<p class="ql-block" style="text-align:center;">(包含解說)</p> <p class="ql-block"> AI是人工智能的英文(Artificial Intelligence)縮寫。</p> <p class="ql-block"> AI繪畫是一種利用人工智能技術(shù)自動或輔助生成作品的方式，它通過輸入繪畫指令，如:文字、語言等要求，讓Al去完成繁雜的繪圖任務(wù)，從而生成各種形式的藝術(shù)作品。</p> <p class="ql-block"> 這種技術(shù)可以讓創(chuàng)作者將AI視為工具，協(xié)作者或靈感的源泉，在其創(chuàng)作過程中的不同階段影響其藝術(shù)作品。AI繪畫能夠模擬創(chuàng)作者的繪畫風(fēng)格，幫助創(chuàng)作者探索新的創(chuàng)作思路，豐富創(chuàng)作者的藝術(shù)表達(dá)能力。</p> <p class="ql-block"> AI繪畫作品，似畫非畫，似影非影。對于一個對繪畫愛好者來說，完全可以將繪畫的一些構(gòu)思，融入到AI繪畫過程之中，創(chuàng)作出一些與繪畫相近的作品來。隨著AI技術(shù)的不斷進(jìn)步和發(fā)展，AI繪畫將變得更加智能化，更加個性化，通過人機(jī)協(xié)作，使作品更加符合人們的主觀喜好和理念。</p> <p class="ql-block"> 工業(yè)4.0（Industry 4.0）是基于工業(yè)發(fā)展的不同階段作出的劃分，按照共識，工業(yè)1.0是蒸汽機(jī)時代，工業(yè)2.0是電氣化時代，工業(yè)3.0是信息化時代，工業(yè)4.0則是利用信息化技術(shù)促進(jìn)產(chǎn)業(yè)變革的時代，也就是智能化時代。</p> <p class="ql-block"> 自從瓦特發(fā)明了蒸汽機(jī)，因有了動力驅(qū)動，人類進(jìn)入了一個高速發(fā)展期，后來被稱為“工業(yè)1.0（Industry 1.0）蒸汽機(jī)時代“。</p> <p class="ql-block"> 后來人類又發(fā)明了電機(jī)與繼電器，電機(jī)可用于驅(qū)動，繼電器邏輯電路可以自動化控制電機(jī)機(jī)械運(yùn)行，被稱為“工業(yè)2.0（Industry 2.0）電氣化時代“。</p> <p class="ql-block" style="text-align:center;"><span style="color:rgb(255, 138, 0);">工業(yè)3.0人類進(jìn)入信息化時代</span></p> <p class="ql-block"> 半導(dǎo)體.芯片的發(fā)明，計(jì)算機(jī)與互聯(lián)網(wǎng)的誕生。人類進(jìn)入信息大暴炸時代，各種信息互聯(lián)互通大流通，被稱為“工業(yè)3.0（Industry 3.0）工業(yè)3.0信息化時代“。</p> <p class="ql-block"> 人類有了計(jì)算計(jì)，發(fā)明了數(shù)控機(jī)床與工業(yè)自動化控制。在裝備制造業(yè)淘汰了車洗刨等技術(shù)工種。</p> <p class="ql-block"> 工業(yè)4.0（Industry 4.0）是基于工業(yè)4.0則是利用信息化技術(shù)促進(jìn)產(chǎn)業(yè)變革的時代，也就是智能化時代。</p> <p class="ql-block"> 工業(yè)4.0概念最早出現(xiàn)在德國，于2013年4月的漢諾威工業(yè)博覽會上正式推出，其核心目的是為了提高德國工業(yè)的競爭力，在新一輪工業(yè)革命中占領(lǐng)先機(jī)。</p><p class="ql-block">[1]隨后由德國政府列入《德國2020高技術(shù)戰(zhàn)略》中所提出的十大未來項(xiàng)目之一。</p><p class="ql-block">[2]該項(xiàng)目由德國聯(lián)邦教育局及研究部和聯(lián)邦經(jīng)濟(jì)技術(shù)部聯(lián)合資助，投資預(yù)計(jì)達(dá)2億歐元。旨在提升制造業(yè)的智能化水平，建立具有適應(yīng)性、資源效率及基因工程學(xué)的智慧工廠，在商業(yè)流程及價值流程中整合客戶及商業(yè)伙伴。