【報告主題】人工智能專題分享【直播平臺】線上多平臺同步聯播精彩活動預告精彩活動預告2024.7.21-28第24期（Hadoop+Spark）綜合班，廈門2024.8.4-9第25期（數據采集與預處理專題班泉州抽獎送4本專家書籍掃碼添加微信進入社群師資培訓—第24期（Hadoop+Spark）綜合班套書籍+全部資源2024年7月24日-28日廈門大學林子雨老師主講廈門師資培訓—第25期—數據采集與預處理專題班2024年8月4日-9日廈門大學林子雨老師主講泉州配套書籍+全部資源精彩活動預告精彩活動預告2024.7.21-28第24期（Hadoop+Spark）綜合班，廈門2024.8.4-9第25期（數據采集與預處理專題班泉州抽獎送4本專家書籍掃碼添加微信進入社群莫宏偉教授哈爾濱工程大學《人工智能內涵、技術發展和倫理探討》l哈爾濱工程大學智能科學與工程學院教授、博士生導師l哈爾濱工程大學類腦計算與人工智能研究中心主任l2023年《人工智能導論》獲國家級線上一流本科課程l黑龍江多學科協同認知人工智能技術與應用重點實驗室主任l主編10余本人工智能書籍，如《人工智能導論》等廈門大學大數據課程虛擬教研室--大數據講壇莫宏偉哈爾濱工程大學教授黑龍江省多學科協同認知人工智能技術與應用重點實驗室黑龍江省高等教育學會人工智能教育專業委員會NTENTSNTENTS人工智能內涵人工智能技術發展觀狀人工智能倫理探討人工智能五維知識體系書籍人工智能內涵人工智能內涵--大語言模型自我意識的矛盾之辯19861986感知機的發明1956達特茅斯會議1982+感知機的發明1956達特茅斯會議1982+算法的發明和應用突破性進展，算法的發明和應用1950機器是否具有思維1990-2000DARPA1990-2000DARPA無法實現，政府投入縮減 1970-1980大規模數據和復雜任務不能完成，計算能力無法突破人工智能內涵--大語言模型自我意識的矛盾之辯技術與應用技術與應用安全與倫理幻覺與意識安全與倫理幻覺與意識大語言模型人工智能內涵--大語言模型自我意識的矛盾之辯人工智能內涵--大語言模型自我意識的矛盾之辯人類認為自己有意識。在某種意義上，這種“意識”甚至可以被視為人類智能的內涵之一。隨著AI尤其是ChatGPT的出現，AI能否擁有意識不再局限于哲學家、認知神經科學家等研究和關注的問題，也成為AI科學家心中的疑問。2022年2月，時任OpenAI首席科學家伊利亞就曾在推特上發起對AI意識的討論。他說：如今的大型神經網絡可能已初具意識。當時楊樂昆首先就拋出了反對意見：Nope。 著名圖靈獎得主珀爾也表示現有的深度神經網絡還無法“深度理解”某些領域。珀爾稱：……事實上我們都沒有一個關于“意識”的正式定義。我們唯一能做的也許就是向歷代研究意識的哲學家請教... 伊利亞珀爾人工智能內涵--大語言模型自我意識的矛盾之辯身心二元論：人類近代意識哲學觀起源于17世紀笛卡兒。認為世界上存在物質和意識兩種不同的實體。中立一元論：物質和意識都源自一種中立的東西。笛卡兒查默斯人工智能內涵--大語言模型自我意識的矛盾之辯霍布斯丹尼特人工智能內涵--大語言模型自我意識的矛盾之辯功能主義：認為心理狀態可以通過其功能角色來定義，而不依賴于其物理實現。局限論：人類的認識能力存在極限，可能永遠無法回答腦的活動怎樣導致了意識這個問題。如果還原論是對的，意識不過是腦的功能，是復雜物理系統活動的產物，那就意味著世界本質上是物質的，物質之外別無其它；如果局限論是對的，意識不能被還原為神經和物理活動，那就意味著存在一種非物質的實體，是人類永遠不能理解的。人工智能內涵--大語言模型自我意識的矛盾之辯功能意識容易問題神經活動功能意識容易問題! 作用和功能↓社會互動與共情信息加工框架信息加工框架人工智能內涵--大語言模型自我意識的矛盾之辯現象意識主觀體驗或感受性現象意識主觀體驗或感受性難問題強調主體的體驗過程，側 重感覺、經驗強調主體的體驗過程，側 還原論無法解釋人腦怎么產生了現象意識人工智能內涵--大語言模型自我意識的矛盾之辯強調主體的主觀能動性，主動留意自覺意識（self-awareness）強調主體的主觀能動性，主動留意自覺意識（self-awareness）難問題、容易問題的區分確定了關于人類意識問題的核心爭執在于現象意識。