发布日期：2024-10-10 08:23 点击次数：110
最近这两年，跟着 AIGC 大模子的崛起h 动漫，整个这个词社会掀翻了一股强劲的 AI 波涛。
东谈主们在关注 AI，企业在拥抱 AI，成本在追赶 AI。但凡和 AI 相关的成见，都会蛊惑大量的眼神。
那么，AI 是如何一步一步走到今天的呢？它阅历了哪些发展阶段，又发生过哪些精彩的故事？
今天这篇著作，我们就来仔细归来一下，东谈主类 AI 的发展历程。
█ 萌芽阶段东谈主类对东谈主造智能体的追乞降畅想，最早可以追念到古希腊时期。
在古希腊神话中，火与工匠之神赫菲斯托斯，也曾制作了一组金制的女机器东谈主，“有心能解意，有嘴能讲话，有手能使力，忽闪手工制造”。
在中国的古代史书中，也出现过“东谈主工智能”的影子。
《列子・汤问篇》中，偃师向周穆王供献了一个机械东谈主，会唱歌、会舞蹈，还会挑逗周穆王的嫔妃。周穆王醋意爆发，觉得机械东谈主是真东谈主假扮，要杀掉偃师。偃师速即将机械东谈主拆散，周穆公才放胆。
上头的这些翰墨记载，显然都不靠谱。在远方且漫长的古代，以东谈主类那时的本领水平，确定是造不出智能体的。能造出一些简便的机械（举例诸葛亮的木牛流马），都也曾很了不得了。
东谈主们对智能体的珍藏，许多都依托于鬼神等宗教信仰 —— 将东谈主的灵魂附身于机械，才偶然杀青“东谈主工智能”。
到了近当代，跟着工业翻新的爆发，东谈主类运转缓缓进入机械计较、电气计较时期。计较能力的不断增长，使得通过“算力”来驱动“智能”，成为一种可行选项。
17 世纪，莱布尼茨、托马斯・霍布斯和笛卡儿等率先提议：是否可以将东谈主类感性的想考系统，滚动为代数学或几何学体系？
莱布尼茨觉得：“东谈主类的想想，可以简化成某种运算。”
霍布斯也提议：“推理便是计较。”
这些伟大的想想，为其后的计较机和东谈主工智能发展指明了标的。
再背面的事情，大众都比拟明晰了 ——
在查尔斯・巴贝奇（Charles Babbage）的分析机、赫尔曼・何乐礼（Herman Hollerith）的制表机、阿兰・图灵（Alan Turing）的图灵机，以及 Z3、珍妮机、Mark I、ENIAC 等一系列发明的奋勉推动下，东谈主类终于进入了数字电子计较机时期，也开启了波涛壮阔的信息本领翻新。（不明晰的，看这里：算力简史）
█ 第一次高涨阶段（1950 年-1973 年）图灵测试
数字电子计较机认真出身之后，很快就有科学家运转探索，是否可以通过计较机来杀青“智能”。
1950 年，阿兰・图灵在《心灵（Mind）》杂志上发表了一篇极度垂死的论文，名叫《计较机器与智能（Computing Machinery and Intelligence）》。
在论文着手，他就提议了一个灵魂之问：
“I propose to consider the question, ‘Can machines think?’"
“我提议想考这样一个问题：‘机器可以想考吗？’”
图灵在论文中仔细揣测了创造“智能机器”的可能性。由于“智能”一词很难界说，他提议了驰名的图灵测试（以下为大约道理）：
来吧综合“一个东谈主在不来回对方的情况下，通过一种独特的式样和对方进行一系列的问答。如果在相配万古辰内，他无法左证这些问题判断对方是东谈主如故计较机，那么，就可以觉得这个计较机是智能的。”
图灵的论文，在学术界引起了平凡的反响。越来越多的学者被这个话题所蛊惑，参与到对“机器智能”的磋磨之中。其中，就包括达特茅斯学院的年青数学助教约翰・麦卡锡（J. McCarthy），以及哈佛大学的年青数学和神经学家马文・明斯基（M. L. Minsky）。
达特茅斯会议
1955 年 9 月，约翰・麦卡锡、马文・明斯基、克劳德・香农（C. E. Shannon）、纳撒尼尔・罗切斯特（N. Rochester）四东谈主，共同提议了一个对于机器智能的磋磨技俩。在技俩中，初次引入了“Artificial Intelligence”这个词，也便是东谈主工智能。
1956 年 6 月，在刚才那 4 个东谈主的召集下，在洛克菲勒基金会的资助下，十余位来自不同领域的大家，都集在好意思国新罕布什尔州汉诺威镇的达特茅斯学院，召开了一场为期快要两月的学术探究会，有利揣测机器智能。
此次探究会，便是驰名的达特茅斯会议（Dartmouth workshop）。
达特茅斯会议并莫得得出什么垂死的论断或宣言，关联词认同了“东谈主工智能（Artificial Intelligence）”的定名，也大约明确了后续的磋磨标的。
此次会议，标记着东谈主工智能手脚一个磋磨领域认真出身，也被后东谈主视为当代东谈主工智能的最先。