其技術(shù)基礎(chǔ)是網(wǎng)絡(luò)實(shí)體系統(tǒng)及物聯(lián)網(wǎng)。</p> <p class="ql-block">[3]當(dāng)時歷史背景</p><p class="ql-block"> 德國所謂的工業(yè)四代是指利用物聯(lián)信息系統(tǒng)將生產(chǎn)中的供應(yīng)、制造、銷售信息數(shù)據(jù)化、智慧化，最后達(dá)到快速、有效、個人化的產(chǎn)品供應(yīng)?？春诵奶卣鳌?lt;/p><p class="ql-block"> 中國制造2025”與德國“工業(yè)4.0”的合作對接淵源已久。2015年5月，國務(wù)院正式印發(fā)《中國制造2025》，部署全面推進(jìn)實(shí)施制造強(qiáng)國戰(zhàn)略。</p> <p class="ql-block">[4]工業(yè)4.0已經(jīng)進(jìn)入中德合作新時代，中德雙方簽署的《中德合作行動綱要》中，有關(guān)工業(yè)4.0合作的內(nèi)容共有4條，第一條就明確提出工業(yè)生產(chǎn)的數(shù)字化就是“工業(yè)4.0”對于未來中德經(jīng)濟(jì)發(fā)展具有重大意義。雙方認(rèn)為，兩國政府應(yīng)為企業(yè)參與該進(jìn)程提供政策支持。</p> <p class="ql-block" style="text-align:center;">用于裝備制造業(yè)的工業(yè)機(jī)器人</p><p class="ql-block">工業(yè)機(jī)器人工作原理:</p><p class="ql-block"> 通過操作機(jī)上各運(yùn)動構(gòu)件的運(yùn)動.自動地實(shí)現(xiàn)手部作業(yè)的動作功能及技術(shù)要求。</p><p class="ql-block">工業(yè)機(jī)器人構(gòu)造從功能角度分成四大部分：</p><p class="ql-block">操作機(jī)：是由機(jī)座、手臂和手腕、傳動機(jī)構(gòu)、驅(qū)動 系統(tǒng)等組成.其功能是使手腕具有某種工作空間，并調(diào) 整手腕使末端執(zhí)行器實(shí)現(xiàn)作業(yè)任務(wù)要求的動作。</p><p class="ql-block">末端執(zhí)行器：也叫工業(yè)機(jī)器人的手部，它是安裝在工業(yè)機(jī)器人手腕上直接抓握工件或執(zhí)行作業(yè)的部件。</p><p class="ql-block">感器系統(tǒng)：是指要機(jī)器人與人一樣有效的完成工作。對外界狀況進(jìn)行判斷的感覺功能的各種傳感器。</p><p class="ql-block">控制器：機(jī)器人控制系統(tǒng)是機(jī)器人的大腦，是決定機(jī)器人功能和性能的主要因素。主要是控制工業(yè)機(jī)器人在工作空間中的運(yùn)動位置、姿態(tài)和軌跡、操作順序及動 作的時間等。</p><p class="ql-block"> 在裝備制造業(yè)，每增加1臺工業(yè)機(jī)器人能頂替2~6名技術(shù)工人的工作量。</p> <p class="ql-block">什么是AI</p><p class="ql-block"> AI，即人工智能（Artificial Intelligence），是一門研究如何讓機(jī)器模擬人類智能的學(xué)科。它涉及到構(gòu)建可以感知、推理、學(xué)習(xí)和決策的智能系統(tǒng)，以解決復(fù)雜問題和實(shí)現(xiàn)人類類似的任務(wù)。</p><p class="ql-block"> AI的技術(shù)包括機(jī)器學(xué)習(xí)、自然語言處理、計(jì)算機(jī)視覺、專家系統(tǒng)等。目前，AI已經(jīng)廣泛應(yīng)用于各個領(lǐng)域，如醫(yī)療、金融、交通、娛樂等，使得機(jī)器能夠自動化執(zhí)行某些任務(wù)，從而提高效率和準(zhǔn)確性。</p> <p class="ql-block">什么是AI大模型</p><p class="ql-block"> AI大模型是指規(guī)模龐大的人工智能模型，這些模型具有更多的參數(shù)、更復(fù)雜的結(jié)構(gòu)和更強(qiáng)大的計(jì)算能力。