心智圖資源庫 AI人工智慧知識
AI人工智慧知識,涉及電腦科學、數學、統計學、哲學、心理學等多種學科的知識 ,整體上歸類於電腦學科之下。
編輯於2024-11-04 14:03:22이것은 곤충학에 대한 마인드 맵으로, 곤충의 생태와 형태, 생식 및 발달, 곤충과 인간의 관계를 연구하는 과학입니다. 그것의 연구 대상은 곤충으로, 가장 다양하고 가장 많은 수의 동물이며 생물학적 세계에서 가장 널리 분포되어 있습니다.
이것은 어린이의 내부 동기를 육성하는 방법에 대한 마인드 맵입니다. 기업가를위한 실용적인 가이드, 주요 내용 : 요약, 7. 정서적 연결에주의를 기울이고, 과도한 스트레스를 피하십시오.
이것은 자동화 프로젝트 관리 템플릿, 주요 내용에 대한 마인드 맵입니다. 메모, 시나리오 예제, 템플릿 사용 지침, 프로젝트 설정 검토 단계 (What-Why-How), 디자인 검토 단계 (What-Why-How), 수요 분석 단계 (What-Why-How)에 대한 마인드 맵입니다.
이것은 곤충학에 대한 마인드 맵으로, 곤충의 생태와 형태, 생식 및 발달, 곤충과 인간의 관계를 연구하는 과학입니다. 그것의 연구 대상은 곤충으로, 가장 다양하고 가장 많은 수의 동물이며 생물학적 세계에서 가장 널리 분포되어 있습니다.
이것은 어린이의 내부 동기를 육성하는 방법에 대한 마인드 맵입니다. 기업가를위한 실용적인 가이드, 주요 내용 : 요약, 7. 정서적 연결에주의를 기울이고, 과도한 스트레스를 피하십시오.
이것은 자동화 프로젝트 관리 템플릿, 주요 내용에 대한 마인드 맵입니다. 메모, 시나리오 예제, 템플릿 사용 지침, 프로젝트 설정 검토 단계 (What-Why-How), 디자인 검토 단계 (What-Why-How), 수요 분석 단계 (What-Why-How)에 대한 마인드 맵입니다.
AI人工智慧知識
定義
artificial intelligence(人工的、人造的智慧),簡稱 AI
研究、發展用於模擬、延伸和擴展人的智慧行為的理論、方法、技術及應用系統的一門綜合性科學
涉及電腦科學、數學、統計學、哲學、心理學等多種學科的知識 ,整體上歸類於電腦學科之下
智慧的維度
認知能力:理解、學習、推理、記憶等
適應能力:解決問題、因應環境變化等
自主能力:獨立完成任務、自主決策等
核心要素
算力
GPU、ASIC(TPU、NPU)、FPGA等
演算法
機器學習、深度學習、強化學習、遷移學習等
數據
結構化資料、非結構化資料等
資料收集、資料清洗、資料標準、資料儲存等
學派
三大主要學派
符號主義學派
聯結主義學派
行為主義學派
其它學派
進化學派
貝葉斯學派
類推學派
主要研究方法
基於知識的方法
專家系統、知識圖譜
基於學習的方法
機器學習、深度學習
基於仿生的方法
行為主義、進化計算
按智慧等級分類
弱人工智慧(Weak AI)
只專精於單一任務或一組相關的任務,不具備通用智能能力
強人工智慧(Strong AI)
具有一定的通用智能能力,能夠理解、學習並應用於各種不同的任務
超人工智慧(Super AI)
幾乎所有方面都超過人類智能,包括創造力、社交技能等
發展階段
萌芽期
1940s-1956 圖靈測試
誕生期
達特茅斯會議 1956
第一次浪潮
符號主義 1956-1973
第二波
符號主義(專家系統) 1980-1990
第三次浪潮
1994-現在 機器學習、深度學習
機器學習
監督學習(Supervised Learning)
演算法從帶有標籤的資料集中學習,即每個訓練樣本都有一個已知的結果
非監督學習(Unsupervised Learning)
演算法從沒有標籤的資料集中學習
半監督學習(Semi-supervised Learning)
結合了少量的標籤資料和大量的未標籤資料進行訓練
強化學習(Reinforcement Learning)
透過試錯的方式,學習哪些行為可以獲得獎勵,哪些行為會導致懲罰
神經網路
卷積神經網路(Convolutional Neural Network,CNN)
