人工智能革命|是疯狂炒作还是大势所趋?

news2024/11/26 2:44:29

近期关于人工智能的话题与炒作激增。如果你看看过去五年“AI”一词的搜索量,就会发现它一直停滞,直到2022年11月30日,OpenAI 凭借 ChatGPT 引发了人工智能革命。
 

Google 趋势 — 过去 5 年“AI”搜索量
 

短短六个月内,究竟发生了什么事情才能引发如此大的冲击?这是否值得我们高度关注?未来我们又可以期待 AI 带来怎样的影响?今天我将和大家一同探索这几个问题的答案。
 

什么是人工智能

从本质上来讲,人工智能就是让计算机更像人类一样思考和学习。
 

人工智能(AI)的概念在20世纪中叶开始形成。“人工智能”一词由 John McCarthy 在 1956 年达特茅斯会议上首次提出,这通常被认为是人工智能这一研究领域的诞生。
 

人工智能的历史——来源:Nvidia
 

机器学习和深度学习两个领域的突破极大地提高了人工智能系统吸收知识和应对挑战的效率和敏捷性。
 

2023年趋势解读

在2023年上半年,成为头条新闻的人工智能通常具有三个特征:

  • 使用大量数据集进行训练。这就是为什么我们称它们为大型语言模型 (LLM),例如 OpenAI GPT。

  • 这些模型是生成式的。这意味着他们可以创建新内容,无论是文本、图像、声音、视频、3D 对象,甚至是计算机代码。这是相较于旧人工智能模型的一个进步,旧的 AI 模型主要用于对事物进行分类或进行预测或评分。

  • 目前仍然是范围较为狭隘,专门从事特定任务。例如,OpenAI GPT 专注于理解和生成人类语言,这一领域被称为自然语言处理(NLP)。ChatGPT 距离通用人工智能(又名AGI)还很远,它并不适合驾驶汽车或协助做家务等任务。
     

这也引起人们对通用人工智能的关注。对 AGI 的预期,应当是高度自治的系统或机器具有理解、学习和执行人类可以完成的任何治理任务的能力。目前对此专家难以达成共识,有些人预计未来5-10年 AGI 将出现,但部分专家认为短期内是无法实现的。
 

人工智能是噱头吗?

从今年年初开始,人工智能和 ChatGPT 随处可见:报纸、广播、电视,甚至在与朋友或家人共进晚餐时引发讨论。不可否认,生成式人工智能(Generative AI)目前正处在“技术炒作周期的”炒作阶段。类似的现象我们在之前大肆炒作的 Metaverse、Web3 或 AR/VR 中看过,那么人工智能是否也会一样很快落入幻灭的低谷?
 

生成式人工智能和 Gartner 的“技术成熟度曲线”
 

比尔·盖茨 (Bill Gates) 在 2023 年 3 月写了一篇长篇博客文章,标题为“人工智能时代已经开始”(必读),其中他表示:
 

人工智能的发展与微处理器、个人电脑、互联网和移动电话的发明一样重要。

 

和比尔·盖茨类似,越来越多的人也表示人工智能将以类似于互联网、社交网络或移动电话的出现的方式彻底改变社会。这里我总结了三个原因来解释这一观念趋势。
 

创新步伐快

目前,人工智能领域的创新正在以令人难以置信的速度发展。在这个快速发展的行业中,想要掌握如旋风般的更新是很困难的。自 2023 年初以来,每周都会发布重大公告,突破性的研究论文、创新的开源模型或私营人工智能公司的开拓性演示。
 

目前,人工智能领域的创新正在以令人难以置信的速度发展。自 2023 年初以来,每周都会发布重大公告——突破性的研究论文、创新的开源模型或私营人工智能公司的开拓性演示。这种惊人的发展速度主要源于以下几个关键因素:

  • 数据可用性:我们正在创建比以往更多的数据,为人工智能的发展提供充足的动力。

  • 计算能力:技术进步和云计算扩展了我们可以使用的计算能力。

  • 新模型和新技术的出现:深度学习和强化学习等概念已显示出令人印象深刻的潜力。

  • 开源与协作:共享开源框架和研究成果可以加速新思想的传播。

  • 人工智能投资:公共和私人实体增加的财政支持正在推动研究和实际应用。
     

这种进步增长速度在2016年和2017年左右达到了一个临界点。在这个转折点上,狭义人工智能模型——专注于手写和语音识别、图像理解、阅读理解和语言处理等任务的模型,开始持续超越人类,表明人工智能能力实现了重大飞跃。
 

人工智能的创新步伐 -- 来源:Our World in Data
 

耐人寻味的是,2016年和2017年也标志着人工智能格局的关键转变。正是在这一时期,私营企业在人工智能研究领域占据了领先地位,超过了学术机构所做的贡献。
 

私营企业与学术机构 -- 来源:Our World in Data
 

Midjourney 的进步也证明了创新的迅猛发展。从2022年3月的第1版到11月的第4版,在短短9个月的时间内,文本到图像模型生成的图像质量有了显著提高!
 

