双养汇集
17
人 工 智 能
紅色印記銘黨史
仁者乐山选编
双养汇集 第十七集人工智能
前 言
被科技界笑称为科技考古的人工智能简史，在16世纪的瑞士哲学家泰奥弗拉斯图斯·邦巴斯特斯曾说过：“我们会像神一样。我们将复制上帝最伟大的奇迹——创造人类。”人类创造“合成智慧”的最新尝试现在被称为人工智能。我们希望提供一个全面的人工智能历史，从它鲜为人知的日子（当时它甚至不被称为AI）到当前的人工智能时代。被称为人工智能之父的约翰·麦卡锡说：”人工智能是制造智能机器，特别是智能计算机程序的科学和工程。”人工智能发展的历史可划分为9个里程碑和五个阶段。这些里程碑并非互不相关。相反，它们与人工智能整体历史的联系，以及它们从以前的里程碑之中获取的经验以及取得的进步,这9个里程碑分别是:
1, 达特茅斯会议
2,感知器
3,20世纪60年代的人工智能热潮
4,20世纪80年代的人工智能寒冬
5,专家系统的发展
6,NLP的出现与20世纪90年代的计算机视觉
7,大数据的兴起
8,深度学习的到来
9,生成式人工智能的发展
第一个里程碑 达特茅斯会议值得纪念，它是人工智能历史上的一个开创性事件，所以，从公元前322年的 亚士里多德到上世纪50年代是人工智能的孕育盟芽阶段。自这次会议之后的10多年间，人工智能的研究在机器学习、定理证明、模式识别、问题求解、专家系统及人工智能语言等方面都取得了许多引人注目的成就，是人工智能的热潮阶段，它标志着人工智能领域的诞生，同时也标志着“人工智能”这个名字的诞生。约翰·麦卡锡被称为达人工智能之父。特茅斯会议对人工智能的整个历史产生了重大影响。
第二个里程碑感知机被视为人工智能的一个重要里程碑，因为它展示了机器学习算法模仿人类智能的潜力。它表明机器可以从经验中学习，并随着时间的推移提高自己的表现，就像人类一样。但后来发现，该算法特别是在对复杂数据进行分类时有很大的局限性。这导致20世纪60年代末和70年代人们对感知机和人工智能研究的兴趣下降。陷入了20世纪80年代的人工智能寒冬，
度过寒冬后，人工智能步入第二发展期。从90年代至今，都是平稳发展期。
人工智能的发展主要经历了五个阶段：
（1） 孕育萌芽阶段，直至1956年即上世纪50年代，以申农、约翰·麦卡锡为首的科学家共同研究了机器模拟的相关问题，人工智能正式诞生；约翰·麦卡锡被视为人工智能之父。
（2）第一发展期，上世纪60年代是人工智能的第一个发展黄金阶段，该阶段的人工智能主要以语言翻译、证明等研究为主；
（3）瓶颈阶段，上世纪70年代经过科学家深入的研究，发现机器模仿人类思维是一个十分庞大的系统工程，难以用现有的理论成果构建模型；使人工智能陷入低谷的瓶颈阶段。导致人工智能进入20世纪80年代的寒冬。
（4）第二发展期，已有人工智能研究成果逐步应用于各个领域，人工智能技术在商业领域取得了巨大的成果；使人工智能度过寒冬步入第二发展期。
（5）平稳发展阶段，上世纪90年代以来，随着互联网技术的逐渐普及，人工智能已经逐步发展成为分布式主体，为人工智能的发展提供了
新的方向。
与国际上人工智能的发展情况相比,国内的人工智能研究不仅起步较晚,而且发展道路曲折坎坷,历经了质疑、批评甚至打压的十分艰难的发展历程。...
人工智能是科技发展的必然趋势。近年来，人工智能的话题持续升温，全球都刮起了一阵人工智能热潮。国内有很多不错的人工智能公司，但人工智能技术的范畴很广，很难分高低，在不同的领域，都有出色的产品和系统。比如美亚柏科，他们以大数据、人工智能、装备技术为基础，通过整合成熟的硬件技术和软件资源，为国内各级司法机关以及行政执法部门提供电子数据取证产品及网络信息安全解决方案、网络空间社会治理提供产品和服务，助力执法部门实现“大数据打造无贼天下”的远大目标。再比如阿里公司，以阿里云见长，其应用有城市大脑、智慧城市、双11世界购物节、无人酒店等，都有不错表现。中国人工智能市场规模不断扩大。根据国际数据公司（IDC）的预测，到2022年，中国的人工智能市场规模将达到1100亿美元。目前，中国的人工智能领域已经涌现出一批国际知名的人工智能企业，如百度、腾讯、阿里巴巴和华为等。
在经历了60年“三起两落”的发展后，以深度学习为主要标志的人工智能正迎来复兴。很多国际科技巨头都已将研究开发人工智能作为企业的核心战略，持续投入巨资并招聘领军人才，强力拓展在该领域的布局。有专家预测，未来2至5年，人工智能应用与产业发展将迎来真正的爆发期。而直接推动人工智能领域前进的谷歌、微软、IBM等科技巨头，已为人工智能的未来描绘出了无比美好的愿景。
目 录
第一、什么是人工智能?
第二、什么是人工智能技术？
第三、人工智能何时起步及其发展历程
第四、浙江省首次发布人工智能产业发展报告
第五、北京2022年人工智能发展白皮书重磅发布
第六、中国人工智能发展现状和发展趋势
第七、2035年人工智能愿景
第八、2017四大最重磅人工智能产品，科技感十足，惊爆眼球
第九、2023年十四大最重磅人工智能产品，AI生成器。
第十、什么是人工智能的研究方向？
第十一、从基础研究浅析人工智能技术发展前景
第十二、从ChatGPT热看中美人工智能竞争
第十三、发展人工智能，中美各有什么“长短板”
第十四、什么是人工智能?人工智能能为我们带来什么
金言玉语 供大家共勉
成功是急不来的。不计较一时一地的得失，将注意力集中于正在做的事情本身，持续付出努力，才能一步步向前迈进，逐渐达到理想的目标。从容不迫、脚踏实地，结果自会水到渠成。
无论是驱赶迷茫，还是对抗平庸，读书都是最简单也最实用的方法。阅读，犹如一场奇妙的旅行，总能带给我们丰富体验。给自己一点时间，静下心来读书，它会一点一滴地滋养你、改变你。好好读书，美好的期待必将到来！
无论什么年纪，只有不断提升自己，精神世界才会充实丰盈，眼界才会愈加开阔，也才能更有底气、更加从容地面对人生。你是什么样子，完全取决于你自己。保持学习、不断提升，是给生活最好的回馈。
公 告
关于选择专题的公告：在广大网友的推荐并帮助下，电子书专题的计划已经到32集，后续专题，请大家继续出点子，群策群力，使其继续前行。许多专题，我并不懂，只不过化时间比大家早点向网络学习罢了，有的知识，我鹦鹉学舌似懂非懂，错误难免，请大家指正并多多包涵。我之所以乐此不疲，也是为提升自我的同时，让更多的中老年朋友欣赏并享受新思想、新技术、新世界和古代领域的精神生活。
11《中国梦》12《惬意的人生年华》13《望子成龙望女成凤路在何方》；
14《绿色发展》15《双循环》16《家风》；
17《人工智能》18《数字经济》19《量子芯片》；20《大数据》21《无人机空中航母》
22《千古奇文》23《新能源》24《国家电网》
25《特高压输电》；26《中国航天》27《空间站》28《神州飞船》；
29《乡愁》30《盾构机》31《全世界最神奇的一串数字》；
32《9000年前的独木舟》33《？》34《？》
正 文
第一、什么是人工智能?
