被輪姦女高清在线观看_免费大片AV手机看片高清_欧美巨大xxxx做受l_末成年女av片一区二区_gogo国模高清大胆_亚洲乱码一二三四区_免费污站18禁的刺激_日本一区二区三区专线_日韩激情无码AV一区二区_色欲av久久无码影院色戒被輪姦女高清在线观看_免费大片AV手机看片高清_欧美巨大xxxx做受l_末成年女av片一区二区_gogo国模高清大胆_亚洲乱码一二三四区_免费污站18禁的刺激_日本一区二区三区专线_日韩激情无码AV一区二区_色欲av久久无码影院色戒

什么是人工智能？

人工智能 （AI） 是計(jì)算機(jī)科學(xué)的一個(gè)廣泛分支，涉及構(gòu)建能夠執(zhí)行通常需要人類智能的任務(wù)的智能機(jī)器。雖然人工智能是一門具有多種方法的跨學(xué)科科學(xué)，但機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的進(jìn)步尤其在科技行業(yè)的幾乎每個(gè)領(lǐng)域都產(chǎn)生了范式轉(zhuǎn)變。

人工智能允許機(jī)器模擬甚至改進(jìn)人類思維的能力。從自動(dòng)駕駛汽車的開發(fā)到ChatGPT和谷歌的Bard等生成式人工智能工具的普及，人工智能正日益成為日常生活的一部分，也是各行各業(yè)公司都在投資的領(lǐng)域。

了解人工智能

從廣義上講，人工智能系統(tǒng)可以執(zhí)行通常與人類認(rèn)知功能相關(guān)的任務(wù)，例如解釋語音，玩游戲和識(shí)別模式。他們通常通過處理大量數(shù)據(jù)來學(xué)習(xí)如何做到這一點(diǎn)，尋找在自己的決策中建模的模式。在許多情況下，人類將監(jiān)督人工智能的學(xué)習(xí)過程，加強(qiáng)好的決策并阻止壞的決定。但一些人工智能系統(tǒng)被設(shè)計(jì)成在沒有監(jiān)督的情況下學(xué)習(xí)——例如，通過一遍又一遍地玩電子游戲，直到他們最終弄清楚規(guī)則和如何獲勝。

強(qiáng)人工智能與弱人工智能

智能很難定義，這就是為什么人工智能專家通常會(huì)區(qū)分強(qiáng)人工智能和弱人工智能。

強(qiáng)大的人工智能

強(qiáng)人工智能，也稱為通用人工智能，是一種可以解決從未接受過訓(xùn)練的問題的機(jī)器——就像人類一樣。這就是我們?cè)陔娪爸锌吹降娜斯ぶ悄埽热纭?em istranslated="1" style="box-sizing: inherit">西部世界》中的機(jī)器人或《星際迷航：下一代》中的角色數(shù)據(jù)。這種類型的人工智能實(shí)際上還不存在。

對(duì)于許多人工智能研究人員來說，創(chuàng)造一臺(tái)具有人類水平智能的機(jī)器可以應(yīng)用于任何任務(wù)是圣杯，但對(duì)通用人工智能的追求充滿了困難。一些人認(rèn)為，強(qiáng)大的人工智能研究應(yīng)該受到限制，因?yàn)樵跊]有適當(dāng)護(hù)欄的情況下創(chuàng)建強(qiáng)大的人工智能存在潛在風(fēng)險(xiǎn)。

與弱人工智能相比，強(qiáng)人工智能代表了一臺(tái)具有全套認(rèn)知能力的機(jī)器——以及同樣廣泛的用例——但時(shí)間并沒有減輕實(shí)現(xiàn)這一壯舉的難度。

弱人工智能

弱人工智能，有時(shí)被稱為狹義人工智能或?qū)Ｓ萌斯ぶ悄埽谟邢薜沫h(huán)境中運(yùn)行，是對(duì)應(yīng)用于狹義問題（如駕駛汽車、轉(zhuǎn)錄人類語音或在網(wǎng)站上策劃內(nèi)容）的人類智能的模擬。