“kitten”在 2022 年迅速进化——Midjourney v1 到 v4
 

这种快速发展突显了人工智能技术令人惊叹的发展速度。创新的激增在文本到文本模型(如ChatGPT)和文本到图像模型方面最为明显。不过,我们可以预见,音频、视频和3D生成人工智能领域也将很快取得类似的惊人进展。
 

采用 B2C 模式

新兴技术最初的成功通常以其为早期采用者提供有形价值的能力为特征。在过去的技术热点浪潮中,如 Crypto Web3、AR/VR 或 Metaverse,都在“即时价值”的阻碍中跌倒了,而未能达到它们所产生的更高期望。这些技术都没有能够吸引人工智能的关注,尤其是随着 ChatGPT 的引入。事实上,ChatGPT 在短短两个月内就积累了 1 亿用户群,令人震惊!
 

达到 1 亿用户的时间
 

用户对其功能感到惊讶,无论是个人还是专业领域,都想迅速将其使用融入他们的日常生活中。
 

科技巨头和 B2B 倡议

随着消费者对人工智能的采用迅速增加,谷歌和微软等科技巨头加快了他们的人工智能计划。虽然这些公司已经秘密致力于人工智能以增强其现有服务,但 OpenAI 的 ChatGPT 的意外公开发布和成功可能打乱了他们精心制定的路线图。
 

在这些科技巨头之间正在进行一场激动人心的竞赛,微软目前凭借 OpenAI 略占上风:

  • 微软人工智能通过专有模型(由 OpenAI 提供支持)增强了微软Office、Windows Bing Chat和Azure人工智能云服务。

  • 谷歌人工智能(Google AI)增强了谷歌工作空间(Google Workspace),推出了 Bard(ChatGPT的竞争对手),并通过专有模型增强了 GCP 人工智能云服务。

  • Meta AI 主要专注于研发和开源计划。

  • AWS AI 更倾向于保持民主的多模型方法,提供基础设施来轻松运行专有或开源模型。

  • 苹果的人工智能战略仍然不太明朗。
     

很明显,人工智能的热潮并非炒作,而是得益于上述的三个主要原因:超快的创新步伐、公众的即时采用以及科技巨头加快其人工智能计划。
 

在短短半年时间里,人工智能的发展速度之快令人惊叹。俗话说,如果说 “软件正在吞噬世界”,那么 "人工智能正在吞噬世界 "似乎就是下一阶段的主题。
 

参考链接
https://medium.com/agorapulse-stories/openai-the-ai-revolution-part-1-is-the-hype-justified-2991aa4d4f03

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/770375.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

系统学习Linux-搭建基础服务器实验集合

实验分析 主机DHCP分配静态253地址,需配置网关主机DNF静态分配252地址域名机dhcp自动分配地址要求251中继主机添加成两块网卡并配置两个网段的网卡地址DNS解析域名并把客户机251装apache、tomcat、ngnix并把根目录设置成web下 一、搭建DHCP服务器 vm1网卡 配置网…

「硬核」实操如何拥有一个自己的数字人模型

一、前言 近年来,随着人工智能技术,VR,元宇宙等技术的发展,数字人(Digital Human)逐渐成为研究的热点之一,数字人是指通过计算机技术模拟出的具有人类外表,动作和语言能力的虚拟人物…

【想要学习适当技能来处理复杂数据科学项目和“用数据思考”?看《现代数据科学(R语言·第2版)》就对了】

《现代数据科学(R语言●第2版)》是面向本科生的综合性数据科学教材,通过结合使用统计和计算方式来解决现实中的数据问题。本书不仅专注于案例或编程语法,还讲述如何利用最新R/RStudio计算环境中的统计编程,从各种数据中提取有意义的信息&…

Jmeter性能测试通过插件监控服务器资源使用情况

Jmeter作为性能测试的首选工具,那么在性能测试过程中如何方便快捷的监测服务器资源使用情况? 可以通过jmeter 安装"PerfMon(Servers Performance Monitoting)"插件并配合服务端资源监控工具进行实现,详细操作流程如下:…

微服务部署架起App运维的高速通道

今天来说下微服务,我们知道微服务在 App 开发中具备模块化开发、独立部署扩展、问题隔离等特点,这种微服务架构模式能够使应用程序更具弹性、可扩展和可维护,能够更好地应对快速变化的需求和规模的增长。 准备通过系统的梳理说一说微服务部署…

谷歌云构建漏洞容易引发潜在的供应链攻击

云安全公司Orca Security在谷歌云构建(Google Cloud Build)服务中发现了一个关键的设计漏洞,该漏洞会让攻击者的权限升级,使他们可以在未经授权的情况下访问谷歌构件注册表(Google Artifact Registry)代码库…

数学建模-多元线性回归分析

回归分析介绍和分类 数据分类及数据的来源 线性回归 四种模型的解释、虚拟变量的设置以及交互项的解释 3个定量,7个定类插入,表格,包含标题,标题换黑色 可以右键,复制表格,excel中设置三线表 ,gen(A)是参数…

