跳转至

1 人工智能绪论

说明

本文档仅涉及部分内容，仅可用于复习重点知识

1 人工智能起源与计算载体

人工智能的两落三起：

  1. 达特茅斯会议 (1956)：标志着 AI 的正式诞生，提出了让机器模拟人类智能的愿景
  2. 第一次寒冬 (1970s)：莱特希尔报告指出 AI 仅能解决玩具问题，受限于组合爆炸
  3. 第二次寒冬 (1980s)：明斯基和帕普特证明了单层感知机无法解决异或问题，导致神经网络研究受挫

2 智能计算方法

人工智能解决不同问题的五种主要范式：

  1. 符号主义 (Symbolism)：以逻辑推理为核心，如三段论推导
  2. 连接主义 (Connectionism)：即深度学习，以数据驱动为核心，模拟人脑神经网络
  3. 行为主义 (Behaviorism)：即强化学习，通过试错和环境反馈（奖励/惩罚）来学习最优策略
  4. 博弈对抗：从单纯的求最优解转变为求均衡解（如纳什均衡）
  5. 搜索探寻：针对特定问题空间的求解策略（如A*算法）

3 基于数据驱动的机器学习

当前我们正处于以深度学习为主要工具的第三次 AI 浪潮中，期间的关键技术突破：

  1. AlexNet (2012)：开启了深度卷积神经网络的时代
  2. Transformer 架构：奠定了大语言模型（如 ChatGPT）的基础

4 人工智能发展趋势

  1. 多模态与通用化：从单任务小模型向超大规模、多模态（文本、图像、视频、3D 点云）通用大模型进化
  2. 微观世界探索：AI 开始应用于分子筛设计、蛋白质结构预测（如 AlphaFold）等基础科学领域
  3. 具身智能 (Embodied AI)：AI 从离身的旁观学习（仅处理数据）迈向具身的亲身体验（机器人与环境交互）
  4. 数据维度升级：从一维文本/声音，二维图像，向三维几何、四维动态视频发展

5 人工智能与意识

意识的定义：主观体验、自我意识及情感

目前的 AI 是基于算法和大数据的反应系统，不具备意识

涌现现象 (Emergence)：虽然 ChatGPT 拥有 1750 亿参数，表现出超越其组件能力的复杂行为，但这仍属于复杂的模式匹配，而非真正的理解或主观体验

意识是生物大脑的产物，目前的算法尚无法复制生命经历和生理结构带来的主观感受

评论区

欢迎在评论区指出文档错误，为文档提供宝贵意见，或写下你的疑问