弱人工智能通常專注于出色地執(zhí)行單個(gè)任務(wù)。雖然這些機(jī)器看起來很智能，但它們的運(yùn)行受到的限制和局限遠(yuǎn)遠(yuǎn)超過最基本的人類智能。

弱 AI 示例包括：

·Siri，Alexa和其他智能助手

·自動(dòng)駕駛汽車

·谷歌搜索

·對(duì)話機(jī)器人

·垃圾郵件過濾器

機(jī)器學(xué)習(xí)與深度學(xué)習(xí)

盡管“機(jī)器學(xué)習(xí)”和“深度學(xué)習(xí)”這兩個(gè)術(shù)語在關(guān)于人工智能的對(duì)話中經(jīng)常出現(xiàn)，但它們不應(yīng)該互換使用。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種形式，機(jī)器學(xué)習(xí)是人工智能的一個(gè)子領(lǐng)域。

機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)算法由計(jì)算機(jī)提供數(shù)據(jù)，并使用統(tǒng)計(jì)技術(shù)來幫助它“學(xué)習(xí)”如何逐步完成一項(xiàng)任務(wù)，而不必專門為該任務(wù)編程。相反，ML 算法使用歷史數(shù)據(jù)作為輸入來預(yù)測新的輸出值。為此，ML 由監(jiān)督學(xué)習(xí)（由于標(biāo)記的數(shù)據(jù)集而知道輸入的預(yù)期輸出）和無監(jiān)督學(xué)習(xí)（由于使用未標(biāo)記的數(shù)據(jù)集，預(yù)期輸出是未知的）組成。

深度學(xué)習(xí)

深度學(xué)習(xí)是一種機(jī)器學(xué)習(xí)，它通過受生物學(xué)啟發(fā)的神經(jīng)網(wǎng)絡(luò)架構(gòu)運(yùn)行輸入。神經(jīng)網(wǎng)絡(luò)包含許多隱藏層，通過這些隱藏層處理數(shù)據(jù)，允許機(jī)器“深入”學(xué)習(xí)，建立連接和加權(quán)輸入以獲得最佳結(jié)果。

幾個(gè)典型的人工智能應(yīng)用案例

人工智能技術(shù)有多種形式，從聊天機(jī)器人到導(dǎo)航應(yīng)用程序和可穿戴健身追蹤器。以下示例說明了潛在 AI 應(yīng)用的廣度。

ChatGPT是一種人工智能機(jī)器人，能夠以多種格式生成書面內(nèi)容，從論文到代碼和簡單問題的答案。ChatGPT 由 OpenAI 于 2022 年 12月推出，由大型語言模型提供支持，使其能夠密切模擬人類寫作。

谷歌地圖

谷歌地圖使用來自智能手機(jī)的位置數(shù)據(jù)，以及用戶報(bào)告的有關(guān)建筑和車禍等數(shù)據(jù)，來監(jiān)控交通的潮起潮落，并評(píng)估最快的路線。

智能助手

Siri、Alexa和Cortana等個(gè)人助理使用自然語言處理（NLP）接收用戶的指令，以設(shè)置提醒，搜索在線信息并控制人們家中的燈光。在許多情況下，這些助手旨在了解用戶的偏好，并通過更好的建議和更有針對(duì)性的響應(yīng)隨著時(shí)間的推移改善他們的體驗(yàn)。

Snapchat 濾鏡使用 ML 算法來區(qū)分圖像的主題和背景，跟蹤面部動(dòng)作并根據(jù)用戶正在做的事情調(diào)整屏幕上的圖像。

自動(dòng)駕駛汽車

自動(dòng)駕駛汽車是深度學(xué)習(xí)的一個(gè)可識(shí)別的例子，因?yàn)樗鼈兪褂蒙疃壬窠?jīng)網(wǎng)絡(luò)來檢測周圍的物體，確定它們與其他汽車的距離，識(shí)別交通信號(hào)等等。