AI即 人工智能，人工智能是指通过计算机技术模拟人类智能，实现自动化、智能化的技术和应用。它可以通过机器学习、自然语言处理、图像识别等技术，实现自主学习、推理、判断和决策等人类智能的功能。人工智能，是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，包括机器人、语言识别、图像识别、自然语言处理等。
第二、什么是人工智能技术？
人工智能技术包括以下六个方面;
1，机器学习，让计算机学习并改进算法从而实现自主学习。
2，自然语言处理，让计算机理解和处理自然语言，实现自然交互。
3，图像识别，让计算机识别和理解图像，实现自主感知。
4，智能推荐：根据用户的历史数据和偏好，推荐相关的内容和服务。
5，自主决策：让计算机基于数据和算法，进行自主决策和预测。
6，机器人技术：将人工智能应用于机器人，实现智能化的自主控制和操作。
综合来说，人工智能是一种模拟人类智能的技术和应用，通过机器学习、自然语言处理、图像识别等技术实现自主学习、感知、推理和决策等功能，被广泛应用于各个领域，以提高效率和降低成本。
第三、人工智能何时起步及其发展历程
1、孕育萌芽阶段：公元前322年，伟大的哲学家亚里士多德名著《工具论》---1956年达特茅斯会议
自古以来，人们就一直试图用各种机器来代替人的部分脑力劳动，以提高人们征服自然的能力，其中对人工智能的产生、发展有重大影响的主要研究成果包括：
早在公元前384-公元前322年，伟大的哲学家亚里士多德(Aristotle)就在他的名著《工具论》中提出了形式逻辑的一些主要定律，他提出的三段论至今仍是演绎推理的基本依据。
英国哲学家培根(F. Bacon)曾系统地提出了归纳法，还提出了“知识就是力量”的警句。这对于研究人类的思维过程，以及自20世纪70年代人工智能转向以知识为中心的研究都产生了重要影响。
英国哲学家培根(F. Bacon)曾系统地提出了归纳法，还提出了“知识就是力量”的警句。这对于研究人类的思维过程，以及自20世纪70年代人工智能转向以知识为中心的研究都产生了重要影响。
德国数学家和哲学家莱布尼茨(G. W. Leibniz)提出了万能符号和推理计算的思想，他认为可以建立一种通用的符号语言以及在此符号语言上进行推理的演算。这一思想不仅为数理逻辑的产生和发展奠定了基础，而且是现代机器思维设计思想的萌芽。
英国逻辑学家布尔(C. Boole)致力于使思维规律形式化和实现机械化，并创立了布尔代数。他在《思维法则》一书中首次用符号语言描述了思维活动的基本推理法则。
英国数学家图灵(A. M. Turing)在1936年提出了一种理想计算机的数学模型，即图灵机，为后来电子数字计算机的问世奠定了理论基础。
美国神经生理学家麦克洛奇(W. McCulloch)与匹兹(W. Pitts)在1943年建成了第一个神经网络模型(M-P模型)，开创了微观人工智能的研究领域，为后来人工神经网络的研究奠定了基础。
美国爱荷华州立大学的阿塔纳索夫(Atanasoff)教
授和他的研究生贝瑞(Berry)在1937年至1941年间开发的世界上第一台电子计算机“阿塔纳索夫-贝瑞计算机(Atanasoff-Berry Computer，ABC)”为人工智能的研究奠定了物质基础。需要说明的是：世界上第一台计算机不是许多书上所说的由美国的莫克利和埃柯特在1946年发明。这是美国历史上一桩著名的公案。
由上面的发展过程可以看出，人工智能的产生和发展绝不是偶然的，它是科学技术发展的必然产物。
2 形成阶段
这个阶段主要是指1956-1969年。1956年夏季，由当时达特茅斯大学的年轻数学助教、现任斯坦福大学教授麦卡锡(J. MeCarthy)联合哈佛大学年轻数学和神经学家、麻省理工学院教授明斯基(M. L. Minsky)，IBM公司信息研究中心负责人洛切斯特(N. Rochester)，贝尔实验室信息部数学研究员香农(C. E. Shannon)共同发起，邀请普林斯顿大学的莫尔(T.Moore)和IBM公司的塞缪尔(A. L. Samuel)、麻省理工学院的塞尔夫里奇(O. Selfridge)和索罗莫夫(R. Solomonff)以及兰德(RAND)公司和卡内基梅隆大学
的纽厄尔(A. Newell)、西蒙(H. A. Simon)等在美国达特茅斯大学召开了一次为时两个月的学术研讨会，讨论关于机器智能的问题。会上经麦卡锡提议正式采用了“人工智能”这一术语。麦卡锡因而被称为人工智能之父。这是一次具有历史意义的重要会议，它标志着人工智能作为一门新兴学科正式诞生了。此后，美国形成了多个人工智能研究组织，如纽厄尔和西蒙的Carnegie-RAND协作组，明斯基和麦卡锡的MIT研究组，塞缪尔的IBM工程研究组等。
自这次会议之后的10多年间，人工智能的研究在机器学习、定理证明、模式识别、问题求解、专家系统及人工智能语言等方面都取得了许多引人注目的成就，例如：
在机器学习方面，1957年Rosenblatt研制成功了感知机。这是一种将神经元用于识别的系统，它的学习功能引起了广泛的兴趣，推动了连接机制的研究，但人们很快发现了感知机的局限性。
在定理证明方面，美籍华人数理逻辑学家王浩于1958年在IBM-704机器上用3~5min证明了《数学原理》中有关命题演算的全部定理(220条)，并且还证明了谓词演算中150条定理的85%，
1965年鲁宾逊(J. A. Robinson)提出了归结原理，为定理的机器证明作出了突破性的贡献。
在模式识别方面，1959年塞尔夫里奇推出了一个模式识别程序，1965年罗伯特(Roberts)编制出了可分辨积木构造的程序。
在问题求解方面，1960年纽厄尔等人通过心理学试验总结出了人们求解问题的思维规律，编制了通用问题求解程序(General Problem Solver，GPS)，可以用来求解11种不同类型的问题。
在专家系统方面，美国斯坦福大学的费根鲍姆(E. A. Feigenbaum)领导的研究小组自1965年开始专家系统DENDRAL的研究，1968年完成并投入使用。该专家系统能根据质谱仪的实验，通过分析推理决定化合物的分子结构，其分析能力已接近甚至超过有关化学专家的水平，在美、英等国得到了实际的应用。
第四、浙江省首次发布人工智能产业发展报告
2020-05-09 09:33 杭州网
人工智能是引领新一轮科技革命和产业变革的战略性技术，浙江省谋划布局早，取得了先发优势。昨天上午，浙江省首次发布人工智能产业发展报告，对全省人工智能产业发展作了全面总结。
报告显示，截至去年，全省人工智能企业达到482家，实现总营收1987.37亿元，形成了千亿级规模。产业区域发展竞争力位居全国第四位，位居国内第一梯队，尤其是智慧安防产业，占领全球30%以上的市场。
杭州发展优势明显，目前，杭州人工智能企业数量、营业收入分别占据全省的45%、58.3%，位居全省第一。同时，产学研创新生态圈已经形成。浙江大学建设了国内首个人工智能交叉学科，启动了脑科学与人工智能会聚研究计划（“双脑”计划），阿里巴巴城市大脑、海康威视入选国家新一代人工智能开放创新平台等。
报告重点围绕人工智能产业发展，但产业发展最终还是要服务人的发展。眼下，在杭州，人工智能场景应用正在慢慢走近老百姓生活。城市大脑在交通治堵等城市治理方面应用初步显现，杭绍甬全国首条智慧高速开工建设，未来社区也正在逐渐变成现实。
未来人工智能产业将如何发展，哪些应用场景最先走进老百姓生活。报告发布了“五大趋势”预测。
1：技术攻关取得阶段性进展。浙江大学、之江实
验室、阿里达摩院、海康威视等优先开展类脑信息处理、自主无人系统、虚拟现实等前沿关键技术研究，重点提升智能设备数据处理、样本学习和人机交互能力。
2：核心产业规模快速增长。阿里云OS等通用性人工智能操作系统和控制软件将实现应用，智能传感器、智能安防、智能无人系统、智能家居等一批智能终端产品将上市。预计2020年人工智能核心产业规模比上年增速超过20%，总规模超过800亿元。
3：人工智能行业应用将加速。物联网+AI技术将使智慧远程医疗、精准医疗成为可能；AI技术赋予“云办公”、家庭场景各种智能设备将具有感知能力。预计2020年人工智能行业应用规模将超过1500亿元。
4：人工智能助力社会治理现代化进程。在这次抗疫期间，浙江省采用“一图一码一指数”精密智控取得积极成效。人工智能将驱动社会数字化转型，一个以AI技术为核心的智慧社会将加快
5；数字新型基础设施建设提升人工智能发展。2020年浙江省将加快推进新型基础设施建设工程，全面推进5G网络建设，布局新型大数据中
心，开发天基卫星基准服务。
来源：都市快报