表面上看，辛頓與樂昆爭執的核心是功能意識，具體問題即大語言模型是否理解其處理的人類語言。人工智能內涵--大語言模型自我意識的矛盾之辯AI有覺知或意識奇點和人類一樣有智慧AI有覺知或意識奇點和人類一樣有智慧功能主義功能主義者功能主義功能主義者大語言模型對人類語言的處理在功能上達到了與人類相似或相近甚至以假亂真的效5月23日，辛頓與天才創業者喬爾·海勒馬克(JoelHellermark)進行了一場對話。辛頓堅信，如今大語言模型的理解方式與人類的思維方式相似，而且隨著規模的增長，推理能力也將隨之增強，因為大模型是在尋找共同的結構，并且用這種共同的結構來高效的編碼事物。人工智能內涵--大語言模型自我意識的矛盾之辯每個符號都有一個大的向量，這些向量相互作用，從而產生下一個詞的符號向量，這就是所謂的“理解”。大語言模型的“理解”就是知道如何將這些符號轉換成向量，以及知道這些向量的元素應該如何相互作用，來預測下一個符號的向量。這并不意味著可以完全擺脫符號，而是將符號轉化為龐大的向量，但是仍然停留在符號的表層結構上，這就是大模型的工作原理。人工智能內涵--大語言模型自我意識的矛盾之辯符號學派符號學派功能主義強調智能的功能角色聯結學派功能主義強調智能的功能角色聯結學派意識并不是其機器具有智能的前提條件人工智能系統能夠執行與人類相同的認知功能，意識并不是其機器具有智能的前提條件人工智能系統能夠執行與人類相同的認知功能，該系統具有某種形式的意識行為學派人類可以在不創造生命的前提下創造具有功能意識的人工智能系統人工智能內涵--大語言模型自我意識的矛盾之辯樂昆認為的“不理解”樂昆認為的“不理解”大語言模型擬主體大語言模型擬主體大腦在我們意識到已經選擇了一個自愿行為之前就已經賦予我們人類真正的心靈自主性的自我模型只占了整個意識生活的三分之一。“有意識的思考”“有意識地、自由地行動”(自由意志)的東西其實大多時候只是一種自發的亞個人過程。大語言模型的預測過程是在人類為之創造的經驗空間中無意識地游蕩。人工智能內涵--大語言模型自我意識的矛盾之辯大前提：計算功能主義計算來解釋Bengio計算特征圖靈獎得主YoshuaBengio，聯合19人團隊2023年跨界發表了一篇88頁巨作,人工智能目前沒有意識，但是以后會有。大前提：計算功能主義計算來解釋Bengio計算特征意識存在的必要和充分的條件意識存在的必要和充分的條件人工智能系統中的意識存在的必要或充分的前提人工智能內涵--大語言模型自我意識的矛盾之辯OpenAI研究科學家的學者AmandaAskell提出有趣觀點。aAI系統比椅子更有可能具有現象意識，但遠不如老鼠有意識，甚至還沒有昆蟲、魚或雙殼類動物有更多意識。aAI系統大致類比為植物。aAI系統作為一個整體可能比植物或雙殼類動物具有更大意識潛力。人工智能內涵--生命與意識英國薩塞克斯大學認知和計算神經科學教授賽斯認為，廣義上的智能指的是在正確的時間做正確的事情，靈活地擁有并實現目標。意識則全在于主觀、原始的經驗和感受，比如疼痛、愉悅，還有對我們周圍世界以及世界中的自我的體驗。也許對于人類和其他動物來說，智能的某些形態需要意識，但二者根本上是不同的。認為意識只是附帶產物的假設是錯誤的。賽斯人工智能內涵--生命與意識生命以負熵為生生命以負熵為生特定類型的自組織系統：特定類型的自組織系統：自創生系統1974年1974年，智利生物學家就愛馬圖拉納在《自創生：生命組織、它的特殊性質和模型》提出自創生理論。薛定諤人工智能內涵--生命與意識科赫神經學家克里斯托夫·科赫認為“我們被包圍并沉浸自身同一性-組織完整性-的持續建構過程有機體同一性的持續建構生命內在的自然目的規范性---內在于生命人工智能要產生有自我意識或自我意識覺醒，它首先必須是一個生命體。”在意識之中：“意識是生命物質的基本屬性，它不可能來自其它任何東西。”