可穿戴設(shè)備

醫(yī)療保健行業(yè)中使用的可穿戴傳感器和設(shè)備也應(yīng)用深度學(xué)習(xí)來評(píng)估患者的健康狀況，包括他們的血糖水平、血壓和心率。他們還可以從患者先前的醫(yī)療數(shù)據(jù)中得出模式，并用它來預(yù)測任何未來的健康狀況。

MuZero是由DeepMind創(chuàng)建的計(jì)算機(jī)程序，是尋求實(shí)現(xiàn)真正的通用人工智能的有前途的領(lǐng)跑者。

人工智能的優(yōu)勢、挑戰(zhàn)和未來

人工智能的優(yōu)勢

人工智能有很多用途——從促進(jìn)疫苗開發(fā)到自動(dòng)檢測潛在的欺詐行為。根據(jù)CB Insights 的研究，人工智能公司在 66 年籌集了 8 億美元的資金，是 2022 年籌集金額的兩倍多。由于其快節(jié)奏的采用，人工智能正在各行各業(yè)掀起波瀾。

更安全的銀行業(yè)務(wù)

Business Insider Intelligence 的 2022 年銀行業(yè)人工智能報(bào)告發(fā)現(xiàn)，超過一半的金融服務(wù)公司已經(jīng)在使用 AI 解決方案進(jìn)行風(fēng)險(xiǎn)管理和創(chuàng)收。人工智能在銀行業(yè)的應(yīng)用可能會(huì)節(jié)省超過400億美元。

更好的醫(yī)療

至于醫(yī)學(xué)，世界衛(wèi)生組織2021 年的一份報(bào)告指出，雖然將人工智能整合到醫(yī)療保健領(lǐng)域帶來了挑戰(zhàn)，但該技術(shù)“前景廣闊”，因?yàn)樗梢詭砀髦堑慕】嫡吆吞岣呋颊咴\斷準(zhǔn)確性等好處。

創(chuàng)新媒體

人工智能也在娛樂領(lǐng)域留下了自己的印記。根據(jù)Grand View Research的數(shù)據(jù)，到99年，全球媒體和娛樂領(lǐng)域的人工智能市場預(yù)計(jì)將達(dá)到48.2030億美元，而10年的價(jià)值將從87.2021億美元增長。這種擴(kuò)展包括人工智能用途，如識(shí)別抄襲和開發(fā)高清圖形。

人工智能的挑戰(zhàn)和局限性

雖然人工智能當(dāng)然被視為一種重要且快速發(fā)展的資產(chǎn)，但這個(gè)新興領(lǐng)域也有其缺點(diǎn)。

人工智能的未來

當(dāng)人們考慮人工智能背后的計(jì)算成本和技術(shù)數(shù)據(jù)基礎(chǔ)設(shè)施時(shí)，實(shí)際執(zhí)行人工智能是一項(xiàng)復(fù)雜且昂貴的業(yè)務(wù)。幸運(yùn)的是，正如摩爾定律所指出的那樣，計(jì)算技術(shù)已經(jīng)取得了巨大的進(jìn)步，該定律指出，微芯片上的晶體管數(shù)量大約每兩年翻一番，而計(jì)算機(jī)的成本減半。

盡管許多專家認(rèn)為摩爾定律可能會(huì)在本世紀(jì)2020年代的某個(gè)時(shí)候結(jié)束，但這對(duì)現(xiàn)代人工智能技術(shù)產(chǎn)生了重大影響——沒有它，從財(cái)務(wù)上講，深度學(xué)習(xí)將是不可能的。最近的研究發(fā)現(xiàn)，人工智能創(chuàng)新實(shí)際上超過了摩爾定律，每六個(gè)月左右翻一番，而不是兩年。

