XiaoMi-AI文件搜索系统
World File Search System深蓝
人工智能将如何改变教育格局？
• 20 世纪 50 年代：阿兰·图灵发表了“图灵测试”，对计算机和机器智能进行测试，以确定这种智能是否与人类智能难以区分；“人工智能”一词首次被提出 • 20 世纪 80 年代：“深度学习”技术得到开发，使计算机能够从错误中学习并做出独立决策 • 20 世纪 90 年代：人工智能进入日常生活（Roomba、语音识别软件）；深蓝击败人类国际象棋冠军 • 21 世纪 20 年代：常用人工智能激增：虚拟助手、搜索引擎；深度学习和大数据的出现 • 2020 年：OpenAI 推出 GPT，它使用深度学习创建几乎与人类创建的内容难以区分的内容
人工智能的未来及其社会、经济
尽管人工智能（AI）早在古代就已存在，但直到 1956 年才正式获得正式名称 [ 1 ]。从那时起，由于进展缓慢，AI 研究经历了一段乐观与失望的时期。直到 1993 年以后，进展才有所波动。此后，研究又开始回暖，1997 年，IBM 的“深蓝”计算机击败了俄罗斯大师加里·卡斯帕罗夫 [ 2 ]，成为第一台击败国际象棋冠军的计算机。这是 AI 领域新时代的开始。在过去的二十年里，学术研究取得了很大进展，但直到最近，AI 才被认可为一种范式转变。随着投资的不断增加，现在取得了很大进展。人工智能研究高度依赖资金，因为它是一个长期研究领域，需要大量的精力和资源。
超级大脑，而非替代品：设计人机协作，打造更美好的未来工作
由该领域的创始人在 20 世纪 50 年代提出，以机器形式实现人类认知。12 从那时起，人工智能的重大里程碑通常被定义为机器智能在实现完全人类智能的道路上又迈出了一步。例如，国际象棋大师加里卡斯帕罗夫输给 IBM 的深蓝计算机被广泛讨论为“大脑的最后一战”。13 在输给 IBM Watson 的过程中，Jeopardy 智力竞赛节目冠军肯詹宁斯开玩笑说：“我个人欢迎我的新计算机霸主。”14 最近，在 AlphaGo 击败围棋冠军李世石后不久，英国《金融时报》发表了一篇关于 DeepMind 首席执行官德米斯哈萨比斯的个人简介，其中指出：“在 DeepMind，工程师们已经创建了基于神经网络的程序，以人脑为模型......智能是通用的，而不是特定的。这种人工智能像人类一样‘思考’。”15
技术愿景 2025 | 人工智能：自主宣言
要理解人工智能的这种概括，只需环顾四周，看看人工智能在我们生活中的根基有多深。卡斯帕罗夫的比赛已经过去了近 30 年，现在，可以让深蓝看起来像普通玩家的模型已经放在每个人的口袋里。图灵测试曾被认为是机器智能的最高基准，但人们每天都在与大型语言模型 (LLM) 支持的客户服务机器人和销售代理的对话中打破了这一标准。今天的人工智能模型已经摆脱了过去那种深奥但具体而线性的方法，在学习方式、处理任务以及最终能做什么方面表现出比以往任何时候都多的自主性。他们正在将这种自主性带到工作中，75% 的知识工作者报告使用生成式人工智能；我们如何与技术互动，作为编码副驾驶，并扩展语音助手功能；以及从机器人到汽车到医疗保健的几乎所有其他领域。4,5,6,7,8,9,10 功能强大的高级人工智能
创新 - 技术与知识产权
一个并不新的新时代 纽约，1997 年 5 月 3 日。在前一年于费城赢得首场比赛后，国际象棋世界冠军加里·卡斯帕罗夫在复赛中被超级计算机“深蓝”击败。世界从此不再一样。在此后的二十年里，机器在各种游戏中击败了最优秀的人类玩家，以至于几乎不再引起人们的注意。我们不去讨论机器人超越和取代其创造者这个棘手的话题，让我们记住，技术进步总是一个缓慢而渐进的过程，在某项技术达到临界点之前，必须建立其生态系统，而这需要很长时间。我们目前正处于这样的孵化期。引用世界经济论坛创始人兼执行主席克劳斯·施瓦布的话：“从来没有一个时代比现在更有希望，也没有比现在更危险。” 破坏将继续侵入我们的生活，重塑我们的经济、社会和人类环境。接受它们还是拒绝它们，这取决于我们每个人，但我们所做的每一个选择都会决定我们的未来会是什么样子。
对 USPTO 关于专利人工智能信息请求的回应
Kate Gaudry 1 1.利用人工智能的发明以及由人工智能开发的发明通常被称为“人工智能发明”。人工智能发明的要素是什么？例如：要解决的问题（例如，人工智能的应用）；人工智能将在其上进行训练和操作的数据库结构；算法在数据上的训练；算法本身；通过自动化过程的人工智能发明的结果；应用于影响结果结果的数据的策略/权重；和/或其他元素。重要的是不要将人工智能与机器学习混为一谈。并非所有人工智能技术都使用机器学习技术。机器学习技术使用数据来学习底层算法的部分（例如，学习一组参数的值）。一些 AI 技术不使用深度学习，而是可能依赖于（例如）复杂的查询、逻辑和/或知识库。例如，深蓝在 1997 年的国际象棋比赛中使用符号 AI（或“老式人工智能”）击败了 Garry Kasparov。深蓝通常被认为对应于 AI 系统，即使这种技术仅涉及比较（大量）潜在序列，这并不等同于“学习”。美国专利商标局似乎之前已经意识到 AI 比机器学习更广泛，因为 706 类有一个机器学习子类和一个知识处理系统子类。因此，AI 实际上是相当宽泛的术语。