人工智能內涵--生命與意識智能體不必是生命體，生命體一定是智能體。生命是否都具有意識還是懸而未決的問題。人類和少數高級動物具有自我意識。人類是具有自我意識的高級智能生命體。更高級的智能和自我或自覺意識更相關，這可以將人類和其它動物有效地區分開來。有意識及自我意識的人或高級動物是生命體。產生自我意識的人工智能如果被視為生命或成為生命體，將挑戰我們對生命定義的傳統理解。賽斯在《成為自己》中提出一個與“生命”概念緊密相連的理論：在能夠制造有生命的機器之前，有意識的機器不會出現。確切的說，有自我意識的機器不會出現。人工智能內涵--生命與意識人與人工智能之間有很多區別，其中最重要的區別就是自我意識的區別。人是有意識的存在，意識總是關于某物的意識，同時也是作為承載者關于“我”的意識，意向性不僅指向作為對象的某物，同時也自反式地指向自身。只有在行動之前首先意識到處境中的對象與“我”不同，人類活動才具有目的性，人類才能有目的地進行物質創造和生產活動。另一個物種的“人”另一個物種的“人”為人類服務的人工智能不需要具有自我意識，也不必是生命體。馬克思說：自由的有意識的活動就是人的類特征。正是這種活動使人類能夠超越單純的自然界，創造出符合人類本質的社會環境。《1844年經濟學哲學手稿》人工智能內涵--生命與智能關于“意識”的討論最早可以追溯到古希臘“軸心時代”。直到20世紀初，人類才開始思考生命智能。自然界(目前限于地球）不同類型生命都擁有智能。無生命不智能，只是層次、表現不同。智能是生命靈活適應環境并解決問題的基本能力。生命智能的基本目標就是生存、繁衍。李德毅，論智能的困擾和釋放，智能系統學報，2024.19（1）：249-257李德毅人工智能內涵--生命與智能--機器物種三人工智能里面的“智能”默認的是“人類的智能”。人工智能的智能模擬對象已經拓展到各種生命形態。人工智能的物理載體已經是多形態的機器物種。生命智能、人類智能（自然智能）與人工智能交織。人工智能內涵--生命與智能--人類智能= 在東方文明中 在東方文明中，儒家思想在過去2000多年歷史長河中占據主流，但沒有產生針對人類智能的思想理論。西方文明則在古希臘文明之后，被宗教神學束縛上千年，直到十七世紀思想啟蒙運動，人類的理性力量才得以釋放，人們開始重新審視人的地位，科學從哲學中脫胎誕生。這一時期也是人類作為一種高級智能生命開始覺醒的時期。從第一次工業革命到20世紀50年代，隨著諸如心理學、神經科學、認知科學、計算機科學等不同科學領域的發展，人類智能的研究逐漸深入，人們開始嘗試從多個角度和層面理解人類智能的復雜性。 人工智能內涵--大歷史觀人工智能人工智能的出現說明：智能不再是開始進化。生命智能、人類智能、人工智能、機器智能都是智能的特例。在宇宙層面上，從基因到模因、從本能到智能、從人類到機器、從人類智能到人工智能，信息與能量的處理利用在指數級增長，這即是熵增能力的飛躍式攀升——所以，從人工智能到機器智能，將會是宇宙熵增的自然選擇。人工智能內涵--大歷史觀人工智能--語言機器的誕生三ChatGPT、Sora是人類所創造的機器物種的高級版本，一種語言機器物種。自然界最智慧最精華的物種--人類，不再是世界上唯一掌握語言和邏輯的智能體。人類要面對新的人工智能系統--語言機器系統。語言是人類存在意義和廟堂，而這個意義和廟堂正在向另一個存在--語言機器物種--轉移。史雷鳴，從泥土到上帝，陜西師范大學出版總社，2016海德格爾說的：語言是人存在的原因。人工智能內涵--大歷史觀人工智能--綜合性復雜交叉科學人工智能不再單純是一種技術人工智能不再單純是一種技術綜合性復雜交叉科學綜合性復雜交叉科學人文社會思想人工智能不僅是經濟引擎，更是引領人類文明進化人文社會思想人工智能不僅是經濟引擎，更是引領人類文明進化語言語言人工智能內涵--大歷史觀人工智能 人工智能技術發展現狀人工智能技術發展現狀人工智能技術發展現狀創造智能足智多謀語言（認知)智能能言善辯感知智能能聽會看、能看會認計算(博弈）智能能存會算類腦智能耗能低，智能高混合智能人類增強 機器人人工智能技術發展現狀中自動分析獲得規律，并利用規律對未知數據進行預測、分類。