人工智能：你需要了解的全面指南

如果您想了解令人着迷且快速发展的人工智能技术，这篇涵盖了从机器学习、通用人工智能到神经网络的所有内容。

目录
什么是人工智能？我该如何使用人工智能？人工智能有哪些不同类型？什么是狭义人工智能？什么是通用人工智能？什么是超级AI？最近有哪些人工智能的例子？什么是机器学习？机器学习的要素是什么？什么是大语言模型？什么是深度学习？什么是神经网络？什么是对话式人工智能？哪些人工智能服务可供使用？哪家公司在人工智能竞赛中处于领先地位？人工智能将如何改变世界？人工智能会抢走你的工作吗？

人工智能几乎可以做任何事情，从预测模式到创建图像，就像这个一样。

什么是人工智能？

听到人工智能 (AI) 这个术语，您可能会想到自动驾驶汽车、机器人、ChatGPT或其他 AI 聊天机器人，以及人工创建的图像。但了解人工智能输出的背后并了解该技术的工作原理及其对当代和子孙后代的影响也很重要。

人工智能这个概念自 20 世纪 50 年代以来就正式存在，当时它被定义为机器执行以前需要人类智能才能完成的任务的能力。这是一个相当宽泛的定义，并且经过数十年的研究和技术进步进行了修改。

当您考虑将智能分配给机器（例如计算机）时，首先定义“智能”一词是有意义的 - 特别是当您想确定人工系统是否真正值得拥有它时。

另外： 这些专家正在竞相保护人工智能免受黑客攻击

我们的智力水平使我们有别于其他生物，并且对人类体验至关重要。一些专家将智力定义为适应、解决问题、计划、在新情况下即兴发挥以及学习新事物的能力。

由于智力有时被视为人类经验的基础，因此我们尝试在科学努力中人为地重新创造智力也许并不奇怪。

今天的人工智能系统可能会展示人类智能的一些特征，包括学习、解决问题、感知，甚至有限的创造力和社交智能。

我该如何使用人工智能？

人工智能以不同的形式出现，并在日常生活中广泛应用。内置 Alexa 或 Google 语音助手的智能扬声器是人工智能的两个很好的例子。其他很好的例子是流行的人工智能聊天机器人，例如 ChatGPT、新的 Bing Chat和Google Bard。

当您向 ChatGPT 询问某个国家的首都或要求 Alexa 向您提供最新天气信息时，您将得到机器学习算法结果的响应。

另外： ChatGPT 是如何工作的？

尽管这些系统并不能取代人类智能或社交互动，但它们有能力利用训练来适应和学习新技能，以完成未明确编程执行的任务。

人工智能有哪些不同类型？

人工智能可以分为三个被广泛接受的子类别：狭义人工智能、通用人工智能和超级人工智能。

什么是狭义人工智能？

狭义人工智能 (ANI) 对于 Siri、Alexa 和 Google Assistant 等语音助手至关重要。此类别包括已设计或训练用于执行特定任务或解决特定问题的智能系统，但未明确设计用于执行此操作。

ANI 通常可能被称为弱人工智能，因为它不具备一般智能，但狭义人工智能力量的一些例子包括上述语音助手，以及图像识别系统、响应简单客户服务请求的技术、以及标记在线不当内容的工具。

另外： ChatGPT 不能做的 6 件事（以及它拒绝做的另外 20 件事）

ChatGPT 是 ANI 的一个示例，因为它被编程为执行特定任务，即针对给出的提示生成文本响应。

什么是通用人工智能？

通用人工智能（AGI），也称为强人工智能，仍然是一个假设的概念，因为它涉及机器根据其积累的经验理解并执行截然不同的任务。这种类型的智能更多地处于人类智力的水平，因为通用人工智能系统能够像人类一样进行推理和思考。

另外：人工智能的真正目标可能不再是智能

像人类一样，AGI 可能能够理解任何智力任务，进行抽象思考，从经验中学习，并利用这些知识来解决新问题。本质上，我们谈论的是具有常识的系统或机器，目前任何形式的可用人工智能都无法实现这一点。

开发一个具有自己意识的系统大概仍然是一段遥远的距离，但它是人工智能研究的最终目标。

什么是超级AI？

超级人工智能（ASI）是一个不仅会从根本上震撼人类，而且还可能毁灭人类的系统。如果这听起来像是科幻小说里的内容，那是因为：ASI 是一个机器智能在各个方面超越人类智能的系统，并且在每个功能上都优于人类。

