国王金融官网

ChatGPT的横空出世，引发了人工智能浪潮，科技公司们在人工智能领域的动作和竞争愈演愈烈。

早在57年前，麻省理工学院教授约瑟夫•魏岑鲍姆（Joseph Weizenbaum）就开发了全球*个谈天机械人Eliza，将它定位为医生的助手。Eliza会自动向病人询问情形，并凭证病人的回覆举行接下来的对话。

这样可以凭证输入的文本而举行流通对话的谈天机械人是亘古未有的。只管患者在向Eliza形貌病情时，获得的反馈异常有限，患者们照样很乐于和这个新颖的机械人交流，对Eliza展现出了相当大的狂热情绪，甚至有人坚信Eliza可以真实明白和感受人类。约瑟夫示意，“我没想到，通俗人只是短暂接触到一个相对简朴的盘算机程序，也会发生严重的妄想症。”

ChatGPT的崛起背后是人类几十年来对人工智能的不懈探索。人工智能降生之初，社会各界对AI无比乐观，专家甚至示意机械将在20年内完成人类的所有事情。很快，研究功效的匮乏直接带来了资金支持的削减和大批项目的流产，极端的乐观被极端的消极取代，AI隆冬到来。接着，新手艺、新发现又再次点燃了人们对于AI的热情，使得资金重新注入、希望再次到来。云云循环往复，人们对AI的情绪在消极和乐观之间频频震荡，AI就这样螺旋式上升生长。

AI走了几十年，ChatGPT才来到了我们眼前。人工智能是若何一步步生长起来的？科学家通过什么思绪、以哪些方式模拟人类智能？近年来人工智能的迅速生长，以及AIGC行业的大热，是由什么手艺而推动的？以下，Enjoy：

AI降生：激情与隆冬

1956年，一些来自着名大学、企业和实验室的科学家汇聚在达特茅斯学院，就人工智能领域的研究开展暑期研究项目，AI学科正式降生。

约翰·麦卡锡（John McCarthy）是该项目*次集会的提议人，也是人工智能一词的缔造者。在《关于达特茅斯学院人工智能主题的暑期研究项目的提议》中，他这样界说人工智能：“人类学习的每个方面或智能的任何特征，原则上都可以被异常准确地形貌。人类可以制造出能够凭证这些形貌模拟人类智能的机械。”

在相关领域有所建树的科学家们相聚达特茅斯，其中不少人在未来成为了图灵奖和其他奖项的得主。除提议人约翰·麦卡锡（John McCarthy）外，参会的科学家还包罗：马文·明斯基（Marvin Minsky）、克劳德·香农（Claude Shannon）、艾伦·纽厄尔（Allen Newell）、赫伯特·西蒙（Herbert Simon）和奥利弗·塞弗里奇（Oliver Selfridge）等。

在集会召开之前，他们已经对人工智能的实现方式举行了有意或无意的开端探索。

人类的大脑可以实现庞大的盘算和影象，靠的是1000亿神经元组成的神经网络。一些科学家从生物学家那里获得灵感，希望用机械模拟人脑的运行，确立神经网络就是实现这一想法的主要方式。马文·明斯基（Marvin Minsky）就是其中之一。他从学生时代最先就研究神经网络这一未知领域，在研究生时代，他与同砚一起确立了天下上*小我私人工神经网络——随机神经网络模拟强化盘算器（SNARC）。它由40个“神经元”组成，可以模拟小鼠走迷宫的历程，我们可以从中窥见现代神经网络的影子。

艾伦·纽厄尔（Allen Newell）、赫伯特·西蒙（Herbert Simon）选择了另一条路。他们以为运用逻辑推理规则能够模拟出人脑的头脑，这才是人工智能的出路。二人协力开发了逻辑理论家（Logic Theorist），天下上*个可以模拟人类一些方面的能力来解决庞大问题的程序。该程序能够证实数学家阿尔弗雷德·诺斯·怀特黑德(Alfred North Whitehead)和伯特兰·罗素(Bertrand Russell)的《数学原理》(Principia Mathematica)中前52个定理中的38个，其中某些证实比原著加倍新颖和精巧。

