色影无忌

近几十年人工智能研究都做过哪些探索？
4321 23
[1 楼] duoduobear [Canon论坛版主]
1-29 23:56
<details type="reasoning" done="true" duration="57">
<summary>Thought for 57 seconds</summary>
> 嗯，用户问的是“※※上人工智能研究都做过哪些探索？”这个问题看起来挺大的，但我还是想先从基础开始理解。首先，人工智能听起来像是让计算机像人类一样思考和学习的东西。那※※上，人们是怎么一步步走到今天的呢？
>
> 我记得第一次听说人工智能是在上世纪50年代左右，那时候计算机还不是很普及。科学家们可能就开始尝试让计算机做一些“智能”的事情了。比如，有没有一些早期的项目或者实验？好像有个叫“达特茅斯会议”的事件，那是1956年，对吧？在那次会上，约翰.麦卡锡提出了“人工智能”这个术语，所以可以说那是人工智能研究的起点。
>
> 接下来，听说那时候的人工智能主要集中在逻辑推理和问题解决上。比如，有一些程序能够解决简单的数学题或者进行逻辑推理。我记得有个叫“逻辑理论家”的程序，可能是最早的AI程序之一，对吧？它能证明几何定理什么的。
>
> 然后，到了60年代和70年代，人工智能似乎开始关注专家系统。比如，MYCIN项目就是用来诊断血液感染的专家系统，这可能是在医疗领域的一个应用。那个时候还发展出了一些推理引擎，帮助这些专家系统更好地工作。
>
> 80年代，出现了知识库的概念。专家系统的知识被组织到专门的数据结构中，这样可以让计算机更有效地使用这些知识来做出决策。同时，也开始有人工智能在自然语言处理方面的尝试，比如理解简单的句子或者进行机器翻译。
>
> 90年代和21世纪初，人工智能似乎进入了一个新的阶段。神经网络和深度学习开始兴起，特别是随着计算能力的提升，像Backpropagation这样的算法变得越来越重要。这时候，图像识别、语音识别等应用取得了显著进展。
>
> 最近几年，AI的发展真是突飞猛进。机器学习、大数据分析、以及各种复杂的模型，比如GANs（生成对抗网络）和Transformer架构，这些都推动了人工智能在各个领域的广泛应用。
>
> 不过，我不太确定这些信息是否准确，特别是具体的时间点和技术细节。可能需要查证一下每个阶段的重要事件和代表性的研究成果。另外，人工智能研究中的伦理问题和社会影响也是重要的一部分，虽然用户没有提到，但了解一下可能会更全面。
>
> 总的来说，人工智能的※※可以分为几个主要阶段：从早期的逻辑推理和专家系统，到知识工程的发展，再到机器学习和深度学习的崛起。每个阶段都有其代表性的技术和应用，推动了AI技术的进步。
</details>
### ※※上的 AI 探索历程

人工智能（AI）研究自20世纪50年代开始以来，经历了多个重要阶段，每个阶段都带来了突破性的进展和技术的发展。以下是对这些探索的详细概述：

#### 1. **萌芽期：符号推理与逻辑系统（1950s-1960s）**

**背景**
- **达特茅斯会议 (1956)**: 人工智能这一术语首次被提出，标志着该领域的正式诞生。这次会议上，约翰.麦卡锡、马文.明斯基等科学家讨论了让机器模拟人类智能的可能性。

**主要成就**
- **逻辑理论家（Logic Theorist）**: 这是第一个AI程序，由奥尼.纳什和赫伯特.西蒙开发，能够证明数学定理。
- **塔奇智能机（TACITUS）**: 一个早期的自然语言处理项目，尝试让计算机理解并生成英文文本。