另外：生成式人工智能如何改善客户体验？

能够学习并不断自我改进的智能系统仍然是一个假设的概念。然而，这个系统如果有效且合乎道德地应用，可能会在医学、技术等领域带来非凡的进步和成就。

最近有哪些人工智能的例子？

总体而言，人工智能领域最显着的进步是 GPT 3.5 和 GPT 4 的开发和发布。但人工智能领域还有许多其他革命性成就——事实上，太多了，无法在此一一列举。

以下是一些最值得注意的：

ChatGPT（和 GPT）

ChatGPT 是一款能够自然语言生成、翻译和回答问题的人工智能聊天机器人。尽管 OpenAI 可以说是最受欢迎的人工智能工具，但由于其广泛的可访问性，OpenAI 通过创建 GPT 1、2 和 3 在人工智能领域掀起了巨大的浪潮。

另外： 使用聊天机器人让您的生活更轻松的 5 种方法

GPT 代表生成式预训练 Transformer，GPT-3 是 2020 年推出时存在的最大的语言模型，拥有 1750 亿个参数。最新版本 GPT-4 可通过 ChatGPT Plus 或 Bing Chat 访问，拥有一万亿个参数。

自动驾驶汽车

尽管自动驾驶汽车的安全性是潜在用户最关心的问题，但随着人工智能的突破，该技术不断进步和完善。这些车辆使用机器学习算法结合来自传感器和摄像头的数据来感知周围环境并确定最佳行动方案。

另外：你的未来可能会出现一辆会醒来并向你打招呼的自动驾驶汽车

在考虑自动驾驶汽车时，大多数人想到的可能是特斯拉电动汽车的自动驾驶功能，但来自谷歌母公司 Alphabet 的 Waymo 在加利福尼亚州旧金山生产自动驾驶服务，就像没有出租车司机的出租车一样，亚利桑那州菲尼克斯。

Cruise 是另一种机器人出租车服务，苹果、奥迪、通用汽车和福特等汽车公司大概也在研究自动驾驶汽车技术。

机器人技术

波士顿动力公司在人工智能和机器人领域的成就十分突出。尽管我们距离创造出电影《终结者》中所见技术水平的人工智能还有很长的路要走，但观看 Boston Dyanmics 的机器人使用人工智能来导航和响应不同的地形还是令人印象深刻。

深度思维

谷歌姊妹公司 DeepMind 是人工智能先驱，正在向通用人工智能 (AGI) 的终极目标迈进。尽管还没有实现，但该公司最初在 2016 年凭借 AlphaGo 登上了头条，该系统击败了人类职业围棋选手。

此后，DeepMind 创建了蛋白质折叠预测系统，可以预测蛋白质复杂的 3D 形状，并且开发了可以与世界顶级医生一样有效地诊断眼部疾病的程序。

什么是机器学习？

人工智能区别于其他计算机科学主题的最大品质是能够通过机器学习轻松实现任务自动化，这让计算机可以从不同的经验中学习，而不是被明确编程来执行每项任务。这种能力就是许多人所说的人工智能，但机器学习实际上是人工智能的一个子集。

机器学习涉及对大量数据进行训练的系统，因此它可以从错误中学习，并识别模式，以便准确地做出预测和决策，无论是否接触过特定数据。

另外：什么是机器学习？你需要知道的一切

机器学习的示例包括图像和语音识别、欺诈防护等。一个具体的例子是用户将照片上传到 Facebook 时的图像识别系统。社交媒体网络可以分析图像并识别面孔，从而提出标记不同朋友的建议。随着时间的推移和实践，系统会磨练这项技能并学会提出更准确的建议。

机器学习的要素是什么？

如上所述，机器学习是人工智能的一个子集，通常分为两大类：监督学习和无监督学习。

监督学习

这是通过使用许多已被人们分类的标记示例来教授人工智能系统的常用技术。这些机器学习系统会输入大量数据，这些数据都经过注释以突出显示感兴趣的功能——您本质上是在通过示例进行教学。

如果您想训练机器学习模型来识别和区分圆形和正方形的图像，您可以从收集不同上下文中的圆形和正方形图像的大型数据集开始，例如为圆形绘制行星，或者例如正方形的表格，并附有每个形状的标签。

然后，该算法将学习这些带标签的图像集合，以区分形状及其特征，例如没有角的圆形和具有四个相等边的正方形。在对图像数据集进行训练后，系统将能够看到新图像并确定它找到的形状。