在更早的时刻，神全心理学家威廉·格雷·沃尔特（W. Grey. Walter）在40-50年月举行了另一种实验。他虽然没加入这次集会，但走出了人工智能的另一条路。他试图让机械模拟动物行为，发现晰Elmer和Elsie这对乌龟机械人，它们可以通过一个旋转的光电管来自我指引，缓慢探索周围环境，向有光源的地方移动。若是光源过于明亮，它们就会退后并朝着另一个新的偏向探索。传感器感应到障碍物时，它们就会改变偏向。

以上对人工智能实现方式的三种探索划分代表了人工智能的三种学派——联络主义、符号主义、和行为主义，它们迎来过各自的强盛期，但终究以相互融合的方式推动了AI研究的生长。

1950年，艾伦·图灵（Alan Turing）揭晓了划时代的《盘算机械与智能》一文，提出了“机械可以思索吗”的主要问题，并提出了著名的“图灵测试”以磨练机械是否拥有真正的智能。图灵测试的内容是：若是一台机械能够与人类睁开对话而不被鉴别出其机械身份，那么称这台机用具有智能。直到现在，图灵测试也被以为是测试机械是否存在智能的尺度。从那时最先，72年来，人类一直在试图解决这个问题。

盘算机下棋也许是“人工智能”行为最直观的例子。让机械自动玩智力游戏并追求战胜人类，一直是人工智能领域追求的主要目的之一。由于智力游戏被公以为是智能的一种详细显示，而人工智能的*目的就是用机械实现人类（部门）智能。1950年，达特茅斯集会的主要加入者、狂热下棋兴趣者克劳德·香农（Claude Shannon）为《科学美国人》撰文，论述实现人机博弈的方式。这篇论文为盘算机下棋的理论研究奠基了基础，其主要思绪在多年后的Deep Blue及AlphaGo中仍能看到。

克劳德·香农对于人机博弈的想法很快就酿成了现实。在达特茅斯集会召开的1956年，IBM宣布了亚瑟·塞缪尔（Arthur Samuel）设计的西洋跳棋程序。这个程序能够通过考察棋子的走位来构建新的模子，并以此提高自己的下棋技巧。Samuel和这个程序在举行对弈后发现，随着时间的推移，程序的棋艺变得越来越好。

之后，AI迎来了飞速生长。1957年，马文·明斯基（Marvin Minsky）的高中同砚弗兰克·罗森布拉特（Frank Rosenblatt）发现晰一种叫感知机的神经网络模子。这是*意图让机械去学习的机械，本质是一个模拟单个神经元事情方式的简朴数学模子。Rosenblatt在定制的硬件上用感知机实现了单层神经网络，并让它学会去分类一些简朴的形状，*次把神经网络的研究付诸实践。这就是最初的机械学习。他的研究不仅开启了机械学习的浪潮，也成为了厥后神经网络的基础。

这个机械的降生不只让Rosenblatt本人*自信，甚至示意基于感知机的电子盘算机将拥有自己的意识，能够取代身类举行星际探索，那时的社会对于AI的远景也极其看好。《纽约时报》在1958年报道，“水师披露了一台尚处初期的电子盘算机，期待这台电子盘算性能行走、谈话、看和写，自己复制出自身存在意识……Rosenblatt博士说，感知性能作为机械太空探险者被发射到行星上。”

本以为感知机的发现是AI生长全盛期的到来，没想到是隆冬前的短暂*。1969年，Rosenblatt的高中同砚Minsky成为了图灵奖得主，并撰写了《感知机》一书。他在书中指斥了神经网络的生长，以为神经网络在那时的情形下不能实现，新晋图灵奖得主的谈话给大热的神经网络研究泼了一大盆冷水，神经网络从天堂来到了地狱。

同时，逐渐有学者指出，AI研究者们之前的伟大许诺无一实现，大笔项目资金打了水漂，政府因其中止了资金支持，AI研究因此被重创。人们最初对AI有若干美妙的理想和期待，此时就有若干的失望和破灭。AI狂热散去，隆冬来临。

ANI降生：AI应用走出专家系统新路

神经网络的生长受到质疑后，AI隆冬来临。归根结底，盘算机的算力不足仍然是AI生长路上的*障碍。在20世纪70-80年月初，大部门人不再追求通用智能的研究，而是转向了更小局限专业义务的AI领域，我们所说的“窄AI”（ANI）一词也正是降生在这个时期。

