AI
AI(全称为:Artificial Intelligence人工智能)是一种由人类制造出来的可以表现出智能的机器。通常AI是指通过普通计算机程序来呈现人类智能的技术。AI的研究领域包括智能主体的研究与设计,智能主体指一个可以观察周遭环境并作出行动以达致目标的系统。
AI的核心问题包括建构能够跟人类似甚至超卓的推理、知识、规划、学习、交流、感知、移物、使用工具和操控机械的能力等。当前已经有大量的工具应用了AI,例如ChatGPT、文心一言、讯飞星火等,其中包括搜索和数学优化、逻辑推演、语言识别。基于仿生学、认知心理学,以及基于概率论和经济学的算法等也在逐步探索当中。
概述[ ]
AI(人工智能)自20世纪70年代以来,已成为科技发展的重要领域之一,并且以其在多个学科中的广泛应用和深刻影响而著称。作为一门集合计算机科学、机器学习、深度学习、心理学、哲学、语言学等众多学科的交叉科学,AI旨在通过计算机技术模拟人类的认知过程,如学习、推理、思考和规划。
AI的目标是模拟人类的思维过程和智能行为,通过计算机实现类似于人脑智能的功能,从而使计算机能够具备更高层次的认知能力和应用。在人工智能的研究中,数学扮演着重要的角色,不仅在逻辑推理和模糊数学方面有所应用,还在语言处理、图像识别等领域发挥着关键作用。
技术研究[ ]
1、计算机视觉:这个方向致力于使计算机能够“看”和理解图像和视频中的内容。它涉及到图像识别、图像处理、模式识别等多个领域,应用广泛,如自动驾驶汽车、医疗影像分析等。
2、自然语言处理(NLP):NLP旨在使计算机能够理解和生成人类语言。这包括语音识别、机器翻译、情感分析等,常见于聊天机器人和智能助手等应用。
3、语音识别:语音识别技术使计算机能够识别和处理人类的语音,是智能助手和语音控制系统的基础。
4、知识图谱:知识图谱涉及构建大规模知识库,用于支持复杂的查询和推理任务,如搜索引擎的优化和智能推荐系统。
5、机器学习:机器学习是AI的核心,通过算法使计算机能够从数据中学习并做出预测或决策。它包括监督学习、无监督学习和强化学习等多种类型。
6、深度学习:深度学习是一种模拟人脑神经网络结构的机器学习方法,通过大量数据训练模型,实现类似于人类思维过程的算法。例如目前AI大模型广泛使用的Transformer深度学习模型,在自然语言处理领域取得了巨大成功。
7、强化学习:强化学习是一种让机器通过与环境的交互来学习如何达成目标的方法,常用于游戏、机器人控制等领域。
研究成果[ ]
1、AlphaGo:由DeepMind开发的AlphaGo在围棋领域取得了突破性进展,击败了世界顶尖的人类围棋选手,展示了深度学习在复杂决策领域的强大能力。
2、GPT(Generative Pre-trained Transformer):OpenAI发布的GPT系列模型采用Transformer模型架构,通过预训练实现了在自然语言处理领域的卓越表现,包括文本生成、对话系统等应用。
3、面部识别技术:面部识别技术在图像处理和计算机视觉领域取得了巨大成功,广泛应用于安防监控、人脸支付等领域。
4、自动驾驶技术:各大科技公司和汽车制造商纷纷投入研发自动驾驶技术,通过深度学习和传感器技术实现车辆的自主导航和智能决策。
5、语音助手:像Siri、Alexa、小爱同学等语音助手基于语音识别和自然语言处理技术,能够接收用户指令、回答问题并执行任务,为人们提供便利的人机交互方式。
6、医疗影像诊断:人工智能在医疗领域的应用日益普及,特别是在医疗影像诊断中,AI技术能够帮助医生快速准确地识别病灶,提高诊断效率和准确性。
发展历程[ ]
- 1956年,以麦卡赛、明斯基、罗切斯特和申农等为首的一批年轻科学家首次提出了“人工智能”这一术语。
- 2015年,最近一系列旨在测试一些世界上最好的人工智能 (AI) 系统和人类智商 (IQ) 之间的胜负关系的试验表明,人工智能的智力目前已经达到了 4 岁儿童的水平。
- 2017年,第十二届全国人民代表大会第五次会议在北京人民大会堂开幕,国务院总理李克强作政府工作报告,指出加快新材料、人工智能、第五代移动通信等技术研发和转化。
- 2019年,十三届全国人大二次会议举行新闻发布会,大会发言人张业遂表示,已将与人工智能密切相关的立法项目列入立法规划。
- 2021年,为促进人工智能健康发展,《新一代人工智能伦理规范》发布。
- 2023年4月,美国《科学时报》刊文介绍了正在深刻改变医疗保健领域的五大领先技术:可穿戴设备和应用程序、人工智能与机器学习、远程医疗、机器人技术、3D打印。
发展方向[ ]
深度学习,基于统计学原理,强调数据间的关联性,但在因果推理方面存在不足。这种偏向导致了人工智能(AI)系统在可解释性方面的挑战,对于动态和不确定性的处理能力也显得较为脆弱,这限制了它们与人类自然交互的能力。特别是在一些敏感领域,这种局限性可能带来安全和伦理上的风险。因此,类脑智能、认知智能和混合增强智能被看作是该领域的重要发展趋势。
在2024年,由清华大学经济管理学院联合度小满等机构共同编写的《2024年金融业生成式人工智能应用报告》发布。根据报告的分析,生成式AI技术在金融领域的应用正处于技术探索与试点阶段。预计在未来1至2年内,首批采用大型模型增强能力的金融机构将进入应用成熟期。展望未来3年,这些技术预期将推动金融行业实现生成式人工智能的规模化应用。