大模型能夠處理更復(fù)雜的任務(wù)，具備更強(qiáng)的學(xué)習(xí)和推理能力，并在各種領(lǐng)域中取得更好的性能表現(xiàn)。</p><p class="ql-block"> 大模型的典型代表是深度學(xué)習(xí)模型，如深度神經(jīng)網(wǎng)絡(luò)。它們通常具有數(shù)以百萬計(jì)甚至數(shù)以億計(jì)的參數(shù)，能夠從大量的數(shù)據(jù)中學(xué)習(xí)并提取特征，以完成復(fù)雜的任務(wù)，如圖像識別、語音識別、自然語言處理等。</p><p class="ql-block"> 大模型又分為公有大模型和私有大模型。公有大模型和私有大模型是指在人工智能領(lǐng)域中使用的預(yù)訓(xùn)練模型的不同方式。</p> <p class="ql-block">公有大模型</p><p class="ql-block"> 公有大模型是由大型技術(shù)公司或研究機(jī)構(gòu)開發(fā)和訓(xùn)練的，并且是對公眾開放使用的預(yù)訓(xùn)練模型。這些模型通常使用大量的計(jì)算資源和數(shù)據(jù)進(jìn)行訓(xùn)練，可以在多種任務(wù)上表現(xiàn)出色。</p><p class="ql-block"> 一些著名的公有大模型包括 OpenAI 的GPT系列、Google的BARD和Microsoft 的Turing NLG。這些大模型能力強(qiáng)大，但是不能針對于企業(yè)的特定場景去做專業(yè)，細(xì)致化的生成。</p> <p class="ql-block" style="text-align:center;">智能機(jī)器人大模型訓(xùn)練實(shí)驗(yàn)</p> <p class="ql-block">什么是神經(jīng)元網(wǎng)(人工神經(jīng)元網(wǎng)絡(luò))</p><p class="ql-block"> 是以人和動物的大腦結(jié)構(gòu)為原型的。大腦內(nèi)，有數(shù)百萬的神經(jīng)元(神經(jīng)芯片)組織成一網(wǎng)絡(luò)，彼此交流信號。</p><p class="ql-block"> 每一神經(jīng)元都與周圍的諸多神經(jīng)元相連。知識存儲在大腦(芯片)內(nèi)，作為各神經(jīng)元之間聯(lián)系密度(聯(lián)合力)的評判標(biāo)準(zhǔn)。大腦(芯片運(yùn)行)活動時，各神經(jīng)元之間的聯(lián)合力逐漸變化，這些變化導(dǎo)致新知識或新記憶存儲到大腦(芯片)內(nèi)。</p><p class="ql-block">神經(jīng)元控制系統(tǒng)包括；</p><p class="ql-block">專家思想大數(shù)據(jù)庫</p><p class="ql-block">大數(shù)據(jù)數(shù)理統(tǒng)計(jì)數(shù)據(jù)庫</p><p class="ql-block">大算力分析自學(xué)習(xí)(記憶)系統(tǒng)</p><p class="ql-block">人工智能相關(guān)知識基礎(chǔ)。</p> <p class="ql-block">什么是AIGC</p><p class="ql-block"> AIGC（AI Generated Content）是利用人工智能來生成你所需要的內(nèi)容，GC的意思是創(chuàng)作內(nèi)容。與之相對應(yīng)的概念中，比較熟知的還有PGC，是專業(yè)人員用來創(chuàng)作內(nèi)容；UGC是用戶自己創(chuàng)造內(nèi)容，顧名思義AIGC是利用人工智能來創(chuàng)造內(nèi)容。</p> <p class="ql-block">什么是GPT</p><p class="ql-block"> GPT是AIGC的一個種類。GPT的全稱，是Generative Pre-Trained Transformer（生成式預(yù)訓(xùn)練轉(zhuǎn)換器）。是一種基于互聯(lián)網(wǎng)的、可用數(shù)據(jù)來訓(xùn)練的、文本生成的深度學(xué)習(xí)模型。