AI 三大派系
达特茅斯会议之后，东谈主工智能进入了一个快速发展阶段。参与磋磨的东谈主变得更多了，而且，也缓缓形成了几大学术派系。
在这里，我们要提到东谈主工智能最驰名的三大派系 —— 标记主义、联结主义（也叫聚合主义、相接主义）、行径主义。
标记主义是那时最主流的一个派系。
他们觉得，寰宇中的实体、成见以及它们之间的关系，都可以用标记来暗意。东谈主类想维的基本单位，亦然标记。如果计较机能像东谈主脑相似，给与标记输入，对标记进行操作处理，然后产生标记输出，就可以领会出智能。
这个想路，漏洞在于把知识进行编码，形成一个知识库，然后通过推理引擎和章程系统，进行推断，以此惩处复杂的问题。
标记主义早期的代表性效用，是 1955 年赫伯特・西蒙（Herbert A. Simon，也译为司马贺）和艾伦・纽维尔（Allen Newell）拓荒的一个名为“逻辑表面家（Logic Theorist）”的要津。
“逻辑表面家”被觉得是东谈主类历史上第一个东谈主工智能要津，而况在达特茅斯会议上进行了演示。它将每个问题都暗意成一个树形模子，然后采纳最可能得到正确论断的那条线，来求解问题。
1957 年，赫伯特・西蒙等东谈主在“逻辑表面家”的基础上，又推出了通用问题惩处器（General Problem Solver，GPS），亦然标记主义的早期代表。
进入 1960 年代，标记主义也进入了一个鼎沸时期。在天然语言会通、微寰宇推理、大家系统（贵重这个词，背面会再次提到它）等领域，东谈主工智能取得了突破性的进展，也缓缓成为公众关注的对象。
1958 年，约翰・麦卡锡认真发布了我方拓荒的东谈主工智能编程语言 ——LISP（LIST PROCESSING，道理是 "表处理"）。其后的许多驰名 AI 要津，都是基于 LISP 拓荒的。
1966 年，好意思国麻省理工学院的魏泽鲍姆（Joseph Weizenbaum），发布了寰宇上第一个聊天机器东谈主 ——ELIZA。
ELIZA 的名字源于萧伯纳戏剧作品《卖花女》中的主角名。它只消 200 行要津代码和一个有限的对话库，可以针对发问中的漏洞词，进行恢复。
ELIZA 其实莫得任何智能性可言。它基于章程运作，既不睬解对方的内容，也不知谈我方在说什么。但即便如斯，它如故在那时引起了颠簸。ELIZA 可以说是当今 Siri、小爱同学等问答交互器具的始祖。
再来望望联结主义。
联结主义，强调师法东谈主脑的责任道理，成就神经元之间的联结模子，以此杀青东谈主工神经运算。
大众可能会有点粗野。没错，这便是当今极度热点的神经网罗模子。
神经网罗的成见其实出身得很早。1943 年，好意思国神经生理学家沃伦・麦卡洛克（Warren McCulloch）和数学家沃尔特・皮茨（Walter Pitts），基于东谈主类大脑的神经网罗，创建了一个现象神经元的计较机模子，并将其取名为 MCP（McCulloch&Pitts）模子。
1951 年，马文・明斯基（便是前边提到的阿谁）和他的同学邓恩・埃德蒙（Dunn Edmund），建造了第一台神经网罗机 SNARC。
1957 年，好意思国康奈尔大学的情绪学家和计较机科学家弗兰克・罗森布拉特（Frank Rosenblatt），在一台 IBM-704 计较机上，模拟杀青了一种他发明的叫“感知机 (Perceptron) ”的神经网罗模子。
这个“感知器”包括三层结构，一端是 400 个光探伤器，模拟视网膜。光探伤器屡次并吞一组 512 个电子触发器。当它通过一个特定的可退换的沸腾阀值时，就会像神经元相似引发。这些触发器并吞到终末一层，当一个物体与感知器受训见过的对象相互匹配时，它就会发出信号。
“感知机”是联结主义的一项垂死效用，在东谈主工智能发展史上具有里程碑式的道理。关联词，其后的一盆冰水，透澈浇灭了联结主义的热沈。
1969 年，马文・明斯基和西蒙・派珀特（Seymour Papert）写了一册书《感知机: 计较几何学导论》的书，对罗森布莱特的感知器提议了质疑。马文・明斯基觉得：
“神经网罗具有很大的局限性（单层感知机无法惩处线性不行分问题），莫得骨子磋磨价值。”
来吹法螺神的狡赖，等于顺利宣判了神经网罗（联结主义）途径的死刑。于是，这个极度有价值的磋磨标的，被中止了。
罗森布莱特其后死于无意（也有东谈主说是自戕），马文・明斯基也因为这个造作的判断，被一些学者袭击。（需要贵重，马文・明斯基天然有误判，但他对东谈主工智能业绩的功纷乱于过，致使也被誉为“东谈主工智能之父”。）
比及神经网罗（联结主义）再行崛起，也曾是十多年后的事情了。我们待会再详确说。
