2024年10月12日来源：浏览：502

“AI教父”获2024诺贝尔物理学奖！人工智能背后的数个关键概念

人工智能已经发展得如此之快，以至于它不再被视为计算机科学的一个分支。我们现在进入了一个复杂、融合的时代，物理不再是单纯的物理，计算机也不是单纯的计算机，开始相互有所交叉。

瑞典皇家科学院（The Royal Swedish Academy of Sciences ）本周二（10月8日）宣布，将2024的诺贝尔物理学奖授予约翰-霍普菲尔德（John J. Hopfield）和图灵奖得主、AI教父杰弗里-辛顿（Geoffrey E. Hinton），"以表彰他们利用人工神经网络进行机器学习的奠基性发现和发明"。

人工智能有几个密切相关的子领域，我们将探讨其中的一些关键概念：

什么是人工智能？

人工智能（Artificial Intelligence），英文缩写为AI。

通俗理解：想象有一台机器，它可以像人一样思考、学习、甚至做出决策，这就是人工智能。

科学定义：人工智能是新一轮科技革命和产业变革的重要驱动力量，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能是智能学科重要的组成部分，它企图了解智能的实质，并生产出一种新的能以与人类智能相似的方式做出反应的智能机器。人工智能是十分广泛的科学，包括机器人、语言识别、图像识别、自然语言处理、专家系统、机器学习，计算机视觉等。

AI算法与模型

人工智能算法和人工智能模型是一样的吗？

AI大模型和算法是人工智能领域的两个重要概念，"它们在很多方面有着密切的联系，但同时也存在一些明显的区别。

AI大模型指的是具有大规模参数和复杂结构的机器学习模型，如深度神经网络（DNN）模型。这些模型通常包含数百万到数十亿个参数，用于进行模式识别、分类和预测等复杂任务。

算法是一系列计算步骤和规则的集合，用于解决特定问题或实现特定功能，它是实现AI大模型训练和优化的基础。两者在功能和应用范围上有所重叠，但侧重点和实现方式不同。

机器学习

机器学习 (Machine Learning，ML)是人工智能的一个分支，它是实现人工智能的一个核心技术，即以机器学习为手段解决人工智能中的问题。

机器学习是通过一些让计算机可以自动“学习”的算法并从数据中分析获得规律，然后利用规律对新样本进行预测。

机器学习如果用形式化的语言进行描述，就是对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么就称这个计算机程序在从经验E学习。

深度学习与计算机视觉

（Deep Learning）是机器学习的一个高级分支，专门处理更具挑战性的问题和复杂的数据，使用模仿人类和动物大脑运作方式的人工神经网络架构。深度学习模型的主要应用之一是计算机视觉（Computer Vision，CV）任务，这涉及使机器能够理解视觉信息，例如识别图像或视频中的物体。

计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。

自然语言处理

自然语言处理( Natural Language Processing, NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。

自然语言处理是指让计算机接受用户自然语言形式的输入，并在内部通过人类所定义的算法进行加工、计算等系列操作，以模拟人类对自然语言的理解，并返回用户所期望的结果。

现代的NLP技术基于深度神经网络，如循环神经网络（RNN）、长短时记忆网络（LSTM）和Transformer等‌。

大语言模型

大语言模型(Large Language Models，LLM) 与自然语言处理（NLP）的区别在于它们的应用范围和功能上的不同。‌大语言模型是NLP的一个应用领域，主要用于生成或理解自然语言文本，而NLP则是一个更广泛的领域，涉及如何让计算机理解和生成人类语言的技术和方法‌。

大语言模型是使用大量文本数据训练的深度学习模型，能够生成自然语言文本或理解语言文本的含义。它们通常基于Transformer架构，拥有大量的参数，能够学习丰富的语言特征和模式。大语言模型的特点包括大规模参数、深度学习架构、预训练能力、微调灵活性、上下文理解、多任务学习和生成能力‌。

ChatGPT 和 Claude 等工具是现实世界中部署的 LLM 的著名示例。

基于大语言模型加持下的朴津智能机器人，实现控制级指令、官方技能、核心业务功能、快速知识问答、闲聊陪伴的多交互场景的统一，打造出更加自由、智能的交互体验，让人机沟通如同人与人之间的对话一样流畅自然。赋能机器人发展进入到一个全新的阶段，让机器人的“灵魂”更加丰富，更具人情味。

GenAI与AIGC

生成式AI，也称作GenAI（Generative Artificial Intelligence），主要依赖于复杂的算法和神经网络来模拟人类的创造力。它能够基于现有的数据集生成新的内容，如文本、图像、音频和视频等，理论上可以应用于任何需要从现有数据中创造新颖内容或解决方案的场景。大语言模型（LLM）就是一种GenAI。

AIGC（Artificial Intelligence-Generated Content，人工智能生成内容）指的是利用人工智能技术自动生成内容的过程和结果。AIGC技术依赖于复杂的算法和大量的训练数据，通过深度学习尤其是生成对抗网络(GANs)、变分自编码器(VAEs)以及Transformer等实现。它涵盖多种类型的创作活动，例如文本、图像、音频、视频甚至代码等的生成。

有时GenAI与AIGC的概念有所重叠，两者之间的区别在于AIGC强调内容生成，而GenAI则突出其生成性和潜在的通用性，相对来说，GenAI是一个更为宽泛的概念。

人工通用智能AGI

AGI（Artificial General Intelligence，人工通用智能）是一种具备多领域认知能力的人工智能系统。AGI能够执行任何人类能够完成的智能任务，具有较高的适应性、创造力和学习能力。

目前，AGI仍然是人工智能领域的研究目标，尚未实现。AGI的研究和开发是一个长期且复杂的挑战，涉及认知科学、神经科学、计算机科学和工程学等多个学科。实现AGI将可能对社会产生深远的影响，包括工作、经济、伦理和安全等方面。AGI是GenAI致力的最终目标。

最后附一张图，帮助大家回顾与理解：

声明：本文部分素材来源网络，所涉文/图等均出于为公众传播、科普有益健康的信息为目的，如有侵权请联系删除

返回列表