循環神經網路(Recurrent Neural Network,RNN)
生成對抗網路(Generative Adversarial Network,GAN)
長短期記憶網(Long Short-Term Memory,LSTM)
Transformer(轉換器)
深度學習
定義
深度學習,具體來說,是深度神經網路學習
是機器學習的一個重要分支
深度學習演算法使用了更多的「隱藏層」(數百個),它的能力更加強大,讓神經網路完成更困難的工作
框架
TensorFlow(Google)
Caffe(BVLC)
Keras(fchollet)
CNTK(Microsoft)
Torch7(Meta)
PaddlePaddle飛槳(百度)
MindSpore昇思(華為)
大模型
定義
具有龐大參數規模和複雜計算結構的機器學習模型
絕大多數大模型的基礎核心結構,都是Transformer及其變體
目前常說的大模型,主要是大語言模型(Large LanguageModel)。
過程
預訓練
使用大量無標註資料訓練語言模型的過程
賦予了模型一定的通用性,適應多種不同下游任務的能力
微調
在預訓練的基礎上,使用標註資料(即特定任務的資料)進一步訓練模型,使其適應特定的應用或任務
分類
按用途
一般大模型
產業大模型
按特點
語言大模型
以文字資料進行訓練
視覺大模型
以影像資料進行訓練
多模態大模型
文字和圖像都有
按功能
分析式(決策式)
生成式
按下閉源
開源大模型
閉源大模型
商業模式
訂閱模式
API服務模式
平台服務模式
客製化服務模式
廣告和推廣模式
資料授權模式
AIGC(人工智慧生成內容)
定義
使用人工智慧技術來自動創建或生成內容
產生的內容可以包括文字、程式碼、圖像、音樂、影片等。
類別
產生文字
GPT系列、文心一言、通義千問、盤古、Claude 3、Diffusion-LM、Chinchilla等
文生圖
DALL·E 2、Stable Diffusion、Midjourney、Pixeling千象、DreamGaussian、百度AI作畫、通義萬相等
文生音訊
MusicLM、ElevenLabs、Wondershare Filmora、Reecho睿聲、天工SkyMusic、琴樂大模型、FunAudioLLM、MusicGen等
文生影片
Sora、Stable Video Diffusion、Vidu等
主要能力
計算機視覺(CV)
影像辨識、視覺辨識、臉部辨識、視訊辨識、文字辨識、步態辨識...
語音辨識
聲音辨識、聲紋辨識、語音合成、語音互動...
自然語言處理
資訊理解、文字校對、機器翻譯、自然語言生成...
具身智能
家庭服務機器人、醫療照護機器人、飯店服務機器人、工業機器人…
應用領域
工業製造
自動化生產、智慧質檢、設備運維、供應鏈管理…
醫療健康
醫療影像分析、基因定序、疾病預測、藥品研發、個人化治療…
金融證券
風險管理、信用評估、詐欺監控、量化交易、行情預測…
教育訓練
個人化學習路徑、智慧輔導、課程推薦…
交通物流
自動駕駛、路線優化、流量分析、緊急應變計畫…
新聞媒體
稿件採寫、素材創作、文字潤飾…
遊戲娛樂
角色設計、元素生成、劇情設計、特效製作…
作用和價值
站在企業的角度
AI能夠自動化重複性、繁瑣的任務,提高生產效率和質量,同時降低人力成本
AI不僅可以提升治理效率,也能帶來新的商業模式、產品和服務,刺激經濟
站在政府的角度
AI不僅可以提升治理效率,也能帶來新的商業模式、產品和服務,刺激經濟
站在個人的角度
AI可以幫助我們完成一些工作,也可以提升我們的生活品質
站在整個人類的角度
AI在疾病治療、災害預測、氣候預測、消滅貧窮方面,也可以發揮重要的作用
困難和挑戰
就業
可能會威脅到大量的人類工作崗位,導致大量失業
犯罪
AI被用來發動戰爭、詐欺(模仿聲音或換臉,進行詐騙)
隱私
侵犯公民權益(資訊過度採集、侵犯隱私)
公平
如果只有少數公司擁有先進的AI技術,可能會加劇社會的不公平現象
AI的演算法偏見,也可能導致不公平
依賴
AI變得越來越強大,也會讓人們產生對AI的依賴,失去獨立思考和解決問題的能力
信心
AI的強大創造力,有可能讓人類失去創造的動力和信心
安全
圍繞著AI的發展,還有安全性(資料外洩、系統崩潰)、道德倫理等一系列問題