提出支持向量、VC維等概念神經網絡第二個高潮NP(non-deterministicpolynomial神經網絡第二個高潮NP(non-deterministicpolynomial-time)難題中獲重大進展助力大神經網絡以深度學習之名再次崛起大幅提升感知智能準確率統計學習登場并占據主流，支神經網絡以深度學習之名再次崛起大幅提升感知智能準確率神經網絡第一個高潮期聯結學派對大腦進行逆向分析靈感來自于神經科學和物理學產生的是“黑箱”模型神經網絡可歸置此類神經網絡第一個高潮期聯結學派對大腦進行逆向分析靈感來自于神經科學和物理學產生的是“黑箱”模型神經網絡可歸置此類符號學派將學習看作逆向演繹并從哲學、心理學、邏輯學中尋求洞見代表包括決策樹和基于邏輯的學習量現實問題基于符號知識表示基于符號知識表示基于符號知識表示通過演繹推理技術獲取和利用領域知識建通過演繹推理技術立專家系統人工智能技術發展現狀多隱層的人工神經網絡具有優異的人工智能技術發展現狀—深度學習的算法基礎—深度神經網絡RNN循環GAN生成CNN卷積DQN強化1943年RNN循環GAN生成CNN卷積DQN強化GNN圖神經LSTM長短期由人工神經元發展出感知器，感知器進一步發展到多層（3-6層）人工神經網絡。GNN圖神經LSTM長短期TransformerDBN-深度置信網絡20世紀70年代-90年代發展出300多種多層人工神經網絡模型。TransformerDBN-深度置信網絡其中以卷積神經網絡結合反向傳播算法發展出深層（8層以上）神經網絡，一般稱為深度神經網絡。機器學習&深度學習——深度學習的特點和作用深度學習是一種基于對數據進行表征學習的方法。以圖像處理為例，待處理的數據（例如一幅圖像）可以使用多種方式來表示，如每個像素強度值的向量，或者更抽象地表示成一系列邊、特定形狀的區域等。而使用某些特定的表示方法更容易從實例中學習任務（例如，人臉識別或面部表情識深度學習相較于傳統機器學習方法最顯著的作用是實現了對圖像等對象的自動特征提取，取代了傳統人工獲取特征。人工智能技術發展現狀--機器博弈智能2016年，谷歌AI系統AlphaGo和世界圍棋冠軍李世石展開了一場人機智慧的較量。最終，AlphaGo以4:1戰勝李世石。創造性圍棋博弈創造性人工智能技術發展現狀--機器博弈智能底擊敗人類）?象棋(1996年擊敗人類象棋冠?通用（2017年，AlphaZero全面掌握圍棋、在跳棋、象棋等棋類游戲中，人工智能可以和人類選手一樣，能夠獲得的確定性信息是相同的。這種限定規則，隨時可以獲取全部信息的游戲，可以稱之為“完整信息博弈游戲”。這種完美信息屬性也是讓算法取得成功的核心。在最強的AlphaZero中，開發者綜合使用了深度神經網絡、蒙特卡洛搜索、強化學習等多種人工智能技術。使得其可以從零開始學習多種棋藝。人工智能技術發展現狀--機器博弈智能不完全信息游戲要求玩家考慮隱藏的信息，并思考下一步應該如何行動撲克游戲主要利用“反事實minimization）”。非完美信息游戲要求更復雜的推理能力。人工智能技術發展現狀--機器感知（視覺)智能深度學習是一種基于對數據進行表征學習的方法。深度學習相較于傳統機器學習方法最顯著的作用是實現了對圖像等對象的自動特征提取，取代了傳統人工獲取特征。2017年--2021年是以深度學習（深度卷積神經網絡模型為主）為基礎的機器感知智能高速發展時期。人臉識別、物體識別以及各種模式識別。在安防、交通、公安等行業廣泛應用。人工智能技術發展現狀--機器創造智能--內容生成（AIGC)文字文字聲音（音樂）作動作動視頻視頻代碼多多模態人工智能技術發展現狀--機器創造智能--內容生成（AIGC)2022年被稱為AIGC元年，多個AI領域迅速發展，繪畫、音樂、新聞創作、主播等諸多行業被重新定義。目前AIGC正在從簡單的降本增效（以生成金融/體育新聞為代表）向創造額外價值（以提供繪畫創作素材為代表）轉移，文本-圖像-視頻的跨模態/多模態內容生成正在進展中。