按照這種邏輯，人工智能在過去幾年中在各行各業(yè)取得的進(jìn)步一直很重要。未來幾十年產(chǎn)生更大影響的潛力似乎幾乎是不可避免的。

人工智能的發(fā)展歷程(時(shí)間線）

人工智能的歷史

1940年代

（1942年）艾薩克·阿西莫夫（Isaac Asimov）出版了《機(jī)器人三定律》（Three Laws of Robotics），這是科幻媒體中常見的關(guān)于人工智能不應(yīng)該給人類帶來傷害的想法。

（1943年）Warren McCullough和Walter Pitts發(fā)表了論文“神經(jīng)活動(dòng)中內(nèi)在思想的邏輯演算”，該論文提出了構(gòu)建神經(jīng)網(wǎng)絡(luò)的第一個(gè)數(shù)學(xué)模型。

1950年代

（1950年）艾倫·圖靈（Alan Turing）發(fā)表了論文《計(jì)算機(jī)與智能》（Computing Machinery and Intelligence），提出了現(xiàn)在所謂的圖靈測試（Turing Test），這是一種確定機(jī)器是否智能的方法。

（1950年）哈佛大學(xué)本科生Marvin Minsky和Dean Edmonds建造了第一臺(tái)神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)SNARC。

·（1954）喬治城-IBM機(jī)器翻譯實(shí)驗(yàn)自動(dòng)將60個(gè)精心挑選的俄語句子翻譯成英語。

·（1956）“人工智能”一詞是在達(dá)特茅斯人工智能夏季研究項(xiàng)目中創(chuàng)造的。在約翰·麥卡錫（John McCarthy）的帶領(lǐng)下，該會(huì)議被廣泛認(rèn)為是人工智能的發(fā)源地。

（1959）約翰·麥卡錫（John McCarthy）和馬文·明斯基（Marvin Minsky）發(fā)現(xiàn)了麻省理工學(xué)院人工智能項(xiàng)目。

1960年代

（1963年）約翰·麥卡錫（John McCarthy）在斯坦福大學(xué)創(chuàng)辦了人工智能實(shí)驗(yàn)室。

1970年代

（1972）邏輯編程語言PROLOG被創(chuàng)建。

（1973）英國政府發(fā)布了Lighthill報(bào)告，詳細(xì)介紹了人工智能研究的失望，導(dǎo)致人工智能項(xiàng)目的資金嚴(yán)重削減。

（1974-1980）對(duì)人工智能發(fā)展進(jìn)展的失望導(dǎo)致DARPA大幅削減學(xué)術(shù)資助。結(jié)合早期的ALPAC報(bào)告和前一年的Lighthill報(bào)告，人工智能資金枯竭，研究停滯不前。這一時(shí)期被稱為“第一個(gè)人工智能寒冬”。

1980年代

（1980） Digital Equipment Corporation開發(fā)了R1（也稱為XCON），這是第一個(gè)成功的商業(yè)專家系統(tǒng)。R1旨在配置新計(jì)算機(jī)系統(tǒng)的訂單，掀起了專家系統(tǒng)的投資熱潮，這種熱潮將持續(xù)十年的大部分時(shí)間，有效地結(jié)束了第一個(gè)AI寒冬。

·（1983）為了響應(yīng)日本的FGCS，美國政府啟動(dòng)了戰(zhàn)略計(jì)算計(jì)劃，為DARPA資助的先進(jìn)計(jì)算和人工智能研究提供。

·（1985年）公司每年在專家系統(tǒng)上花費(fèi)超過十億美元，整個(gè)行業(yè)被稱為Lisp機(jī)器市場，以支持他們。像Symbolics和Lisp Machines Inc.這樣的公司構(gòu)建專門的計(jì)算機(jī)來運(yùn)行AI編程語言Lisp。

（1987-1993）隨著計(jì)算技術(shù)的進(jìn)步，出現(xiàn)了更便宜的替代品，Lisp機(jī)器市場在1987年崩潰，迎來了“第二個(gè)AI冬天”。在此期間，專家系統(tǒng)被證明維護(hù)和更新成本太高，最終失寵。