第五、北京2022年人工智能发展白皮书重磅发布
2月13日，北京市经济和信息化局在北京人工智能产业创新发展大会上，正式发布《2022年北京人工智能产业发展白皮书》（以下简称白皮书）。
人工智能日益融入经济发展各个领域，成为推动科技跨越发展、产业优化升级、生产力整体跃升的重要驱动力量，为新旧动能转换和经济高质量发展提供了有力支撑。北京市以加快建设国家人工智能创新应用先导区为重点，积极探索人工智能产业发展的新模式、新路径，在科技创新、融合应用、生态环境建设、体制机制创新等方面取得了显著进展。
白皮书系统性展示了北京在构筑全球人工智能创新策源地和人工智能领军城市过程中的创新成果和实践经验。
一是北京持续保持人工智能领先优势。
截至2022年10月，北京拥有人工智能核心企业1048家，占我国人工智能核心企业总量的29%，数量位列全国第一。核心区域产业集聚能力全国第一，已经形成了全栈式的人工智能产业链。
二是北京创新“策源地”建设提速。
北京人工智能领域核心技术人才超4万人，占全国的60%。人工智能论文发表量居全国第一。在专利授权数量全球排名前100的机构中，北京总部机构30家。
三是北京在国家人工智能创新体系中占重要地位。
工信部揭榜挂帅优胜项目数量居全国第一，北京共37个项目、32家单位上榜。国家开放创新平台数量领跑全国，我国已有24家企业获批建设国家新一代人工智能开放创新平台，其中10家企业总部在北京。
四是北京人工智能支撑能力不断增强。
人工智能算力发展排名全国第一。北京市政务数据开放走在前列，已无条件开放115个市区级单位，公共服务事项指南、财税金融、城市管理等领域公共数据集15880个。智源“悟道2.0”，成为全球最大智能模型，参数规模达到1.75万亿。百度“文心”大模型参数规模达到2600亿，是目前全球最大中文单体模型。
五是北京国家人工智能先导区建设成果显著。
数字人、智能机器人等技术在冬奥会成功落地，
彰显科技冬奥魅力。海淀、朝阳、西城、昌平、通州等区已开始或完成“智慧城市大脑”相关部署，北京已迈向全域场景开放的智慧城市2.0阶段。无人出行服务从示范运营迈入商业化试点新阶段。2022年度北京市智能工厂和数字化车间名单正式发布，36家智能工厂和47家数字化车间名单出炉，人工智能与智能制造融合创新加速落地。
今年是全面贯彻落实党的二十大精神的开局之年，北京市将继续坚持“五子”联动服务，积极融入新发展格局，形成人工智能产业发展新突破，助力建设国际科创中心和全球数字经济标杆城市。
一是持续推动建设具有全球影响力的人工智能创新策源地。
引导企业、高校、科研院所、新型研发机构、开源社区等，围绕人工智能关键核心技术创新协同攻关。
二是全面夯实人工智能产业发展底座。
支持头部企业打造对标ChatGPT的大模型，着力构建开源框架和通用大模型的应用生态。加强人工智能算力基础设施布局。加速人工智能基础数据供给。
三是加快建设国家人工智能创新应用先导区。
支持人工智能优势企业在自动驾驶、智能制造、智慧城市等优势领域开展创新应用，全面构筑人工智能场景创新高地。
四是积极探索人工智能安全、科技伦理治理机制。
研究人工智能融合应用安全、伦理治理范式，构建法律、市场、代码架构和社会规范相结合的多元路径。
五是率先建成高水平人工智能人才高地。
科学谋划高端顶尖人才和人工智能复合型人才引进培育机制。进一步促进海外顶尖人才在京创新创业，激活创新驱动“源头活水”。
第六、中国人工智能发展现状和发展趋势
现状：中国人工智能市场规模不断扩大。根据国际数据公司（IDC）的预测，到2022年，中国的人工智能市场规模将达到1100亿美元。目前，中国的人工智能领域已经涌现出一批国际知名的人工智能企业，如百度、腾讯、阿里巴巴和华为等。
发展趋势：未来，中国人工智能将呈现以下几个趋势：
（1）应用场景将更加广泛。人工智能技术将逐渐渗透到各个领域，如医疗、金融、教育等。
（2）技术将不断进步。中国的人工智能企业将继续进行技术创新，如自然语言处理、机器学习、深度学等。 （3）产业生态将更加完善。政府将继续出台相关政策，推动人工智能产业的发展，并促进人工智能企业的合作和创新。
（3）国际合作将加强。中国的人工智能企业将与国际知名的人工智能企业合作，共同推进人工智能技术的发展。 总之，随着中国人工智能市场的不断扩大和技术的不断进步，未来人工智能将在各个领域发挥越来越重要的作用。
第七、2035年人工智能愿景
国际科技巨头描绘人工智能愿景
孙语冰
在经历了60年“三起两落”的发展后，以深度学习为主要标志的人工智能正迎来复兴。很多国际科技巨头都已将研究开发人工智能作为企业的核心战略，持续投入巨资并招聘领军人才，强力拓展在该领域的布局。有专家预测，未来2至5年，人工智能应用与产业发展将迎来真正的爆发期。而直接推动人工智能领域前进的谷歌、微软、IBM等科技巨头，已为人工智能的未来描绘出了无比美好的愿景。
微软：人工智能从“对话即平台”融入生活
1991年，比尔·盖茨在创建微软研究院时曾提出过一个愿景：让计算机能看会听，并理解人类的想法。25年来，微软公司持续投入在人工智能领域的发展。现在，借助全新发布的聊天机器人Zo、Cortana Decices SDK、智能套件以及扩展智能工具，“对话即平台”的愿景即将成为现实。
在微软Build2016开发者大会上，微软CEO纳德拉首先提出了对话即平台的人工智能发展方向。微软全球执行副总裁陆奇在发布会上宣布：“今天，
我们终于具备了对话即平台的条件。”在庞大的数据量、用户连接和技术条件达到一定要求后，以对话为核心的人工智能将回归到人们所期待的最自然的交互形式，最自然的体验是直接和电脑说话。
这一革命孕育出的便是人工智能伴侣虚拟机器人“微软小冰”。微软在2014年5月推出了这款能和用户在互联网上进行对话的“机器人”。截至2016年5月，据微软公开数据显示，微软小冰已经拥有数千万用户，累计对话超过200亿次，平均对话23轮，微软小冰也被称为全球科技史上最大规模的一次图灵测试。大数据推动了微软小冰的发展，而每一代微软小冰的跃升也越来越明显。在微软小冰的基础上，微软又分别在日本和美国相继推出了“凛菜”和“Zo”，两个机器人都受到了极大的关注。
微软的长远战略是希望人工智能应用不但拥有智商（IQ），还要有情商（EQ）。正是基于这一理念，微软在聊天机器人领域屡屡开创研究成果。2016年10月，微软成为业内第一家实现对话语音识别技术达到人类专业水平的公司。Skype Translator获得了突破性进展，现已支持9种语言的互译，可以帮助不同地区的人们在交流时即时了解对方的意图；基于微软新的智能语言和语音识别技术，
Microsoft Translator可以实现现场实时翻译多种语言，在人与人之间建立联系，破除语言障碍。
在微软眼中，人工智能的发展方向是用来帮助人们的工作和生活，包括在情感上与人类交流，以后的人工智能将不再是被强化的概念，而会像你在生活中使用电灯、电脑、手机那样司空见惯，和生活融为一体，而这一切将从“对话即平台”人工智能开始。
IBM：打造针对商业的人工智能平台
多年来，各个科技公司一直在通过人机大战展示它们在人工智能方面的进展。其中，IBM是底蕴十分深厚的一支力量。1997年，IBM的“深蓝”超级计算机战胜了国际象棋大师卡斯帕罗夫；5年前，IBM Watson系统在电视知识竞赛节目《Jeopardy！》中打败了人类对手，用自然语言实现了深度问答，展示了其强大的学习能力，自此，Watson声名大噪。
认知计算平台Watson是目前IBM在人工智能领域的重要布局，IBM希望利用Watson的语义分析、自然语言处理和机器学习造福人类。Watson代表的是一种名为“认知计算”的计算模式，具体包括理解、推理和学习三方面。
首先，Watson主要运用计算系统处理结构化和非结构化数据的能力进行认知协作；其次，运用“假设生成”算法，Watson能从数据中抽丝剥茧，寻找事物间的相关联系；最后，Watson从大数据中提取关键信息，以证据为基础进行学习。根据万能的三步，Watson就能“以不變应万变”，改变商业解决的方式，由此提升效率。
“Watson是针对商业的人工智能平台。”事实上，IBM公司董事长、总裁兼CEO罗睿兰的这句话就是Watson最大的特点。虽然谷歌和微软的最终目的也是商业化，然而罗睿兰所说的“商业化”是目前持续在进行中的商业化。仅以医疗行业为例，Watson目前不仅最重视这个领域，而且已经在和产业进行深入衔接。
在与多伦多一所医院的合作中，Watson分析大量因感染而死亡的早产儿数据，试图找出早期可观察的警示信号。系统发现，通常在死亡前24小时开始，这些婴儿的心率就开始偏离正常值。这一结果可以给医院提供极大的参考。
