机构名称：
¥ 1.0
历史 人工智能 (AI) 是指能够执行通常需要人类智能的任务（例如决策或内容创建）的计算机系统。尽管人工智能最近才开始流行，但它并不是一项新技术。“狭义人工智能”或针对有限任务的人工智能几十年来一直广泛应用于各种应用，例如自动仓库机器人、社交媒体推荐算法和金融系统中的欺诈检测。尽管“人工智能”一词最早是在 1955 年提出的，但该领域的发展一直很缓慢，直到 21 世纪“机器学习”(ML) 方法流行起来，这一转变得益于互联网上数据的激增。1 与预先编程以遵循既定规则的旧人工智能系统不同，ML 使用数学算法来学习数据中的模式以进行分类或预测。2012 年，随着云计算、数据存储和“深度学习”（基于神经网络的 ML 子领域）的进步，ML 算法的性能实现了显著飞跃。 2 神经网络使用数百万个节点或“人工神经元”来分析以前的架构无法处理的大型数据集。在被称为图形处理单元 (GPU) 的高级芯片上训练 AI 系统也带来了巨大的性能提升。 3 五年后的 2017 年，谷歌的研究人员开发了“Transformer”模型，这是一种新的深度学习架构，可以将从一项任务（例如，图像中的对象识别）中学到的知识应用于另一项任务（例如，生成新图像）。 4 Transformer 在任务之间转移“知识”的能力为具有“通用”功能的模型铺平了道路，从而导致了 AI 平台的爆炸式增长，这些平台表现出比其前辈更强的推理能力和创造力。斯坦福大学的研究人员意识到这一发展，于 2021 年推广了“基础模型”一词，强调这些新模型在构建下一代 AI 应用程序方面的基础作用。 5 基础模型构成了“生成式 AI”的基础——这些模型可以用最少的人工输入创建复杂的文字、图像和其他形式的内容。例如，ChatGPT 的基础模型 GPT-4 可以创作诗歌、在律师资格考试中取得 90 分的成绩，甚至可以编写代码来控制机器人。AI 供应链数据：AI 系统性能的一个关键决定因素是模型训练数据的质量。以汽车为例，数据就像石油，模型就像发动机。高质量的数据集是目标领域的相关、准确和全面的样本。
科学、空间和技术委员会
主要关键词
相关文件推荐