基于Gerapy部署分布式爬虫管理平台

文章目录 1. 服务器安装scrapyd1.1 scrapyd安装1.2 scrapyd配置允许外网访问1.3 服务器安全组开启端口1.4 服务器防火墙开启端口1.5 scrapyd测试 2. Gerapy 环境搭建2.1 gerapy安装2.2 gerapy测试2.3 项目部署2.4 定时任务2.5 线上代码修改 Gerapy是一个Python的分布式爬虫部署…

Python 5类数据容器总结

数据容器简单分类: 是否支持下标索引 支持(序列类型):列表(list)、元组(tuple)、字符串(str)不支持(非序列类型):集合&…

论文解读: 2023-Lost in the Middle: How Language Models Use Long Contexts

大模型使用的关键在于Prompt,然而大模型存在幻觉现象,如何减少这种现象的发生成为迫切解决的问题。外部知识库LLM的方法可以缓解大模型幻觉,但是如何撰写Prompt才能发挥LLM的性能。下面介绍这篇论文说明上下文信息出现在Prompt什么位置使模型…

Python 算法基础篇之 Python 语言回顾:变量、条件语句、循环语句、函数等

Python 算法基础篇之 Python 语言回顾:变量、条件语句、循环语句、函数等 引言 1. 变量2. 条件语句3. 循环语句 a ) for 循环 b ) while 循环 4. 函数总结 引言 Python 是一种流行的编程语言,具有简洁而易读的语法。在学习算法时,了解 Python…

被B站用户高赞的广告文案:暴涨900万播放

今年6月,B站公布第一季度财报数据,B站日均活跃用户达9370万,月活3.15亿。在高月活的基础上,用户日均使用时长已经到了96分钟,日均视频播放量达41亿。 来源-B站 用户属性年轻、活跃度高已经成为B站典型的平台标签&…

Apikit 自学日记:私有云才有的测试文件库功能,该如何使用呢

在 APIkit 的私有云版本中,提供了测试文件库功能。不过目前该功能仅供私有云产品,线上SaaS产品不提供测试文件库功能 API自动化测试中可以添加文件参数。在这里统一管理所有测试文件。 在测试文件库界面,点击上传文件: 在私有云产…

【C++】STL反向迭代器模拟实现,迭代器适配器,迭代器类型简单介绍

反向迭代器 前言正式开始基本演示模拟实现的大致思路基本框架前置、--*重载->重载list和vector适配反向迭代器迭代器的类型库中reverse和sort模板参数中的迭代器reversesort 前言 本篇主要讲反向迭代器的模拟实现。 能够加深各位对泛型的理解。 前面我那篇string介绍里面…

Ubuntu学习笔记(二)——文件属性与权限

文章目录 前言一、用户与用户组1.用户(文件拥有者)2.用户组3.其他人 二、Linux用户身份与用户组记录文件1. /etc/passwd2. /etc/shadow3. /etc/group 三、文件属性与权限1. 查看文件属性的方法(ls)2.文件属性详细介绍2.1 权限2.2 …

Python多个if代码优化

一、背景 大量的if … elif…代码非常难看,也很难维护。扩展不太方便 二、优化方案 以下栗子展示不同的角色获取折扣信息。 1、正常写法 def discount_algorithm(user_role):if user_role admin:discount 0.1return discountelif user_role msp:discount 0.…

【protobuf】socket.io序列化和反序列化

1.背景 后台利用socket.io发送websocket消息&#xff0c;加密用到protobuf 2.反序列化时遇到问题 Traceback (most recent call last): File "D:/locust/Nigeria/test3.py", line 40, in <module> play.ParseFromString(decode_spin_str) google.proto…

Cesium 实战 - 通过 Blender 将模型组件拆解为独立子模型

Cesium 实战 - 通过 Blender 将模型组件拆解为独立子模型 拆分模型1.导入模型&#xff08;J15.glb&#xff09;2.拆分模型3.保存模型 完整代码在线示例 上篇博客介绍了 Cesium 实战 - AGI_articulations 扩展&#xff1a;模型自定义关节动作 这篇接着介绍一下&#xff0c;模型…

【Redis】高可用之三:集群(cluster)

本文是Redis系列第6篇&#xff0c;前5篇欢迎移步 【Redis】不卡壳的 Redis 学习之路&#xff1a;从十大数据类型开始入手_AQin1012的博客-CSDN博客关于Redis的数据类型&#xff0c;各个文章总有些小不同&#xff0c;我们这里讨论的是Redis 7.0&#xff0c;为确保准确&#xf…

YZ04:文本批量替换使用说明文档

【分享成果&#xff0c;随喜正能量】达摩祖师说&#xff1a;“不谋其前&#xff0c;不虑其后&#xff0c;不恋当今。”你內心安适&#xff0c;就会宠辱不惊&#xff0c;俯仰无愧&#xff0c;从一天到一年&#xff0c;从一年到一生&#xff0c;秒秒感受安详&#xff0c;活在至真…