外链论坛

 找回密码
 立即注册
搜索
查看: 24|回复: 3

写给小白的AI入门科普

[复制链接]

2930

主题

2万

回帖

9910万

积分

论坛元老

Rank: 8Rank: 8

积分
99109437
发表于 2024-9-27 16:35:58 | 显示全部楼层 |阅读模式

到底什么是AI?

AI,是artificial intelligence的缩写。

Artificial,非常多朋友认字认半边,会以为是艺术(art)的什么形容词。并不然,artificial的意思便是“人工的、人造的”,和natural(天然的)是反义词。

Intelligence,这个不易认错,是“智能”的意思。英特尔(Intel)机构的名字,便是基于这个词的前五个字母。

结合起来,AI,便是“人工的、人造的智能”,用人为的手段,创造智能。

关于AI的定义,行业里有非常多种说法。比较学术化的一种,是这么说的:

AI,是科研研发用于模拟、延伸和扩展人的智能行径的理论、办法、技术及应用系统的一门综合性科学。

这个定义很拗口,看得都头大。

其实,针对AI,咱们能够拆解来看。

首要,AI的本质属性,是一门科学,是一个技术行业

触及到了计算机科学、数学、统计学、哲学、心理学等多种学科的知识,但总体上,归类于计算机学科之下。

其次,AI的科研目的,是让一个“系统具备智能。

这个“系统”能够是一套软件程序,可以是一台计算机,乃至是一个设备人。

第三,什么样的水平,才叫做真正的智能。

这是问题的关键。日前看来,能够像人同样感知、理解、思考、判断、决策,便是实现了人工智能。

协同设备人、机械臂等理学载体,AI能够实现行动能力。

综合以上三点,理解AI的定义就比较容易了。

AI和普通计算机有什么区别?

AI,日前仍然是基于计算机的基本玩法,采用的是半导体芯片技术(因此经常会被叫作为“硅基”),以及计算机的有些体系和平台。

那样,它和传统的计算机程序,有什么区别呢?

传统的计算机程序,便是一个规则的集合。程序员经过代码通知计算机规则,计算机按照规则,对输入数据进行判断和处理。

例如经典的“if……else……(倘若……否则……)”语句——“倘若大于65岁,就离休。否则,继续上班”。

而后,计算机程序会按照这个规则,对所有输入年龄数据进行判断和处理。

然则,在现实生活中,非常多要素(例如图像和声音)是极为繁杂和多样的,咱们很难给出固定的规则,让计算机实现高准确率的判断和处理。

例如,判断一只狗是不是狗。

狗有非常多品种,每种狗有区别的颜色、体型、五官特征。狗在区别的时间,区别的表情、姿势。狗还会处在区别的背景环境下。

因此,计算机经过摄像头捉捕到的狗的影像,是无穷尽的。很难经过有限数量的规则,去帮忙计算机做出判断。

想要让计算机实现像人同样的智能,不可采用简单的规则驱动,而是应该像教孩童同样持续输入数据和答案,让他自动总结特征,形成自己的判断规则。

换言之,在经典的程序设计中,人们输入的是规则(即程序)和数据,系统输出的是答案。

而AI的计算过程,分为两个过程

第1过程,输入的是数据和预期得到的答案,系统输出的是规则。

第二个过程,将输出的规则应用于新的数据,而后再输出答案。

第1步,咱们能够叫作之为“训练”。第二步,才是真正“干活”。

便是传统计算程序和此刻主流AI技术的一个典型区别。(重视,我说的是“此刻主流AI”。有有些“历史AI”和“非主流AI”,玩法不同样不可一概而论。)

AI,有那些类别?

前面说了,人工智能是一个非常庞大的科学行业

从1950年代正式诞生败兴,围绕人工智能,已然非常多专家进行了海量的研究,输出了非常多非常了不起的成果。

这些科研按照思路方向的区别,被分为了非常多种学派。比较有表率性的,是符号主义学派、联结主义学派、行径主义学派。

这些学派并对错之分,相互之间有些交叉融合。

初期的时候(1960-1990),符号主义(以专家系统、知识图谱为表率)是主流。后来,从1980年起始,联结主义(以神经网络为表率)崛起,始终此刻,都是主流。

将来,许有新的技术崛起,形成新的学派,必定

除了方向路线之外,咱们能够从智能水平以及应用行业等方面对AI进行归类

按智能水平,能够分为:弱人工智能(Weak AI强人工智能Strong AI超人工智能(Super AI)

弱人工智能只专精于单一任务或一组关联的任务,不具备通用智能能力。咱们日前处在这个周期

强人工智能更厉害有些拥有必定的通用智能能力,能够理解、学习并应用于各样区别的任务。这个还处在理论和科研周期,还没落地。

超人工智能当然是最强的。它在几乎所有方面都超过人类智能,包含创造力、社交技能等。超人工智能是将来的终极形态,咱们假设它能够实现。

关于按应用行业的AI归类咱们待会再说。

什么是设备学习?

