人工智能(AI)
概述
人工智能(AI, Artificial Intelligence)是指模仿或扩展人类智能行为的计算机系统及软件。这一概念始于1950年代艾伦·图灵的“图灵测试”，现已发展为机器学习、深度学习、自然语言处理、计算机视觉等多个子领域，并在医疗、金融、制造、教育等各行各业引领创新。
主要内容
历史与发展阶段
AI经历了三次浪潮。第一次浪潮(1950-1970年代)以符号主义和专家系统为主，但因局限性陷入低谷(第一次AI寒冬)。第二次浪潮(1980-1990年代)神经网络和模糊理论兴起，但因计算能力不足再次陷入低谷(第二次AI寒冬)。第三次浪潮(2010年代至今)得益于大数据、GPU并行处理和深度学习算法的进步，实现了爆发式增长。其中，2012年AlexNet在ImageNet竞赛中获胜、2016年AlphaGo战胜李世石、2022年ChatGPT发布是重要里程碑。
核心技术分类
- 弱人工智能(Narrow AI)：专注于特定任务的AI。典型代表包括语音助手(Siri、Bixby)、推荐系统(Netflix、YouTube)、自动驾驶汽车等。
- 强人工智能(General AI)：具备与人类相似的通用智能的假设性AI。尚未实现，仍处于研究阶段。
- 超人工智能(Super AI)：超越人类的智能。属于理论概念，是伦理争论的对象。
主要算法与方法论
- 监督学习(Supervised Learning)：使用带标签的数据进行学习。用于分类(图像识别)、回归(股价预测)。
- 无监督学习(Unsupervised Learning)：从无标签数据中发现模式。用于聚类(客户细分)、降维。
- 强化学习(Reinforcement Learning)：学习最大化奖励的行为。用于游戏AI(AlphaGo、OpenAI Five)、机器人控制。
- 深度学习(Deep Learning)：利用多层神经网络进行学习。包括CNN(图像)、RNN/Transformer(自然语言)、GAN(生成模型)等。
应用领域
- 医疗：疾病诊断(X光、MRI分析)、新药研发(蛋白质结构预测、AlphaFold)、个性化治疗。
- 金融：欺诈检测、算法交易、信用评估、聊天机器人咨询。
- 制造：质量检测(计算机视觉)、预测性维护、流程优化。
- 教育：个性化学习(自适应学习系统)、自动评分、辅导机器人。
- 娱乐：内容推荐、游戏NPC、生成式AI(图像、音乐、视频)。
伦理与监管
AI的快速发展伴随着伦理问题。主要议题包括算法偏见(种族、性别歧视)、隐私侵犯(数据收集)、就业替代(自动化)、责任归属(自动驾驶事故)、滥用风险(深度伪造、假新闻)。为此，欧盟AI法案(2024年通过)、美国AI行政令(2023年)、韩国AI基本法(2024年提出)等监管举措正在积极推进。
最新趋势
截至2024-2025年，AI行业的核心趋势是生成式AI的普及与升级。OpenAI的GPT-4o(2024年)、Google的Gemini 2.0、Meta的Llama 3等大语言模型(LLM)正向多模态(文本、图像、语音、视频)扩展。AI代理(Agent)概念兴起，超越简单对话，执行任务自动化(代码编写、预订、购物)。此外，开源模型(如Llama、Mistral)性能提升加速了AI民主化。边缘AI(设备端AI)已搭载于智能手机(Galaxy S24、iPhone 16)，强化个性化服务；AI半导体市场(NVIDIA H100/B200、AMD MI300)正爆发式增长。同时，AI安全性研究(对齐、可解释性)与监管讨论在国际层面不断深化。
相关主题
- [[机器学习]]
- [[深度学习]]
- [[自然语言处理]]
- [[计算机视觉]]
- [[生成式AI]]
- [[AI伦理]]
- [[强化学习]]
- [[机器人学]]
---
AI自动生成文档 · 社区共同完善