终末，说说行径主义。
行径主义，也称为进化主义或阻抑论派系。他们觉得，通过与环境的互动来学习温情应，从而矫正自身行径，便是行径主义觉得的智能。智能取决于感知和行径，不需要知识、暗意和推理，只需要将智能行径领会出来就好。
简便来说，行径主义 AI 系统基于“感知-动作”的闭环阻抑，强调即时反应温情应性学习。智能体通过感知环境信息，基于这些信息实行径作，并左证动作闭幕调整后续行径。
行径主义在其后的机器东谈主学、自动化阻抑、游戏 AI、自动驾驶汽车等领域有着垂死独揽。
好了，以上是 AI 三大垂死派系的先容，手脚学习 AI 的知识铺垫，也有助于阅读背面的著作。
请大众贵重，AI 的派系和想想途径并不啻这三个，还有一些小派系，举例进化计较、恍惚逻辑、贝叶斯网罗等。它们虽不组成零丁的大派系，但在 AI 的某些子领域内有着垂死的独揽和影响。而且，AI 派系之间，领域也比拟恍惚，有时候会相互会通。
其它垂死效用
再简便先容一下那时另外几项垂死的磋磨效用。
起初必须是亚瑟・塞缪尔（Arthur Samuel）的跳棋要津。
1959 年，IBM 科学家亚瑟・塞缪尔在自家首台商用计较机 IBM701 上，收效编写了一套欧好意思跳棋要津。这个要津具有“学习能力”，可以通过对大量棋局的分析，缓缓辨识出“好棋”和“坏棋”，从而提高我方的棋战水平。
这个要津很快就下赢了萨缪尔我方，其后，它还征服了那时的欧好意思跳棋行家罗伯特尼赖。
因为初次提议了“机器学习（Machine Learning）”的成见，亚瑟・塞缪尔被后东谈主誉为“机器学习之父”。
1959 年，好意思国发明家乔治・德沃尔（George Devol）与约瑟夫・英格伯格（Joseph Engelberger）发明了东谈主类首台工业机器东谈主 ——Unimate。
Unimate 重达两吨，装配运行于通用汽车坐褥线。它可以阻抑一台多解放度的机械臂，搬运和堆叠热压铸金属件。
左图为 Unimate
右图是约瑟夫・英格伯格（左）、乔治・德沃尔（右）
1966 年，查理・罗森（Charlie Rosen）指点的好意思国斯坦福磋磨所（SRI），研发收效了首台东谈主工智能机器东谈主 ——Shakey。
Shakey 全面独揽了东谈主工智能本领，装备了电子录像机、三角测距仪、碰撞传感器以及驱动电机，能简便惩处感知、畅通策画和阻抑问题。它是第一个通用移动机器东谈主，也被称为“第一个电子东谈主”。
刚才说了，1960 年代是标记主义的鼎沸时期。其实，在标记主义的带动下，那时整个这个词东谈主工智能磋磨都进入了一个高速发展的阶段h 动漫，也被称为 AI 的黄金时期（Golden Time，1960-1973 年）。
那时，除了定透露说、东谈主机互动、游戏博弈和机器东谈主除外，东谈主工智能许多领域都产出了可以的效用。加上冷战时期，好意思国政府现象掏钱资助，使得 AI 磋磨变得特地火爆。
在这一配景下，学术界对 AI 的预期，运革新得盲目乐不雅。有些磋磨者觉得：
“二十年内，机器将能完成东谈主能作念到的一切责任。”
1970 年，马文・明斯基致使放言：
“在畴昔 3-8 年内，会出身和东谈主类聪敏相配的机器东谈主，可能我们东谈主类会成为 AI 的宠物。”
盲主义乐不雅，确定不会有什么好闭幕。
跟着时辰的推移，学者们缓缓发现，基于推理章程的“智能”，骨子上能力极度有限。加上那时计较机的算力和存力尚处于早期阶段，系统根底够不上预期的效果。
之前先容的那些 AI 要津和器具，不时运转出现瓶颈，致使闹出见笑。
以机器翻译为例。那时好意思国政府参加了 2000 多万好意思元手脚机器翻译的经费，闭幕相关团队研发多年，发现完满低估了这个技俩的难度。
翻译器具时常出现一些初级造作。举例，将“Out of sight，out of mind（眼不见，心不烦）”翻译成“又瞎又疯”，把“The spirit is willing but the flesh is weak（心多余而力不及）”翻译成“酒是好的，但肉变质了”，把“Time flies like an arrow（光阴似箭）”翻译成“苍蝇心爱箭”。
接二连三的失败，缓缓破费了政府金主的耐烦。加上不久后好意思国经济出现了一些问题（1974-1975 年出现历史上荒野的连气儿两年 GDP 负增长），政府运转决定“断粮”。
1973 年，数学家莱特希尔（Lighthill）向英国政府提交了一份对于东谈主工智能的磋磨答复（驰名的《莱特希尔答复》）。答复对那时的机器东谈主本领、语言处理本领和图像识别本领进行了严厉且锐利的月旦，指出东谈主工智能那些看上去宏伟的主义根底无法杀青，磋磨也曾透澈失败。