在这一时期，AI走上了“专家系统”的应用之路，AI研究迎来逐步苏醒。但AI专家们一改对神经网络研究的极端乐观，转而希望通过符号和逻辑来搭建人工智能系统，用数理逻辑的手段实现人工智能。

专家系统是人工智能最活跃和最普遍的领域之一，也是人工智能的主要分支。专家系统界说为：使用人类专家推理的盘算机模子来处置现实天下中需要专家作出注释的庞大问题，并得出与专家相同的结论。简言之，专家系统可视作“知识库(knowledge base)”和“推理机(inference machine)”的连系。

1965年，凭证NASA的要求，斯坦福大学缔造出来了天下上的*个专家系统DENDRAL。这是天下上*个主要借助能解决问题的知识，而非先进手艺自己运行的乐成程序。

DENDRAL背后的男子叫做费根鲍姆（Edward·Albert·Feigenbaum）。他进入卡内基理工学院（卡内基梅隆的前身）攻读电子工程(EE)本科时才16岁，并在这里遇到了引发他关于人工智能兴趣的主要先生、达特茅斯集会的要害参会者赫伯特·西蒙（Herbert Simon）。本科结业后，费根鲍姆留校任教，后于1964年来到了斯坦福大学。在这里，他见到了李德伯格（Joshua Lederberg），一位在33岁就斩获了诺贝尔心理学奖的遗传学大师。

李德伯格早年深受“莱布尼茨之梦”影响，希望能借助符号盘算，把人类头脑还原为盘算的普遍语言，再制造出一个能执行该盘算的壮大机械。他和费根鲍姆一样对科学哲学异常热爱。他们相遇的时刻，李德伯格正在研究火星上是否有新生命，而费根鲍姆正在研究机械归纳法（也就是现在的机械学习），一个有火星来的数据，一个有*进的方式，两位一拍即合。

只管云云，二人在现实开发历程中，发现他们缺少研发一个化学系统最要害的器械——专业化学知识。于是，他们找上了斯坦福的化学家翟若适（Carl Djerassi），翟若适更为人所知的发现成就是避孕药。三人协力下，1965年，DENDRAL降生了。DENDRAL 吸收到输入的数据后，可以自动天生输出给定物质的化学结构。DENDRAL也可以被视作是科学家实验行使早期盘算机实现科研自动化的一种实验。

DENDRAL让人工智能的研究者们明了，智能行为需要大量的知识作为基础。他们也因此最先研究若何确立能够以知识来解决输入的问题的程序。

DENDRAL的焦点成员布坎南（Bruce G. Buchanan）在DENDRAL大获乐成后，最先寻找新的偏向。很快，他把眼光投向了医学领域。他约请医学专家肖特莱福（Edward Shortliffe）介入到项目中来，两人牵头开发了医疗专家系统MYCIN。

该系统于1973年最先研制，1974年基本完成，1976年揭晓。MYCIN具有内科医生的知识和履历，可用于血液熏染病的诊断、治疗和咨询服务。MYCIN 的处方准确率高达 69%，远远优于非专科医生，就算与那时专科医生的80%准确率相比，MYCIN也并不逊色太多，肖特莱福因此获得 1976 年 的霍普（Grace Murray Hopper）奖，该奖项是ACM专门为青年盘算机科学家设立的。

MYCIN系统接纳了“知识库”（Knowledge Base）、“推理机”（Inference Engine）的系统结构，引入了“可信度”的看法，举行非确定性知识推理，能对用户的咨询提问举行回覆注释，并给出谜底的可信度估量。MYCIN是功效较周全，结构较完善的专家系统。它的研制乐成，为其他许多专家系统的研究与开发提供了类型和履历。

之后，MIT又研发了MACSYMA系统作为一位数学家的助手。经由连续改善后，该系统可以解决跨越600个数学问题。这些专家系统的乐成获得了学界和业界的普遍认可。许多研究者也因此以为，知识表达，知识行使，和知识获取是人工智能系统的三大基本问题。