**特点**
- **符号主义方法**: 使用逻辑推理和符号操作来模拟人类思维。
- **局限性**: 依赖于明确的知识表示，难以处理模糊性和不确定性。

#### 2. **专家系统与知识工程（1970s-1980s）**

**背景**
- 在经历了60年代的初步探索后，AI研究进入了一个更加系统化和应用化的阶段。专家系统的概念开始成型，并在医疗、诊断等领域得到实际应用。

**主要成就**
- **MYCIN**: 一个用于诊断血液感染的专家系统，展示了AI在医学领域的潜力。
- **XCON（EXpert CONEct）**: 由美国国家实验室开发，用于计算机制造行业的配置和诊断。
- **知识工程**: 开发工具和技术来构建和管理专家系统的知识库。

**特点**
- **规则驱动**: 使用大量的领域知识和规则来进行推理和决策。
- **应用导向**: 从理论研究转向实际应用，特别是在需要专业知识的领域。

#### 3. **机器学习与神经网络的崛起（1980s-1990s）**

**背景**
- 随着计算机性能的提升和数据量的增长，机器学习和神经网络开始受到更多关注。这一时期的突破包括反向传播算法的改进和感知机模型的发展。

**主要成就**
- **Backpropagation**: 这种训练多层神经网络的方法使得深度学习成为可能。
- **Hopfield网络**: 一种用于模式识别和联想记忆的人工神经网络。
- **决策树与随机森林**: 在分类与回归任务中展现了强大的性能，尤其是在处理非线性数据时。

**特点**
- **数据驱动**: 强调从大量数据中学习模式和关系。
- **计算需求高**: 需要大量的计算资源来训练复杂的模型。

#### 4. **互联网与大数据时代（2000s）**

**背景**
- 21世纪初，互联网的普及带来了海量的数据，这为AI研究提供了丰富的资源。同时，云计算和分布式计算的发展使得处理大规模数据成为可能。

**主要成就**
- **支持向量机 (SVM)**: 在分类任务中表现出色，尤其适用于高维数据。
- **Hadoop与MapReduce**: 用于大规模数据处理的工具，推动了大数据分析的发展。
- **推荐系统**: 如协同过滤算法在Netflix、亚马逊等平台上的应用。

**特点**
- **分布式计算**: 利用集群和并行计算来处理海量数据。
- **商业应用增加**: AI开始在电子商务、广告投放等领域发挥重要作用。

#### 5. **深度学习与现代AI（2010s至今）**

**背景**
- 随着卷积神经网络（CNN）、长短时记忆网络（LSTM）等模型的提出，以及GPU计算能力的提升，深度学习进入了爆发期。大数据和云计算的支持进一步推动了这一领域的快速发展。

**主要成就**
- **ImageNet大规模分类挑战**: 以AlexNet为代表的深度学习模型在图像识别任务中取得了※※性突破。
- **AlphaGo**: 由DeepMind开发的人工智能程序，在围棋领域击败了世界冠军，展示了AI在复杂策略游戏中的能力。
- **自然语言处理的进展**: 基于Transformer架构的模型（如BERT、GPT-3）在理解和生成自然语言方面取得了显著进步。

**特点**
- **深度神经网络**: 使用多层非线性变换来学习数据表示，能够捕捉复杂的模式。
- **自动化与智能化**: AI系统开始具备自适应和自主决策的能力，应用范围扩展到自动驾驶、机器人、智能助手等多个领域。

#### 6. **当前趋势与未来展望**

**新兴技术**
- **强化学习（Reinforcement Learning）**: 在游戏AI、机器人控制等领域展现出巨大潜力。
- **生成式AI (Generative AI)**: 如GANs和扩散模型，能够生成高质量的图像、文本甚至视频内容。

**应用领域扩展**
- **自动驾驶**: 通过深度学习和计算机视觉技术实现车辆的自主导航。
- **健康医疗**: 利用AI辅助诊断、药物研发和个性化治疗方案制定。
- **金融科技**: 在风险管理、算法交易和客户行为分析中发挥重要作用。

