对安克创新的印象就是一个卖充电宝的公司，还有卖安防设备；但看了这期访谈，被CEO阳萌的认知震撼了，很多观点对我有启发，强烈建议看原访谈视频。1、观点——Transformer是仿生算法的阶段性实现，10年、20年后大家将不再用TA