AI人工智能知识

AI人工智能知识，涉及到计算机科学、数学、统计学、哲学、心理学等多种学科的知识 ,总体上归类于计算机学科之下。

AI人工智能知识

• 定义
  • artificial intelligence（人工的、人造的智能），简称 AI
  • 研究、开发用于模拟、延伸和扩展人的智能行为的理论、方法、技术及应用系统的一门综合性科学
  • 涉及到计算机科学、数学、统计学、哲学、心理学等多种学科的知识 ,总体上归类于计算机学科之下
• 智能的维度
  • 认知能力：理解、学习、推理、记忆等
  • 适应能力：解决问题、应对环境变化等
  • 自主能力：独立完成任务、自主决策等
• 核心要素
  • 算力
    • GPU、ASIC（TPU、NPU）、FPGA等
  • 算法
    • 机器学习、深度学习、强化学习、迁移学习等
  • 数据
    • 结构化数据、非结构化数据等
    • 数据采集、数据清洗、数据标准、数据存储等
• 学派
  • 三大主要学派
    • 符号主义学派
    • 联结主义学派
    • 行为主义学派
  • 其它学派
    • 进化学派
    • 贝叶斯学派
    • 类推学派
• 主要研究方法
  • 基于知识的方法
    • 专家系统、知识图谱
  • 基于学习的方法
    • 机器学习、深度学习
  • 基于仿生的方法
    • 行为主义、进化计算
• 按智能水平分类
  • 弱人工智能（Weak AI）
    • 只专精于单一任务或一组相关的任务，不具备通用智能能力
  • 强人工智能（Strong AI）
    • 具有一定的通用智能能力，能够理解、学习并应用于各种不同的任务
  • 超人工智能（Super AI）
    • 在几乎所有方面都超过人类智能，包括创造力、社交技能等
• 发展阶段
  • 萌芽期
    • 1940s-1956 图灵测试
  • 诞生期
    • 达特茅斯会议 1956
  • 第一次浪潮
    • 符号主义 1956-1973
  • 第二次浪潮
    • 符号主义（专家系统） 1980-1990
  • 第三次浪潮
    • 1994-现在 机器学习、深度学习
• 机器学习
  • 监督学习（Supervised Learning）
    • 算法从带有标签的数据集中学习，即每个训练样本都有一个已知的结果
  • 非监督学习（Unsupervised Learning）
    • 算法从没有标签的数据集中学习
  • 半监督学习（Semi-supervised Learning）
    • 结合了少量的带标签数据和大量的未带标签数据进行训练
  • 强化学习（Reinforcement Learning）
    • 通过试错的方式，学习哪些行为可以获得奖励，哪些行为会导致惩罚
• 神经网络
  • 卷积神经网络（Convolutional Neural Network，CNN）
  • 循环神经网络（Recurrent Neural Network，RNN）
  • 生成对抗网络（Generative Adversarial Network，GAN）
  • 长短期记忆网络（Long Short-Term Memory，LSTM）
  • Transformer（转换器）
• 深度学习
  • 定义
    • 深度学习，具体来说，是深度神经网络学习
    • 是机器学习的一个重要分支
    • 深度学习算法使用了更多的“隐藏层”（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
  • 框架
    • TensorFlow（Google）
    • Caffe（BVLC）
    • Keras（fchollet）
    • CNTK（Microsoft）
    • Torch7（Meta）
    • PaddlePaddle飞桨（百度）
    • MindSpore昇思（华为）
• 大模型
  • 定义
    • 具有庞大参数规模和复杂计算结构的机器学习模型
    • 绝大多数大模型的基础核心结构，都是Transformer及其变体
    • 目前常说的大模型,主要是大语言模型(Large LanguageModel)。
  • 过程
    • 预训练