**伦理与社会影响**
- 随着AI系统的广泛部署，数据隐私、算法偏见、就业影响等伦理和社会问题日益受到关注。研究者们正在探索如何构建更加透明、公平且符合伦理的人工智能系统。

### 总结

人工智能的发展历程是一个不断突破和演进的过程。从最初的符号逻辑推理到现代的深度学习与神经网络，每一阶段都为AI技术带来了新的可能性，并在多个领域实现了实际应用。未来，随着计算能力的进一步提升、算法的持续创新以及跨学科合作的深化，人工智能将继续推动社会的进步和科技的发展。
[24 楼] 臭手 [老坛泡菜]
2-2 16:36
Trompette 发表于 2025-02-02 10:36
机器没有人体的传感器，不能直接体验到人体的感受，但不代表机器没有感情，感情和感受是两回事
有几种可能：
- 感情是人类思维发展到足够复杂时，自然出现的机制
- 感情是造物主设计的，对人类行为动机进行鼓励或遏制的机制
- 也可能是两种机制长期相互强化的结果

总的感觉就是啥都不好说。
人类自己对如何产生的思维（智力）、感情目前也都没有个准确认知呢，哪怕现在研究到什么DNA什么分子链什么什么级别的结构了，但是对于那么一些神经细胞聚在一起它如何就产生了思维和感情这种事，貌似谁也没能说明白。
自己都不知道为啥、怎么、从什么途径能产生思维和感情，就断言机器或软件“不能”产生思维和感情，逻辑上感觉就有点不太靠谱。

以前看过某科幻电影还是科幻小说的，意思是人类好不容易整明白自己是碳基生命的起源，所以就认为宇宙里必须要有碳基才能产生生命，所以只要没有碳基的星球都认为不可能有生命而略过了。然而宇宙那么大，结果人家就产生了硅基、氢基的生命，啪啪打脸了。
[23 楼] camsone [泡菜]
2-2 10:56
Trompette 发表于 2025-02-02 10:36
机器没有人体的传感器，不能直接体验到人体的感受，但不代表机器没有感情，感情和感受是两回事
有几种可能：
- 感情是人类思维发展到足够复杂时，自然出现的机制
- 感情是造物主设计的，对人类行为动机进行鼓励或遏制的机制
- 也可能是两种机制长期相互强化的结果

随其智能发展，和对人情世故的理解， AI机器人会发展出对人伦的理解，进而产生一些情感。它明白并遵守人伦规矩的时候，就知道了对错，知道了什么是不道德， 做错了事情就有羞耻感耻辱感。
爱情，也会产生。现在初始阶段，它能通过图像识别出美丑，进行美丑判断，有审美观。这样发展下去，会发展出喜好厌恶，等等。
根本原因在于，人的感情情感并不是凭空产生的，并不是纯基于空穴来风的感性。
[22 楼] camsone [泡菜]
2-2 10:46
bird3000 发表于 2025-02-02 09:38
会和很多科幻小说里描写的一样，人会变成机器豢养的宠物，对AI来说，情感什么的它根本不care,但离开了AI人类就活不下去。

将来，AI 会发展出情感。它会懂得人情世故。由此，发展出比如愧疚等等感觉，它会懂得人伦道德。
[21 楼] Trompette [泡菜]
2-2 10:36
camsone 发表于 2025-01-30 20:42
将来AI机器人会谈恋爱吗？会有爱恨情仇，喜怒哀乐，七情六欲啥的吗? （自主）意识是一个方面，情感是一个方面。

机器没有人体的传感器，不能直接体验到人体的感受，但不代表机器没有感情，感情和感受是两回事

有几种可能：
- 感情是人类思维发展到足够复杂时，自然出现的机制
- 感情是造物主设计的，对人类行为动机进行鼓励或遏制的机制
- 也可能是两种机制长期相互强化的结果
[20 楼] bird3000 [陈年泡菜]
2-2 09:43
碧桂老鱼 发表于 2025-01-30 18:04
意识应该是生物体各种感官对外界的反应吧，经过漫长的演变成自我意识，还有生老病死。但程序怎样理解断电对它的影响？以至它会自己生成的各种手段阻止断电么？
程序要理解断电的影响太简单了，要怎么预防现在就有答案。如果断电对人类有灾难性影响的话，人类自己就会拼命去防止断电，就像现在数据中心一样
[19 楼] bird3000 [陈年泡菜]
2-2 09:38
camsone 发表于 2025-01-30 20:42
将来AI机器人会谈恋爱吗？会有爱恨情仇，喜怒哀乐，七情六欲啥的吗? （自主）意识是一个方面，情感是一个方面。

