为什么要了解AI
未来引人入胜的 AI 趋势：
投资回报率驱动的人工智能实施；
视频分析；
“即服务”商业模式；
改善网络安全；
元宇宙中的人工智能；
数据结构；
人工智能和机器学习与物联网 (IoT)；
人工智能引领超级自动化
定义
人工智能（Artificial Intelligence，简称 AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人们口中的人工智能其实是一个非常庞杂的概念，从人们对人工智能的期待，技术，和应用角度，都有很多不同的概念。我们详细分析如下：
第一个层面，人们对人工智能的期待可以分为：
智能地把某件特定的事情做好，在某个领域增强人类的智慧，这种方式又叫做智能增强——像搜索引擎，自动语言翻译，某个领域的智能助手那样的程序，帮助人类完成某种特定任务。这也叫做“弱人工智能”，或者“狭义人工智能”。
像人类一样能认知，思考，判断：模拟人类的智能——像人类一样能认知，思考，判断的智能软件。这是人工智能学科一开始就有的梦想。这样的智能也叫做“通用人工智能”（Artificial General Intelligence， AGI），或“强人工智能”。对于这样的人工智能，科幻小说有很多描写，也有一些研究，但是在实际的应用还没有什么突破。有学者认为，AGI是不可能通过目前人们编程程序的方式实现的。尽管如此，社会上还是有人担忧有一天电脑的AGI会超过人类的智能，人类再也赶不上电脑，从而永远受制于电脑。
通用人工智能。这是一个雄心勃勃的目标，但 OpenAI 的工程师们正在寻求解决它的方法。AGI 的前提是能够开发出能够理解和执行人类可以执行的任何任务的模型或“代理”。这听起来像是科幻电影中的情节，但 GPT-4 可能是最终实现这一目标的下一步。您可能会问，达到 AGI 的可能性有多真实？根据谷歌工程总监 Ray Kurzweil 的说法，我们将在 2029 年达到这个目标。
第二个层面，从技术的特点来看
要实现某种狭义的人工智能，我们很自然地想到，如果我们能让运行程序的电脑来学习并自动掌握某些规律，那该多好啊，这就是“机器学习”。机器学习在几十年的发展历史中，产生了很多技术，这些技术都有下面的共性：
如果一个程序解决任务（T）的效能（用P表示）随着经验（E）得到了提高，那么，这个程序就能从经验（E）中学到了关于任务（T）的知识，并让衡量值（P）得到提高。
综合来看，如果我们把机器学习当作一个小孩，那么，教育小孩的方式就有根据正确答案指导学习（监督学习）；根据小孩实践的过程给予各种鼓励（强化学习）；还有自由探索世界，让小孩自己总结规律（无监督学习）。
第三个层面，从应用的角度来看，我们看到狭义人工智能在各个领域都取得了很大的成果。
一种是标杆式的任务: 就像现在的智能翻译，下围棋（2016）德州（2019），麻将（2019），AI绘画等。
另一种，是AI技术和各种其他技术结合，解决政府，企业，个人用户的需求。在政府方面，把所有计算，数据，云端和物联网终端的设备联系起来，搭建一个能支持智能决定的系统。例如我们公司的智能推荐系统，审核的机审，智慧城市等。
发展历史
从1956年的达特茅斯会议开始，人工智能（Artificial Intelligence，AI）作为一个专门的研究领域出现，经历了超过半个世纪的起伏，终于在2007年前后，迎来了又一次大发展。下图展现了人工智能历史的一些里程碑事件。
人工智能的发展历程可以分为四个阶段：第一阶段是符号式人工智能，研究者依靠逻辑推理来解决问题；第二阶段是统计式人工智能，研究者通过数据挖掘来寻找规律；第三阶段是神经网络人工智能，研究者通过模仿人脑的神经网络来解决问题；第四阶段是深度学习人工智能，研究者通过深度学习来实现人工智能。
发展不是线性的，是螺旋上升的
中文房间
“智能助手”真的有智能吗
1980年就有学者（John Searle）提到了中文房间问题。
一个对中文一窍不通，只说英语的人关在一个封闭房间中。房间里有一本用英文写成的手册，指示该如何处理收到的汉语信息及如何以汉语相应地回复。房外的人向房间内递进用中文写成的问题。房内的人便按照手册的说明，查找到合适的指示，将相应的中文字符组合成对问题的解答，并将答案递出。
房间外面的人看到自己递进去的中文输入能得到回答，很可能就会认为房间内的人有智能，懂中文，就像现在的聊天机器人那样，那么这是“智能”么？那这样，我也可以写一个程序，根据一些规则和已有的数据，和用户进行某种程度的智能对话，例如下面是一个非常简单的程序流程图。
