12.AI
概述
参考：
Artificial intelligence(人工智能，简称 AI) 是机器所展示的智能，与人类和其他动物的智能相对应。AI 通常包含语音识别、计算机视觉、自然语言处理、以及其他输入的映射
随着机器的能力越来越强，被认为需要“智能”的任务通常从 AI 的定义中删除，这种现象被称为 AI 效应。例如，OCR 经常被排除在被认为是人工智能的事物之外，已成为一项常规技术。
AI 好像不等于机器。。不像机器精确执行 01 指令。。AI 的本质好像是数学，并且是数学中的统计学，AI 的每一次判断都是一次概率统计然后输出概率大的内容。
TODO: 本质上是将 数学问题转为数值计算问题？因为机器不认识加减乘除这些符号，但是又要训练机器学会这些，那么机器就要学会 101 如何变成 111 这类？
人工智能发展阶段
https://zhuanlan.zhihu.com/p/24811027
运算智能、感知智能、认知智能
一是运算智能，即快速计算和记忆存储能力。人工智能所涉及的各项技术的发展是不均衡的。现阶段计算机比较具有优势的是运算能力和存储能力。1996 年 IBM 的深蓝计算机战胜了当时的国际象棋冠军卡斯帕罗夫，从此，人类在这样的强运算型的比赛方面就不能战胜机器了。
二是感知智能，即视觉、听觉、触觉等感知能力。人和动物都具备，能够通过各种智能感知能力与自然界进行交互。自动驾驶汽车，就是通过激光雷达等感知设备和人工智能算法，实现这样的感知智能的。机器在感知世界方面，比人类还有优势。人类都是被动感知的，但是机器可以主动感知，如：激光雷达、微波雷达和红外雷达。不管是 Big Dog 这样的感知机器人，还是自动驾驶汽车，因为充分利用了 DNN 和大数据的成果，机器在感知智能方面已越来越接近于人类。
- 早期的计算机视觉属于感知智能，只能认识图片，而无法知道图片中所表达的意思。
三是认知智能。通俗讲是“能理解会思考”。人类有语言，才有概念，才有推理，所以概念、意识、观念等都是人类认知智能的表现。典型的自然语言处理，就需要认知智能。
- 第一层是语言理解
- 第二层是分析、推理
- 第三层是人格和情感
技术脉络关系
个人总结：
如果人工智能的本质是数学计算，那么首先出现的是辅助计算的工具，比如 NumPy、Torch，然后利用这些计算能力，发展出让机器学习的工具，TensorFlow、PyTorch 等，最后通过机器学习，训练出来可用的各种基本模型，比如 Transformer。
- NumPy、Torch 提供计算能力
- TensorFlow、PyTorch 依赖计算能力实现的用于机器学习的框架
- Transformer 使用学习框架生成模型，Transformer 一般是指一个过程、工具集，而不是单指一种模型，很多模型是通过 Transformer 工具使用或训练。
机器学习
机器学习源于对 AI 的探索。在人工智能作为一门学科的早期，一些研究人员对让机器从数据中学习很感兴趣。他们试图用各种符号方法以及当时称为“神经网络”的方法来解决这个问题。
后来，机器学习更多的依赖模型。
AGI
参考：
Artificial General Intelligence(通用人工智能，简称 AGI) 是一种假设的智能体，它可以理解或学习人类或其他动物可以完成的任何智力任务。
AIGC
Artificial Inteligence Generated Content(人工智能生产内容，简称 AIGC)
AI 公司
MiniMax # 北京稀宇科技有限公司。官网神秘未知。WPS AI 使用该公司的模型
Runway https://runwayml.com/
- Gen-2 多模态 AI 模型，支持文本生成视频、图像生成视频、视频生成视频
OpenAI
参考：
产品
API
参考：
Anthropic
参考：
Anthropic 是一家由前 OpenAI 团队成员创立的初创公司，它推出了一款名为 Claude 的 AI 聊天机器人，将其作为 ChatGPT 的竞争对手。
产品
Claude
DeepSeek
参考：
https://github.com/deepseek-ai/DeepSeek-V3/blob/main/inference/model.py 核心
学习资料
公众号 - 知危，GPT-5感觉变蠢，结果是因为幻觉变少了？
- 谈到了 微调、RAG、In-Context Learning （ ICL ）、etc. 的优缺点
- 谈到了 微调 赶不上模型本身的更新迭代
- 做软件的时候，经常有个不恰当的比喻：如果一个东西走起来像鸭子，看起来像鸭子，叫起来像鸭子，那它就是鸭子。但事实上这是不对的，而现在的大语言模型做的事情就是这样。
B 站
NLP 入门的，不知道谁录的课，有多个 UP 投稿
B 站-ZOMI 酱
反馈
此页是否对你有帮助？
Glad to hear it! Please tell us how we can improve.
Sorry to hear that. Please tell us how we can improve.