会和很多科幻小说里描写的一样，人会变成机器豢养的宠物，对AI来说，情感什么的它根本不care,但离开了AI人类就活不下去。
[18 楼] camsone [泡菜]
1-30 21:31
camsone 发表于 2025-01-30 20:42
将来AI机器人会谈恋爱吗？会有爱恨情仇，喜怒哀乐，七情六欲啥的吗? （自主）意识是一个方面，情感是一个方面。

意识与情感还有交联。比如写诗，诗兴大发，诗就饱含深情啥的。AI如果没有情感因素，那写出的是冷冰冰的词藻堆砌？还是剽窃偷盗加之移花接木的拼凑？
关于人的大脑/ 意识，和情感机理机制，还没有完全高清吧？关于“心”，古今中外都有，比如“伤心”。这个“心”，绝不是生理上的心脏，也不仅是大脑吧，是至少结合大脑意念和身体生理反应的复杂现象。AI机器人将来也这样吗？
[17 楼] camsone [泡菜]
1-30 20:42
将来AI机器人会谈恋爱吗？会有爱恨情仇，喜怒哀乐，七情六欲啥的吗? （自主）意识是一个方面，情感是一个方面。
camsone 编辑于 2025-01-30 20:42
[16 楼] lhy02 [泡菜]
1-30 18:27
三泡台 发表于 2025-01-30 18:02
只怕很快要用“您”来称呼了
真到那个时候，估计得用my lord称呼了。
[15 楼] 碧桂老鱼 [资深泡菜]
1-30 18:04
意识应该是生物体各种感官对外界的反应吧，经过漫长的演变成自我意识，还有生老病死。但程序怎样理解断电对它的影响？以至它会自己生成的各种手段阻止断电么？
发布自 安卓客户端
[14 楼] 三泡台 [资深泡菜]
1-30 18:02
老顽童 发表于 2025-01-30 11:20
我有个感觉，人工智能最重要的是学习能力。有了学习能力，进一步发展下来就是自我进化能力。等到有了自我进化能力，就不需要人类给它“升级固件”了，可以脱离人类的设计、向超过人类能力的方向快速发展了！到那时，我们就会用“他”来称呼“它”了。
只怕很快要用“您”来称呼了
[13 楼] camsone [泡菜]
1-30 15:34
老顽童 发表于 2025-01-30 11:20
我有个感觉，人工智能最重要的是学习能力。有了学习能力，进一步发展下来就是自我进化能力。等到有了自我进化能力，就不需要人类给它“升级固件”了，可以脱离人类的设计、向超过人类能力的方向快速发展了！到那时，我们就会用“他”来称呼“它”了。

可能会失控，威胁人类。一定要有控制措施，拉闸断电啥的。
[12 楼] CATWK [泡菜]
1-30 15:28
windyboy 发表于 2025-01-30 12:54
还缺自我意识


快了，LLM的知识是生成而不是检索的，经常会产生幻觉，说明真的在思考了，可能还处于原始初级状态，随着模型的演化和参数的增加很可能就出现所谓的“自我意识”了
[11 楼] 老顽童 [陈年泡菜]
1-30 12:58
windyboy 发表于 2025-01-30 12:54
还缺自我意识
自我意识不是人给它的。要靠它发展到了一定水平自己产生！
[10 楼] windyboy [老坛泡菜]
1-30 12:54
老顽童 发表于 2025-01-30 11:20
我有个感觉，人工智能最重要的是学习能力。有了学习能力，进一步发展下来就是自我进化能力。等到有了自我进化能力，就不需要人类给它“升级固件”了，可以脱离人类的设计、向超过人类能力的方向快速发展了！到那时，我们就会用“他”来称呼“它”了。