IBM首席创新官Bernard Meyerson博士表示：“它最顶级的用处，就是准确预测未来，让你能够从根本上改变历史的进程。因为它能够预知即将
发生的事情，让你有机会在不喜欢的事情到来之前改变它的发展路径。你可以减轻或消除负面的结果，让事情往积极的方面发展。”
谷歌：机器学习时代已经来临
2016年3月，AlphaGo在人机围棋比赛中以4：1的成绩战胜了世界顶级围棋棋手李世石，体现了谷歌在人工智能领域的突破，一时间，机器学习成为世界瞩目的
人工智能在建筑领域的应用前景怎么样，未来的走向会趋向于哪些方面？
上海品览数据科技有限公司
地产商对速度的迫切需求、日益增长的人工成本、碎片化的行业知识经验，成为限制设计企业发展的巨大瓶颈，进而影响了建筑设计行业进一步高质量发展。在这种行业困境下，如何利用新技术实现在建筑设计的核心领域破局，变得尤为重要。
品览科技早期专注于AI物品识别底层技术平台的研发，延伸以目标检测、图像分割、细粒度识别等计算机视觉技术，整合建筑行业国家规范、企业内部管控标准的工程设计知识库和集合传统图像处理与品览自研算法的生成式强化学习算法，具备对建筑空间、构件及其关键属性的识别与生成能力。
如何将“AI+”模式更好地落地于建筑设计行业，既是「品览智造」所面临的问题，也是其作为行业先发者的优势。作为第一家建筑设计AI服务商，需要为行业制定标准，从接口、框架、环节，到功能需求、盈利模式等各方面定义建筑设计AI。
聚焦传统建筑行业的“提效”与“保质”，大幅缩短出图周期至原有的30%以上，提升施工图绘图质量的行业底线，避免建设项目“带病施工”，并借助功能持续迭代提升的“AI助手”，将设计师从规范化且重复性较强的工作中解脱，从底层颠覆传统建筑设计行业。
第八、2017四大最重磅人工智能产品，科技感十足，惊爆眼球
现在的人工智能产品真的很让人出乎意料，层出不穷的智能科技产品你用过多少呢？小编今天就为大家带来几款实用满分，性能酷炫到没朋友的人工智能产品，款款都科技感爆棚。
一、不止是电视盒子，还能多方通话，泰捷webox mix
泰捷是专业视频起家的，具有独家的视频解码技术，拥有六大核心技术，几十项技术专利，可以
给您提供清晰流畅的视频播放。另外泰捷也曾反复研究过家庭用户的操作习惯，研发出这款操作简单，家人易上手的操作系统，非常适合家里有老人小孩的家庭使用，同时看视频还无广告。
除了适合看电视外，webox mix这款产品还把电视盒子、网络摄像头和智能音箱三个功能集合在一起。盒子和手机上的泰捷享家APP配对好，就直接和家人进行视频通话了，相对手机视频聊天，泰捷MIX可同时支持四方通话，而且超清画质让你和家人仿佛面对面聊天。同时还无需手持，一接即通，想聊就聊。
另外这款产品看电视也非常方面，拥有智能语音功能，想看电视看电影听音乐或者和家人视频，直接语音对着盒子说出指令，盒子就会执行你的指令，方便实用。
二、听话、干活还能聊天，Kuri家庭机器人
圆润可爱的外观，这款智能机器人其实身上配备有镜头、四个收音咪及喇叭等，可以通过WIFI连接上家里的其他智能家用，进行操作。机器人自身还可以播放音乐、讲故事、拍摄相片及影片等。 当你像它互动时，它将会以眨眼及各种头部动作去作出回应，十分可爱。
三、帮人穿衣打扮小能手，亚马逊Echo Look
亚马逊这款智能摄像头，看似普通造型的背后其实是一款会帮你穿衣风格出谋划策的小能手。根据机器学习算法与时尚专家的建议，帮助你评估穿衣风格和定制服装。可以通过语音来控制Echo Look为自己拍照，从很少见的角度检查自己的衣着打扮。
四、LG智能冰箱
LG公司曾经做过一项调查，一般4人小家庭每天开启冰箱的平均次数约是79次。而每次打开门总是会把冰箱的冷空气遗失掉。这样不仅损耗电量也增加冰箱的负担。
而LG这款Door in door冰箱内有个广角镜头，可以贴心的告知你冰箱里面有啥缺啥。当您在超市的时候打开APP就可以一目了然，购买需要的食物啦。另外冰箱们还支持体感技术，当你站到冰箱门前就能自动开门，俩手端盘子也能放东西。
第九、2023年十四大最重磅人工智能产品，AI生成器，惊爆眼球
“AI将如何改变摄影”
这句话成为当下摄影人最为关注的话题，而在近日公布的2023 年索尼世界摄影奖获奖名单中，德国摄影师鲍里斯·埃尔达森使用人工智能AI生成图像的《虚假记忆》获得公开竞赛组创意类别第一名，更是引起业界、尤其是新闻摄影工作者对于摄影真实性的热议。
虽然摄影师本人拒绝领奖，希望引起大家更多的重视和争论，但我们看到，有越来越多的摄影师开始应用AI技术在影像创作上探索更多的可能，拓展影像发展的边界，进而改变我们对摄影的思考方式。
这些创作方向涵盖了人工智能技术的多个方面，人工智能产生重大影响的一个领域是图像创作，这些 AI 工具可以在几秒钟内将您的想法或概念快速转化为可视化的图像。AI图像生成器可用于各种目的，例如为你的创意项目产生灵感，将你的想法可视化，探索不同的场景或概念，或者仅仅是为了享受AI的乐趣。顶级人工智能艺术生成器提高其拼接能力，提高其渲染引擎的速度，辅助的人工智能产品将扩大其设计模板的组合。
无法否认人工智能已经永远改变了数字艺术的面貌。
1.Fotor
https://www.fotor.com/features/ai-image-generator/
Fotor是一个在全球拥有数百万用户的在线照片编辑器，最近发布了一个AI图片生成器。它非常使用简单。你只需要输入你的文字提示，然后看着Fotor的AI文字-图像生成器在几秒钟内把它变成现实。你可以用它来创建逼真的脸部图像，3D和动漫人物，绘画，以及任何类型的数字艺术。Fotor的AI图像生成器最好的部分是它可以免费使用，并让你以全分辨率导出你生成的图像。这对初学者和高级用户来说都是一个很好的选择。
主要特点：每天有10个免费的图像生成、2种图像转换模式：文本到图像和图像到图像、快速图像生成模式、能够从文本中生成优秀的图像、9种不同的转换风格可供选择
2.NightCafe
https://creator.nightcafe.studio/
NightCafe是市场上最受欢迎的人工智能文本转图像生成器之一。据说它比其他生成器有更多的算法和选项。它有2种转换模式——文本到图像和风格转换。
文本到图像：你只需输入一个描述文本，NightCafe就会根据你的描述自动生成相应场景的图像。
风格转换：将图片上传到NightCafe，它可以将你的图片变成名画的风格。
NightCafe是基于信用系统的。你拥有的学分越多，你能生成的图片就越多。你可以通过参与社区活动或购买来获得学分。
主要特点：易于使用、快速的图像生成过程、每天有5个免费的图像生成、多种艺术风格可供选择、能够生成用于印刷的高分辨率图像
3. Dream by WOMBO
https://dream.ai/create
WOMBO的梦想是由加拿大人工智能初创公司WOMBO创建的。它被许多人认为是最好的来自文本的全能AI图像生成器。使用Dream by WOMBO的过程与NightCafe非常相似。写一个句子，选择一种艺术风格，然后让Dream by WOMBO为你生成图像。
它最好的部分之一是，它允许你上传一张图片作为参考，因此你可以生成更符合你设想的图片。
主要特点：易于使用、有各种艺术风格可供选、免费生成无限的图像、将你生成的图像作为NFT出售
4. DALL-E 2
https://openai.com/product/dall-e-2
DALL-E 2是由OpenAI开发的尖端AI图像生成器，该团队创建了GPT-3，即顶级自然语言机器学习算法。因此，DALL-E 2成为市场上最先进的AI图像生成器，可以从文本中生成各种数字艺术和插图。只要输入文字，DALL-E 2就会根据你的文字创造出一系列的图片。你可以用它来创作插图，设计产品，并产生新的商业创意。DALL-E 2提供的最好的功能之一是它的画笔，它允许你为你的图片添加细节，如阴影、高光、颜色、纹理等。
主要特点：每次在几分钟内制作多个图像、图像质量和准确性都很好、能够编辑生成的图像
5. Midjourney
https://www.midjourney.com/
Midjourney也是最好的AI图像生成器之一，功能全面，图像生成速度极快。输入一个文本提示，让Midjourney完成剩下的工作。许多艺术家
使用Midjourney来生成他们想要的图像，作为他们作品的灵感来源。使用Midjourney制作的人工智能绘画 "Théâtre d'Opéra Spatial "在科罗拉多州博览会的美术比赛中获得了一等奖，击败了其他20位艺术家。然而，目前，Midjourney被托管在一个Discord服务器上。为了用MidJourney生成图像，你必须加入他的服务器，并采用Discord机器人命令来创建图像。但这很容易，你可以在几分钟内轻松上手。