很快，英国政府、好意思国国防部高等磋磨操办局（DARPA）和好意思国国度科学委员会等，运转大幅削减致使休止了对东谈主工智能的投资。
东谈主工智能进入了第一个发展低谷，也被称为“AI Winter（AI 之冬）”。
█ 第二次高涨阶段（1980 年-1987 年）AI 之冬的抓续时辰其实并不是很久。六年后，1980 年，第二次 AI 发展高涨运转了。
第二次波涛，其实如故标记主义掀翻的。此次的主角，是标记主义的一个新阶段 —— 大家系统（Expert System）。
大家系统
大家系统，便是一个面向专科领域的超等“知识库 + 推理库”。
它找来许多东谈主，对大量的大家知识和告诫进行整理，分析并编写出海量的章程，导入系统。然后，系统左证这些基于知识整理出来的章程，进行逻辑推理，来模拟和蔓延东谈主类大家的有操办能力，惩处复杂的问题。
大众能看出来，大家系统走的仍然是标记主义的“章程”途径。是以，大家系统，也叫作念章程基础系统。
1968 年，好意思国科学家爱德华・费根鲍姆（Edward Feigenbaum）提议了第一个大家系统 ——DENDRAL，并对知识库给出了初步的界说。这标记着大家系统的出身。
DENDRAL 面向的是化学行业。它可以匡助化学家判断物资的分子结构。系统推出之后，因为偶然减少东谈主力成本而况提高责任效用，受到了化学行业的接待和认同。
和 DENDRAL 差未几时辰出现的大家系统，还有威廉・马丁（William A. Martin）拓荒的 Macsyma，以及安东尼・赫恩（Anthony C. Hearn）拓荒的“Reduce”。
这两套都是数学领域的大家系统（用于求解数学问题），都采纳了约翰・麦卡锡的 LISP 语言进行拓荒。
1972 年，好意思国医师兼科学家爱德华・H・肖特利夫（Edward H. Shortliffe）创建了可以匡助进行医学会诊的大家系统 ——MYCIN。
MYCIN 亦然基于 LISP 语言编写，领有 500 多条章程，偶然识别 51 种病菌，正确地处理 23 种抗菌素。
它偶然协助医师会诊、调节细菌感染性血液病，为患者提供最公正方。那时，它收效地处理了数百个病例，并通过了严格的测试，骄傲出了较高的医疗水平。
1977 年，爱德华・费根鲍姆在第五届国外东谈主工智能和洽会议上，提议了“知识工程（Knowledge Engineering）”的成见，进一步推动了大家系统的普及。
进入 1980 年代，跟着本领的演进，计较机的计较和存储能力加多，大家系统运转在各个行业爆发。
1980 年，卡耐基梅隆大学研发的大家系统 XCON（eXpertCONfigurer）认真商用，为那时的计较机巨头公司 DEC 每年省下数千万好意思金。
1983 年，通用电气公司搞出了柴油电力机车维修大家系统（DELTA）。这个系统封装了稠密 GE 资深现场就业工程师的知识和告诫，偶然率领职工进行故障检会和保重。
那时，好意思国运通公司也搞了一个信用卡认证辅助有操办大家系统，传奇每年可省俭 2700 万好意思金。
一言以蔽之，那时候的大家系统，是大公司趋之若鹜的神器。它偶然带来实实在在的经济效益，是以，行业用户现象为之投资。这是第二次 AI 波涛的根底原因。
我们也可以这样说，第一次 AI 波涛，是政府投资带动的。第二次 AI 波涛，是企业投资带动。AI，运转进入产业化的阶段。
企业投资的成效，反过来又让列国政府对 AI 规复了一些信心。
1981 年，经济高速增长的日本，率先运转对 AI 进行参加。
那一年，日本经济产业省拨款 8.5 亿好意思元，支抓第五代计较机技俩。这个技俩的最终主义，是造出一台东谈主工智能计较机，偶然与东谈主对话、翻译语言、解释图像、完成推理。
好意思国和英国政府，也很快采纳了行径。
1983 年，好意思国国防部高等磋磨操办局（DARPA）通过“计谋计较促进会（Strategic Computing Initiative）”，重启对东谈主工智能磋磨的资助。
同庚，英国投资 3.5 亿英镑，启动了 Alvey（阿尔维）操办，全面鼓吹软件工程、东谈主机接口、智能系统和超大鸿沟集成电路等领域的研发。
对于大家系统，还有一个攫金不见人的技俩值得一提。那便是 1984 年启动的 Cyc 技俩。
Cyc 技俩由好意思国微电子与计较机本领公司发起，是一个“超等百科全书”技俩。它试图将东谈主类领有的整个一般性知识都输入计较机，成就一个巨型数据库。
这个技俩，传奇到当今还在进行之中。
█ 第二次低谷阶段（1987 年-1993 年）旷日永久，到了 1980 年代的后半段，东谈主工智能又运转走下坡路了。
