聊聊人工智能的前世今生

声明

这里仅限于闲聊，并不涉及任何官方机构或组织的内部信息提供。如有不当之处，请批评指正。此外，在整理数据时参考了一些文献资料。如有误，请告知以便及时更正是非常感谢。

点点看法

我既是一位人工智能的老手也是一位新手，他奶奶的，你这不是一个屁嘛，负负得正，老手新手不就是一个零蛋嘛。其实不能这么去看，我前10年是做底层的，后10年是做人工智能，在这10年里，虽然有些领域已经被我们攻克下来了，但那只是凤毛麟角，很多领域还是一个伪命题，还在探索、实验、认证之中。
我们现在感觉到人工智能很厉害，比如AlphaGo、人脸识别、语音识别，其实这些领域，从一个程序设计者角度去看：

• 一人类获得了新的数学算法知识，并进一步提升了在程序世界里的应用水平。
• 二之前难以解决的一些问题被这些新算法辅助解决了。
• 这些创新性突破催生了新的设计思路与编程理念。

目前参与人工智能研究的人团 numerous, 其中一部分取得了初步成果, 但仍有许多团队仍在探索. 此外, 各地各处的人们普遍对人工智能的发展持乐观态度. 我计划加入这一领域, 我们的公司也将 incorporation AI technologies.

人工智能的定义旨在让机器执行原本只有人类能够完成的任务，并以算法为核心技术支撑这一目标。
毫无疑问，人工智能无疑是未来的发展方向之一。然而，在另一个层面来看，则是因为人工智能有可能成为科技领域中的下一个"黑天鹅"事件的发生者。也许在不远的将来会出现像独角兽这样的现象吗？

伪人工智能横行

现在主流的人工智能技术多为伪人工智能技术。那么为什么会这样呢？可以从以下几个方面进行分析与探讨：其一，在技术层面存在诸多限制性条件；其二，在应用需求驱动下开发出了大量非传统的人工智能方案。

第一，人工智能不是一下就能做出来的，需要时间以及实验的积累。

而发展出人工智能技术的这些专家也同样是这样的情况，在全球范围内这类专家也不过百来个。

然而，在短时间内，中国已经培养了大量具备人工智能能力的专业人才群体。显得这样的人才是否算真正的人工智能专家？

这些人才往往被大公司标价为年薪30万或50万而受到热衷抢购。尽管这里面确实存在许多真正有才华的人才，在某种程度上还存在着大量泡沫。但这种做法似乎过于急功近利

第二，许多项目只不过是换了个‘马甲’。

众多创业实体热衷于为其项目贴上一个标识词。这样做的话不仅能够吸引眼球还能赢得投资者的信任。

尽管认为这种做法并非完美无缺，并不意味着它就完全不具备AI特性。然而实际上它显然不具有真正的AI特性，并且可能会误导人们误以为人工智能具备某些特征。

比如相当多的项目原本贴上人工智能标签前都是非常简单的，在过去只是机器人学习或算法研究等小众项目的范畴。如今却都变成了人工智能领域内的新宠。

我的愚见是不否定人工智能的价值与潜力。相反地，则是呼吁大家了解并掌握基础的人工智能知识。或许有一天地球上真的会出现一个具备人性特质的人工智能系统或技术产物——我们期待它能够成为一种文明的产物。

看上去是不是让人感到些许紧张或不安？也未到未来某一天,它们就像是家中不可或缺的电器,一台汽车,是我们生活中必不可少的装备.展望未来时会觉得它不再遥远而充满希望.如果有需要的,欢迎随时查看样品：_）

什么才是真正的人工智能？

我们并非专家或在该领域深入研究的学者，请问是否有简便的方法来鉴别什么是人工智能（AI）以及什么是伪人工智能（PAGI）？
答案是有。

举个简单的例子来说吧，在过去有人曾尝试用计算机学习国际象棋。在经过学习后这些系统仍能与人对弈并分出胜负最终实现了击败人类的能力这一过程已经过去了10年

而谷歌的AlphaGo仅用了一年多时间实现了从零基础到围棋无与伦比的表现的跨越

由此可以看出，真正的人工智能体现在其卓越的学习能力。

如果你每隔一段时间约需三个月时间评估一个算法的发展情况（例如在面部识别方面），如语音识别技术的发展情况（未达到指数级别的发展水平），那么这种算法可能更多的是属于机器学习领域，并未触及人工智能的前沿领域。

既然已经认识了什么是真正的人工智能，在人工智能领域究竟什么才是最重要的呢？

有人可能会提到算法作为核心概念, 也有人倾向于强调硬件设施的重要性, 还有人更关注软件开发手段的应用. 尽管这些元素在构建人工智能的过程中发挥着各自的作用, 但它们只是人工智能生态系统中的一个组成部分. 其中也不乏关键性的核心技术.