主要特点：容易上手、快速产生AI生成的图像、生成的图像质量很好，每次有4张输出图像
6. Dream Studio
https://beta.dreamstudio.ai/
目前，Dream Studio，也被称为稳定扩散，是最受欢迎的文本到图像AI生成器之一。它是一个开源的模型，可以在短短几秒钟内将文字提示转换为图像。此外，它可以通过结合上传的照片和书面描述来产生逼真的艺术作品。Dream Studio可以用来创建摄影图片、插图、3D模型、标志，以及基本上任何你能想象到的图像。
主要特点：快速的AI图像生成、每次可生成多个图像、结果具有很高的质量、自定义选项可以编辑生成的AI图像、API访问,
7. Craiyon
https://www.craiyon.com/
Craiyon的前身是DALL-E mini。它是由谷歌和Hugging Face的研究人员开发的。只需输入文字描述，它就会生成由你输入的文字组成的9种不同的图像。
Craiyon是一个伟大的免费AI图片生成器，不需要注册页面。你可以输入任何你喜欢的关键词，并在几分钟内看到你的人工智能生成的图像。
主要特点：易于使用、不需要注册或登记、免费生成无限的AI图片、每次以有趣和有创意的方式生成9张图片
8. Deep Dream Generator
https://deepdreamgenerator.com/
Deep Dream是一个流行的在线AI艺术生成工具。它非常容易使用，并配有一套创建视觉内容的AI工具。Deep Dream可以从文本提示中生成逼真的图像，将基础图像与著名的绘画风格合并，或者使用在数百万张图像上训练过的深度神经网络，在原始图像的基础上生成新图像。
主要特点：易于使用、能够创建现实的和抽象的图像、有3种人工智能模型可供选择
9.StarryAI
https://starryai.com/
StarryAI是一个自动AI图像生成器，可以将图像变成NFT。它可以用机器学习算法处理图像，不需要用户的任何输入。StarryAI最好的一点是，它为你提供了所创建图像的完全所有权，可以用于个人或商业目的。
主要特点：快速和易于使用、适用于安卓和iOS设备的AI图像生成器应用程序、可作为NFT生成器使用、能够创建现实的图像、抽象的图像和产品效果图
10. Artbreeder
https://www.artbreeder.com/
通过使用机器学习，Artbreeder通过重新混合图像来创造创造性和独特的图像。你可以用它来创造风景、动画人物、肖像和其他各种图像。然而，生成的图像的质量不如其他人工智能图像生成器好。Artbreeder的一个先进功能是，它提供了成千上万的插图，并允许用户在文件夹中管理它们，并以JPG或PNG格式下载它们。
主要特点：创建不同的图像变体；生成风景画、动漫人物、肖像画，以及更多。在文件夹中管理插图，可下载JPG和PNG格式的插图。
11.Photosonic
https://photosonic.writesonic.com/
Photosonic是一个基于网络的人工智能图像生成工具，它可以让你通过最先进的文本到图像的人工智能模型，从任何文本描述中创建逼真或艺术的图像。它可以让你通过调整描述和重新运行模型来控制AI生成图像的质量、多样性和风格。
主要特点：使用方便、快捷；10个免费的图像生成；有充分的权利将生成的图像用于任何个人或商业目的
12. DeepAI
https://deepai.org/
这是一个AI文本到图像生成器。它的AI模型是基于稳定的DIFFusion，可以从文本描述中从头开始创建图像。DeepAI是免费使用的，允许你创建无限数量的图像，而且每张都是独一无二的。它还有一个免费的文本到图像的API，开发者可以用它来连接到另一个软件项目。然而，质量并不像本文列出的其他AI图像生成器那样逼真。
主要特点：易于使用；免费生成无限的图像；文本到图像的API访问；创建独特和有创意的AI图像
13. Big Sleep
https://github.com/lucidrains/big-sleep
Big Sleep是一个来自文本的人工智能图像生成器，它基于Python，使用神经网络来创建图像。它在GitHub上，是开源的。
主要特点：免费使用、能够从文本中产生一些优秀的图像、可以选择以高达1024×1024的分辨率导出图像
14.PixRay
https://pixray.gob.io/
PixRay也很容易使用，是一个很好的入门工具。AI图像生成器使用感知引擎。这些引擎的工作原理是将图像划分为被称为瓦片的小方块。然后，用户可以操纵这些瓦片来改变任何给定图片的外观。该应用程序还允许用户添加运动模糊和玩弄灯光。这个应用程序最好的一点是，它允许用户创建高质量的图像，而不需要学习代码。它还支持许多文件格式，因此用户可以在PixRay中制作图片后转换它们。PixRay的一个缺点是，该平台相当基本。它缺乏一些竞争对手的额外功能，如纹理生成或编辑工具。
主要特点：使用简单、每次处理不同的图像、高质量的图像和精确度
第十、什么是人工智能的研究方向？
首先我们需要介绍一些简单的人工智能的知识：人工智能的意思是让机器模拟人类的决策方式，具备人的一些能力。
那么为了模拟人的决策方式，还需要具备一些能力模拟人的决策，例如，人是通过感官接收外部的信息（视觉，味觉，嗅觉，触觉等等），并将信息传递给大脑，由大脑分析后做出决策，因为，机器也需要具备此类能力，这也就变成
了人工智能的研究方向：
人工智能
学习能力
语言能力
感知能力
推理能力
记忆能力
规划能力
人类智能
正如前面所指出的，与PC互联网和移动互联网一样，人工智能同样分为三个层次，即基础层、技术层和应用层。
基础层包括芯片、传感器、算法、云计算、大数据等等；技术层包括上页所说的语音识别、
计算机视觉等等；应用层就是人工智能技术在各行业的应用，比如最近大火的chatGPT。中国最强的就是应用层，在基础层的差距较大。
清楚了三个框架，那么做投资的时候就非常清晰了，就对照三个层次寻找不错的公司即可。实际上，chatGPT就是人工智能行业发展的一个转折点，从今年2月以来英伟达和微软的股价一直在涨，英伟达因为提供算力芯片，所以尽管
很多行业外的人不懂，但是股价已经反映了一切，而且在2023年3月23日超过伯克希尔哈撒韦的市值，成为美国第五大上市公司。国内的人工智能公司也受此影响，股价纷纷大涨，例如科大讯飞等等。 当然，英伟达不仅仅是做芯片而已，聊天机器人、推荐系统（这个时代，推荐引擎会替代搜索引擎）、自动驾驶、元宇宙等等一切跟人工智能相关的内容它都在做，这也是我从去年8月开始研究英伟达的原因，但是我想目前的了解还是不够的，还需要更深入的内容。我会继续，后续的报告会按照三个层次来研究不同的人工智能公司，为大家提供一些不同的视角，但是此份报告就先到这里，因为拖得时间太长了，对于投资来讲，时间就是一切。同时，也可以对照
美股的公司研究国内的公司，例如GPU方面，国内一些公司与英伟达的差距是一到两代的差距，不过我们的举国体制下，也许有超越的机会，不是吗？
本篇报告的意义在于给大家展示一个更全面的英伟达，但是对于其商业上的分析不足，更多是技术上。
第十一、从基础研究浅析人工智能技术发展前景
摘要：在过去的60年中，人工智能在算法、算力和数据的共同驱动下取得了飞速发展，但仍处于人工智能薄弱的阶段。从分析人工智能算法和计算能力的基础研究的現状和发展趋势着眼，从弱人工智能到强人工智能的发展迫切需要基础研究的革命性突破。在算法级别，深度学习算法模型缺乏可解释性和可概括性。它遇到了基础理论的瓶颈，迫切需要基础理论的突破。在计算能力级别上，由于采用了集成电路工艺和微物理极限，摩尔定律无效。电子芯片的计算能力的增长已放缓，并且通用计算芯片的体系结构受到冯诺依曼瓶颈的制约。以神经形态芯片为代表的人工智能芯片方兴未艾。在数据层面，细分领域缺乏高
量的数据集，制约了人工智能技术应用的发展，未来将继续构建高质量的数据集。简而言之，人工智能的基础技术在未来很长一段时间内将缓慢发展，但是工业应用正在蓬勃发展。
关键词：基础;人工智能技术;发展前景
一、引言