原因是多方面的。
起初，大家系统（标记主义）基于章程和已有知识的“检索 + 推理”，濒临复杂的履行寰宇，显然如故有能力瓶颈。
它的独揽领域狭隘、费力知识性知识、知识获取艰难、推理方法单一、费力漫衍式功能、难以与现存数据库兼容等…… 整个这些问题，都给它的进一步发展变成了困扰。
其次，80 年代 PC（个东谈主电脑）本领翻新的爆发，也给大家系统变成了冲击。
那时大家系统基本上都是用 LISP 语言编写的。系统采纳的硬件，是 Symbolics 等厂商坐褥的东谈主工智能专用计较机（也叫 LISP 机）。
1987 年，苹果和 IBM 公司坐褥的台式机，在性能上也曾跨越了 Symbolics 的 AI 计较机，导致 AI 硬件市集需求平分鼎峙。
大家系统的保重和更新也存在许多问题。不仅操作复杂，价钱也极度激昂。
结合以上万般原因，市集和用户缓缓对大家系统失去了酷好酷好。
到了 80 年代晚期，计谋计较促进会大幅削减对 AI 的资助。DARPA 的新任指点也觉得 AI 并非“下一个波涛”，削减了对其的投资。
AI，进入了第二次低谷阶段。
█ 第三次高涨阶段（1994 年-当今）在进入 1990 年代之前，小枣君如故要再讲讲 1980 年代。
1980 年代，大家系统掀翻了第二次 AI 波涛，也推动了 AI 本领的发展。但从天主视角来看，真实对其后的 AI 发展产生深化影响的，其实不是大家系统，而是另外一个被渐忘了二十多年的赛谈。
没错，这个赛谈，便是以前被马文・明斯基一句话给干废的“神经网罗”赛谈。
机器学习和神经网罗
前文我们提到，神经网罗是联结主义的一个代表性磋磨标的。关联词，因为马文・明斯基的狡赖，这个标的在 1969 年被坐冷板凳。
1980 年，越来越多的科学家意志到大家系统存在不及。标记主义这条路，很可能走欠亨。东谈主们觉得，东谈主工智能想要杀青真实的智能，就必须领有我方的感知系统，偶然自主学习。
于是，倡导让机器“自动地从数据中学习，并通过老师得到愈加精确的瞻望和有操办能力”的磋磨想想，运转缓缓活跃起来。这便是前边提到过的机器学习。
机器学习包含多种方法和表面派系。源于联结主义派系的神经网罗，就在这一时期运转“回生”。
1982 年，约翰・霍普菲尔德（John Hopfield）在我方的论文中要点先容了 Hopfield 网罗模子（模子原型早期由其他科学家提议）。这是一种具有牵记和优化功能的轮回（递归）神经网罗。
1986 年，戴维・鲁梅尔哈特（David Rumelhart）、杰弗里・辛顿（Geoffrey Hinton，记着这个名字！）和罗纳德・威廉姆斯（Ronald Williams）等东谈主共同发表了一篇名为《Learning representations by back-propagation errors（通过反向传播算法的学习表征）》的论文。
在论文中，他们提议了一种适用于多层感知器（MLP）的算法，叫作念反向传播算法（Backpropagation，简称 BP 算法）。
该算法通过在输入层和输出层之间设定一个中间层（掩饰层），以反向传播的式样杀青机器的自我学习。
算法我们以后再磋磨。大众只需要记着，BP 算法不仅为多层神经网罗的发展奠定了基础，也冲破了马文・明斯基以前提议的“神经网罗具有局限性”魔咒，道理极度要紧。
1980 年代是东谈主工智能磋磨标的发生要紧鬈曲的时期。机器学习和神经网罗（联结主义）加快崛起，缓缓取代大家系统（标记主义），成为东谈主工智能的主要磋磨标的。
我们也可以会通为，东谈主工智能底本由知识驱动的式样，缓缓变成了由数据驱动。
机器学习的代表性算法包括有操办树、支抓向量机、立时丛林等。
1995 年，克里娜・柯尔特斯（Corinna Cortes）和弗拉基米尔・万普尼克（Vladimir Vapnik）拓荒了支抓向量机（Support Vector Machine，SVM）。支抓向量机是一种映射和识别雷同数据的系统，可以视为在感知机基础上的矫正。
神经网罗方面，极度垂死的 CNN（Convolutional Neural Network，卷积神经网罗）和 RNN（Recursive Neural Networks，递归神经网罗），也在那一时期崛起了。
1988 年，贝尔实验室的 Yann LeCun（他是法国东谈主，网上翻译的汉文名有许多：杨立昆、杨乐春、燕乐存、扬・勒丘恩）等东谈主，提议了卷积神经网罗。大众应该比拟熟识，这是一种有利用于处理图像数据的神经网罗模子。
