过去考试考过概念记落脚点人工智能模块与定义模块划分模块分类人工智能分为三个模块一是电影到现实已实现的人工智能二是电影里存在但现实尚未实现的三是大公司发布的概念视频中未来会实现的人工智能技术。学习建议鼓励大家对这三个模块感兴趣的可以自行深入了解。定义阐释无标准定义人工智能和大数据一样没有标准定义。1956 年达特茅斯会议上约翰·麦肯锡提出“人工智能”一词此后很多人尝试给它下定义。相对官方定义人工智能是一门新技术科学是交叉学科涉及脑科学、认知科学、语言学、心理学等用于模拟延伸人的智能让机器具备人类的能力。该定义在考试中可能以判断题形式出现。人工智能发展历程早期发展达特茅斯会议1956 年召开达特茅斯会议被视为人工智能元年众多大牛参会如克劳德·香农、赫伯特·西蒙等。机器学习提出会议后提出机器学习早期 IBM 员工研究跳棋公式时提出该词如今很多公司采用小模型加大模型的方式运用机器学习。发展起伏第一次低谷1976 年因硬件算力等问题机器学习出现第一次低谷尤其是无法处理非线性问题如异或问题。第二次繁荣1982 - 1985 年左右决策树模型提出解决了应用问题研究成果显著提升进入繁荣期。第二次低谷麦卡锡提出的列表处理语言LSP虽在人工智能领域计算语言中排名第二但因社会原因如第二次金融风暴等导致人工智能进入第二次低谷。2020 年后发展技术突破2017 年 Transformer 诞生谷歌推出 ByteOpenAI 推出 GPT 系列从 GPT - 1 发展到 GPT - 5。大模型涌现2023 年出现“百模大战”众多大模型如 GPT、盘古、星火等涌现其中盘古大模型 2024 年 6 月发布为闭源模型主要服务 B 端政企客户。人工智能三大学派符号主义学派核心观点认为所有技术和模拟都可用符号表示计算机领域该观点较为凸显。相关语言达特茅斯会议后约两年研发出 LSP 语言该语言采用前缀表示方法设计简约以列表构建在人工智能领域计算语言中排名第二。连接主义学派代表形式以神经网络为代表认为信息传递和判断像人脑一样通过神经元传递。发展历程1986 年左右鲁梅尔哈特等人提出多层网络和 BP 算法反向传播算法连接主义的兴起是现在大模型的初始。行为主义学派核心思想偏于实践类似于强化学习通过不断从环境中学习修正自身动作实现自适应进化。代表作品布鲁克斯的六足行走机器人通过感知环境模拟昆虫行动。连接主义神经网络原理神经元信息传递传递机制神经元传递信息时信号有强有弱强信息可一直传递弱信息可能不传递。一个神经元接收多个信号累加后传递到下一个神经元。网络形成多个神经元组合形成神经网络早期称为多层感知机或前馈神经网络信号正向传播。神经网络数字化问题引入以互联网广告公司的广告费和点击量数据为例说明通过历史数据找规律需将问题数学化、可视化如绘制二维散点图并添加趋势线得到YWXBY WX BYWXB的公式。公式推导一个神经元接收多个信号每个信号可用YWXBY WX BYWXB表示多个信号累加得到当前神经元获取的信号。为简化表示引入W0X0W_0X_0W0​X0​替代BBB最终得到∑i0nWiXi\sum_{i 0}^{n}W_iX_i∑i0n​Wi​Xi​写成数学式为Σi0NWiXi\Sigma_{i 0}^{N}W_iX_iΣi0N​Wi​Xi​。矩阵计算将数据代入公式求解WWW和BBB时需将系数提取形成矩阵为方便印刷传播将列矩阵转置为行矩阵得到WTXWTXWTX。标量、向量、矩阵与张量概念区分单个数字为标量两个值组成的坐标为向量多个向量组成的有行列的为矩阵。当数据维度过高矩阵无法表示时引入张量概念。计算本质所有人工智能计算可归结为张量计算因为张量能表示超维数据。参数量计算对于一个神经元每条线对应一个参数WWW所有bbb的之和为bib_ibi​或W0W_0W0​例如一个有三条线的神经元需要四个参数。