对真正的人工智能体系来说,最重要的资源无疑是海量的数据.要使人工智能体系实现质的飞跃和发展目标,则必须建立完善的数据支撑体系.如同一把精妙的工具,在经过精心打磨后才能展现出其最佳性能.其中最为关键的就是构建一个庞大的数据矩阵.

类似谷歌的AlphaGo系统，在国际象棋与围棋的较量中体现出卓越能力时引发诸多疑问：有人认为AlphaGo为何没有扩展到象棋领域？

AlphaGo的专家指出，并非他们没有这个打算——而是做不到这一点。因为围棋中日本人在长期的实践中形成了独特的保存习惯，在每一份记录中都清晰标示了第1手至第100手的具体对应关系。这种做法使得AlphaGo能够轻易模仿这些历史 playback数据进行学习

然而，在象棋中，在历史上很长一段时间里（也就是自古以来），大多数游戏都是残局。尽管如此，在历史上很长一段时间里（也就是自古以来），大多数游戏都是残局。对于AlphaGo而言，在长期比赛中（也就是AlphaGo所参与的比赛），它并不了解残局是如何形成的，并且对之前的步骤完全没有了解。这将导致其在理解整个游戏过程中遇到困难。

这也表明，在人工智能领域完整的数据具有极其重要的地位。没有任何一个不重视数据讨论人工智能的人都是毫无意义的。

人工智能中的独角兽

当下的绝大多数数据都完全掌控着国内企业尤其是BAT等巨头公司，在国际市场上则主要由Facebook、Google和亚马逊等主要企业的支配

例如，在医疗相关领域中，BAT尚未形成行业内的垄断格局。至于金融领域的数据，则更多地集中在金融机构手中；这些互联网企业同样没有获得显著优势。

无论你在技术能力方面处于何种水平，在数据层面都处于同一起跑线位置。这也为创业者或后来进入的企业提供了宝贵的机遇。与此同时另一个主要竞争对手也可能在这两个领域中崛起。

例如，在医疗领域中

一名经验丰富的外科医生每天能够处理十例手术，并能迅速识别手术中的异常情况；相比之下，在一小时内处理多达一百万例病例的人工智能系统则具有显著更高的诊断效率

对于医生而言,他们依赖自己的经验和总结来进行诊断。相比之下,这对于人工智能来说却显得过于简单。人工智能能够快速通过图像信息和最终诊断结果的闭环学习,自动完成对X光片或CT片的病因分析。当然这一技术仍需不断优化以提高准确性并实现智能化。

在西方国家中由于严格的隐私保护措施而导致的数据开放受限现象较为普遍。因此导致难以进行大规模的数据收集工作。

但是基于如今中国民众对于隐私保护意识尚未达到高度严格的状态下，在这一领域中中国企业仍有机会取得突破性进展

只要有大数据，则特定领域超过BAT并非难事，在这一问题上，在分析人工智能的关键要素时

漫无目的地谈论着各种琐碎的话题吧！举个例子——让我们看看人工智能如何渗透到我们的生活中有多深入吧！它的热度真的很高哦！如果对它感兴趣的话，请及早开始研究学习吧！说不定未来某一天你就能在某个领域脱颖而出哦！

观察这张图表展示了人工智能技术的发展历程；同时这张图表也是我在探索人工智能领域的第一步；从这张图表中我们也可以看出还有许多改进的空间；过去十年里我也只能实现图像识别准确、语音识别标准；在其他领域则没有取得实质进展；尽管如此展望未来虽然还有诸多挑战

全球AI创新融合城市图

生成式模型在训练过程中需要消耗大量数据作为输入样本，在支撑这一过程的关键因素中包括强大的计算能力。其中计算能力主要集中在底层芯片的设计上。与此同时，在当前的人工智能技术发展环境下，在芯片设计领域面临着来自多个方向的竞争压力与挑战。例如下图展示了当前市场对于不同类型的芯片产品的需求情况从中可以看出各类型芯片产品在市场需求上的差异性以及未来发展的潜在趋势

回想一下是不是有些困惑，
之前你说的人工智能和类人工智能是否正确？
其实我并没有完全认同这一点。
如我之前深入探讨的研究领域，
现在有很多公司已经成功地将这些研究成果转化为实际产品。
具体来说，在图像识别和语音处理等领域，
其应用已经在多个领域取得了显著成效。
已经远远超过了人类的能力水平。
那么这个突破意味着什么呢？
与此同时，
我们也要认识到，
这些技术带来的产业链变革是全方位的。

同学们，要不要跟我一起去抢钱，下图看看，还有那个行业有AI这么迅猛。

从各行业的分布情况来看可以看出许多老板们都非常激动人心的是我们要科学合理地采用人工智能技术根据实际情况制定相应的战略方针这样做不仅能够显著提升企业的运营效率还能有效避免因盲目跟风而导致的负面影响目前这样的实践并不少见有些企业在导入智能化设备后不仅没能实现生产效率和服务质量的全面提升反而导致企业陷入困境令人唏嘘不计