      • 使用大量无标注数据训练语言模型的过程
      • 赋予了模型一定的通用性，适应多种不同下游任务的能力
    • 微调
      • 在预训练的基础上，使用标注数据（即特定任务的数据）进一步训练模型，使其适应特定的应用或任务
  • 分类
    • 按用途
      • 通用大模型
      • 行业大模型
    • 按特点
      • 语言大模型
        • 以文本数据进行训练
      • 视觉大模型
        • 以图像数据进行训练
      • 多模态大模型
        • 文本和图像都有
    • 按功能
      • 分析式（决策式）
      • 生成式
    • 按开闭源
      • 开源大模型
      • 闭源大模型
  • 商业模式
    • 订阅模式
    • API服务模式
    • 平台服务模式
    • 定制化服务模式
    • 广告和推广模式
    • 数据授权模式
• AIGC（人工智能生成内容）
  • 定义
    • 使用人工智能技术来自动创建或生成内容
    • 生成的内容可以包括文本、代码、图像、音乐、视频等。
  • 类别
    • 生成文本
      • GPT系列、文心一言、通义千问、盘古、Claude 3、Diffusion-LM、Chinchilla等
    • 文生图
      • DALL·E 2、Stable Diffusion、Midjourney、Pixeling千象、DreamGaussian、百度AI作画、通义万相等
    • 文生音频
      • MusicLM、ElevenLabs、Wondershare Filmora、Reecho睿声、天工SkyMusic、琴乐大模型、FunAudioLLM、MusicGen等
    • 文生视频
      • Sora、Stable Video Diffusion、Vidu等
• 主要能力
  • 计算机视觉（CV）
    • 图像识别、视觉识别、人脸识别、视频识别、文字识别、步态识别...
  • 语音识别
    • 声音识别、声纹识别、语音合成、语音交互...
  • 自然语言处理
    • 信息理解、文字校对、机器翻译、自然语言生成...
  • 具身智能
    • 家庭服务机器人、医疗护理机器人、酒店服务机器人、工业机器人…
• 应用领域
  • 工业制造
    • 自动化生产、智能质检、设备运维、供应链管理…
  • 医疗健康
    • 医疗影像分析、基因测序、疾病预测、药品研发、个性化治疗…
  • 金融证券
    • 风险管理、信用评估、欺诈监测、量化交易、行情预测…
  • 教育培训
    • 个性化学习路径、智能辅导、课程推荐…
  • 交通物流
    • 自动驾驶、路线优化、流量分析、应急预案…
  • 新闻媒体
    • 稿件采写、素材创造、文本润色…
  • 游戏娱乐
    • 角色设计、元素生成、剧情设计、特效制作…
• 作用和价值
  • 站在企业的角度
    • AI能够自动化重复性、繁琐的任务，提高生产效率和质量，同时降低人力成本
    • AI不仅可以提升治理效率，也能够带来新的商业模式、产品和服务，刺激经济
  • 站在政府的角度
    • AI不仅可以提升治理效率，也能够带来新的商业模式、产品和服务，刺激经济
  • 站在个人的角度
    • AI可以帮助我们完成一些工作，也可以提升我们的生活品质
  • 站在整个人类的角度
    • AI在疾病治疗、灾害预测、气候预测、消灭贫穷方面，也可以发挥重要的作用
• 困难和挑战
  • 就业
    • 可能会威胁到大量的人类工作岗位，导致大量失业
  • 犯罪
    • AI被用于发动战争、欺诈（模仿声音或换脸，进行诈骗）
  • 隐私
    • 侵犯公民权益（信息过度采集、侵犯隐私）
  • 公平
    • 如果只有少数公司拥有先进的AI技术，可能会加剧社会的不公平现象
    • AI的算法偏见，也可能导致不公平
  • 依赖
    • AI变得越来越强大，也会让人们产生对AI的依赖，失去独立思考和解决问题的能力
  • 信心
    • AI的强大创造力，有可能让人类失去创造的动力和信心
  • 安全
    • 围绕AI的发展，还有安全（数据泄露、系统崩溃）、道德伦理等一系列问题