其实咱们前面介绍规则总结的时候,其实已然说到设备学习。

设备学习的核心思想,是构建一个能够从数据中学习的模型,并利用这个模型来进行预测或决策。

设备学习不是一个详细的模型或算法。它包含非常多种类型,例如:

监督学习:算法从带有标签的数据集中学习,即每一个训练样本都有一个已知的结果。

无监督学习:算法从标签的数据集中学习。

半监督学习:结合了少量的带标签数据和海量的未带标签数据进行训练。

强化学习经过试错的方式,学习那些行径能够得到奖励,那些行径引起处罚

什么是深度学习?

深度学习,详细来讲,是深度神经网络学习。

深度学习是设备学习的一个重要分支。设备学习底下有一条“神经网络”路线,而深度学习,是加强版的“神经网络”学习。

神经网络是联结主义的表率。顾名思义,这个路线是模仿人脑的工作原理,创立神经元之间的联结模型,以此实现人工神经运算。

深度学习所说的“深度”,是神经网络中隐匿层”的层级。

经典设备学习算法运用的神经网络,拥有输入层、一个或两个“隐匿层”和一个输出层。

深度学习算法运用更加多的“隐匿层”(数百个)。它的能力更加强大,让神经网络能够完成更困难的工作。

设备学习、神经网络和深度学习的关系,经过下面的图能够看出:

什么是卷积神经网络、循环神经网络?

神经网络从1980年代起始崛起之后,就形成为了非常多的模型和算法。区别的模型和算法,有着各自的特性和功能。

卷积神经网络(Convolutional Neural Network,CNN)和循环神经网络(Recurrent Neural Network,RNN),是1990年代上下诞生的比较知名的神经网络模型。

它们的详细工作原理比较繁杂。反正大众记住:

卷积神经网络(CNN)是一种用于处理拥有类似网格结构的数据(例如图像和视频)的神经网络。因此,它一般用于计算机视觉中,能够用来图像识别和图像归类

而循环神经网络(RNN)是一种用于处理序列数据的神经网络,例如语言模型和时间序列预测。因此,它一般用于自然语言处理和语音识别

什么是transformer?

transformer是一个神经网络模型。它比卷积神经网络和循环神经网络更加青年(2017年由谷歌科研团队提出),更加强大。

做为非专业人士,不需要去科研它的工作原理,只需要晓得

1、它是一种深度学习模型;

2、它运用了一种名为重视力(self-attention)的机制;

3、它有效处理了卷积神经网络和循环神经网络的瓶颈(局限性)问题;

4、它很适合自然语言处理(NLP)任务。相比循环神经网络,它的计算能够高度并行化,简化了模型架构,训练效率大大提高

5、它被扩展到了其他行业,如计算机视觉和语音识别。

6、此刻咱们经常说到的大模型,几乎都是以transformer为基本

神经网络还有非常多种,我在网上找到一张图,供参考:

什么是大模型?

这两年AI火,便是由于大模型火。那样,什么是大模型?

大模型,拥有庞大参数规模和繁杂计算结构的设备学习模型

参数,指的是在模型训练过程中,学习和调节的变量。参数定义了模型的行径、性能、实现的成本以及对计算资源的需要。简单来讲,参数是模型内部用来做出预测或决策的部分。

大模型,一般持有数百万至数十亿的参数。相对应的,参数少的,便是小模型。对有些细分的行业或场景,小模型够用。

大模型需要依赖大规模数据进行训练,对算力资源的消耗极重

大模型有非常多种类别。一般所说的大模型,重点指的是语言大模型(以文本数据进行训练)。实质上,还有视觉大模型(以图像数据进行训练),以及多模态大模型(文本和图像都有)。

绝大都数大模型的基本核心结构,都是Transformer及其变体。

按应用行业,大模型能够分为通用大模型和行业大模型。

通用大模型的训练数据集更加广泛,覆盖的行业更加全面。行业大模型,顾名思义,训练数据来自特定行业,应用于专门的行业(例如金融、医疗、法律、工业)。

GPT的本质是什么?