专家系统作为一个时代的人工智能应用标志性产物曾风靡一时，然而，1980年月以来，专家系统的问题也逐渐露出出来，如应用局限狭窄、昂贵的专用硬件支持、算法成本过高、推理机制不完善等等……单一的专家系统逐渐转向能够解决更庞大问题的基于框架的专家系统等，但照样不复昔日绚烂。

AI应用生长遇阻的同时，理论界虽有突破，但也不足以提振整个AI行业。

1985年，为了更好地开发医疗专家系统，增添治愈疾病的可能，裘德·珍珠（Judea Pearl）提出贝叶斯网络(Bayesian network)，又称信心网络(Belief Network)，以从概率上对相关问题举行剖析。社会对神经网络的希望回响乐观，媒体报道称：可以采购到神经网络程序，用于诊断心脏病。

次年，大卫·鲁姆哈特（David·Rumelhart）、杰弗里·辛顿（Geoffrey·Hinton 等人提出了反向流传算法( Backpropagation algorithm )，也就是我们通常所说的BP算法。BP算法是现在的深度学习中仍然被使用的训练算法，奠基了神经网络走向完善和应用的基础。BP网络是前文提到的感知机的条理化，而多个BP网络的条理化也将在未来带来进一步手艺升级。

这是神经网络中兴的要害一步，BP算法的大获乐成给了科学家重拾神经网络研究的激情与信心。然而，盘算机算力的限制照样未能使得理论在应用中充实行展出效果。没过几年，AI生长迎来了第二次隆冬。

与此同时，针对盘算机举行的研究也在连续开展，一些大事宜发生了。专家系统生长的70-80年月，苹果、IBM陆续推出*台台式机，小我私人盘算机的泛起将在未来变化人类的事情和生涯方式。日本在80年月初野心勃勃，提出用8.5亿美元开发第5代盘算机——人工智能盘算机以引领天下，却终于在1991年宣布设计中止，上亿美元都打了水漂。

直到90年月末，IBM的超级盘算机”深蓝“问世，击败*棋手，AI生长才渐有回暖迹象。之后我们来到21世纪，自念头器人取得长足提高，扫地机械人、舞蹈机械人等机械人层出不穷，吸引着人们的眼光。随后，谷歌率先以语音识别应用开启数字化语音助手的潮水，AI应用越来越多地回归到人们的视野中。

AIGC发作：ChatGPT搅动风云

AIGC可谓是今年最热的话题，各种内容天生模子不停更新着我们对AI的熟悉。事实上，AIGC的发作背后是深度学习手艺十余年来的快速生长。谷歌、DeepMind、OpenAI等公司和实验室也正是借了深度学习手艺生长的东风，才气频仍带着我们所熟悉的AI功效泛起在人人眼前。

那么深度学习是什么呢？抛开庞大的看法不谈，简朴来说，深度学习从底层模拟人脑神经元的主要事情机制，通过盘算机对数据的庞大运算和优化实现人工智能。深度学习是机械学习的一种，使得机械学习领域有了新的突破。李开复在《人工智能》一书中以识别图中的汉字为例，解说了深度学习的看法：

假设深度学习要处置的信息是“水流”，而处置数据的深度学习网络是一个由管道和阀门组成的巨洪水管网络。网络的入口是若干管道启齿，网络的出口也是若干管道启齿。这个水管网络有许多层，每一层由许多个可以控制水流流向与流量的调治阀。凭证差异义务的需要，水管网络的层数、每层的调治阀数目可以有差其余转变组合。对庞大义务来说，调治阀的总数可以成千上万甚至更多。水管网络中，每一层的每个调治阀都通过水管与下一层的所有调治阀毗邻起来，组成一个早年到后，逐层完全连通的水流系统。

深度学习和这些AI巨头的故事要从十年前（2012年）的一篇论文讲起。这篇论文开启了难以阻挡的历史洪流，而谷歌等科技公司正是乘上了这股洪流，在搜索引擎、翻译软件、谈天机械人等领域带来了Google Photos, Google Translate, Uber, Alexa, DALL-E, AlphaFold, ChatGPT等令人印象深刻的现实功效。

在先容论文之前，也许你还记得在这篇论文宣布的前一年，2011年，一件惊动天下的竞赛把人类的眼光聚焦于AI。那一年，IBM研发的Watson加入了美国家喻户晓的电视智力竞赛节目Jeopardy!，并打败了人类冠军Ken Jennings，震撼了无数电视机前的观众，也让社会对Watson的信心一起飙升。