</p> <p class="ql-block">什么是算力</p><p class="ql-block"> 算力就是字面意思，計(jì)算能力，計(jì)算機(jī)進(jìn)行運(yùn)算處理的能力，更具體來說，算力是通過對信息數(shù)據(jù)進(jìn)行處理，實(shí)現(xiàn)目標(biāo)結(jié)果輸出的計(jì)算能力。通常用于衡量人工智能、區(qū)塊鏈、數(shù)據(jù)分析等領(lǐng)域的計(jì)算性能。</p><p class="ql-block"> 人工智能領(lǐng)域里的深度學(xué)習(xí)任務(wù)中，需要大量的計(jì)算資源來訓(xùn)練和推理模型。因此，算力在這個領(lǐng)域變得尤為重要。強(qiáng)大的算力可以加速訓(xùn)練過程、提高模型的精度和性能，并且處理更復(fù)雜的任務(wù)和數(shù)據(jù)集，最終生成新的、原創(chuàng)的內(nèi)容。</p> <p class="ql-block">什么是Token</p><p class="ql-block"> 在自然語言處理(Natural Language Processing, NLP)中，Token 指的是將輸入文本或句子分解成的基本單位。一個 Token 可以是一個單詞、一個字符、 一個標(biāo)點(diǎn)符號或者一個子詞。</p> <p class="ql-block">為什么大家都說算力很貴，貴在哪里？</p><p class="ql-block"> 算力往往會因?yàn)橛?jì)算資源的供需關(guān)系和生產(chǎn)成本等因素而有所漲跌。當(dāng)人工智能應(yīng)用變得更加復(fù)雜，需要更高的算力來支持訓(xùn)練和運(yùn)行模型時，計(jì)算資源需求會增加，導(dǎo)致算力成本上升。此外，隨著人工智能技術(shù)的普及和應(yīng)用范圍的擴(kuò)大，對算力的需求也在增加，這也會導(dǎo)致算力成本的上升。</p> <p class="ql-block">弱人工智能</p><p class="ql-block"> 只會計(jì)算、推斷，解決具體問題。當(dāng)前廣泛應(yīng)用的弱人工智能如智能推薦購物、戰(zhàn)勝柯潔的AlphaGo、機(jī)器人客服等。</p> <p class="ql-block">強(qiáng)人工智能</p><p class="ql-block"> 擁有意向、意識、意志的機(jī)器智能，擁有和人類一樣的智能水平，可以替代一般人完成生活中的大部分工作。</p> <p class="ql-block">超強(qiáng)人工智能</p><p class="ql-block"> 人工智能像人類一樣通過各種采集器、網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，每天自身可以進(jìn)行多次審計(jì)迭代，智能水平超過人類。</p><p class="ql-block"> 現(xiàn)在的人工智能已經(jīng)是接近強(qiáng)人工智能階段。在將來，人工智能將會進(jìn)化為超強(qiáng)人工智能，遍布在我們的生活中，我們也將會將大量的工作或應(yīng)用場景交予AI，讓AI為我們產(chǎn)出更多的價值。</p> <p class="ql-block">什么是AICC</p><p class="ql-block"> AICC是以AI大模型為基底，集行業(yè)數(shù)據(jù)與企業(yè)數(shù)據(jù)為一體的AI專家；行業(yè)內(nèi)領(lǐng)先的AI私有大模型，能為企業(yè)定制化地訓(xùn)練出完美契合企業(yè)的AI；是企業(yè)數(shù)字化轉(zhuǎn)型過程中的必要選擇。</p><p class="ql-block"> AICC擁有全方位部署企業(yè)的能力，例如：AI智能客服、AI智能助理、AI短視頻策劃師、AI高級顧問、AI私域營銷專家、AI品牌策劃師等等，個個精通企業(yè)知識，24小時在崗，為你全面升級企業(yè)運(yùn)營，讓你的企業(yè)成為領(lǐng)先的數(shù)字化企業(yè)！