未来的趋势————以ChatGPT为标杆的AI对生活的影响是巨大的


前言

随着ChatGPT的爆火,生成式AI,大模型的人工智能被越来越多的人注意到,同时他也带来了许多问题。本文将对几方面进行探讨。


1.AI的发展历程

远古时期
在公元前第一个千禧年,中国,印度和希腊哲学家都提出了一些推理的研究理论,比如亚里士多德(Aristotle)进行了演绎推理三段论的完整分析,欧几里得(Euclid)所著Elements 是一种形式推理的模型,Muḥammad ibn Mūsā al-Khwārizmī,发明了代数学,即我们现在所称的算法,此外还有欧洲哲学家威廉-奥卡姆,以及 Duns Scotus。

近现代
马略卡哲学家雷蒙-勒尔(Ramon LIull),通过一些逻辑方法发明了一些逻辑机器,莱布尼兹(Gottfried Leibniz) 收到他的启发,重新设计了前者的想法。

17世纪,莱布尼兹和托马斯-霍布斯(Thomas Hobbes),以及热奈-笛卡尔( René Descartes )向前更进一步,发现所有的思想都可以通过代数和几何的方式进行组织,Hobbes 写下了《Leviathan》,其中写道“推理无非就是计算”,莱布尼兹设想了通过一种统一的描述性语言来进行推理,这样可以减少计算的论证过程,同时,在不同的学科之间也可以间少争论,更快的达成统一。

到了20世纪,数理逻辑的研究让AI 进一步实现了突破,以英国数学家布尔的《The Laws of Thought》和德国数学家弗雷格的《Begriffsschrift》为基础,拉塞尔和怀特海德在1913念出版了《Principia Mathematica》,在此著作中陈述了一种正式的处理数学基础的方法,德国数学家,大卫-希尔伯特,受到拉塞尔的影响,提出了一个影响数理推理的基础问题:是否所有的数学推理都能被形式化,进而进行分析?
这个问题后来在《imcompleteness proof》,图灵机理论以及《Lambda calculus》中得到了解答,对希尔伯特的问题,做了以下几个说明:

并不是所有数学逻辑推理问题都能得到解决,存在限制
在一定条件的限制范围内,任何形式的数学推理可以被自动化
在《Church-Turing Thesis》中提出了以’0’,’1’作为基本符号的设备,可以模拟任何可知的数学推理过程,即我们现在所熟知的图灵机理论。

计算机科学
19世纪初期,查尔斯-巴贝奇(Charles Babbage)设计了一种可编程的计算器(the Analytical Engine),艾达-拉芙蕾丝(Ada Lovelace)敏感的认识到这种设备所拥有的巨大作用,基于巴贝奇的计算器理论引擎,其编写了完整的计算伯努利数的方法,在后来,拉芙蕾丝也被公认为是计算机科学发展历史上的第一位程序员。

第一代的现代计算机是在二战时被用做密码破译机器,比如Z3,ENIAC 和Colossus,后两个是基于阿兰图灵的理论由约翰.王.诺伊曼设计完成。
图灵测试
经过控制理论和早期的神经网络的发展,1950 年阿兰图灵发表了《computing machinery and intelligence》,其中,图灵预测了创造能够思考的设备的可能性,同时就设备具备思考能力进行了定义:

如果一个机器设备与人类对话时,人类完全不能分辨出其与人类的差别,那么就可以认为这类设备具备思考的能力.
1956年达特茅斯会议
1956年,Marvin Minsky, John McCarthy 和 2位顶级科学家: Claude Shannon (克劳德·艾尔伍德·香农)以及IBM的 Nathan Rochester,组织了达特茅斯会议,此次会议其中的一个提案断言:任何一种学习或者其他形式的人类智能都能够通过机器进行模拟。同时约翰·麦卡锡为这种机器智能取了一个名字:Artificial Intelligence, 由此,AI 第一次被正名。

黄金年代(1956–1974)
达特茅斯会议之后,大众对AI 赋予了很高的期望,也对AI 能起到的效果感到十分震惊,同时,相关的研究人员在公开场合和私底下都对未来的AI 发展表达了强烈的信心。政府部门,美国DAPA 向相关的AI 机构投注了大笔资金。
这种强烈的自信在整个社会蔓延,第一代AI研究者曾经作出一些预测:

1965, H. A. Simon 曾说道:智能机器在二十年内,将能胜任人类可以做的任何事情;
1967, Marvin Minsky: 通过一代人的努力,人工智能的相关问题将从根本上得到解决;
1970, Marvin Minsky (in Life Magazine): 3到五年内,我们将能创造媲美人类智能的通用人工智能。
同时,也有一些比较成功的人工智能应用铺展开来:

搜索推理
通过回溯和动态搜索,逐步的实现一个既定目标的方法,称之为搜索推理。可以应用于游戏对战和理论证明,其依据的还是基础的理论算法实现,通过启发式和经验式(heuristic & rules of thumb) 的方法可以优化搜索空间。
自然语言处理
AI 研究的一个重要目标是实现计算机的类人语言交流。早期比较成功的几个项目是:
语义网络:Roger Schank 的conceptual dependency theroy 处理所有的英文单词为一个网络中的节点,单词间的语法作为节点间的连接;
微观世界
60 年代末期,MIT AI 实验室的 Marvin Minsky 和 Seymour Papert 提出AI 研究应该集中精力在微观世界的简单场景。他们认为类似物理世界中很多经典的原理都是基于理想的简化模型,比如完全无摩擦的飞机和完美刚体(rigid body)
1993 ~2011 年:AI 的蛰伏期
AI 到这个时期,已经发展了近半个世纪,终于实现了一些它早期既定的目标,

智能代理
现代人工智能的发展

在这里插入图片描述
现在:
ChatGPT(大模型训练,生成式AI)
NEW bing
等等
————————————————————————————————

2.我是如何接触到人工智能的概念和产品的

从初中毕业,第一次接触到智能手机,接触到vivo Y13的基于Android 4.2的Funtouch OS操作系统所带的智能助手Jovi语音,这是我第一次接触到具有人工智能概念的产品的,同时我第一次接触到基于搜索引擎的分析式AI。这是我第一次见识到AI可以带来如此大的威力。如此方便人的生活。
————————————————————————————————

3.对于ChatGPT的一点看法

ChatGPT(Generative Pre-trained Transformer)是近年来自然语言处理领域中的一种重要技术。该技术采用预训练的方式进行语言建模,能够生成流畅、自然的文本。
在未来,可以预见的是,ChatGPT与应用行业的嵌入程度会越高,GPT化是不可阻挡的趋势,但是对于其人文伦理的规范的跟进也是必要的,对于其客观性的提高还有待改进。

4.AI对大学毕业生的职业发展的利与弊

AI的发展就目前来看的话,对大学毕业生的职业发展是有利也有弊,但是弊端大一些,因为近几年的大学毕业生在学校所学的知识,和社会发展所所需的技术,是处于脱节的状态的,对大学毕业生的挑战是逐渐加大的。

5.对于AI的思考和问题

AI的未来发展,我的看法是不应局限于pc或者移动端的开发与应用,而应该更重视对于现实场景的交互与嵌入,使其更接近于人类智力的程度,但同时要加强其进行不良、具有偏见的意识传播的限制。

  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Rose北港

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值