AIGC技術場景文本生成包括非交互式文本（結構化寫作、非結構化寫作和輔助性寫作）和交互游戲等）生成互式文本音頻生成包括語音克隆、文本生成特定語音、生成樂曲、歌曲等包括圖像編輯工具和圖像自主生成（即AI繪畫）視頻生成包括視頻屬性編輯、視頻自動剪輯和視頻部分編輯態生成包括根據文字prompt生成創意圖像、拼接圖片素材生成視頻、文字等圖像/視頻轉換為文本策略生成以GameAI中的AIbot為代表包括AIbot、NPC邏輯及劇情生成和數字資產生成虛擬人生成包括虛擬人視頻生成和虛擬人實時交互人工智能技術發展現狀--機器創造智能--內容生成（AIGC)--圖片及繪畫2015年2015年2017年2017年2020年2020年2021年2021年2022年2022年2014年從概念提出到產品趨于成熟AIGC用了十年時間。生成算法模型在不斷地突破創新,機器展示出越來越強的創造力。2人工智能技術發展現狀--機器創造智能--內容生成（AIGC)--圖片及繪畫擴散模型的原理類似給照片去噪點，通過學習給一張圖片去噪的過程來理解有意義的圖像是如何生成。通過反復地向訓練數據添加高斯噪聲來破壞訓練數據，然后通過反轉添加噪聲的過程來學習如何取回數據。適用于具有大量不同和復雜數據的學人工智能技術發展現狀--機器創造智能--內容生成（AIGC)--視頻與影視Sora是一個視頻生成模型，可以根據文本指令創建現實且富有想象力的場景。Sora能夠生成具有多個角色、特定類型的運動以及主體和背景的準確細節的復雜場景。該模型對語言有深入的理解，使其能夠準確地解釋提示并生成引人注目的字符來表達充滿活力的情感。Sora的重大意義在于宣告了AGI技術路線在世界模擬這一能力上已然走通，這是具有戰略意義的事件，剩下的細枝末節的提升與完善總體而言是屬于戰術層面。 機器對于世界的建模或認知可能比人類更接近世界本原之真相。 人工智能技術發展現狀--機器創造智能--AI科學研究與發現（AIforScience)科學問題發現和解決一直是人類的獨有能力。AI推動自然科學的發展，形成了AIforscience這一新的研究領域。AI已經在生物學、數學、物等諸多科學領域發揮了超人的性能，幫助人類破解諸多難題，2016年，美國研究者提出“從失敗中學習”，用失敗或不成功的實驗數據預測了新材料的合成。2017年，深度神經網絡學習了目前所有已知的1240萬種單步驟有機化學反應。2018年1月，科學家利用機器人Eve計算出三氯生(一種常見的牙膏成分)可以治療耐藥瘧疾寄生蟲。2021年7月22日，DeepMind團隊在Nature發表了文章，描述了AlphaFold對人類蛋白質組(人類基因組編碼的所有蛋白質的集合)的準確結構預測。2024年5月8日，該團隊發表AlphaFold3,能夠以原子級別的精度預測所有生物蛋白質結構，對生命科學產生深遠影響。人工智能技術發展現狀--機器語言智能--大語言模型人類創造各種各樣的智能系統，“善解人意”應該是一個基本條件,而其實現的一個重要橋梁就是語言。2018年開始，預訓練模型(GenerativePre-training(GPT)和BERT)威力初顯。它們以其強大的性能在NLP(自然語言處理)領域引發了2022年末開始爆發的大語言模型(LLM)為基礎的機器語言智能爆發。知識不是唯一的力量知識未必只能由人類產生。LLM可以從大量的文本數據中學習語言的規律和結構，并用所學到的知識來生成高質量的文本或執行其他數據處理任務。ChatGPT源于人類知識和語言，但是會生成超越人類知識和語言。工具可以看成是，思維的延伸、大腦的延伸、我們的延伸——所以工具的高效運轉，就是我們的高效運轉——而大模型這個“超級工具”，是人類思考模式與認知模式的延伸。ChatGPT改變了人類思考和處理問題的方式，引發“思維革命”，并由此重塑世界。人工智能技術發展現狀--機器語言智能--大語言模型這是一個信奉大力出奇跡、規模即一切、規模即所需的人工智能時代。