</p> <p class="ql-block">什么是生成式人工智能</p><p class="ql-block"> 生成式人工智能（Generative Artificial Intelligence）是一種利用機(jī)器學(xué)習(xí)算法的技術(shù)，旨在讓計(jì)算機(jī)模擬人類的思維方式，使其能夠獨(dú)立進(jìn)行創(chuàng)造性的任務(wù)，如創(chuàng)作和設(shè)計(jì)。該技術(shù)的核心原理基于神經(jīng)網(wǎng)絡(luò)，通過大量的數(shù)據(jù)進(jìn)行訓(xùn)練，并使用生成模型來預(yù)測下一個狀態(tài)或結(jié)果。在這個過程中，計(jì)算機(jī)會不斷地調(diào)整自身的參數(shù)，以不斷提升其性能。</p> <p class="ql-block"> AI在科學(xué)研究領(lǐng)域的應(yīng)用已經(jīng)取得了顯著的進(jìn)展，它在數(shù)據(jù)分析、模式識別、實(shí)驗(yàn)設(shè)計(jì)等方面展現(xiàn)出了巨大的潛力。然而，科學(xué)研究不僅僅是對數(shù)據(jù)的處理和分析，它還涉及到提出創(chuàng)新性的假設(shè)、設(shè)計(jì)復(fù)雜的實(shí)驗(yàn)、進(jìn)行深入的理論探索以及跨學(xué)科的合作等多個方面。</p> <p class="ql-block"> 目前的AI技術(shù)還不能完全替代科學(xué)家進(jìn)行這些工作。盡管AI可以快速處理大量數(shù)據(jù)，輔助發(fā)現(xiàn)潛在的規(guī)律和關(guān)聯(lián)，但它缺乏科學(xué)家的直覺、創(chuàng)造力和對復(fù)雜現(xiàn)象深層次理解的能力。此外，科學(xué)研究往往需要面對未知和不確定性，而AI在處理這類問題時仍存在局限。 </p> <p class="ql-block"> 未來，隨著AI技術(shù)的不斷進(jìn)步，它可能會在科學(xué)研究中扮演更加重要的角色，比如在藥物研發(fā)、氣候模型預(yù)測等領(lǐng)域提供強(qiáng)大的支持。但是，科學(xué)家的角色不太可能被完全取代。科學(xué)研究是一個充滿挑戰(zhàn)和創(chuàng)新的過程，它需要人類的智慧、創(chuàng)造力和道德判斷。AI可以作為科學(xué)家的工具和伙伴，幫助他們更高效地進(jìn)行研究，但科學(xué)家的核心價值和人類特質(zhì)是不可替代的。</p> <p class="ql-block"> 在國內(nèi)有一家13年創(chuàng)辦的私募基金公司，網(wǎng)傳10萬起步，用了10年，現(xiàn)資產(chǎn)增到干億。約130多位員工，用量化AI抄股軟件妥妥收割散戶。</p> <p class="ql-block"> 機(jī)器人走上春晚走進(jìn)生活大勢所趨，宇樹機(jī)器人上春晚，在舞臺上大扭秧歌，來了一場人機(jī)共舞。</p><p class="ql-block"> 宇樹科技CEO去年7月在一場專訪中表示，AI與機(jī)器人是未來五年、十年或幾十年最有價值做的一件事情，現(xiàn)在只是火苗剛起，以后會越燒越大。</p> <p class="ql-block"> 2024年諾貝爾物理學(xué)獎授予美國普林斯頓大學(xué)的約翰·霍普菲爾德（John J. Hopfield）和加拿大多倫多大學(xué)的杰弗里·辛頓（Geoffrey E. Hinton）。二人都是AI教父，機(jī)器學(xué)習(xí)大咖。</p> <p class="ql-block"> 2024年諾貝爾化學(xué)獎揭曉，授予大衛(wèi)·貝克（DavidBaker），以表彰他在“計(jì)算蛋白質(zhì)設(shè)計(jì)”方面的貢獻(xiàn)，并將另一半授予戴密斯·哈薩比斯（Demis Hassabis）和約翰·M·詹伯（JohnM.Jumper），以表彰他們在“蛋白質(zhì)結(jié)構(gòu)預(yù)測”方面的貢獻(xiàn)。</p> <p class="ql-block"> 2024年諾貝爾獎科學(xué)類的物理學(xué)獎、化學(xué)獎兩項(xiàng)均頒發(fā)給AI（人工智能）領(lǐng)域科學(xué)家。不少人驚呼：AI成為2024年諾獎最大贏家！