官方网站-首页
2025-04-01 18:00:22
深(shēn)刻(kè)理(lǐ)解人工智能
涂吉 tuji100@163.com CCF科普工委委员
1、人工智能极简史
1946年，世界上第一台通用计算机ENIAC问世。
1956年，美国达特茅斯学术会议确定了人工智能(néng)工(gōng)程(chéng)“精(jīng)确(què)地描述人的学习能力和智慧，并利用机器将这种能力与智慧加以模拟”的发展方向。
20世纪70年代是计算机技术和信息科技飞速发展的时代。个人电脑的雏形开始出现，卫星通信技术的发展也推动了全球通信网络的建立。之后这十年左右，却是AI算法的低谷时期(AI硬件和系统还在蓬勃发展)。
1986年的反向传播神经网络算法（Back Propagation, BP）及之后解决的NP难问题(Non-deterministic Polynomial-time hard)，再(zài)次(cì)燃(rán)起(qǐ)了(le)学(xué)术(shù)界(jiè)对(duì)AI的(de)希(xī)望(wàng)。
1995年(nián)出(chū)现(xiàn)了(le)支(zhī)持(chí)向(xiàng)量(liàng)机(jī)（Support Vector Machine，SVM），推(tuī)动(dòng)了(le)统(tǒng)计(jì)学(xué)与(yǔ)AI的(de)结(jié)合(hé)。
1997年(nián)IBM深(shēn)蓝(lán)（BeepBlue）机(jī)器(qì)人(rén)战(zhàn)胜(shèng)国(guó)际(jì)象(xiàng)棋(qí)冠(guān)军(jūn)，极(jí)大(dà)刺(cì)激(jī)了(le)AI的(de)发(fā)展(zhǎn)。
1998年(nián)卷(juǎn)积(jī)神(shén)经(jīng)网(wǎng)络(luò)(Convolution Neural Network, CNN)雏(chú)形出现了。机器学习进入了深度学习发展的蛰伏期。
中国人工智能学会会长涂序彦在2006年人工智能学科诞生50周年全球研讨会上给出的人工智能简要解释：“人工智能”是“自然智能”（特别是“人的智能”）的模拟、延伸或扩展。 “人工智能”主要研究“机器智能” 与“智(zhì)能(néng)机(jī)器(qì)”。
2016年(nián)AI领(lǐng)域的(de)又(yòu)一(yī)里(lǐ)程(chéng)碑(bēi)事(shì)件(jiàn)就(jiù)是(shì)谷(gǔ)歌(gē)旗(qí)下(xià)DeepMind公(gōng)司(sī)的(de)AlphaGo战(zhàn)胜(shèng)国(guó)际(jì)围(wéi)棋(qí)冠(guān)军(jūn)，激(jī)发了包括自然语言处理（Natural Language Processing，NLP）在内的各应用场景的深度学习热潮。
2020年openAI公司发布了GPT-3，2022年发布了ChatGPT(GPT-3.5)，展示了超强的文本生成能力，掀起了LLM序幕。2024年其又发布Sora，文本生成视频能力惊艳世界。
人工智能是一个抽象的概念，是一个宏观的概念，也是一个边界不断延伸和拓展的概念。其内涵是通过人工赋能，让机器设备或软硬件系统超越机械化，更加自动化、智能化。人工智能的具体实现方式随着技术的发展而动态演化。
2. 究竟什么是人工智能？
笔者认为，AI就像是一片森林，这片森林里面是由很多学科树构成。比如说，计算机这一颗学科树，又有很多分支，包括数据结构、算法、编程语言、应用软件等。数学这一学科树，又分化出了统计、拓扑学、信息论、控制论、耗散论等。那么统计这一学科分支继续发展和细分，又可以进一步分为机器学习、深度学习、大模型等等。每颗学科树在往前发展技术进行，人工智能就会往前发展。当各学科树有技术突破的时候，就会推动人工智能进入新的台阶。
那AI这片森林里边是不是就只包含计算机和数学？既然是森林，它一定是包罗万象。它还包括硬件设备、网络通信、电子电路等等学科树。如果没有GPU、操作系统、芯片、电脑、网络通信、路由器交换机等，AI就是空中楼阁。AI不只是机器学习深度学习，AI既有系统，又有方法和技术。AI还必须有基础器件和基础设施的支撑。就像森林里不仅有树，还得有空气、水和土壤。
3. ChatGPT、Dynamic机器人等，这些是人工智能吗？
毋容置疑，这些都是AI。更准确地说，这些都是AI这片森林里结出的果实。这些AI的标志性成果，是人工智能各学科树发展到一定程度的结晶。
人工智能也离不开行业应用，所以要AI+。好的技术和成果必须在市场流通，不然，时间长了，就会淹没在时代的灰尘里。
我们既不能神化人工智能，又不能不去拥抱人工智能。
400-86503662
深刻理解人工智能