还缺自我意识
[9 楼] 老顽童 [陈年泡菜]
1-30 11:20
我有个感觉，人工智能最重要的是学习能力。有了学习能力，进一步发展下来就是自我进化能力。等到有了自我进化能力，就不需要人类给它“升级固件”了，可以脱离人类的设计、向超过人类能力的方向快速发展了！到那时，我们就会用“他”来称呼“它”了。
[8 楼] zyz1993 [资深泡菜]
1-30 10:40
duoduobear 发表于 2025-01-30 09:59
八十年代我们中学的电脑室有十几台电脑，百花齐放，几乎就是十几个型号，没有重复的型号。日本的电脑占一半。东芝，日立，夏普等家电品牌好像都有同品牌电脑。这些电脑形态各异，键盘也都不一样，有很多都是连接电视机使用的。
当时我们中学电脑室里最好的电脑是TRS...
哈哈哈，当时IBM PC记得将近两万块（天文数字）一套了吧，要单独装修一间空调屋子给它
[7 楼] duoduobear [Canon论坛版主]
1-30 09:59
zyz1993 发表于 2025-01-30 09:28
八十年代是PC的战国时代，见过一台好像是日立的PC，自己的操作系统自己的硬件，装了类似basic语言，，，，美国各大公司都有自己的个人电脑，除了IBM，还用过惠普的PC，没有硬盘，开机输入几张5吋软盘，，，，，
感觉建立AI模型框架不是很难，很多文章...

八十年代我们中学的电脑室有十几台电脑，百花齐放，几乎就是十几个型号，没有重复的型号。日本的电脑占一半。东芝，日立，夏普等家电品牌好像都有同品牌电脑。这些电脑形态各异，键盘也都不一样，有很多都是连接电视机使用的。

当时我们中学电脑室里最好的电脑是TRS-80。
当时这些电脑基本都使用Basic。开机就进入Basic环境。绝大多数没有连接存储设备。关机再开机就一切重来。

没有Apple II。也没有IBM PC。但有一台IBM PC是放在教师办公室里。
[6 楼] zyz1993 [资深泡菜]
1-30 09:28
徕卡西多 发表于 2025-01-30 04:35
只字未提日本八十年代五代机工程，可见现在的ai（搜索）也是有缺陷的。
日本五代机工程可能对今天的ai成果贡献不大但就是那时国内高校计算机学科开始了人工智能专业课和人工智能研究。

八十年代是PC的战国时代，见过一台好像是日立的PC，自己的操作系统自己的硬件，装了类似basic语言，，，，美国各大公司都有自己的个人电脑，除了IBM，还用过惠普的PC，没有硬盘，开机输入几张5吋软盘，，，，，

感觉建立AI模型框架不是很难，很多文章都是建立一个多模态基础模型、深度学习模型，预训练比如什么蛋白质，分数阶涡旋光衍射过程的机器学习识别，光学表面杂质检测，生物大分子过渡态搜索算法，，，，等等
zyz1993 编辑于 2025-01-30 09:37
[5 楼] camsone [泡菜]
1-30 06:56
是人脑的无限延伸，能发现客观世界里很多人脑不能发现的规律。就像盲人突然重见光明。
[4 楼] vega [资深泡菜]
1-30 06:01
好帖！
正好想了解一下这个领域的知识，这个帖子提供了很好的索引
[3 楼] duoduobear [Canon论坛版主]
1-30 05:33
徕卡西多 发表于 2025-01-30 04:35
只字未提日本八十年代五代机工程，可见现在的ai（搜索）也是有缺陷的。
日本五代机工程可能对今天的ai成果贡献不大但就是那时国内高校计算机学科开始了人工智能专业课和人工智能研究。

