人工智能通识课程第一章总结
1.1 什么是人工智能
人工智能（AI）是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的新技术科学。其核心目标是开发能够执行通常需要人类智能才能完成的任务的机器或系统，包括理解自然语言、识别图像和声音、学习和适应新信息、推理和解决问题、进行规划和决策、以及控制机器人等。
评估机器是否具有智能的核心方法是图灵测试，即通过与人类的对话来评估机器的智能水平。通过图灵测试的机器需要具备自然语言处理能力、知识表达能力、推理能力、学习和适应能力。
人工智能是一个广泛的科学领域，融合了数学、计算机科学、心理学、哲学等多种学科和技术。这些学科或技术相辅相成，共同推动了人工智能的快速进步。
1.2 人工智能发展史
人工智能的发展经历了三起两落：
- 第一次兴起（20世纪50年代末至60年代初）：标志是1956年达特茅斯会议的召开，提出了“人工智能”这一术语。重要成果包括感知机、ELIZA心理治疗机器人等。
- 第一次低谷（60年代末至70年代初）：主要原因是感知机的局限性以及“莱特希尔报告”的发布，导致对AI研究的经费削减。
- 第二次兴起（80年代至90年代初）：以专家系统为代表，重要成果包括MYCIN系统、Hopfield网络、玻尔兹曼机、反向传播（BP）算法、卷积神经网络（CNN）等。
- 第二次低谷（90年代初）：支持向量机（SVM）等传统机器学习算法逐渐取代了神经网络在许多应用中的地位。
- 第三次兴起（21世纪初至今）：大数据、深度学习与语言模型的引领，重要成果包括ImageNet竞赛中的AlexNet、ResNet、AlphaGo、AlphaFold2、ChatGPT等。
1.3 大模型时代下的人工智能
大模型（Large Models）或基础模型（Foundation Models）是指集成了海量参数与复杂结构的机器学习架构，擅长驾驭巨量数据，胜任各类复杂任务。大模型的发展带来了“涌现能力”，即从海量数据中自动萃取并创造出新层次特征与模式的能力。
大模型的应用场景广泛，包括：
- ChatGPT：走向通用性之路，具备强大的自然语言处理能力和智能交互水平。
- 文生视频：如Sora模型，能够根据用户的文本提示创建逼真视频。
- 盘古气象大模型：在气象预报领域实现革命性提升。
- SAM（Segment Anything Model）：在计算机视觉领域开创了图像分割新纪元。
1.4 人工智能伦理与规范
人工智能的伦理与规范主要包括：
- 公平与偏见：训练数据未能摆脱既有社会偏见的烙印，可能导致对特定人群的误判。
- 隐私与安全：AI系统内在的不透明性与决策过程难以言喻，可能加剧对个人权利的侵犯。
- 责任归属与透明度：精准界定AI系统各数据参与方的权责边界，提升AI算法的透明度与可解释性。
1.5 人工智能未来展望
人工智能的未来展望包括：
- 涌现能力与通用人工智能：大模型技术带来的“涌现能力”正引领着我们向更高级别的人工智能形态——通用人工智能（AGI）迈进。
- 可控性与可解释性：可控性和可解释性作为AI技术发展的两个重要维度，相互关联、相互促进。
- 人机协作新模式：未来对AI任务分配的精细规划变得尤为关键。
- AI生成内容：AI生成内容（AIGC）将成为未来AI技术发展的重要方向，推动新的艺术表达和内容形式的诞生。
- 人工智能融入寻常百姓家：AI将成为我们生活中不可或缺的智能伙伴，走进寻常百姓家。