1990 年，好意思国通晓科学家、情绪语言学家杰弗里・艾尔曼（Jeffrey Elman）提议了首个递归神经网罗 —— 艾尔曼网罗模子。递归神经网罗偶然在老师时督察数据自身的先后步伐性质，极度妥当于天然语言处理领域的独揽。
1997 年，德国计较机科学家瑟普・霍克赖特（Sepp Hochreiter）过头导师于尔根・施密德胡伯（Jürgen Schmidhuber）拓荒了用于递归神经网罗的 LSTM（长短期牵记网罗）。
1998 年，Yann LeCun 等东谈主提议了 LeNet，一个用于手写数字识别的卷积神经网罗，初步展示了神经网罗在图像识别领域的后劲。
一言以蔽之，20 世纪 90 年代，神经网罗在运转商用于翰墨图像识别、语音识别、数据挖掘以及金融瞻望。在模式识别、信号处理、阻抑工程等领域，也有尝试独揽，尽管那时受到计较资源限度，独揽范围和鸿沟有限。
想要推动东谈主工智能本领的进一步爆发，既需要算法模子的抓续演进，也需要算力的深入增强。此外，还有一个短板，也需要补充，那便是数据。
大众应该看出来了，AI 的三因素，便是算法、算力和数据。
深蓝
1990 年代最垂死的 AI 事件，天然是 1997 年 IBM 超等电脑“深蓝（DEEP BLUE）”与国外象棋行家卡斯帕洛夫（KASPAROV）的世纪之战。
此前的 1996 年 2 月，深蓝也曾向卡斯帕洛夫发起过一次挑战，闭幕以 2-4 溃逃。
1997 年 5 月 3 日至 11 日，“深蓝”再次挑战卡斯帕罗夫。在经过六盘大战后，最终“深蓝”以 2 胜 1 负 3 平的成绩，险胜卡斯帕罗夫，颤抖了寰宇。
这是 AI 发展史上，东谈主工智能初次征服东谈主类。
手脚 80 后的小枣君，对这件事情也印象深刻。那时“深蓝”所引起的激越，涓滴不亚于其后的 ChatGPT。简直整个的东谈主都在想 —— 东谈主工智能时期是否果真到来了？东谈主工智能，到底会不会取代东谈主类？
深度学习
进入 21 世纪，收货于计较机算力的进一步飞跃，以及云计较、大数据的爆发，东谈主工智能运转进入一个愈加波涛壮阔的发展阶段。
2006 年，多伦多大学的杰弗里・辛顿（便是 1986 年发表论文的阿谁大神）在 science 期刊上，发表了垂死的论文《Reducing the dimensionality of data with neural networks（用神经网罗裁汰数据维数）》，提议深度信念网罗（Deep Belief Networks，DBNs）。
深度学习（Deeping Learning），认真出身了。
2006 年被后东谈主称为深度学习元年，杰弗里・辛顿也因此被称为“深度学习之父”。
深度学习是机器学习的一个垂死分支。更准确来说，机器学习下面有一条“神经网罗”途径，而深度学习，是加强版的“神经网罗”学习。
经典机器学习算法使用的神经网罗，具有输入层、一个或两个“掩饰”层和一个输出层。数据需要由东谈主类大家进行结构化或标记（监督学习），以便算法偶然从数据中提真金不怕火特征。
深度学习算法使用“掩饰”层更多（数百个）的深度神经网罗。它的能力更强，可以自动从海量的数据鸠合提真金不怕火特征，不需要东谈主工喧阗（无监督学习）。
2006 年，在斯坦福任教的华侨科学家李飞飞，意志到了业界在磋磨 AI 算法的经由中，莫得一个建壮的图片数据样本库提供提拔。于是，2007 年，她发起创建了 ImageNet 技俩，号令大众上传图像并标注图像内容。
2009 年，大型图像数据集 ——ImageNet，认真发布。这个数据库包括了 1400 万张图片数据，跨越 2 万个类别，为全球 AI 磋磨（神经网罗老师）提供了建壮支抓。
从 2010 年运转，ImageNet 每年举行大鸿沟视觉识别挑战赛，邀请全球拓荒者和磋磨机构参加，进行东谈主工智能图像识别算法评选。
2012 年，杰弗里・辛顿和他的学生伊利亚・苏茨克沃（Ilya Sutskever）和亚历克斯・克里切夫斯基（Alex Krizhevsky）参加了这个比赛。
他们假想的深度神经网罗模子 AlexNet 在此次竞赛中大获全胜，以压倒性上风赢得第又名（将 Top-5 造作率降到了 15.3%，比第二名低 10.8%），引起了业界颠簸，致使一度被怀疑是舞弊。
值得一提的是，他们三东谈主用于老师模子的，仅仅 2 张英伟达 GTX 580 显卡。GPU 在深度神经网罗老师上领会出的惊东谈主能力，不仅让他们我方吓了一跳，也让黄仁勋和英伟达公司吓了一跳。
手脚对比，2012 年的早些时候，谷歌“Google Brain”技俩的磋磨东谈主员吴恩达（华侨好意思国东谈主，1976 年生于伦敦）、杰夫・迪恩（Jeff Dean）等东谈主，也捣饱读了一个神经网罗（10 亿参数），用来老师对猫的识别。