型性能都會顯著提升在AI大模型中，ScalingLaw意味著，當模型足夠大、語料足夠多、算力足夠充足的時候，GPT的性能會突然的指數級爆發。AI大模型涌現能力意味著AI系統升級為復雜系統。人工智能技術發展現狀--機器語言智能--大語言模型DeepMind公司的杰出科學家“強化學習教父”薩頓，在一篇2019年博客文章（員工必讀文章）中給出了一個重要結論：“苦澀的教訓：人工智能研究人員一直試圖將人類已知的知識構建到他們的智能體中，長遠來看，這種方法停滯不前，唯一重要的是利用計算。突破性進展最終是通過相反方法，基于搜索和學習實現的。這種成功帶有苦澀，因為不是以人為中心的方法，而是依靠機器學習。”人工智能技術發展現狀--機器語言智能--多模態大模型2017年谷歌提出的Transformer架構的跨界應用成為多模態重要開端之一。），人工智能技術發展現狀--智能體“Anautonomous“Anautonomousagentisasystemsituatedwithinandapartofanenvironmentthatsensesthatenvironmentandactsonit,overtime,inpursuitofitsownagendaandsoastoeffectwhatitsensesinthefuture.”FranklinandGraesser(1997)人工智能技術發展現狀--具身（機器人）智能（Figure)具身智能與行為主義機器人有直接的淵源。琳達·史密斯（LindaSmith）在2005年提出的“具身假說”（EmbodimentHypothesis）是從認知科學的角度對智能的理解提出了新的視角所謂具身智能是依附于真實世界物理實體具備感知、認知、推理、決策和自由行動能力與環境交互影響世界、探索世界的人工智能。人形機器人是具身智能的一種形態，也可能是終極形態。英偉達JimFan：具身智能的難點不是硬件，而是”FoundationAgent”FigureAmerca2人工智能技術發展現狀--機器通用智能2a關于AGI，在OpenAI有一份文件，稱之人工智能技術發展現狀--機器通用智能6月2日，黃仁勛在Computex2024（2024臺北國際電腦展）上發表主題演講，分享了人工智能時代如何助推全球新產業革命。展示了最新量產版Blackwell芯片，并稱將在2025年推出BlackwellUltraAI芯片，下一代AI平臺命名為Rubin，2027年推RubinUltra，更新節奏將是“一年一次”，打破“摩爾定律”。宣稱英偉達推動了大語言模型誕生，其在2012年后改變了GPU架構，并將所有新技術集成在單臺計算機上。英偉達的加速計算技術幫助實現了100倍速率提升，而功耗僅增加到原來的3倍，成本為原來的1.5倍。預計下一代AI需要理解物理世界。他給出的方法是讓AI通過視頻與合成數據學習，并讓AI互相學習。給token敲定了一個中文譯名——詞元。機器人時代已經到來，將來所有移動的物體都將實現自主運行。人工智能技術發展現狀--機器通用智能1970年，《Life》雜志援引馬文·有普通人一般智力的機器。我指的是一臺能夠閱讀莎士比亞、給汽車加油、玩辦公室政治、講笑話、打架的機器”。D人工智能技術發展現狀--人工智能系統基礎--大數據數據經濟時代，數據要素是關鍵生產要素。知識就是力量--數據就是力量。時間就是金錢--數據就是金錢。大數據是新質生產力的“數字資源”。大數據是人工智能系統的技術基礎。人工智能系統是”電力“，大數據是人工智能系統的“燃料”。人工智能系統需要高質量的數據，工業大數據、農業大數據、電商大數據、教育大數據等等。人工智能技術發展現狀--人工智能系統基礎--算法3以預訓練大模型為基礎構造智能系統，其核心原理是基于自注意力（Self-Attention）機制的Transformer結構。3本數據預訓練，模型學會了捕捉文本的上下現在大模型底層都是Transformer架構，模型性能人工智能技術發展現狀--人工智能系統基礎--算力33LLMLLM驅動的人工智能系統需要強大的計算芯片支撐，這種芯片主要是GPU。