自1956年,英国数学家图灵提出“机器能否思考”开始,人工智能经历了多次起伏,当前正处于高速发展期。本轮人工智能进步的科学基础,在于算法supervised学习和计算模型超大化两大技术突破。它们正在推动一波人工智能应用的爆发式增长。

一、算法supervised学习:打开智能新大门

长期以来,人工智能主要依靠人工设定规则,但这限制了学习和推理能力。20世纪90年代,统计学家Hinton等人提出深度学习理论,通过神经网络分层学习,模拟人脑处理信息的路径。到2010年代,大数据和计算能力飞速增长,使深度学习得以实现,人工智能进入新的发展阶段。

相比早期固定规则,深度学习算法可以从大规模标注数据中进行supervised学习,模型会不断优化和迭代,性能指数级提升。如今,supervised learning已成为开发通用人工智能的主流技术道路。以自然语言处理为例,有了海量语料语义标注,机器学习能力才能得到全面提高。

二、模型超大化:AI能力的指数级提升

深度学习算法的进步也促使人工智能模型不断扩大,由百万参数量级增长到现在的千亿级参数。随着参数量的增加,模型的理解和生成能力成倍提高。

早在2017年,Google的BERT语言模型就达到1.1亿参数,能理解长文本关联;之后GPT系列模型参数继续增长,最新版GPT-3已达1750亿参数,可以根据少量提示,自动生成多段fluent文本。模型效果的飞跃提升,正在将人工智能推向更加广泛的应用。

三、典型应用场景:释放巨大生产力

在算法和模型双轮驱动下,一系列人工智能典型应用快速崛起,并渗透到各行各业,释放生产力和创新动能。

如无人驾驶汽车,通过融合视觉算法、决策系统等技术,可以分析复杂道路环境并规划行车路线,拥有接近人Driver的交通能力。在制造业,通过机器视觉检测产品质量缺陷,再利用机器手精确抓取和组装,实现了自动化的智能生产。而在医疗领域,AI系统可以辅助医生读片,甚至通过模型训练直接进行疾病风险预测。

在日常生活中,像Siri、Alexa等智能语音助手也给我们带来了方便。可以预见,随着核心算法和模型的进一步优化,AI应用将渗透各个社会角落,服务于人类发展。

四、平台赋能:用户可定制专属AI

当前,一些平台开始尝试赋能用户自建AI产品,以适应个性化需求。例如国产的扶摇AI助手,它可以让用户上传自定义知识库,然后基于该库内容进行问答服务。用户可以定制出针对医疗、投资等领域的专属AI。这种用户参与式的平台,将推动更多垂直场景的人工智能应用开花结果。

人工智能2.0时代正在加速构建,它基于算法和模型双轮驱动,催生出广泛的应用场景。但我们也要积极引导人工智能健康发展,构建算法的可解释性和可控性,让人与人工智能形成和谐互信、合理利用的新关系。