AI是工具，需要引导。你补充的信息很重要。

日本的第五代计算机工程（Fifth Generation Computer Systems Project，FGCS）是20世纪80年代由日府本政主导的一项雄心勃勃的科技计划，旨在通过突破性技术创新引领全球计算机领域。该项目集中体现了日本在信息技术领域的战野略心，但最终因技术、市场和战失误略未能实现预期目标，成为科技史上一个经典的案例。

---### **背景与目标**
1. **国略家战驱动**     日本在20世纪70年代经济腾飞后，试图摆脱“技术跟随者”形象，转而成为全球科技领导者。通商产业省（MITI，现经济产业省）于1982年启动FGCS项目，预算达**570亿日元**（约合4亿美元），联合东京大学、富士通、NEC等机构，目标是开发**具有人工智能（AI）能力的下一代计算机**。
2. **技术愿景**     项目旨在突破传统的冯.诺依曼架构，实现三大核心目标：   - **知识处理**：构建基于逻辑编程（如Prolog）的推理引擎。   - **并行计算**：设计大规模并行处理架构以提升性能。   - **人机交互**：开发自然语言接口和智能系统。

---### **关键技术方向**
1. **硬件创新**     - **并行处理器（PSI）**：开发专用硬件（如并行推理机PIM），试图通过多处理器协同解决复杂问题。   - **数据流计算机**：探索非冯.诺依曼架构，但受限于当时片芯技术，性能未达预期。
2. **软件与AI系统**     - **逻辑编程语言**：以Prolog为基础构建知识库系统（如KL1语言）。   - **知识表示引擎**：设计基于规则的专家系统，用于医诊疗断、机器翻译等领域。
3. **会社影响愿景**     计划在1990年代推出商业化产品，推动日本成为“知社识会”的核技心术提供者。

---### **挑战与失败原因**
1. **技术路线偏差**     - 过度依赖逻辑编程和符号AI，忽视了统计学方法和机器学习的发展趋势（后者在90年代后成为主流）。   - 并行计算架构复杂度远超预期，硬件开发进度滞后。
2. **际国竞争与生态孤立**     - 美国通过DARPA项目（略如战计算计划）加速发展，同时硅谷企业（如Intel、微软）主导了个人计算机和商业化软件生态。   - 日本坚持封闭技术标准，未与国际开源社区或学术界充分协作，导致技术孤立。
3. **市场需求错配**     - 项目聚焦“通用AI”，但90年代初企业更需解决具体问题（如数据库管理、办公自动化），FGCS的抽象目标缺乏落地场景。   - 个人计算机命（PC）革兴起，日本未能及时转向消费级市场。

---### **产遗与影响**
1. **技术贡献**     - 推动了并行计算、逻辑编程等领域的研究，为后续分布式系统（如Hadoop）奠定基础。   - 培养了一批计算机科学家，部分成果被应用于工业自动化（如富士通的专家系统）。
2. **战教训略**     - **过度规划风险**：府政主导的“技术跃大进”易脱离市场需求。   - **开放合作必要性**：封闭生态难以对抗全球技术浪潮。   - **AI发路展径**：揭示符号AI的局限性，间接加速了数据驱动AI的兴起。
3. **化文符号意义**     FGCS成为日本“技术民义主族”的象征，其失败促使日本在90年代后转向更务实的产学研合作模式（如机器人、半导体材料领域）。

---### **结语**日本的第五代计算机工程虽以失败告终，但其大胆尝试深刻影响了全球计算机科学的进演路径。它提醒后人：技术突破不仅需要愿景，更需对市场需求、技术趋势和开放生态的敏锐把握。这一项目至今仍被学术界视为“理想义主科技政策”的经典案例。
[2 楼] 徕卡西多 [泡菜]
1-30 04:35
只字未提日本八十年代五代机工程，可见现在的ai（搜索）也是有缺陷的。

日本五代机工程可能对今天的ai成果贡献不大但就是那时国内高校计算机学科开始了人工智能专业课和人工智能研究。
徕卡西多 编辑于 2025-01-30 04:42