GPU適合邏輯簡單，計算密集型高的并發任務。對于LLM而言，業內公認看法是，做好AI大模型的算力門檻是1萬枚A100芯片。2024年3月19日，英偉達GTC大會上，新推出的B200擁有2080億個晶體管，可以支持多達10萬億個參數的AI模型，而OpenAI的GPT-3由1750億個參數組成。GPU英偉達A100顯卡B2002人工智能技術發展現狀--人工智能系統基礎--能源2024年達沃斯世界經濟論壇上，OpenAI2024年達沃斯世界經濟論壇上，OpenAICEO奧特曼表示，未來人工智能需要能源方面的突破，因為人工智能消耗的電力將遠遠超過人們的預期。他稱，更有利于氣候變化的能源，尤其是核聚變或更便宜的太陽能以及儲能，是人工智能的發展方向。在能源消耗的問題上，以英偉達的H100芯片為例，其功耗已經遠超過了一般家庭的日常用電量。ChatGPT每天處理2億個用戶請求會耗電50萬千瓦時，每天要耗費1.7萬個家庭的用電量。算力消耗在全球能源消耗中的占比從3%增長到近幾年的10%，預計到2030年可能會達到30%甚至更高。如果按算力每4個月翻一番的速度增長，10年內算力就會增長十億倍。急速增長的算力需求對現有能源體系提出了巨大挑戰。人工智能技術發展現狀--面臨的六大挑戰智能本質的挑戰機器倫理的挑戰能源消耗的挑戰計算方法的挑戰發展治理的挑戰社會與經濟意義上的個體價值的挑戰人工智能技術--大模型之外的道路--類腦智能受大腦多尺度信息處理機制啟發而研發出來的計算模型及軟硬件，使機器實現人類具有的多種認知能力并高度協同，逐漸逼近具有學習和進化能力的通用智能。人工智能技術發展現狀----大模型之外的道路--人機混合智能 人工智能技術發展現狀--從算法到復雜工程系統2022年11月6日，美國科學家邁克爾·喬丹(MichaelI.Jordan)在首屆世界頂尖科學家協會獎(WLAPrize)頒獎現場演講。對我來說，廣義上的人工智能不是一項技術，而是一種思考方式，一種解決問題的方式，就像—個新的工程領域一樣。所以這是一個令人興奮的新工程領域，但也是一個非常復雜的大領域。“數百萬GPU數據中心的時代即將到來！”黃仁勛宣布每年推出新的Spectrum-X產品。NVIDIASpectrum-X是全球首款專為AI打造的以太網網絡平臺，可將網絡性能較傳統以太網網絡平臺提升1.6倍，能加快AI工作負載的處理、分析和執行速度。Spectrum-X800為數萬個GPU而設計，X800Ultra為數十萬個GPU而設計，X1600則可擴展至數百萬個GPU。人工智能技術發展現狀--從算法到復雜工程系統人工智能系統觀人工智能系統觀理論系統理論系統知識系統知識系統技術系統技術系統產業系統產業系統倫理系統倫理系統基礎性跨學科融合應用型智能系統綜合技術基礎性跨學科融合應用型智能系統綜合技術人工智能倫理探討人工智能倫理探討n人工智能倫理概念人工智能倫理是指人工智能技術發展和應用引發的倫理問題，關涉人與智能系統、智能機器的倫理關系，以及智能機器人工智能倫理分為狹義和廣義兩個范疇。倫理問題，都是狹義人工智能倫理應該考慮人工智能倫理中的道德關系從傳統意義上的人與人、人與自然之間道德關系拓展到人與智能系統、智能機器等非自然對象--人工物。由于機器智能的類人化、擬人化，導致智能機器與人、自然之間的新型道德關系的出現。這種新型道德關系是不屬于傳統意義上的倫理道德范疇的。人工智能倫理探討n人工智能倫理體系傳統的人、社會、自然之間的倫理道德拓展為人、機器、社會與自然之間的倫理道德。 ↓↓ 科技倫理一 科技倫理一人工智能倫理↓↓↓人工智能倫理體系狹義人工智能倫理人工智能應用倫理人工智能科技倫理狹義人工智能倫理人工智能應用倫理人工智能科技倫理人工智能理論原則和法律人工智能理論原則和法律廣義人工智能倫理廣義人工智能倫理人工智能倫理探討---發展簡史幻想人工智能倫理探討--關注的原因人工智能技術的誕生和發展，使得工具的屬性發生了變化，它們開始成為具有智能性的理性工具。當這種智能性與人類智能某方面相似甚至超越人類時，人類與智能工具之間的關系就開始變得微妙且復雜起來。