</p> <p class="ql-block" style="text-align:center;">阿爾法狗（AlphaGo）</p><p class="ql-block" style="text-align:center;">人工智能圍棋軟件控制的工業(yè)機(jī)器人</p> <p class="ql-block"> 2015年在第43屆世界技能大賽現(xiàn)場，阿爾法狗（AlphaGo）人工智能圍棋軟件控制的工業(yè)機(jī)器人與大師比賽表演。</p><p class="ql-block"> 阿爾法狗軟件：用矩陣數(shù)據(jù)作為輸入儲存，記錄上千盤大師賽棋步法數(shù)據(jù)。具有專家思想深度學(xué)習(xí)功能，神經(jīng)元網(wǎng)絡(luò)運(yùn)算功能。</p><p class="ql-block"> 阿爾法狗是DeepMind的杰作。2016年3月，AlphaGo打敗了世界頂級圍棋手李世石；2017年5月，在中國烏鎮(zhèn)圍棋峰會上，AlphaGo與排名世界第一的圍棋冠軍柯潔對戰(zhàn)，以3比0的總比分獲勝； 阿爾法狗圍棋軟件入選17年中國媒體十大新聞。</p><p class="ql-block"> 大師級圍棋手與阿爾法狗比賽的三種思路結(jié)局。</p><p class="ql-block">1、錯一步必輸，</p><p class="ql-block">2、正常發(fā)揮思路平局或輸，</p><p class="ql-block">3、創(chuàng)新獨(dú)特思路棋法才能贏。</p> <p class="ql-block"> 在商場用于游戲的機(jī)器人與小朋友對局五指棋，0:3輸了3局后小朋友還痛哭了一場。</p> <p class="ql-block" style="text-align:center;">人類的未來</p> <p class="ql-block" style="text-align:center;">馬斯克與貓女共舞</p><p class="ql-block"> 馬斯克曾表示，特斯拉機(jī)器人售價將不到2萬美元（約合人民幣14萬元），他認(rèn)為市場需求可能會達(dá)到100億至200億臺。對于馬斯克的貓女機(jī)器人，或許在未來的某一天，能夠成為部分人緩解孤獨(dú)、滿足情感需求的一種選擇。到那時，會有多少人選擇購買呢，我們拭目以待。</p> <p class="ql-block" style="text-align:center;"> 智能機(jī)器人能戰(zhàn)勝人類嗎？</p><p class="ql-block" style="text-align:center;"> 宇樹科技在測試中的場景。</p> <p class="ql-block" style="text-align:center;">用于汽車裝配作業(yè)的波士頓智能機(jī)器人演示視頻</p> <p class="ql-block"> 在國內(nèi)，豆包、DeepSeek等智能(AI)生成式軟件工具上線。今后人工智能系統(tǒng)用于文件起草、審核，將替代多數(shù)管理人員與文員的工作。</p> <p class="ql-block"> 未來，在企業(yè)的各種生產(chǎn)流水線上，完全被工業(yè)機(jī)器人與智能機(jī)器人替代。四幅照片中粉紅色機(jī)器人站在車間流水線上，忙碌工作的場景。大多數(shù)產(chǎn)業(yè)勞動者將解放出來，科技感十足。</p> <p class="ql-block"> 未來，在裝備制造業(yè)中，人類與機(jī)器人共同協(xié)作承擔(dān)起未來的新技術(shù)。</p> <p class="ql-block"> 未來，現(xiàn)代農(nóng)業(yè)各種農(nóng)活將被工業(yè)機(jī)器人與智能機(jī)器人替代。視頻中小朋友春游時體驗(yàn)春耕忙碌工作的場景，廣大農(nóng)民從繁重的體力勞動中將解放出來。</p> <p class="ql-block">生成式AI人工智能的技術(shù)原理</p><p class="ql-block"> 基于機(jī)器學(xué)習(xí)，英文叫machine learning。所謂機(jī)器學(xué)習(xí)，就是計(jì)算機(jī)可以自動的學(xué)習(xí)。