GPT-1、GPT-2……GPT-4o,等等,都是美国OpenAI这家机构推出的语言大模型,一样都是基于Transformer架构。

GPT的全叫作,叫做Generative Pre.trained Transformer,生成式-预训练-Transformer。

Generative(生成式),暗示该模型能够生成连续的、有规律的文本内容,例如完成对话、创作故事、编写代码写诗写歌等。

这儿刚好提一下,此刻常说的AIGC,便是AI Generated Content,人工智能生成内容。内容,能够是文本、图像、音频、视频等。

GPT系列面向文本,谷歌推出过竞品BERT。

文生图,比较有代表性的是DALL·E(来自OpenAI)、Midjourney(知名度大)和Stable Diffusion(开源)。

文生音频(音乐),有Suno(OpenAI)、Stable Audio Open(由Stability.ai开源)、Audiobox(Meta)。

文生视频,有Sora(OpenAI)、Stable Video Diffusion(由Stability.ai开源)、Soya(开源)。图能够生视频,例如腾讯的Follow-Your-Click。

AIGC是一个“应用维度”的定义,它不是一个详细的技术或模型。AIGC的显现,扩展了AI的功能,打破了此前AI重点用于识别的功能限制,拓宽了应用场景。

好了,继续解释GPT的第二个字母——Pre.trained。

Pre.trained(预训练),暗示该模型会先在一个大规模未标注文本语料库上进行训练,学习语言的统计规律和潜在结构。

经过预训练,模型才有了必定的通用性。训练的数据越庞大(如网页文本、资讯等),模型的能力就越强。

大众针对AI的关注热潮,重点源于2023年初的ChatGPT爆火。

ChatGPT的chat,是聊天的意思。ChatGPT是OpenAI基于GPT模型研发的一个AI对话应用服务(能够理解为GPT-3.5)。

经过这个服务,人们才能够亲身体验到GPT模型的强大,有利于技术的宣传和推广。

事实证明,OpenAI的策略成功了。ChatGPT充分吸引了公众关注度,成功推动了AI行业的发展热潮。

AI,到底能做什么?

AI的功效,极为广泛。

概括来讲,AI和传统计算机系统相比,能供给的拓展能力,包含图像识别语音识别自然语言处理具身智能等方面。

图像识别,有时候被归类为计算机视觉(Computer Vision,CV),让计算机具备理解和处理图像和视频的能力。平常的是摄像头、工业质检、人脸识别之类的。

语音识别,便是理解和处理音频,得到音频所搭载的信息。平常的是手机语音助手、tel呼叫中心、声控智能家居之类的,多用于交互场景。

自然语言处理,前面介绍过,便是使计算机能够理解和处理自然语言,晓得咱们到底在说什么。这个很火,多用于创造性的工作,例如写资讯稿、写书面材料、视频制作、游戏研发、音乐创作等。

具身智能,便是把人工智能搭载在一个理学形态(“身体”)上,经过与环境互动,来得到和展示智能。

带AI的设备人,属于具身智能。

斯坦福大学年初推出的“Mobile ALOHA”,便是一个典型的家用具身设备人。它能够炒菜、煮咖啡乃至逗猫,火热全网。

值得一提的是,并不是所有的设备人,都是人形设备人。不是所有的设备人,都用到了AI。

人形设备

AI尤其善于对海量数据进行处理,一方面经过海量数据进行学习和训练,另一方面,基于新的海量数据,完成人工没法完成的工作。说,找到海量数据中潜在的规律。

日前AI在社会各个垂直行业的应用,重点是围绕上面的能力进行延展。

咱们有些平常的例子。

在医疗行业AI已然能够用于分析X光片、CT扫描、MRI图像等,帮忙识别识别反常区域,乃至做出诊断判断。AI还能够用于识别组织切片中的细胞变异,辅助病理学家进行癌症筛查和其他疾患的诊断。