人工智能是一个复杂的技术系统，已发展到计算机技术的高级阶段，该系统集成了计算机、数学、逻辑、信息论、控制论、认知科学和伦理学等多个学科。人工智能是在1956年在达特茅斯学院的一次学术会议上提出的，可以分为3个发展阶段：弱人工智能、强人工智能和超级人工智能。ANI是在有限条件下的人工智能。目前掌握的人工智能技术、基金项目，也就是重点行业应用的人工智能数据安全监管与服务平台建设，它是没有理解和推理的感知智力。AGI是能够理解和推理，并且具有感知和自我意识的解决问题的机器智能，属于认知智能。在几乎所有领域中，ASI是比最聪明的人脑更聪明的机器智能，并且是人工智能技术开发的最终目标。在过去的60年中，算法、算力和数据3个基石共同推动了人工智能技术的飞速发展。本文概述了弱人工智能的发展过程，即初始时期、知识驱动
时期和数据驱动时期。它着眼于前沿基础研究的进展以及算法和计算能力所面临的挑战，并阐明了数据驱动时期大数据对人工智能的影响。最后从算法、计算能力、数据集和工业应用4个方面分析了人工智能技术的发展趋势。
二、人工智能的发展历程
（一）初始时期
在该时期，人工智能的概念和相关的基础理论开始创新发展。最初的尝试用软件来模仿人类智能的尝试，例如知识表达，文本计算，简单的神经元模型，模糊集理论和学习算法，都受到算法，计算能力的限制。由于缺乏数据，许多理论尚未实现，但是它们为人工智能的快速发展奠定了理论基础。
（二）知识驱动时期
在该时期，已采用基于符号、逻辑和规则的知识驱动方法来开发智能专家系统。该系统集成了专业知识库、经验和专家决策。在不同领域有大量的专家系统可以获取应用程序，如化学、电子、工程、医学和过程控制等。
（三）数据驱动时期
在该时期，采用了以“深度学习+大数据”为特征的数据驱动方法，并取得了突破性的成就。标志性事件：深蓝在1997年击败了世界象棋冠军卡斯帕罗
夫。在语音识别和图像识别中采用数据驱动方法取得了突破性进展。
三、人工智能算法
人工智能复杂技术系统的核心是人工智能算法。该算法本质上是一组数学理论。例如，深度学习和贝叶斯算法的基础模型涉及高级数学、统计学和概率论。
从知识驱动到数据驱动，人工智能本质上是从知识编码到机器学习和深度学习的理论范式的突破性变化，它在过去的20年中引发了人工智能技术的蓬勃发展。人工智能机器学习本质上是通过数学统计和概率对人类思维过程的近似描述。它经历了3项突破性的发展：1950年代提出了神经网络原型感知器，1980年代提出了浅层传感器神经网络算法。151然后，以深度学习为代表的高复杂度算法自2006年以来爆炸式增长。
深度学习是机器学习中基于大规模数据的表示学习算法，可以从海量数据中学习高级功能。在互联网爆炸带来的计算能力和大数据呈指数增长的全面支持下，深度神经网络已在多个领域逐步取得突破，为当前在计算机视觉、语音识别、自然语言处理和其他人工智能方面的深度学习奠定了基础核心领域的统治。
深度学习在图像和语音领域非常成熟，自然语言处理仍然面临许多挑战。近年来，NLP领域深度学习的主要进展是Google基于变压器的双向编码器表示。首先，将大量未标记的语料库用于模型预训练学习，然后使用少量的标记的语料库进行微调以完成分类、序列标记和句子间句法。关系判断和机器阅读理解等任务。BERT模型在许多自然语言理解任务上具有出色的性能，但是由于其深厚的网络结构和大量的参数，工程实现的计算能力非常大。
深度学习和其他学习方法形成一个组合模型：深度强化学习、深度转移学习、人工规则和神经网络的组合以及图和卷积神经网络的组合。分布式深度学习的最新进展是莱斯大学的研究人员与亚马逊合作提出的MACH算法。该算法将模型中的10亿个参数划分为几个级别，然后对其进行重新分类，从而大大减少了单个搜索的次数，从而大大减少了培训时间和内存使用量，并且在大型数据库中的检索将更加高效。迁移学习将训练后的模型从源任务转移到目标任务，以帮助目标任务解决训练样本不足的问题。深度迁移学习具有深度学习和迁移学习的优势，主要分为四类：基于示例、映射、网络和对抗的深度迁移学习。数据标记非常耗时且费力，
如标记语义分段图。相关学者提出了一种自动标记图像的方法，可以自动生成多边形以标记图像中的对象。它使用卷积神经网络提取图像特征，然后使用递归神经网络对多边形的顶点进行解码，最后通过评估网络从候选对象中选择最佳模型。深度森林算法模型打破了深度学习技术中深度神经网络模型的垄断。它还具有逐层处理、内置特征变化和模型复杂度高的特点，在非法现金检测应用中取得了良好的效果。
综合分析人工智能的当前基础研究现状，算法模型的未来发展趋势是自动化、组合、轻量化、泛化和探索新的深度模型。当前，学术界和工业界正在将大部分资源投入到现有深度学习算法的改进和应用扩展中，而对基础理论研究的关注不足。尽管各种深度学习算法仍在研究和改进中，但它们都面临基础理论的瓶颈，尤其是黑盒问题，泛化性差和深度学习稳定性不足。强大的人工智能之路仍然遥遥无期。基本算法模型的未来突破提供两种技术途径：一个是神经科学的重大发现;另一个是知识驱动和数据驱动方法的结合。第一条技术路线比较困难，但前景更广阔。因此，各国将神经研究计划列为国家战略，并将神
经的基础研究视为竞争全球人工智能技术和产业发展制高点的关键。
四、人工智能算法的算力分析
（一）算力与算法的关系
盡管人工智能的基本理论在早期得到了蓬勃发展，但芯片的计算能力不足限制了人工神经网络的发展。在1980年，计算能力与早期相比增加了大约两个数量级，这只能支持浅层神经网络模型的实现。在21世纪之后，与早期相比，计算能力发生了质的变化，并且已经实现了深度神经网络等高复杂度算法。因此，在计算能力和人工智能算法的不断发展中，计算能力和算法相辅相成，计算能力既促进又制约着算法。
（二）通用电子芯片的发展
目前，使用CMOS技术生产通用电子芯片。在商业上，5nm工艺已实现批量生产。随着晶体管的尺寸逼近物理极限，电子芯片技术进入了后摩尔时代。通过减小晶体管的尺寸来增加集成密度的方法是不可持续的。通用电子芯片开发的主要技术路线是：新工艺、新材料和新物理原理。新工艺的杰出代表是先进包装技术的不断创新和发展。随着摩尔定律的放慢，先进的封装技术已成
为电子产品小型化、多功能、低功耗和高带宽的核心手段。它正在向集成、高速、高频和三个方向发展。三维封装技术的本质是将多个高带宽存储芯片与CPU、GPU、FPCA和其他处理器垂直堆叠在三维空间中，以减少彼此的传输路径，加快计算速度并提高整体计算效率。
五、人工智能发展的前景
短期内，算法模型的发展趋势是自动化、组合、轻量、通用和新的深度模型、例如，在AlphaGo上成功实现深度增强模型以及使用训练数据增强。深度转移学习在一定程度上缓解了培训数据不足的困境;自动机器学习尝试逐步使机器学习中的部分或全部过程自动化。深林是一种新型的深度网络模型，它打破了深度神经网络在深度学习技术中的垄断地位。从长远来看，算法模型基础理论的突破很可能来自神经科学和认知科学等基础研究领域的革命性突破。
大量的大样本训练时间长，计算成本高，可解释性差和稳定性差。深度学习网络模型使用概率和统计方法通过逐层特征转换自动学习数据样本的特征，但是样本的利用率较低，在现阶段无法通过很少的学习样品像人。未来，深度学习技术将
第十二、从ChatGPT注热看中美人工智能竞争
从ChatGPT热看中美人工智能竞争
作者：盘和林 浙江大学国际联合商学院数字经济与金融创新研究中心联席主任、研究员，工信部信息通信经济专家委员会委员
五天超过百万用户，两个月获得上亿用户。ChatGPT的火爆肉眼可见，这家企业的创始人包括马斯克和彼得蒂尔等知名大佬，后又背靠微软，从微软获得了数据（比如微软小冰采集的对话数据，比如GitHub的开源代码库）、算力（微软Azure是全球前三云服务供应商）、资本（微软数轮入资，今年还将投资几十亿美元）等方面的全面支持。可以说整个硅谷的资源都被调动起来聚焦到ChatGPT身上。
ChatGPT的优势在于：它真的有用。之前很多人将人工智能叫做人工“智障”，因为其他人工智能往往答非所问，或者你要按照人工智能习惯的方式来提问才能得到正确答案，而ChatGPT具备上下文语义理解能力，逻辑能力。如果你问的问题它不懂，它就会向你反问，要你补充问题的信息，最终通过一问一答找到你真正需要的问题答案。
不仅依赖于速率统计方法，还将与知识规则驱动的方法相集成。小数据样本培训是未来的重要发展方向。随着大数据、5G、物联网和云端计算的飞速发展，基于深度学习网络的人工智能技术的应用领域越来越广泛，在计算机视觉、语音识别、自然语言处理、机器翻译等领域与路径规划其他技术领域将继续深入探索，并将在安全、金融、运输、教育、医疗和能源等多个应用领域中广泛工业化。
结语
在算法、算力和数据的驱动下，人工智能正进入由深度学习技术引领的发展浪潮。尽管算法的基础理论存在瓶颈，但人工智能的工业应用仍在不断发展。