</p> <p class="ql-block"> 已經(jīng)有的數(shù)據(jù)中的規(guī)律和模式，從而對新的數(shù)據(jù)進(jìn)行預(yù)測分類，或者生成新的數(shù)據(jù)，而機(jī)器學(xué)習(xí)中的一個重要算法。你也可以稱之為模型或者說是方法，就叫做神經(jīng)網(wǎng)絡(luò)。英文名是neural network，簡稱NN比如，你可能聽說過CNN是卷積神經(jīng)網(wǎng)絡(luò)， RNN是循環(huán)神經(jīng)網(wǎng)絡(luò)。簡單來說神經(jīng)網(wǎng)絡(luò)是一種教計(jì)算機(jī)以模仿人類大腦工作的方式，來進(jìn)行思考學(xué)習(xí)和處理數(shù)據(jù)的一種計(jì)算模型。如果你稍微了解過一點(diǎn)腦科學(xué)你應(yīng)該知道。我們?nèi)祟惖拇竽X，是一種基于神經(jīng)元結(jié)構(gòu)的計(jì)算模型，這也是為什么人工智能的算法被叫做神經(jīng)網(wǎng)絡(luò)了。神經(jīng)網(wǎng)絡(luò)，它可以一層一層的疊加和鏈接起來，就形成了多層的更復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)。那這個時候機(jī)器學(xué)習(xí)也就變成了深度學(xué)習(xí)。英文是deep learning，這也類似于我們?nèi)四X的分層結(jié)構(gòu)中的節(jié)點(diǎn)和神經(jīng)元的一層層的互聯(lián)，更進(jìn)一步的發(fā)展之后基于神經(jīng)網(wǎng)絡(luò)的人工智能。</p> <p class="ql-block"> 機(jī)器學(xué)習(xí)模型可以創(chuàng)建自適應(yīng)系統(tǒng)，讓計(jì)算機(jī)從錯誤中進(jìn)行學(xué)習(xí)并不斷的改進(jìn)。有了這些基本常識之后，我們就可以用對比人工智能與人腦來理解人工智能的強(qiáng)大之處了。我們?nèi)四X中的神經(jīng)元數(shù)量是因人而異的，但是根據(jù)科學(xué)家的估計(jì)，我們大腦中大概是860億個神經(jīng)元。這些神經(jīng)元通過突觸相互連接共同傳遞并處理信息。從而，實(shí)現(xiàn)人類復(fù)雜的認(rèn)知感知和行為功能與之相對應(yīng)的，之前公布的Charter GBT的模型參數(shù)，大概是1,700億個參數(shù)。人工智能，它也是通過這些模擬的神經(jīng)元相互鏈接傳遞并處理信息的。雖然大腦中的神經(jīng)元和人工智能的模型參數(shù)兩者之間。它并非簡單的一對一的關(guān)系，并且上面的這些數(shù)字也并非絕對的精確。但是從這個對比我們可以看到，現(xiàn)在強(qiáng)人工智能的模型的復(fù)雜度，與我們?nèi)四X神經(jīng)元鏈接網(wǎng)絡(luò)的復(fù)雜度已經(jīng)基本在同一個數(shù)量級了，也就是千億級別的規(guī)模了。這也就是基于所謂大模型的強(qiáng)人工智能和之前發(fā)展了幾十年的人工智能。相比的厲害之處。</p> <p class="ql-block"> 這也是為什么我們說，以前機(jī)器人它更偏機(jī)器的屬性，而現(xiàn)在的機(jī)器人它更偏人的屬性了。順便提一下， GPT的第三個字母t所在的單詞Transformer，是2017年 由谷歌公司提出來的一種神經(jīng)網(wǎng)絡(luò)的創(chuàng)新架構(gòu)，這個架構(gòu)和之前的卷積神經(jīng)網(wǎng)絡(luò)CNN和循環(huán)神經(jīng)網(wǎng)絡(luò)RNN都不同。這是一種基于自注意力，也叫self attention機(jī)制的神經(jīng)網(wǎng)絡(luò)架構(gòu)，那open AI公司的就是使用這個，谷歌發(fā)明的Transformer模型創(chuàng)建了著名的child GBT，如果您的孩子數(shù)學(xué)基礎(chǔ)好那么以后可以去做算法工程師也許就可以開發(fā)出更強(qiáng)大的算法模型，讓機(jī)器人能夠更好的模擬甚至超越我們?nèi)祟惖拇竽X。</p> <p class="ql-block">注:有AI標(biāo)志的水彩畫水印，小部分解答為AI生成。</p>