无监督学习

相比之下，无监督学习使用不同的方法，其中算法尝试识别数据中的模式，寻找可用于对数据进行分类的相似性。

一个例子可能是将重量相似的水果或具有相似发动机尺寸的汽车聚集在一起。

另外：机器学习正在变得实时：原因和方式如下

该算法不是预先设置来挑选特定类型的数据的；它只是寻找可以分组的相似数据，例如，根据购物行为将客户分组在一起，以便针对他们开展个性化营销活动。

强化学习

在强化学习中，系统试图根据输入数据最大化奖励，基本上会经历一个反复试验的过程，直到达到最佳结果。

考虑训练一个系统来玩视频游戏，如果得分较高，它可以获得正奖励，如果得分较低，则可以获得负奖励。系统学会分析游戏并采取行动，然后仅从收到的奖励中学习，达到无需人工干预即可独立玩游戏并获得高分的程度。

强化学习也用于研究，它可以帮助自主机器人了解在现实环境中的最佳行为方式。

什么是大语言模型？

目前最著名的人工智能类型之一是大型语言模型（LLM）。这些模型使用无监督机器学习，并接受大量文本训练以了解人类语言的工作原理。这些文本包括文章、书籍、网站等。

在训练过程中，法学硕士处理数十亿个单词和短语以学习它们之间的模式和关系，使模型能够针对提示生成类似人类的答案。

最流行的LLM是GPT 3.5，ChatGPT基于它，最大的LLM是GPT-4。巴德使用 LaMDA，这是 Google 开发的法学硕士，是第二大法学硕士。

什么是深度学习？

作为机器学习家族的一部分，深度学习涉及训练具有三层或多层的人工神经网络来执行不同的任务。这些神经网络被扩展到具有大量深层的庞大网络，并使用大量数据进行训练。

深度学习模型往往具有三层以上，甚至可以有数百层。它可以在训练过程中使用监督学习或无监督学习或两者的组合。

另外：什么是深度学习？你需要知道的一切

由于深度学习技术可以学习使用 AI 来识别数据中的复杂模式，因此它通常用于自然语言处理 (NLP)、语音识别和图像识别。

什么是神经网络？

机器学习的成功依赖于神经网络。这些数学模型的结构和功能松散地基于人脑神经元之间的连接，模仿它们相互发送信号的方式。

想象一下一群机器人正在共同努力解决一个难题。每个拼图都经过编程，可以识别拼图中不同的形状或颜色。机器人结合各自的能力来解决难题。神经网络就像一群机器人。

神经网络可以调整内部参数来改变它们的输出。每个模型都被输入数据库，以了解在训练期间呈现某些数据时应该输出什么。

另外：人工智能先驱表示，我们将看到一种全新类型的计算机

它们由相互输入数据的互连算法层组成。通过修改数据在各层之间传递时的重要性，可以训练神经网络来执行特定任务。在这些神经网络的训练过程中，数据在各层之间传递时所附加的权重将不断变化，直到神经网络的输出非常接近所需的值。

那时，网络将“学会”如何执行特定任务。所需的输出可以是任何内容，从正确标记图像中的水果到根据传感器数据预测电梯何时可能发生故障。

什么是对话式人工智能？

对话式人工智能包括被编程为与用户对话的系统：经过训练以对话方式聆听（输入）和响应（输出）。对话式人工智能使用自然语言处理来以自然的方式理解和响应。

另外：为什么对话式人工智能现在已准备好迎接黄金时段

对话式人工智能的一些例子包括 Google Bard 等聊天机器人、Amazon Alexa 等带有语音助手的智能扬声器，或者 Siri 等智能手机上的虚拟助手。

哪些人工智能服务可供使用？

普通消费者和企业都拥有丰富的人工智能服务，可用于加快任务速度并为日常生活增添便利——您家里可能有一些在某种程度上使用人工智能的设备。

以下是向公众提供免费和收费人工智能的一些常见示例：

• 语音助手：架子上的 Echo 设备中的 Amazon Alexa 或 iPhone 中的 Apple Siri 和 Google Assistant 都使用自然语言处理来理解和响应您的问题或命令。
• 聊天机器人：人工智能聊天机器人是另一种形式的虚拟助手，可以与人互动，在某些情况下，可以进行类似人类的对话，甚至模仿同理心和关心。
• 语言翻译：机器学习影响广泛，Google Translate、Microsoft Translator、Amazon Translate 和 ChatGPT 等服务都使用它来翻译文本。
• 生产力：Microsoft 365 Copilot是用作 AI 生产力工具的 LLM 的一个很好的示例，嵌入在 Word、PowerPoint、Outlook、Excel、Teams 等中，为您自动执行任务。只需询问“向团队发送有关项目最新状态的电子邮件”，就会触发 Copilot 自动从电子邮件和文档中收集信息，以生成包含您所询问内容的文本。
• 图像和视频识别：不同的程序使用人工智能来查找图像和视频中的内容信息，例如其中的面部、文本和物体。Clarifai 利用机器学习来组织来源中的非结构化数据，而 Amazon Rekognition 是一项允许用户上传图像以接收信息的 AWS 服务，这就是这方面的两个例子。
• 软件开发：许多开发人员已经开始使用 ChatGPT 来编写和调试代码，但是还有许多其他 AI 工具可以使程序员的工作变得更轻松。一个例子是 OpenAI Codex 的 AI 对程序员GitHub Copilot，它是一种生成语言模型，可以通过立即自动完成注释和代码来更快、更省力地编写代码。
• 建立业务：除了日常用户利用周围的人工智能之外，还有一些服务为企业提供人工智能工具，包括OpenAI 的 GPT-4 API（目前在候补名单上），用于使用 LLM 构建应用程序和服务；或Amazon Bedrock，这是一套面向开发人员的基于云的 AI 工具。