AI还能够分析病人的基因组数据,确定最适合的治疗方法。AI能够按照病人的病史和生理指标,辅助预测病情趋势。

药物开发方面,AI能够帮忙模拟化学成份的相互功效,缩短新药开发周期。

出现严重的公共卫生事件时,AI能够分析流行病数据,预测疾患传播的趋势。

在金融行业AI能够实时监测市场动态,识别潜在的市场危害,并制定相应的危害对冲策略。

AI还能够经过分析借款人的信用记录、收入状况、消费行径等多维度数据,评定信贷危害。当然,AI能够结合投资者的个人财务状况危害偏好和收益目的供给最合适的投资组合意见

类似的例子实在是数不堪数。在工业制造、教育文旅、商场零售、农林牧渔、公共安全、政府治理等几乎所有行业,AI都已然有了实质的落地场景和案例。

AI正在改变社会,改变咱们每一个人的工作和生活。

咱们应该怎样看待AI?

AI的商场和社会价值,是毋庸置疑的。它的崛起趋势,是不可阻挡的。

从企业的方向来讲,AI能够自动化重复性、繁琐的任务,加强生产效率和质量,同期降低生产成本和人力成本。

针对制造业和服务业来讲,这个优良至关重要,直接影响了企业的竞争力,乃至存活

从政府的方向来讲,AI不仅能够提高治理效率,能够带来新的商场模式、制品和服务,刺激经济。

强大的AI,是一种国家竞争力。在科技博弈和国防事业方面,倘若AI技术不如别人,可能会带来严重后果。

从个人的方向来讲,AI能够帮忙咱们完成有些工作,能够提高咱们的生活品质。

全部人类的方向来讲,AI在疾患治疗、灾害预测、气候预测、消灭贫穷方面,能够发挥重要的功效

但事物都是有两面性的。AI做为工具,既有利,坏处

最现实的一个坏处便是可能会威胁到海量的人类工作岗位,引起海量失业。按照麦肯锡的科研,到2030年至2060年之间,大约50%的职业可能会逐步被AI取代,尤其针对知识工作者而言。

照片来自《纽约客》杂志

除此之外,AI被用于发动战争、欺诈(模仿声音或换脸,进行诈骗)、侵犯百姓权益(信息过度采集、侵犯隐私)。

倘若仅有少许机构持有先进的AI技术,可能会加剧社会的不公平现象。AI的算法偏见,可能引起不公平。

AI变得越来越强大,会让人们产生对AI的依赖,失去独立思考和处理问题的能力。AI的强大创造力,有可能让人类失去创造的动力和自信心

围绕AI的发展,还有安全(数据泄密、系统崩溃)、道德伦理等一系列问题。

所有这些问题,咱们日前可靠处理方法因此,只能在发展AI的过程中,一点点去探索、思考和处理针对AI的警觉和防范之心,是必定要有的。

做为咱们普通人,日前最现实的做法,便是认识它、学习它。先学会运用平常的AI工具和平台,帮忙自己提高工作效率,改善生活品质。

有句话说的好:将来,淘汰你的不是AI,而是把握了AI的人”。与其焦虑,不如勇敢面对和积极拥抱,尽早把握主动权。

好啦,以上便是今天文案所有内容。针对一个普通人来讲晓得这些AI常识,便是拥抱AI的第1步。最少和别人聊天的时候,谈到AI,就不会一头雾水了。

感谢大众的耐心阅读,咱们下期再见!

回复

使用道具 举报

2880

主题

2万

回帖

9997万

积分

论坛元老

Rank: 8Rank: 8

积分
99979669
发表于 2024-10-22 08:15:34 | 显示全部楼层
回顾过去一年,是艰难的一年;展望未来,是辉煌的一年。
回复

使用道具 举报

3027

主题

2万

回帖

9909万

积分

论坛元老

Rank: 8Rank: 8

积分
99099002
发表于 2024-10-24 11:01:46 | 显示全部楼层
网站建设seio论坛http://www.fok120.com/
回复

使用道具 举报

3080

主题

2万

回帖

9996万

积分

论坛元老

Rank: 8Rank: 8

积分
99968837
发表于 2024-10-27 21:54:39 | 显示全部楼层
论坛的成功是建立在我们诚恳、务实、高效、创新和团结合作基础上,我们要把这种精神传递下去。
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

站点统计|Archiver|手机版|小黑屋|外链论坛 ( 非经营性网站 )|网站地图

GMT+8, 2024-11-5 14:48 , Processed in 0.080060 second(s), 19 queries .

Powered by Discuz! X3.4

Copyright © 2001-2023, Tencent Cloud.