- 博客(18)
- 资源 (5)
- 收藏
- 关注
RSS订阅原创 AI历史与发展-AI发展的驱动因素和未来展望
技术发展需要时间：不要过度承诺，但要保持乐观基础研究很重要：今天的应用建立在昨天的研究上数据、算法、算力缺一不可：三者共同推动AI发展开源与闭源并存：各有优势，共同发展。
2025-12-12 10:05:24
870
原创 AI历史与发展-第三次AI浪潮（2000s-现在）
DeepSeek（深度求索）成立于2023年，专注于开发开源大模型。Transformer架构是AI历史上最重要的架构之一，它不仅是NLP的基础，也影响了计算机视觉、语音识别等多个领域。：DBN的预训练方法后来被更好的方法（如Xavier初始化、He初始化）替代，但这次突破证明了深度学习的潜力。2022年11月30日，OpenAI发布ChatGPT（基于GPT-3.5），引发了全球AI应用热潮。2006年，Hinton等人发表了关于深度信念网络（DBN）的论文，标志着深度学习的复兴。
2025-12-11 10:25:38
872
原创 AI历史与发展-第二次AI浪潮（1980s-1990s）
这次"寒冬"实际上是一个转型期，AI研究从符号主义转向了数据驱动的机器学习，为后来的深度学习爆发奠定了基础。Rumelhart、Hinton和Williams重新发现了反向传播算法，使得训练多层神经网络成为可能。从"手工编写规则"转向"从数据中学习"。用树状结构表示决策规则，易于理解和解释。找到最优的分类超平面，最大化分类间隔。
2025-12-11 10:23:26
802
原创 AI历史与发展-第一次AI浪潮（1950s-1970s）
Prolog（Programming in Logic）是符号主义的典型编程语言，用逻辑规则表示知识。符号主义认为，智能可以通过符号操作来实现。知识可以用符号和规则来表示，推理就是按照规则操作符号。
2025-12-10 16:17:21
391
原创 AI历史与发展-AI的起源
在学习了数学基础和编程基础后，我们需要了解AI的发展历程。理解AI为什么是今天这个样子：从符号主义到深度学习，每个阶段都有其历史背景避免重复历史上的错误：AI经历了多次"寒冬"，了解原因可以避免重蹈覆辙预测AI的未来发展方向：历史告诉我们AI发展的规律和趋势从历史中汲取智慧：理解技术演进的逻辑，更好地掌握当前技术为什么现在学习AI历史？建立全局视野：理解AI技术的演进脉络，知道每个技术出现的背景激发学习兴趣：通过了解AI的突破性成就（如AlphaGo、ChatGPT），激发学习动力理解技术关联。
2025-12-10 16:15:49
916
原创 编程基础-Python编程
如果说数学是AI的理论基础，那么编程就是AI的实践工具。在这一部分，我们将学习如何用代码实现AI算法，如何高效地处理数据，以及如何优化算法性能。学习目标掌握Python编程基础理解数据结构和算法熟练使用NumPy、Pandas等数据处理工具能够编写高效的AI代码简单理解：Python是一种高级编程语言，就像人类和计算机之间的"翻译官"，把我们的想法翻译成计算机能理解的指令。Python的优势简洁易读：代码接近自然语言不需要写很多复杂的符号代码就像在说英语一样自然。
2025-11-28 13:44:53
253
原创 数学基础-信息论
简单理解：熵衡量信息的不确定性或随机性。直观理解熵大= 信息不确定 = 需要更多信息来确定熵小= 信息确定 = 不需要太多信息生活中的例子例子1：天气预报晴天（100%概率）：熵 = 0（完全确定，不需要信息）晴天/雨天各50%：熵最大（最不确定，需要最多信息）例子2：抛硬币公平硬币（50%正面）：熵最大（最不确定）不公平硬币（90%正面）：熵较小（比较确定）完全确定（100%正面）：熵 = 0（完全确定）数学定义P(x) 是事件x发生的概率。