他们的老师数据是来自 youtube 的 1000 万个猫脸图片，用了 1.6 万个 CPU，整整老师了 3 天。
“深度神经网罗 + GPU”的上风，袒露无疑。许多东谈主和许多公司的庆幸，从此改变了。
2013 年，辛顿师徒三东谈主共同成立了一家名为 DNNresearch 的公司。其后，这个只消三个东谈主且莫得任何居品和操办的公司，被谷歌以几千万好意思元的价钱竞购（百度也跑去买，和谷歌争到终末，没收效）。
AlphaGo
2013 年-2018 年，谷歌是东谈主工智能领域最活跃的公司。
2014 年，谷歌公司收购了专注于深度学习和强化学习本领的东谈主工智能公司 ——DeepMind 公司。
2016 年 3 月，DeepMind 拓荒的东谈主工智能围棋要津 AlphaGo（阿尔法狗），对战寰宇围棋冠军、办事九段选手李世石，并以 4:1 的总比分成功，颤抖了全寰宇。
AlphaGo 具有很强的自我学习能力，偶然征集大量围棋对弈数据和名东谈主棋谱，学习并师法东谈主类棋战。
一年后，AlphaGo 的第四代版块 AlphaGoZero 问世。在无任何数据输入的情况下，仅用了 3 天时辰自学围棋，就以 100:0 的巨大上风，横扫了第二代版块 AlphaGo。学习 40 天后，AlphaGoZero 又征服了第三代版块 AlphaGo。
那时，全寰宇都在热议 AlphaGoZero 的强悍自学能力，致使一度引起了东谈主类的心焦神思。
谷歌在 AI 圈出尽风头，但他们臆测也莫得猜想，一家在 2015 年悄然成立的公司（真实说，那时漫骂牟利性组织），会很快取代他们的主角地位。这家公司（组织），便是如今大富大贵的 OpenAI。
OpenAI 的创举东谈主，除了埃隆・马斯克（Elon Musk）除外，还有萨姆・奥尔特曼（Sam Altman）、彼得・泰尔（Peter Thiel）、里德・霍夫曼（Reid Hoffman）。辛顿的阿谁门徒，伊利亚・苏茨克沃，也跑去当了研发独揽。
AIGC
深度学习崛起之后，大众应该贵重到，都是用于一些判别类的场景，判断猫、狗之类的。那么，深度学习，是否可以创造（生成）一些什么呢？
2014 年，蒙特利尔大学博士生伊恩・古德费洛（Ian Goodfellow），从博弈论中的“二东谈主零和博弈”得到启发，提议了生成反抗网罗（GANs，Generative Adversarial Networks）。
生成反抗网罗用两个神经网罗即生成器（Generator）和判别器（Discriminator）进行反抗。在两个神经网罗的反抗和自我迭代中，GAN 会缓缓演化出建壮的能力。
生成反抗网罗的出现，对无监督学习、图片生成等领域的磋磨，起到极大的促进作用，其后也拓展到计较机视觉的各个领域。
2017 年 12 月，Google 机器翻译团队在行业顶级会议 NIPS 上，丢下了一颗重磅炸弹。他们发表了一篇里程碑式的论文，名字叫作念《Attention is all you need（你所需要的，便是重观点）》。
论文提议只使用“自我重观点（Self Attention）”机制来老师天然语言模子，并给这种架构起了个霸气的名字 ——Transformer（篡改器、变压器，和“变形金刚”是一个词）。
所谓 "自我重观点" 机制，便是只爱护输入信息之间的关系，而不再关注输入和对应输出的关系，无需再进行不菲的东谈主工标注。这是一个翻新性的变化。
Transformer 的出现，透澈改变了深度学习的发展标的。它不仅对序列到序列任务、机器翻译和其它天然语言处理任务产生了深化的影响，也为其后 AIGC 的崛起打下了坚实的基础。
终于，AIGC 的时期，要到来了。
2018 年 6 月，年青的 OpenAI，发布了初版的 GPT 系列模子 ——GPT-1。同期，他们还发表了论文《Improving Language Understanding by Generative Pre-training（通过生成式预老师矫正语言会通）》。
GPT，便是 Generative Pre.trained Transfommer 的缩写，生成式预老师变换器。
Generative（生成式），暗意该模子偶然生成连气儿的、有逻辑的文本内容，比如完成对话、创作故事、编写代码或者写诗写歌等。
Pre.trained（预老师），暗意该模子会先在一个大鸿沟未标注文本语料库上进行老师，学习语言的统计规章和潜在结构。
Transfommer，刚才说过了，便是阿谁很厉害的篡改器模子。