這種復雜關系通過反映在倫理觀念上，就對人類社會的傳統倫理關系造成前所未有的影響和沖擊。人工智能倫理探討--核心原則與要素自21世紀10年代中期以來，為規范人工智能的研發與應用，國家組織、政府機構、科技社群、學術團體等利益相關主體發布了大量人工智能倫理的原則、倡議與指南。2019年6月，國家新一代人工智能治理專業委員會發布《新一代人工智能治理原則-發展負責任的人工智能》主要原則安全可靠原則透明公開原則隱私保護原則隱私、個人信息或隱私信息、控制數據使用、限制處理的能力、更正權、刪除權公平公正原則責任擔當原則人工智能應用倫理人工智能倫理探討--現實關切問題深度學習是“黑箱”深度學習是“黑箱”可解釋人工智能可解釋人工智能決策過程不透明行為思路不了解盡管所有的自動化技術都會引發問題盡管所有的自動化技術都會引發問題，但只有人工智能具有這種不可解釋性問題。后果可信性降低，引發信任危機可靠性差，引發安全風險責任模糊，引發責任追究問題人工智能倫理探討——現實關切問題 人與機器的競爭麥肯錫公司發表的一份關于人 人與機器的競爭就業與職業變遷智能化的合理性與人的存在價值的沖突19世紀馬克思看到了資本與勞動力之間不可調和的矛盾：資本通過工業自動化取代勞動。就業與職業變遷智能化的合理性與人的存在價值的沖突19世紀馬克思看到了資本與勞動力之間不可調和的矛盾：資本通過工業自動化取代勞動。更根本的問題更根本的問題引導我們思考什么是良好、公平的社會,什么是有意義的生活，以及資本和技術在其中的作用。在人工智能時代，更多研究和重新思考“美好生活的含義”是什么這個古老的問題。資本疊加權力通過人工智能控制人的頭腦和身心自由？人工智能對勞動的沖擊，會不會引發前所未有的全局性危機？人的存在價值是否應該完全用資本疊加權力通過人工智能控制人的頭腦和身心自由？人工智能對勞動的沖擊，會不會引發前所未有的全局性危機？人的存在價值是否應該完全用其能否適應智能機器來衡量？人工智能發展會不會與人的存在價值發生深層次的難以調和的本質性沖突？人工智能倫理探討——現實關切問題大歷史觀下的人工智能倫理智能機器促使人類重新反思自身在宇宙中的位置和價值，啟蒙人之為人的意義。機器圍棋使人們產生疑問：“以后還帶不帶孩子學圍棋了？大街小巷的圍棋興趣班還有生意么？”圍棋冠軍們更是感受到一種職業性的惶恐：究竟我們此前對圍棋的認知還有多少盲區大歷史觀下的人工智能倫理智能機器促使人類重新反思自身在宇宙中的位置和價值，啟蒙人之為人的意義。AlphaFold通過從局部一步跨到全局AlphaFold通過從局部一步跨到全局，然后再跨回局部的預測蛋白質結構，這不是人的慣常思維方式，而是體現出一種全新的非人類的機器思維方式。機器智能求解問題的途徑方面完全不同于人類智能。人類的本質、意識、生活意義及價值觀等觀以及認識、思維、語言、創造、想象等獨特能力受到前所未有的沖擊。人類主體地位和尊嚴受到嚴峻挑戰，如果說這是一場“戰斗”，那么這場戰斗不止關乎人工智能發展，更關乎人類本身的存在。人工智能五維知識體系書籍人工智能素養培養人機協同創新思維，理解和掌握人工智能技術和方法，人機協同解決各類實際問題。從宇宙大歷史和人類命運共同體的高度理解人工智能對于國家和人類未來命運的意義。人工智能多學科、多領域理論從宇宙大歷史和人類命運共同體的高度理解人工智能對于國家和人類未來命運的意義。多學科交叉思維和創新意識。理解人工智能對未來人類社會作用，具備未來智能社會發展多學科交叉思維和創新意識。人工智能五維知識體系人工智能五維知識體系人工智能五維知識體系學科基礎技術基礎重點方向或領域行業應用倫理法律..........................................人工智能五維知識體系系列--《人工智能通論》人工智能五維知識體系的全面闡述；面向所有學習者、愛好者、從業者；系統、全面、整體性認識和理解人工智能內涵第1章緒論第2章人工智能歷史第3章人工智能哲學基礎第4章人工智能倫理基礎第5章人工智能學科基礎第6章人工智能技術基礎第7章機器智能第8章