我要投稿

科普：为什么要了解AI

发布日期：2025-02-23 12:53:21 浏览次数： 1957

作者：语文的力量

微信搜一搜，关注“语文的力量”

什么是AI？

AI是人工智能Artificial Intelligence的英文缩写。AI被认为是新一轮科技革命和产业变革的重要驱动力量，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。通俗地讲，人工智能就是通过人为的方法让机器拥有了智能。

智能这个东西本来是属于植物、动物和人类的。比如喜鹊能通过不同的叫声和同类沟通，这就是智能。狼听过团队协作捕获猎物，这也是智能。人类通过语言文字交流和思考这也是智能。拥有生命是拥有智能的基础。像石头、水、风这类自然物是没有生命的，它们也没有智能。

人类不断制造出来更加强大的工具。人类让工具拥有了和植物、动物、人类一样的智能，这就是人工智能。

为什么要了解AI？

AI这个技术其实人类已经搞了很多年了。这几年突然有了质的飞跃。它开始影响到了我们的生产生活，未来会引起新的产业革命。

它就像人类学会了用火一样，像人类发明了蒸汽机一样，像人类发明了计算机一样。你说这意义能不大吗？

AI让机器不再需要人类操作，可以独立自主工作。自动驾驶汽车不再需要司机，机器人可以替代人类从事复杂的工作。AI让很多人失业的背后是财富的创造不再和人类投入的劳动成正比。人类的许多规则将因此需要重写。

这场巨大的改变将会影响到我们每个人。提前理解这些变化，适应这些变化，才能不被淘汰。

进一步理解AI

要深入理解现在火热的AI，就不得不介绍一下诺贝尔物理学奖获得者辛顿教授。他被称为人工智能之父，是现代神经网络技术最重要的奠基人之一。现在火热的生成式人工智能，正是基于他的研究成果才发明了出来的。

人工智能有多个学派。辛顿教授这一派的人认为永远不要相信规则，要相信数据，相信大力出奇迹。他们认为计算机自己能从大量数据中找到规则。辛顿教授在谷歌工作的时候，把这个理念带到了谷歌。他在谷歌培养了大量的人才。产生生成式AI的注意力机制理论，正是辛顿教授在谷歌时带的团队里的几个科学家提出来的。

辛顿教授是个传奇人物。他在获得谷歌关注之前几乎可以说只是个普通大学的教授。早年间，辛顿“差点”加盟百度，并留下了诸多故事。有一年冬天，辛顿在发布了⼀篇⻓度9⻚的论⽂《ImageNet Classification with Deep Convolutional Neural Networks》。时年李彦宏在第一时间注意到了该论文的价值，并派出“重兵”盛情邀请其加盟。此间，百度高管和技术专家频繁走访辛顿。

2012年，辛顿教授和他的学生亚历克斯·克里泽夫斯基（Alex Krizhevsky）和伊利亚·萨特斯科弗（Ilya Sutskever）开发的一个计算机视觉系统，在图像网（ImageNet）（一项涉及一千种不同物体类型的图像识别竞赛）中远远超过了所有其他参赛者。这生动地展示了他们的潜力。11年后，OpenAI最新版本的GPT软件拥有同样的功能，其规模一度难以想象。伊利亚·萨特斯科弗（Ilya Sutskever）正是OpenAI的联合创始人及首席科学家。

与此同时DeepMind、谷歌和微软也关注到了辛顿教授。三家公司也意识到辛顿教授研究的价值，相继发出了加盟邀请。据说后来由辛顿教授提议，让三家通过竞价来获得辛顿教授的研究成果。竞价一度从1500万美元涨至最⾼4000多万美元。据说百度始终是出价最高者。但由于各种原因，辛顿教授最后选择了谷歌。

2012年12月初的一天，一场秘密竞拍正在美国滑雪胜地太浩湖（Lake Tahoe）的一家赌场酒店里进行。

太浩湖位于加州和内华达州交界处，是北美最大的高山湖泊，拥有蓝宝石般的湖面和顶级雪道，《教父2》曾在这里取景，马克吐温曾在此地流连忘返，而由于离旧金山湾区只有200多英里，这里常被称为“硅谷后花园”，扎克伯格和拉里·埃里森等大佬也在此圈地占山，兴建豪宅。

秘密竞拍的对象，是一家刚刚成立1个月、仅有3名员工的公司——DNNresearch，创立者是多伦多大学教授杰夫·辛顿（Geoffrey Hinton）和他两名学生。

这家公司没有任何有形的产品或资产，但追求者的身份暗示出了它的分量——四位买家分别是Google、微软、DeepMind和百度。

举行秘密竞拍的Harrah's酒店，太浩湖，2012年

65岁的辛顿苍老，瘦削，饱受腰椎间盘的疼痛，他坐在酒店703房间的地板上为竞拍设置规则——起价1200万美元，抬价单位至少100万美元。

几个小时后，竞拍者就把价格推到了4400万美元，辛顿有些头晕，于是果断喊停。他说“感觉我们像是在拍电影”。他并决定把公司卖给谷歌。谷歌也为辛顿教授和他的学生支付了4400万美元。

2012年以前的辛顿教授日子过得十分清贫。在神经网络概念初生的上世纪50年代，早期研究者在漫长的等待中选择了放弃。甚至，到了21世纪，⼤多数研究⼈员认为这条技术路径是⼀条死胡同。在长期的研究中，⾟顿教授一度回避“神经网络”一词，甘愿坐了30年“冷板凳”。他花了小半个世纪的时间开发神经网络，让机器拥有了深度学习的能力。

机器学习（Machine Learning）是一种基于数据的自动化算法，它能够让计算机自动识别和学习规律，并应用于实际问题中。机器学习技术的应用范围非常广泛，包括自然语言处理、图像识别、自动驾驶等领域。

深度学习(Deep Learning)特指基于深层神经网络模型和方法的机器学习。它是在统计机器学习、人工神经网络等算法模型基础上，结合当代大数据和大算力的发展而发展出来的。深度学习最重要的技术特点是具有自动提取特征的能力，所提取的特征也称为深度特征或深度特征表示，相比于人工设计的特征，深度特征的表示能力更强、更稳健。因此，深度学习的本质是特征表征学习。深层神经网络是深度学习能够自动提取特征的模型基础，深层神经网络本质上是一系列非线性变换的嵌套。目前看来，深度学习是解决强人工智能这一重大科技问题的最具潜力的技术途径，也是当前计算机、大数据科学和人工智能领域的研究热点。深度学习是一个跨学科的技术领域，涉及数据科学、统计学、工程科学、人工智能和神经生物学，是机器学习的一个重要分支。

⾟顿教授和他的学⽣改变了机器“看”世界的⽅式。⾟顿教授创建了一套神经网络，通过重用相同的神经元和权重来执行递归调用（就像用于高级调用一样），以此来实现真正的递归。在他的研究中还包括了对AI发展影响颇深的卷积神经网络、反向传播算法、玻尔兹曼机等多种技术成就。

后来伊利亚·萨特斯科弗（Ilya Sutskever）受到美国首富马斯克鼓舞从谷歌离职创办了OpenAi。2023年中国的网民从ChatGpt了解到OpenAi，了解到了生成式人工智能。

AI将会带来哪些变化？

AI让机器人拥有智能，可以更像人，功能更加强大；让自动驾驶可以完全不需要人类参与。当然，这个变化可能不是短时间能完成的。但辛顿教授和他的团队让这些变化正在成为可能。