在文本创作，在知识数据搜索，在代码书写等方面，ChatGPT都有优于谷歌等搜索引擎的用户体验，这让AI领域深耕多年的谷歌艳羡不已，也让其他一众聊天机器人(14.690, 0.31, 2.16%)黯然失色。而一旦用户数量达到一定规模，通过用户的提问，在线数据将支持ChatGPT的数据训练集进一步丰富。可以说ChatGPT让AI达到了一个奇点，而这个奇点之后有可能是一轮AI领域的“宇宙大爆炸”。
国内也有很多聊天机器人，但相比ChatGPT还有很大差距，大多数国内AI都是一问一答，且有的时候还会误解用户的意思，让人啼笑皆非。国内AI为什么会和美国的ChatGPT拉开差距呢？原因是多方面的：
其一，从技术资本层面，最大的限制来自于算力、算法、数据。
算力方面，我国的数据中心多面向软件应用环境，比如游戏服务器外包，真正面向AI的算力非常少，又或者需求不高，而算力本身是非常昂贵的，模型越大，数据越多，数据训练AI所要消耗的费用就越大，一次集中算力训练需要几百万美金的算力，这是国内AI公司不能负担的。
数据方面，国内数据普遍质量不高，一方面是因为数据本身积累上的问题，比如小冰的免费AI对话来积累数据，比如GitHub这样的代码开源网站比较缺乏。另一方面是因为数据管理较为严格，部分数据文本需要审批才可以被人工智能企业使用，减慢了数据价值释放。
算法方面，我国AI开发者有思维惯性，过度依赖于开源内容，对大模型缺乏探索创新。当然，算力、算法、数据的问题有些也是资本问题，没钱导致没办法进行大模型、大数据量的训练，但有些也是管理需要改进的地方。
其二，从管理层面，数据要素流通需要进一步打通，除此之外，我国对AIGC的内容创作也要采取开放包容的态度。AIGC作为技术黑箱，其产出内容往往是不可知的，在输出内容方面要允许AIGC犯错误，让AI企业敢于在技术上突破。
综上，一方面要堆钱，算力、数据、算法都要钱。另一方面要松绑，宽松能够让技术生长速度更快。但短期比较迫切的要做一件事，如果ChatGPT开源，当然皆大欢喜，国产势必跟上，如果ChatGPT不开源，我们是否应该引进ChatGPT，引进ChatGPT理由有两个：一个是看看ChatGPT是否在
国内存在合规障碍，属于抛砖引玉，如果ChatGPT可行，国内企业就会模仿，另一个是因为ChatGPT对代码写作和内容创作来说是一种生产力工具，能够提高内容产量。当然，实事求是地说，中国人工智能近些年的进步是巨大的。当前，全球人工智能发展呈现中美两国引领、主要国家激烈竞争的总体格局。中国人工智能发展成效显著，人工智能创新水平已经进入世界第一梯队，与美国的差距进一步缩小。但中国在人工智能人才方面仍落后于美国，中国的人工智能基础学科建设方面不及美国。
而ChatGPT热潮席卷全球的背后，同样给我国一个深刻的思考，人工智能作为未来产业、经济社会发展中一项变革性技术与关键性力量，深刻影响着未来世界竞争格局。于中国而言，在人工智能发展领域并非到了“刀枪入库马放南山”，反而恰恰如中国的一句话俗话说：逆水行舟不进则退，所以，我们在人工智能技术及产业发展上依然任重而道远，须臾松懈不得。
注：ChatGPT（全名：Chat Generative Pre-trained Transformer），是OpenAI 研发的聊天机器人程序 ，于2022年11月30日发布 。
ChatGPT是人工智能技术驱动的自然语言处理工具，它能够通过理解和学习人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码，写论文 等任务。
2023年4月，中国支付清算协会倡议支付行业从业人员谨慎使用ChatGPT。
2023年4月12日，此前临时禁止使用ChatGPT的意大利开出了解禁的条件，但13日，西班牙国家数据保护局和法国国家信息自由委员会分别宣布对ChatGPT展开调查。同日，欧洲数据保护委员会宣布成立专门工作组，以促进各国协同调查，并就各数据保护部可能采取的执法措施交流信息。
第十二、通过数据，读懂中美人工智能
前不久，腾讯研究院发布《中美两国人工智能产业进展全面解读》，从政策、企业、工程、投资、巨头，应用，人才等多个维度对中美AI举行了最完整的比较和分析，力图呈现出中美各个角度的差异并以此来分析中国未来人工智能企业的走向和趋势。
我们专心阅读了该报告，从中摘抄一些数据。让数据说话，看中美人工智能的实力比较。结论是，
中国完全没有弯道超车的可能，只在局部有所突破。以下文字和图片均来自该报告，有删节。
1.数量
截止到2022年6月，全球人工智能企业总数达成2542家，其中美国拥有 1078家，占据42%；中国其次，拥有592家，占据23%。中美两国相差486家。其余872家企业分布在瑞典、新加坡、日本、英国、澳大利亚、以色列、印度等国家。
2.布局
美国AI产业布局全面领先，在根基层、技术层和应用层，尤其是在算法、芯片和数据等产业核心领域，积累了强大的技术创新优势，各层级企业数量全面领先中国。
根基层（主要为处理器/芯片）企业数量来看，中国拥有14家，美国33家，中国仅为美国的42%。
技术层（自然语言处理/计算机视觉与图像/技术平台），中国拥有273家，美国拥有586家，中国为美国的46%。
应用层（机器学习应用/智能无人机/智能机器人/自动驾驶辅佐驾驶/语音识别），中国拥有304家，美国拥有488家，中国是美国62.3%。
3.人才队伍
美国产业人才总量约是中国的两倍。美国1078家人工智能企业约有78000名员工，中国592家公司中约有39000位员工，约为美国的50%。
美国根基层人才数量是中国的13.8倍。美国团队人数在处理器/芯片，机器学习应用，自然语言处理，智能无人机4大热点领域全面压制中国。
在研究领域，近年来中国在人工智能领域的论文和专利数量保持高速增长，已进入第一梯队。
4.行业热点
人工智能产业展现了九大进展热点领域，分别是芯片、自然语言处理、语音识别、机器学习应用、计算机视觉与图像、技术平台、智能无人机、智能机器人、自动驾驶。
在美国AI创业公司中排名前三的领域为：自然语言处理252家，机器学习应用（Machine Learning Application）242家，以及计算机视觉与图像190家。
在中国AI创业公司中排名前三的领域为：计算机视觉与图像146家，智能机器人125家以及自然语言处理92家。
5.投资
截止至目前，美国达成978亿元，在融资金额上领先中国54.01%，占据全球总融资50.10%；中国仅次于美国，635亿，占据全球33.18%；其他国家合计占15.73%。
中国的1亿美元级大型投资热度高于美国，共有22笔，总计353.5亿元。美国超过1亿美元的融资一共11笔，总计417.3亿，超过中国63.8亿。
6.创投领域
美国面向全产业投资，投资领域广泛根基层、技术层和应用层，而中国采纳融资的企业主要集中在应用层。
中国人工智能企业中，融资占比排名前三的领域为计算机视觉，融资143亿元，占比23%；自然语音处理，融资122亿元，占比19%以及自动驾驶/辅佐驾驶融资107亿元，占比18%。中国的自动驾驶/辅佐驾驶企业虽然数量不多，只有31家，而融资额却是第三，意味着中国的投资者分外看好这一领域。
预计在2022年之前，美国累计AI公司数量将会超过1200家，累计融资将达成惊人的2000亿人民币。中国人工智能产业将会在2022年回暖，新增公司数量会上扬到30以上，预期融资累计量将会达成900-1000亿人民币。
7.巨头实力
当前，苹果、谷歌、微软、亚马逊、脸书，这五大科技巨头无一例外投入越来越多资源抢占人工智能市场，甚至整体转型为人工智能驱动的公司。国内互联网领军者“BAT”也将人工智能作为重点战略，凭借自身优势，积极布局人工智能领域。
巨头通过招募AI高端人才、组建测验室等方式加快关键技术研发。同时，通过持续收购新兴AI创业公司，争夺人才与技术，并通过开源技术平台，构建生态体系。
第十三、发展人工智能，中美各有什么“长短板”
人工智能达到了什么程度?
×编者的话：“请你们监管AI（人工智能）！”据外媒报道，聊天机器人ChatGPT的创建者、美国初创公司OpenAI首席执行官奥特曼在16日参加的一场美国参议院听证会上，出人意料地向立法者表达上述观点。奥特曼直言，“如果这项技术出了问题，它可能会有很大的问题”。18日，在中国天津开幕的第七届世界智能大会上，包括百度创始人李彦宏在内涉足AI领域的企业家，纷纷表达了对AI应用前景的看法。由于ChatGPT出现，有观点称，第四次工业革命的按钮已被按下。该不该发展AI？中美发
展AI各有什么优劣势？中国需做好哪些准备？《环球时报》记者就上述话题，专访了三位AI业内人士。
AI会取代人吗?