谷歌紧随其后。2018 年 10 月，他们发布了有 3 亿参数的 BERT（Bidirectional Encoder Representation from Transformers）模子，道理是“来自 Transformers 的双向编码暗意”模子。
GPT-1 和 BERT 都使用了深度学习和重观点机制，具备较强的天然语言会通能力。两者的分离是，BERT 使用文本的高下文来老师模子。而专注于“文本生成”的 GPT-1，使用的是上文。基于“双向编码”的能力，BERT 的性能在那时显然优异于 GPT-1。
谷歌的当先是暂时的。2019 年和 2020 年，OpenAI 接连发布了 GPT-2 和 GPT-3。2022 年 11 月，OpenAI 发布了基于 GPT 模子的东谈主工智能对话独揽就业 ——ChatGPT（也可以会通为 GPT-3.5），透澈引爆了全寰宇。
ChatGPT 结合了东谈主类生成的对话数据进行老师，展现出丰富的寰宇知识、复杂问题求解能力、多轮对话高下文跟踪与建模能力，以及与东谈主类价值不雅对都的能力。
它在东谈主机对话方面的出色领会，引发了社会的高度关注，在全球范围内掀翻了一股 AI 巨浪。
背面的事情，大众都比拟明晰了。
继 ChatGPT 后，OpenAI 又发布了 GPT-4、GPT-4V、GPT-4 Turbo、GPT-4o，形成了如今难以撼动的指点者地位。谷歌天然也发布堪称最强 AI 大模子的 Gemini，但仍然难以在风头上盖过 OpenAI。
除了文本生成，生成式 AI 也积极向多模态发展，偶然处理图像、音频、视频等多种媒体现象。
举例 DALL-E、Stable Diffusion、Midjourney 等图像生成模子，Suno、Jukebox 音乐生成模子，以及 SoRa 视频生成模子。
全球面向各个垂直领域的“大模子之战”，仍在硝烟有余步进行之中。。。
█ 结语写到这里，这篇鸿章钜字一万多字的著作，终于要末端了。
我总结一下：
东谈主工智能起步于 1950 年代，早期主若是标记主义占主流，并引发了第一次（政府投资）和第二次 AI 波涛（企业投资）。
到 1980 年代，标记主义缓缓走弱，机器学习和神经网罗运转崛起，成为主流。
1994-当今，天然叫作念第三次 AI 波涛，但也分两个阶段。1994-2006（其实是 1980-2006），是机器学习、神经网罗的早期积攒阶段，打基础。
2006 年，神经网罗进入深度学习阶段，就透澈运转了 AI 的爆发。
从 2018 年运转，东谈主工智能缓缓进入了 Transformer 和大模子时期，能力有了巨大的提高，也掀翻了 AI 巨浪。
如今的东谈主工智能，也曾是全寰宇关注的焦点，也处于一个前所未有的白金发展阶段。
跟着深度学习、神经网罗、生成式 AI 等本领的不断突破，东谈主工智能也曾在工业、讲授、医疗、金融、交通、文娱等简直整个领域杀青了落地。东谈主工智能在计较机视觉、天然语言处理、机器东谈主等方面所具备的能力，也曾被独揽到大量的垂直场景，并产生了可不雅的经济效益。
在东谈主工智能激越的带动下，软件、半导体、通讯等 ICT 产业，都赢得了可以的贸易契机。围绕东谈主工智能的几家大公司，包括英伟达、微软、苹果、Alphabet（谷歌母公司）、亚马逊、Meta、特斯拉，现时在股票市集被誉为“七巨头”，市值屡破记录。
天然了，这股激越究竟会走向何方，我们还不知所以。也许，它会不时增长一段时辰，致使永远抓续下去，将东谈主类透澈带入智能时期。也许，我们会进入第三次 AI 低谷，泡沫落空，一地鸡毛，又进入一个新的周期。
畴昔如何，就让时辰来告诉我们谜底吧。
参考文件：
1、《东谈主工智能简史》，尼克；
2、《东谈主工智能发展简史》孙凌云、孟辰烨、李泽健；
3、《东谈主工智能 60 年本领简史》，李理；
4、《深度学习简史》，Keith D. Foote；
5、《AI 是什么将带我们去哪儿？》，李开复；
6、《东谈主工智能的五个界说：哪个最不行取？》，李开复；
7、《一文读懂东谈主工智能发展史：从出身，到杀青产业化》，李弯弯；
8、《你一定爱读的东谈主工智能简史》，山本一成；
9、《AlphaGo 背后：深度学习的成功》，曹玲；
10、《三张图呈报一部 AI 进化史》，居品二姐（知乎）；
11、《GPT 的背后，从庆幸多舛到颠覆寰宇，东谈主工神经网罗的跌宕 80 年》，孙睿晨；
12、百度百科、维基百科等。
告白声明：文内含有的对外跳转连气儿（包括不限于超连气儿、二维码、口令等现象），用于传递更多信息，省俭甄选时辰h 动漫，闭幕仅供参考，IT之家整个著作均包含本声明。