Watson接纳了100多项与自然语言处置、知识问答相关的手艺，行使节目40多年的问答举行训练，储存了数百万份资料，可以在3秒内给出一个问题的回覆，可以说在那时已经异常智能。IBM以为这只是Watson绚烂的最先，并答应将把Watson打造为一个在医院、农场、办公室和工厂通用的热心机械助手，变化医疗、金融、执法和学术等领域。

然而，IBM的数百万美金都付之东流，效果现在我们已经知道，Watson没能重塑任何一个行业，IBM这步走得并不到位。科学家David Ferrucci注释道，Watson是针对益智类游戏设计的，它能够识别词组，并展望准确的谜底，却远远没有准备好正式进入商业天下。只管在AI领域深耕数十年之后，IBM并没有通过Watson取得历史性的乐成，但Watson带给整个天下的伟大震撼以及对于其他公司AI生长的引领作用仍然是不能否认的。与此同时，一些公司已经准备好接过IBM的接力棒，引领2010年月的AI潮水。而这就要回到2012年的那篇论文。

这篇2012年宣布的论文问题是《使用深度卷积神经网络实现ImageNet数据库分类》，由“深度学习之父”杰弗里·辛顿（Geoffrey Hinton）和他的两位博士生亚历克斯·克里热夫斯基（Alex Krizhevsky）和 伊利亚·苏茨凯弗（Ilya Sutskever，他正是厥后OpenAI的团结首创人和首席科学家，开发了GPT、CLIP、DALL-E、Codex等模子）完成。

该论文论述了他们使用ImageNet数据库确立了一个名为AlexNet的开创性神经网络，AlexNet在种种图像的分类方面都要比以往任何方式准确得多。在著名的ImageNet图像识别大赛中，AlexNet拿下冠军。在这场竞赛中，参赛者必须使用自己的系统来处置数百万的测试图像，而且以尽可能高的准确率举行识别。AlexNet赢得了竞赛，错误率不到亚军的一半。AlexNet的Top-5错误率是15.3%；而在2012年以前，*成就是26%的错误率。该论文乐成解锁了盘算机视觉甚至整体深度学习的周全提高，将深度学习推向主流。

深度学习作为机械学习的分支，引领了接下来十余年的人工智能领域的生长。深度学习的兴起标志着数字手艺的构建方式泛起了基本的改变。工程师们不再仔细地界说机械应该若何运行规则和代码，而是打造可以通过自身履历学习义务的机械，这些履历包罗了巨量的数字信息，甚至没有人能完全明白。

获奖后，Hinton确立了一家名为DNNresearch的小公司，为了把它卖出个好价钱，他决议组织一场拍卖。四家公司加入了这场竞拍，包罗我们所熟知的海内大厂百度，国际巨头谷歌和它的老对手微软，另有一家刚确立不外两年的英国实验室。这家实验室就是DeepMind。那时还没有人想到，它将成为这个时代最著名且最有影响力的人工智能实验室，在人工智能领域为天下带来一次又一次惊喜。

百度出价1200万美元，但谷歌最终赢得了这场拍卖，顺便揽下了获奖者Alex Krizhevsky 和 Ilya Sutskever,还在两年后收购了DeepMind。那时的DeepMind被以为是最有可能研发出AGI（通用人工智能：具有一样平凡人类智慧，可以执行人类能够执行的任何智力义务的机械智能）的实验室，谷歌收购DeepMind后实力大增，极有垄断AI行业的可能。为了匹敌这种可能性，OpenAI于2015年降生了。

只管主流研究还集中在ANI的研究（如机械视觉、语音输入等），OpenAI从确立起，每一位介入者都坚信AGI是可行的，他们希望能够研制像人一样思索、能够应用于多种途径的机械智能。OpenAI以非盈利组织的形式确立，答应宣布研究功效并开源所有手艺，搜集了众多理想主义的手艺大牛，也吸引了不少投资。