程序接到用户的输入句子后，如果不是结束会话的指令，就在一个数据库中寻找合适的回答句子，然后根据情况准备输出，然后再继续循环……
那么AI和我的程序有区别么
如果把一个编程的任务看成是输入→某个函数→输出的过程，那传统编程就是我们知道这个函数，并手动写这个函数，人工智能就是从数据中通过统计方法自动找到这个函数。
人工智能和传统程序的本质区别在于，人工智能是归纳法，是根据大量数据集归纳出一堆看不懂但行之有效的多层矢量参数；而传统程序是演绎法，根据已有的理论公式编程进行逻辑推演和控制。
或者说，人工智能是知其然不知其所以然，传统程序则是先知其所以然，然后循理而为之。但是人类对这个世界知之不多，所以在很多情况下人工智能反而表现得更好。
人工智能就像中医，是大量数据和经验的矢量化归纳，非常有效但难以解释。
应用领域
目前，人工智能在各个领域都有广泛应用，主要应用场景包括：
计算机视觉：人工智能技术可以用于图像处理和识别，实现人眼的视觉功能，如图像分类、目标检测、语音识别等。
自然语言处理：人工智能技术可以用于处理自然语言文本，实现人类理解语言的能力，如语音识别、文本分析、语音合成等。
推荐系统：人工智能技术可以用于推荐内容
机器学习：ai 技术能够通过模型训练和数据驱动，实现机器自动学习和智能决策，为机器学习提供支持。
数据分析与挖掘：ai 技术可以从大量的数据中提取有价值的信息，并对数据进行分类、聚类、预测等操作，为数据分析提供支持。
金融领域：量化交易等 https://bigquant.com/
艺术领域：AI绘画
程序开发领域：AI辅助编程
自动驾驶
智能医疗：AI乳腺癌：https://zhuanlan.zhihu.com/p/523916756
等等.............
人工智能应用的开发流程
在现代软件开发流程中，程序的开发，和AI模型的开发的生命周期应该如何协作呢？软件工程师和数据科学家并肩工作，一个完善代码库，另一个完善模型库，最后的产品通过各种途径（网页/桌面程序/手机/IoT设备）交到用户手中。下面展示了这个协作的过程。
1、辅助编程
副驾驶Copilot
2、AI绘画
图片生成
DALL·E 2：https://openai.com/dall-e-2/
快手的：https://painter.corp.kuaishou.com/
图片编辑
原始图：
编辑后：
3、智能助手ChatGPT
GPT-3 于 2020 年 5 月发布
GPT-4预计明年发布
近期，OpenAI 发布了 ChatGPT，是一个可以对话的方式进行交互的模型，因为它的智能化，得到了很多用户的欢迎。ChatGPT 也是 OpenAI 之前发布的 InstructGPT 的亲戚，ChatGPT 模型的训练是使用 RLHF（Reinforcement learning with human feedback）也许 ChatGPT 的到来，也是 OpenAI 的 GPT-4 正式推出之前的序章。
什么是 GPT？Generative Pre-trained Transformer (GPT)，是一种基于互联网可用数据训练的文本生成深度学习模型。它用于问答、文本摘要生成、机器翻译、分类、代码生成和对话 AI。
GPT3 模型有 1750 亿个参数，ChatGPT 是基于 GPT3.5 。
但是即将发布的 GPT4 模型有 100 万亿个参数，该模型将具有与大脑神经元一样多的节点。据说可以通过图灵测试。
image
什么是ChatGPT
马斯克都来了一句：「很多人陷入了该死疯狂的 ChatGPT 循环中。」
网址：https://chat.openai.com/chat
登录chatGPT
简单对话问答
![]()
image
还可以帮忙定位代码问题
简单的
复杂一点的
code1
for(var i = 0; i < 10; i++) {
setTimeout(()=>{
console.log(i);
},0)
}
code2
function foo(a, b) {
return a/b;
}
console.log(foo('a', 1))
还可以问怎么避免报错
还可以给他提需求，他会帮你完成的。
本次分享的内容到此结束，后面有时间再更~