哪家公司在人工智能竞赛中处于领先地位？

尽管生成式人工智能引领了2023 年人工智能的突破，但还有其他顶级公司正在努力实现自己的突破。

开放人工智能

毫不奇怪，OpenAI 在今年的人工智能竞赛中取得领先地位并不奇怪，因为它免费提供了广泛使用的生成式人工智能工具，例如人工智能聊天机器人 ChatGPT 和图像生成器 Dall-E 2。

另外： 人工智能专家表示，ChatGPT 的智能为零，但它是实用性的革命

字母

谷歌的母公司 Alphabet 通过旗下一些公司涉足多种不同的人工智能系统，包括 DeepMind、Waymo 和前面提到的谷歌。

DeepMind 继续追求通用人工智能，它努力通过人工智能系统实现的科学解决方案就证明了这一点。它为 Document AI 开发了机器学习模型，优化了 Youtube 上的观看者体验，使 AlphaFold 可供全世界的研究人员使用，等等。

另：DeepMind：为什么 AI 如此擅长语言？这是语言本身的东西

尽管你可能没有每天在新闻中听说过 Alphabet 在人工智能方面的努力，但它在深度学习和人工智能方面的工作总体上有潜力改变人类的未来。

微软

除了为其 365 个应用程序创建 Microsoft 365 Copilot 之外，微软还为Azure上的开发人员提供了一套 AI 工具，例如用于开发机器学习、数据分析和对话式 AI 的平台、在计算机视觉方面实现与人类同等的可定制 API、言语和语言。

另外： 微软首席执行官纳德拉：“期望我们将人工智能融入堆栈的每一层”

微软还对 OpenAI 的开发进行了大量投资，并在新的 Bing Chat中使用 GPT-4 ，并在Bing Image Creator中使用更高级版本的 Dall-E 2 。

其他公司

这些只是引领人工智能竞赛的几个例子，但全球还有许多其他公司也在人工智能领域大步迈进，包括 百度、阿里巴巴、Cruise、联想、特斯拉等。

人工智能将如何改变世界？

人工智能有能力改变我们的工作方式、健康、媒体消费和工作方式、隐私等等。

考虑某些人工智能系统可能对整个世界产生的影响。人们可以要求手机上的语音助手叫车，让自动驾驶汽车送他们去上班，在那里他们可以使用人工智能工具比以往更加高效。

另外： 生成人工智能可以降低药品价格。就是这样

医生和放射科医生可以使用更少的资源进行癌症诊断，发现与疾病相关的基因序列，并识别可以产生更有效药物的分子，从而有可能挽救无数生命。

另外，值得考虑的是，拥有可以创建逼真图像的神经网络（例如 Dall-E 2、Midjourney 和 Bing）可能会造成破坏；它可以复制某人的声音或利用人的相似之处创建深度伪造视频。这些可能会威胁到人们认为真实的照片、视频或音频。

另外： 为什么您的 ChatGPT 对话可能不像您想象的那么安全

人工智能的另一个道德问题涉及面部识别和监视，以及这项技术如何侵犯人们的隐私，许多专家希望完全禁止它。

人工智能会抢走你的工作吗？

人工智能系统在不久的将来有可能取代相当大一部分现代劳动力。

虽然常见的人工智能不会取代所有工作，但似乎可以肯定的是，人工智能将改变工作的性质，唯一的问题是自动化将如何快速和深刻地改变工作场所。

另外：生成式人工智能正在改变你的技术职业道路。要知道什么

然而，人工智能无法独立运行，虽然许多常规、重复性数据工作的工作可能会实现自动化，但其他工作的工人 可以 使用生成式人工智能等工具来提高生产力和效率。

对于人工智能系统将多快超越人类能力，人工智能专家有着广泛的看法。

全自动驾驶汽车尚未成为现实，但根据一些预测，即使不考虑对快递员和出租车司机的影响，仅自动驾驶卡车运输行业就将不可避免地在美国夺走超过 50 万个工作岗位。