我们能否进入全新时代？关乎未来五十年普通人的生活！【围炉夜话】
- 【AI总结】人工智能的概念和起源：
- AI是一场真正的生产力革命，对人们的工作和技能产生了重大影响。
- 了解人工智能的历史对于理解未来发展趋势非常重要。
- 图灵机的发明为计算机的实现奠定了基础，计算机是一种能够执行指令的机器。
- 人工智能的起源可以追溯到图灵和香农的探讨，他们考虑是否可能通过模型实现人类思考能力，从而实现机械的智能。
- 图灵测试是一个衡量机器智能的标准，即如果机器能以假乱真地进行对话，就可以认为它具有人类的智能。
- 弱人工智能是指能够模拟特定能力但仍缺乏对话理解的程序，而强人工智能是指具有人类的理解力和意识的通用人工智能，目前尚不存在后者。
- 人工智能的发展历程：
- 介绍了人工智能元年的到来以及麦卡锡在1956年发明的LISP语言，该语言至今仍然广泛使用。
- 讲述了麦卡锡在1956年夏天召开的达特茅斯闭门会议，旨在解决人工智能领域的问题，但会议只提出了人工智能这个名称，没有讨论出具体的解决方案。
- 解决抽象问题的思路：介绍了人类解决抽象问题的能力，科研人员试图通过构建能解决抽象问题的程序来实现人工智能，其中提到了使用搜索技术（穷举法）来解决问题，但搜索技术面临着重复回头路和算力不足的问题。
- NP完全问题和组合爆炸：解释了NP完全问题的概念，即需要遍历所有可能性才能找到最优解的问题，举例说明了基建锦标赛和围棋问题都属于NP完全问题，并且该类问题会面临组合爆炸，即解决方法的计算量巨大。
- 即使计算机可以通过穷举法搜索最优解，人类在有限的时间内也能得出推测性的结论。
- 搜索的多少并不代表智能的高低，人类具有智能而计算机并没有，因此科学家提出了启发式搜索的概念。
- 启发式搜索在很多领域中都有应用，如在线地图、游戏等，但它不能解决NP完全问题。
- 人工智能的方法和技术：
- 专家系统是一种解决狭义领域问题的技术，通过知识库和推理引擎提供答案。
- 专家系统如MYCIN在特定领域的诊断上表现优于一般医生，但一些专家系统的质量参差不齐，因为知识库编写者并非专家。
- CYC工程旨在构建一个拥有庞大知识库的终极专家系统，但由于知识复杂性和边界问题，该项目最终失败。
- 解决知识复杂性问题的方法之一是增加补丁或规则，但这需要巨大的人力资源。
- 还介绍了监督式学习、神经网络、廉洁主义学派以及深度学习的应用和发展。
- 不同学派对人工智能的看法：
- 符号主义学派主张用计算机程序进行逻辑推理，但由于处理不了复杂问题，逐渐没落。
- 行为主义学派认为人工智能只能通过与现实世界互动来获得智慧，而不是通过逻辑推理，智能应该是一种涌现性质。
- 控制科学在战争中崭露头角，控制论的出版为行为主义学派奠定了基础。
- 行为主义学派的贡献包括扫地机器人、机械臂等技术的发展，但在处理复杂行为时仍存在困难。
- 感知机和深度学习的发展：
- 感知机是由罗森布拉特在1959年发明的，成功识别多个英文字母，引起了广泛的关注和资助。
- 感知机只能解决线性可分问题，无法解决抑或问题，即复杂一些的问题。
- 多层感知机是解决抑或问题的一种方法，但由于连接数量急剧膨胀，很难实现建造和训练。
- 明斯基对感知机进行了批判，并主张廉洁主义和符号主义，引发了人工智能界的学术争论。
- 廉洁主义的崛起和杰佛里辛顿的贡献对人工智能的发展产生了重要影响。
- 个别科学家的贡献：
- 沃尔特皮茨是廉洁主义的开创者之一，他在极度贫困的环境下通过自学成为天才数学家和逻辑学家。
- 皮茨与麦卡洛克合作研究机械大脑，并成功建模了一个简化的模型，启示了大脑可能通过机械化的逻辑运算来完成信息处理。
- 他们进行的生物实验证明眼睛不仅可以记录信息，还可以解译信息，这对于原先以大脑为中心的观点造成了冲击。
- 辛顿是一位坚持不懈追求自己研究方向的科学家，尽管遭遇了许多挫折和质疑，但他始终执着地追求深度学习的研究，并最终取得了突破性的成果。
- 神经网络的发展：
- 神经网络的发展受限于计算机算力的不足，直到计算能力得到提升，才使得神经元数量增加，从而实现了深度学习的发展。
- 视觉系统和深度学习：
- 视觉系统和深度学习具有相似的工作方式，都是逐层抽象特征，从低级到高级的处理方式。
- 卷积神经网络和对抗式生成网络：
- 2012年李飞飞和李凯设计的卷积神经网络在视觉识别比赛中取得了巨大的成功。
- 卷积神经网络的应用使得人脸识别、人脸支付等技术在生活中普及。
- 对抗式生成网络则在AI绘图等领域展现出了巨大潜力。
- AI在游戏领域的发展：
- 深度思维公司通过训练AI玩雅达利2600的游戏，展示了AI模型的强大能力。
- OpenAI通过开发AI能够打多种不同类型的游戏，展示了其在游戏人工智能方面的实力和创新能力。
- OpenAI的发展：
- OpenAI是一个非营利机构，旨在创建一个不受任何资本掌控的AI实验室。
- OpenAI的发展面临人才流失和难以形成统一目标的问题。
- OpenAI转向商业化发展，并在游戏领域取得了重要突破。
- AI在教育领域的应用：
- AI可以承担老师的机械性工作，如批改作业和试卷，以及辅导学生。
- AI的突破意味着AI可以理解人类的语言，这使得AI有可能覆盖人类的所有知识，为个性化定制教育提供可能性。
- 但AI的发展可能导致教育资源不平等的问题。
- AI在医疗、交通和娱乐领域的影响：
- AI可以通过收集个人病史、DNA序列等数据，提供更精准的医疗服务。
- 自动驾驶技术的发展将改变交通领域。
- AI技术将丰富娱乐方式，并提升游戏体验。
- AI的担忧与讨论：
- AI可能对人类社会造成威胁，引发关于AI超越人类智能的讨论。
- AI决策可能受到数据偏见的影响，导致人们对其决策结果产生怀疑。
- AI技术的应用可能带来自主武器的威胁。
- AI对就业和社会结构的影响：
- AI的发展将导致大量人员失业，特别是从事智力型工作和劳力型工作的人。
- AI在金融和职场方面的应用可能取代一些白领职业。
- AI的发展可能导致社会结构的改变和阶层分化。
- 对未来的思考和态度：
- 面对AI的发展，人们需要重新学习和提升自己的技能。
- AI的存在推动人类进步，应保持乐观态度，并关注自身的发展。
标签：