我建议避免设立需要具体描述单个专利申请是否与 AI 相关的计划或其他计划。目前，分类过程中使用了与 AI 相关的定义，但众所周知，专利申请可能涉及多个类别。因此，不期望 AI 类别会包含所有 AI 专利申请，也不期望分配给 AI 类别的所有类别实际上都与 AI 相关。此外，有些人认为整个领域都是 AI 领域的一部分。例如，可以说整个计算机视觉、语音检测和自然语言处理领域都是 AI 领域的子领域。因此，我再次建议谨慎制定“AI 发明”的定义，该定义将用于与其他专利申请相比对 AI 发明专利申请进行差异化处理。2.自然人可以通过哪些不同的方式为人工智能发明的构思做出贡献并有资格成为指定发明人？例如：设计算法和/或加权适应性；构建算法运行的数据；在数据上运行人工智能算法并获得结果。开发机器学习工具可以包括各种步骤，例如：
人工智能如何改变世界
执行摘要 人工智能是指机器的智能，与它们像人类一样思考和行动、从经验中学习和进化的能力有关。机器可以从大量数据中学习，做出适当的决策并产生符合数据趋势的结果，通常处理信息的速度比人类更快。如今，人工智能模型随处可见，从 Alexa 等虚拟助手到自动驾驶汽车。随着行业的快速发展，个人应该关注如何使用人工智能工具，为人工智能技术主导的未来做好准备。____________________________________ 什么是人工智能？人工智能系统分为 4 个不同的类别：反应机器、有限记忆、心智理论和自我意识。反应机器是人工智能的最基本形式。它们是特定于任务的，并依靠预编程规则来执行操作。因此，它们无法利用新数据进行学习，也没有记忆来记录过去的活动。大多数现代人工智能被归类为记忆有限；这些类型的机器通过获得新数据来成长，然后它们会记住并利用这些数据进行改进。心智理论人工智能模仿人类的决策技能，可以识别情绪并在社交场合做出反应。自我意识人工智能比心智理论领先一步，因为它们具有身份意识并意识到自己的存在。更重要的是，自我意识人工智能具有人类的情感能力，这将使其在与人类互动时做出更复杂的决策和更深层次的联系。在这四种人工智能中，自我意识人工智能最接近人类体验。目前，心智理论和自我意识人工智能都不存在，但正在积极研究心智理论人工智能。更广泛地说，人工智能也是根据机器能够完成的操作数量进行分类的。当机器只能根据给定的数据及其编程执行操作时，它们被标记为狭义智能。在固定目标的指导下，它们无法执行它们被编程完成的任务之外的任务，因此只能专门用于该单一目的。一个这样的例子是深蓝，一个被设计用于下棋的计算机程序。虽然深蓝在下棋方面非常出色，但如果要求它玩纸牌游戏或生成图像，它会不知所措。甚至更高通用人工智能 (AGI) 是指机器学习完成人类能够完成的任何任务的能力，使用反映人类特征的动作或决策。AGI 可以适应不熟悉的情况，这意味着它会随着经验的积累而发展。
建筑中的机器学习
回顾历史，机器学习与人工智能有着很大的关系，人工智能是利用计算机模拟人脑的功能。在人工智能发展的早期，计算机科学家将特定领域的知识编程来代替人类完成任务。这种早期的做法只能让计算机执行预先设计好的流程，与实际的人脑相比，计算机并没有自我学习的能力。1959年，计算机科学家Arthur Samuel提出了机器学习的概念，让计算机拥有了无需明确编程就能学习的能力。Arthur Samuel首次使用机器学习训练IBM计算机下棋，这一举动为机器学习研究领域带来了不少关注。然而，由于硬件和计算机技术的限制，机器学习并没有得到预期的发展，大量资金在此期间被撤回。1997年，由机器学习训练的国际象棋程序“深蓝”击败了国际象棋大师Garry Kasparov，这一里程碑事件让机器学习技术重新受到关注
人工智能生活
人类思维具有多种能力。我们选择哪个功能来开始构建人工智能？Shaw、Newell 和 Simon 开始研究计算机程序如何解决问题，例如证明几何定理，或玩跳棋或国际象棋等游戏。他们证明，解决此类问题归结为在可能的决策迷宫中进行搜索以达到预期目标。导致目标的决策序列形成了解决方案。搜索空间通常可能是无限的。因此，有一些策略可以有选择地搜索这个空间，利用任何关于问题性质的先验知识。这是人工智能的第一次重大突破，最终导致 IBM 深蓝计算机在 1997 年的一场国际象棋比赛中击败了国际象棋大师卡斯帕罗夫。甚至在那之前，在 80 年代，各个领域就出现了大量专家系统，主要由以事实和规则形式捕获领域知识的技术引发，并使用搜索找到适当的应用这些规则的顺序以得出解决方案。
人工智能简介：图文指南
机器脑功能主义者 心智与大脑的分离 物理符号系统假说 智能行为理论 机器真的能思考吗？ 图灵测试 勒布纳奖 图灵测试的问题 机器内部：Searle 的中文房间 Searle 的中文房间 对 Searle 的一个回答 应用复杂性理论 理解是一种突现属性吗？ 用正确的东西制造的机器 人工智能与二元论 大脑假体实验 罗杰·彭罗斯和量子效应 彭罗斯和哥德尔定理 量子引力和意识 人工智能真的是关于思考机器吗？解决意向性问题 研究认知主义立场 超越埃尔西 认知建模 模型不是一种解释 线虫 真正理解行为 降低描述级别 简化问题 分解和简化 模块基础 微观世界 早期成功：玩游戏 自我完善程序 在内部表示游戏 蛮力“搜索空间”探索 无限的国际象棋空间 使用启发式方法 深蓝