1990年代

（1997年）IBM的深藍(lán)擊敗世界國際象棋冠軍加里·卡斯帕羅夫。

2000年代

（2005年）自動(dòng)駕駛汽車STANLEY贏得了DARPA大挑戰(zhàn)賽。

（2005年）美國軍方開始投資自主機(jī)器人，如波士頓動(dòng)力公司的“Big Dog”和iRobot的“PackBot”。

（2008）谷歌在語音識(shí)別方面取得了突破，并在其iPhone應(yīng)用程序中引入了該功能。

2010年代

（2011年）蘋果通過其iOS操作系統(tǒng)發(fā)布了Siri，這是一款由AI驅(qū)動(dòng)的虛擬助手。

（2012）谷歌大腦深度學(xué)習(xí)項(xiàng)目的創(chuàng)始人Andrew Ng使用深度學(xué)習(xí)算法為神經(jīng)網(wǎng)絡(luò)提供10萬個(gè)YouTube視頻作為訓(xùn)練集。神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)了在不被告知貓是什么的情況下識(shí)別貓，開創(chuàng)了神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)資金的突破時(shí)代。

（2014）谷歌制造了第一輛通過州駕駛考試的自動(dòng)駕駛汽車。

（2014）亞馬遜的Alexa，一個(gè)虛擬的家庭智能設(shè)備，發(fā)布。

（2016）谷歌DeepMind的AlphaGo擊敗世界冠軍圍棋選手李世石。中國古代游戲的復(fù)雜性被視為人工智能需要清除的主要障礙。

（2016）第一個(gè)“機(jī)器人公民”，一個(gè)名為索菲亞的人形機(jī)器人，由漢森機(jī)器人公司創(chuàng)造，能夠進(jìn)行面部識(shí)別，口頭交流和面部表情。

（2018）谷歌發(fā)布了自然語言處理引擎BERT，減少了ML應(yīng)用程序在翻譯和理解方面的障礙。

2020年代

（2020） 百度向在SARS-CoV-2大流行早期階段開發(fā)疫苗的科學(xué)和醫(yī)療團(tuán)隊(duì)發(fā)布其LinearFold AI算法。該算法能夠在27秒內(nèi)預(yù)測病毒的RNA序列，比其他方法快120倍。

（2020） OpenAI 發(fā)布了自然語言處理模型 GPT-3，該模型能夠生成以人們說話和寫作方式為模型的文本。

（2021） OpenAI 基于 GPT-3 構(gòu)建以開發(fā) DALL-E，它能夠根據(jù)文本提示創(chuàng)建圖像。

（2022） 美國國家標(biāo)準(zhǔn)與技術(shù)研究院發(fā)布了其人工智能風(fēng)險(xiǎn)管理框架的初稿，這是美國自愿指南，“以更好地管理與人工智能相關(guān)的個(gè)人、組織和社會(huì)的風(fēng)險(xiǎn)”。

（2022） DeepMind 推出了 Gato，這是一個(gè)經(jīng)過訓(xùn)練的人工智能系統(tǒng)，可以執(zhí)行數(shù)百項(xiàng)任務(wù)，包括播放 Atari、為圖像添加字幕和使用機(jī)械臂堆疊積木。

（2022） OpenAI 推出 ChatGPT，這是一款由大型語言模型提供支持的聊天機(jī)器人，在短短幾個(gè)月內(nèi)就獲得了超過 100 億用戶。

（2023） Microsoft推出了人工智能驅(qū)動(dòng)的必應(yīng)版本，其搜索引擎建立在為 ChatGPT 提供支持的相同技術(shù)之上。

（2023） 谷歌宣布推出巴德，一種競爭對(duì)話式 AI。

（2023） OpenAI 推出 GPT-4，這是其迄今為止最復(fù)雜的語言模型。