AI可替代重复性工作
如今，AI已广泛引用于各类行业。在金融行业，BloombergGPT已经可以替代部分做数据整理工作的数据助理了；在电商领域，智能语音客服已经在售前、售后、物流环境初见锋芒了，想必大促来临的时候，你也接到过几个智能客服打的营销电话吧？
但是，这些工作背后依然是需要人去维护的，数据整理需要前期的数据调取、智能客服需要前期的数据收集及用户分层。AI只是省去了那些重复性的工作，前期的筹备工作依旧需要工作人员去操作。这就需要工作人员不断精进自己的专业能力，利用AI工具提高工作效率，解决问题。
我觉得AI不会取代人类，但是它会给我们带来很高的效率，会取代一些低效率的、重复性的工作。AI没有人类的情感和自主意识，所以只会是执行者，不会代替人类成为决策者。
周鸿祎：360集团创始人
“万模大战”中企核心优势是自带场景
最近一段时间，我好像成了GPT（Generative Pre-trained Transformer，生成式预训练Transformer模型——编者注）的代言人、人工智能的布道者，似乎在很短时间内了解了很多相关信息。其实，这主要因为ChatGPT出来后，我觉得非常不可理解，非常好奇。有人把我的新书《超越好奇》称为年轻人和创业者的“避坑指南”，虽然人生有些坑不一定避得开，但我一直对新事物保持好奇心，它也在某种程度上成就了我。如果让我问ChatGPT创始团队两个问题，我最想问的是：在GPT1、GPT2推出的时候，市场反应并不好，他们为什么会坚定地朝这条路走下去？第二个问题是，他们在3.5和3.0之间的GPT，为什么只用10万个问题就训练出来了？据我了解，很多公司用了几百万个问题去训练，效果也不是很好，这可能是他们最核心的秘密。现在简单说中国人工智能要超越美国可能是一句空洞的口号，因为GPT创新的突破首先发生在美国，他们解决了行业最重要的发展方向问题——通用人工智能。但同时，大模型的训练框架是开源的，技术方向已经指明了，虽然训练数据和训练方法没
有披露，但通过中国科技公司的不断探索，没有不可逾越的技术障碍。何况中国科技公司在工程化、场景化、产品化、商业化等方面有很大优势，剩下的只是长期主义指导下的时间问题。
目前，中国做大模型的公司跟美国相比有差距，我认为差距大概在两年左右。如果GPT4是100分，国内很多模型也就六七十分，离优秀还有距离，但如果我们把它应用在垂直行业，发展出有中国特点的GPT，差距就不再明显了。
当前，中国已进入“万模大战”，很多公司都推出自己的大模型，未来中国不会只有一个大模型。发展大模型难的不是研发，而是与场景结合。因为大模型需要在用户的大量使用和反馈中得到持续训练和打磨，而中国互联网大厂的核心优势是自带场景。比如，腾讯的微信天生就是一个聊天界面，是最佳场景；淘宝、百度、今日头条等都可以推出各具场景优势的GPT；360的计划之一是将GPT与数字安全能力结合，做“正义助手”。
人工智能的市场机遇不仅属于互联网大厂，向不同专业领域做深度开发也是未来的发展方向，比如专门训练求诊看病的机器人、专门做数学题的机器人等，要鼓励年轻创业者研发各种新应用。此外，
我相信，未来每个政府部门、企业、城市都会拥有自己的“专有GPT”。甚至每个人都将可能拥有自己的GPT，如果把一个人写的文章、每天遇见的人等内容都记录下来并进行数字化，就可能训练出个人专属GPT。
对中国来说，发展大模型不太容易面临技术卡脖子问题。虽然GPT3后可能停止开源，但从GPT2到GPT3、GPT3.5，模型原则上没有太大变化，更多的是训练方法的改变。市场领先者往往不会开源，开源的往往是其竞争者，打破垄断。谷歌、Meta等公司最近都发布了自己的大语言模型。并且，大模型的发展离不开人工训练，中国有高质量人才红利。未来，人工智能训练师有可能成为新兴热门职业。
AI是一场真正的工业革命级技术变革，对整个世界和人类都会带来巨大改变，当然也会面临一些安全挑战，比如，如果对数据进行投毒、污染，会让训练出来的机器人带有隐藏的负面能力。但最大的不安全是不发展AI。我认为，对于AI产业，我们应坚持长期主义精神，既不悲观放弃，也不盲目乐观追求速胜。同时，要营造创新环境，对于发展大模型的企业多一些支持、理解和宽容。
第十四、什么是人工智能?人工智能能为我们带来什么
毕奇：中国电信首席专家、美国贝尔实验室院士
中国有5至10年时间备战AI冲击
由于ChatGPT的成功，大家已经开始讨论“硅基生命”的可能性，预测“硅基生命”是否能拥有超过人类的智慧，甚至主宰世界。如果说，以前这些被认为是不可能的科技幻想，但现在可能性已经不是零了。基于这个质变，人类是否应该对AI的发展持保守态度，甚至按下暂停键？要回答这个问题，首先要了解目前ChatGPT的根本能力，以及与人类智慧的差距。从目前的AI发展来看，ChatGPT仅仅还是人类众多的工具之一，与人类的智慧及创造力完全不在一个等级上。具体来说，ChatGPT逻辑推理能力远不及人类，不能根据前因后果自行得出合理结论。这就是为什么ChatGPT对一些问题的回答，在我们看来是“一本正经地胡说八道”。没有这个能力，创造力就大打折扣。有了逻辑推理能力，接下来最重要的还是自我驱动力。ChatGPT不具备自我驱动能力，类似人类大脑的功能是缺失的，与人类不可能是竞争关系。但是，当包括ChatGPT在内的人工智能工具，具备自我学习、自我驱动能力，那它可能将是人类的噩梦。
但我认为，ChatGPT研发还有很长的路要走，现在还远没到需要考虑按下暂停键的时候。
AI应用在中国经济领域的推行，会否将引发产业的阵痛？我认为会的。从历史来看，所有的科技发展，都会对传统产业产生冲击和阵痛。蒸汽机、内燃机的发明，对体力劳动群体产生的冲击是有目共睹的。近代信息科技的发展，进一步大规模减少了体力劳动者的就业机会，但同时造就了更多的白领阶层。由于ChatGPT的产生，许多产业的就业门槛也会被不断提高。这次的冲击不单是对体力劳动者群体，对低端白领阶层产生的影响也将是明显的。虽然ChatGPT效果超出一般预期，但其可靠性及性价比到底能否被大规模接受，需要拭目以待。此外，其经济模式以及在各行各业的应用、磨合，还来日方长。而ChatGPT对行业的影响，究竟是减少人工，还是促使相同的人工数量向更高质量的产出发展，现在也还不确定。举个例子，个人电脑的发展曾经被预测将是造纸行业的坟墓。但实际发展证明并非如此。因此，ChatGPT对就业的影响是负面还是正面，还有待观察。但中国相关产业至少有5—10年时间为AI可能带来的冲击做准备。
总策划：XXX
出版统筹：XXXX
责任编辑：XXX
装帧设计：XXX
全世界范围看，美国在人工智能领域的研究“一骑绝尘”，后面很少有追赶者。大模型需要的算力硬件要求较高，如果美国对中国实施禁运，会给中国带来一些挑战。但这不是最重要的，中国研究AI最大的门槛在于，虽然ChatGPT的神经网络系统已经比较完整，但围绕这个神经网络的对齐、微调、强化学习及逻辑推理等算法，还在不断摸索和改善之中。这些算法是磨合AI在各行各业应用的关键必经之路。如果雇不到足够强的专家，做得不够极致，应用的推广会遇到较大瓶颈。
AI必然是全球未来竞争的一个重要赛道，无论多难，中国都需要注重投入AI研发。美国正通过对AI的研发，掀起一场未来科技发展的革命。据我了解，中国企业已经在布局AI，另一个较为重要的建议是，在训练AI相关产品时，不能只局限中文语料库，语料库的完整性将会严重影响人工智能的应用范围和潜力。近代以来，西方产生大量科技发明和创新，这些都以英语记载和传播。如果我们只用中文语料，将和世界的进展产生巨大鸿沟，也不利于中国人工智能应用在全球范围的推广。
丁磊：美国PayPal全球数据科学平台创始负责人
训练GPT模型是“养娃模式” 本报记者 杨沙沙
我曾为美国支付服务商PayPal公司建立了服务全球用户的数据科学平台，在AI领域有20多年的研究和工作经验。在硅谷工作多年，我非常了解为什么硅谷会出现OpenAI及奥特曼这样的人物——是硅谷的“工程师文化基因”造就了他们。对于AI领域来说，不能沿用互联网公司的“养鸡模式”，而是得用“养娃模式”来研发产品。
实际上，美国真正专注通用人工智能研发的知名公司也就两家——OpenAI以及谷歌母公司Alphabet下设的人工智能实验室DeepMind。就目前披露的信息看，奥特曼个人能力非常强，不仅懂技术，也懂商业运作，OpenAI在运营过程中也鲜少受股东制约。OpenAI是长在美国硅谷重视工程师地位的文化土壤里，有着强大的“工程师文化基因”，简单说就是工程师可以主导研发，拥有更大自主性，发挥创造性的空间更大。但是OpenAI也是一个很稀有的物种，在美国可能找不到第二家。为什么谷歌等大公司目前在人工智能领域的研发，都很难超越OpenAI？一个关键因素就是GPT是一个新领域，训练这么大一个模型，难度不亚于造火箭或无人车。打个比方，包括谷歌在内的现代公司研发产品，采用的是“养鸡模式”，公司会将“养鸡”拆成不
同的细分任务，多部门人员各自负责具体业务。而训练GPT模型是“养娃模式”，它反而不需要那么多老师、厨师，核心人物只要少数。也就是说，它很难拆分成完全独立的任务，必须有固定父母站在全局角度，亲自教授培养孩子。所以在这种模式下，谷歌没最早做出产品的原因很简单，现有公司体系很难在AI领域取得里程碑式的成功。训练GPT模型本质是一个很难拆解的事，需要公司领导层在技术、业务，甚至资本层都是专家。
另一个简单的例子就是，美国AI绘画工具Midjourney，是由一家独立研究实验室开发出来的。包括创始人大卫·霍尔兹在内仅有11个人，除了他和财务、法务，核心只有8位研发人员。我也曾在IBM沃森研究中心有过一段工作经历，IBM的沃森人工智能也曾陷入这种困境——有太多的人参与人工智能训练，资源太多、研发不聚焦，造成该项目并没有持续取得成绩。现在大家普遍对人工智能有一种焦虑，在我的新书《生成式人工智能——AIGC的逻辑与应用》当中，比较详细介绍了哪些职业可能被取代。在我看来，随着中国经济发展、产业升级，
“中国版OpenAI”和“中国奥特曼”的出现也可以期待。就AI人才来说，中国的人才不比美国少，中国要想在AI竞争中快速占据有利位置，不妨加快布局，尊重模型训练本身的规律，用客观、全面的AI思维，去迎接这一领域的挑战。▲
品一杯茶，
读一本书，
静守时光温柔，
淡看岁月沧桑。
历经岁月坎坷，
不染岁月风尘，
知世故而不世故，
心中仍怀善良。
正如饮茶，拿得起，
放得下，
看淡世间沧桑，
内心安然无恙。
人生如茶，茶只有两种姿态，沉，浮。饮茶人两种姿势，拿起，放下。沉时坦然，浮时淡然。人生不过一杯茶，满也好，少也好 ，争个什么， 浓也好，淡也好，自有味道。急也好，缓也好，那又如何， 暖也好，冷也好，相视一笑。人生因为在乎，所以痛苦。因为怀疑，所以伤害。因为看轻，所以快乐；因为看淡，所以幸福。 人生如茶，头苦，二甜，三回味，人生发展也不过如此。
增值电信业务经营许可证：陕B2-20210327 | 
陕公网安备 61102302611033号