2025-11-27 17:26:50
404
原创 数学基础-微积分
简单理解：导数就是函数在某一点的"斜率"或"变化率"。生活中的例子位置：你在哪里（函数值）速度：你移动多快（导数）加速度：速度变化多快（二阶导数）数学定义直观理解函数在这一点是上升还是下降上升或下降的速度有多快如果稍微改变输入，输出会如何变化实际例子假设我们有一个损失函数 L(w) = (w - 5)²，我们想找到使损失最小的w值。为什么这个函数？这个函数表示：当参数w偏离5时，损失会增加。我们的目标是找到w=5，使损失最小（为0）。函数图像这是一个开口向上的抛物线，最低点在w=5处。
2025-11-25 21:58:46
566
原创 数学基础-线性代数
数学是AI的基石。就像盖房子需要坚实的地基一样，理解AI需要扎实的数学基础。但别担心，我们不需要成为数学家，只需要理解AI中真正用到的数学概念，并且通过实际例子来学习。学习目标理解线性代数在数据表示中的作用掌握微积分在模型优化中的原理理解概率论在不确定性处理中的应用了解信息论在损失函数设计中的重要性简单理解：向量就是一列有序的数字，就像Excel表格中的一行数据。更准确的定义向量是一个有序的数字列表每个数字叫做向量的"分量"或"元素"向量的"维度"就是它包含多少个数字生活中的例子。
2025-11-24 22:05:26
1227
1
原创 AI学习路径指南
AI正在改变世界🚀 技术成熟：AI技术已经成熟💰 需求旺盛：AI人才需求巨大📚 资源丰富：学习资源丰富🌍 机会无限：AI应用场景无限。
2025-11-24 15:37:52
1256
原创 A2A智能体协作开发入门
欢迎阅读《A2A智能体协作开发入门》！想象一下，你是一个项目经理，需要完成一个复杂的项目。你一个人做不完，于是你组建了一个团队：每个人都有自己的专长，通过协作完成项目。这就是多智能体系统的核心思想——让多个AI智能体像人类团队一样协作，完成复杂任务。什么是A2A协议？A2A（Agent-to-Agent）协议是由Google开发并捐赠给Linux基金会的开放标准，用于实现AI智能体之间的无缝通信与协作。它提供能力发现、任务委派、状态管理和安全通信等核心功能，让不同平台开发的智能体能够无缝协作。A2A与MCP
2025-11-19 12:11:34
714
原创 MCP从理论到实战：让AI真正“能干“
欢迎阅读《MCP从理论到实战Python版》！想象一下，你有一个超级聪明的助手（AI），它能理解你的问题、写文章、写代码。但是有一个问题：它只能"说"，不能"做"。就像一个博学的教授，能回答你所有问题，但：这就是大模型的局限——它很聪明，但缺少"手脚"。MCP（Model Context Protocol）就是给AI装上"手脚"的技术。MCP是一个标准协议，让AI能够：就像给智能手机安装APP一样，MCP让AI从"只会聊天"变成"能帮你干活"。✅ 通俗易懂✅ 实例丰富✅ 即学即用✅ 贴近实战第1-2章：基础
2025-11-17 22:18:22
1088
原创 基于DeepSeek的大模型应用开发入门
欢迎阅读《基于DeepSeek的大模型应用开发入门》！想象一下，你刚买了一台智能手机，但只会用它打电话。而你的朋友却能用它做很多事情：查天气、导航、购物、学习… 这就是"会用"和"精通"的区别。本书就是你的"智能手机使用手册"，帮助你从"只会打电话"到"精通各种功能"，最终能够开发出属于自己的AI应用。为什么选择DeepSeek？DeepSeek是国产大语言模型的优秀代表，就像中餐厅和西餐厅的区别：本书特点：适合读者：如何使用本书：本书采用"理论+实践"的学习方式，就像学做菜一样：学习路径建议：致谢：感谢原
2025-11-10 21:54:15
899
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人