这一年（2015年），神经网络研究再次迎来突破，Hinton所加入的ImageNet竞赛迎来了新冠军。何凯明在这年提出了ResNet深度残差网络，这是天下上*个上百层的深度神经网络，开创了深度学习领域的里程碑。人工智能研究最先实验输入更高量级的数据，以更准确地模拟人脑。

2016年，DeepMind所宣布的AlphaGo已经击败了天下围棋冠军李世石，震惊天下。人机大战最终局竣事后，李世石独自一人掩面坐在棋盘前。这场竞赛自动挑战执黑的李世石没能再次展现出“神之一手”，最终180手投子不敌AlphaGo。而人类VS人工智能也最终以1：4落下大幕。

李世石示意，“若是我再次与AlphaGo竞赛的话，我不确定我能不能赢。在心理和手艺上，我以为人类已经很难遇上AlphaGo了，它已经做得很好了。”李世石失利后，不少棋手示意要为人类挽回颜面。

次年（2017年），天下*的围棋冠军柯洁0：3不敌AlphaGo，人工智能的威力再次获得彰显，AlphaGo自此不再加入围棋竞赛。10月，DeepMind宣布了AlphaGo Zero。与学习大量人类棋谱的AlphaGo差异，AlphaGo Zero是自学成才类选手，自己和自己对弈，学成后以100：0的战绩碾压先进AlphaGo。

12月，谷歌紧锣密鼓地宣布了AlphaZero。这次，棋类AI终结者真的来了。它发扬了Alpha家族“后浪推前浪”的名誉传统，轻松击败了早出生两个月的AlphaGo Zero，还拿下了那时*的国际象棋引擎Stockfish以及日本将棋程序Shogi。而AlphaZero完成这些成就之前自我训练的时间更是让人惊异：国际象棋9小时，日本将棋12天，围棋13天。只靠十几天的起劲，它就下出了人类毕生起劲也难到达的水平。

在人工智能在围棋领域已*手的这一年，谷歌继续一起开挂，宣布了*壮大的Transformer模子。Transformer 被普遍以为是那时天下上发现最新和最壮大的模子之一，一些人把它带来的人工智能领域方面的提高称作transformer AI。Transformer拥有壮大的表征能力和并行盘算优势，直到现在也深深影响着我们：我们在谷歌或必应浏览器上的每一次搜索，都与它有关。斯坦福大学的研究职员在2021年8月的一篇论文中将Transformer称作“基础模子”，以为它推动了AI的范式转变。最近大火的ChatGPT的GPT模子中的T就来自于Transformer。

谷歌团队将Transformer模子归纳综合为一句话：Attention is All You Need. 这是一个完全基于注重力机制的编解码器模子Transformer，完全甩掉了之前其他模子引入注重力机制后仍然保留的循环与卷积结构，在义务显示、并行能力和易于训练性方面都有大幅提升，因此也成为了后续机械翻译和其他许多文本明白义务的主要基准模子。

Transformer可以读取许多单词或句子来训练模子，充实明白词之间的相互关联，并展望接下来泛起的词。Transformer架构不停生长并扩展到多种差其余变体，从语言义务扩展到其他领域。该模子应用相当普遍，可以实时翻译文本和语音，保证听障者也可以顺遂参会；可以辅助研究职员领会DNA中的基因链和卵白质中的氨基酸链，加速药物设计历程等等。前者应用如谷歌翻译，后者应用的例子就是赫赫著名的AlphaFold。

2020年，DeepMind的AlphaFold在国际卵白质结构展望竞赛上击败了其余的参会选手，再次爆红。AlphaFold能够准确地基于氨基酸序列，展望卵白质的3D结构。其准确性可以与使用冷冻电子显微镜（CryoEM)、核磁共振或X射线晶体学等实验手艺剖析的3D结构相媲美。DeepMind首创人哈萨比斯示意，这对于DeepMind来说是一个异常要害的时刻，DeepMind为此投入了伟大的人力及其他资源，以杀青其解决这个异常主要的、现实天下的科学问题的目的。

该新闻引起伟大震惊。前基因泰克首席执行官亚瑟·莱文森（Arthur D. Levinson）博士称这一成就为“划时代的提高”。有谈论称，AlphaFold必将成为科研“第四范式”时代的标志性事宜，彻底变化科研方式。“第四范式”时代是图灵奖得主吉姆·格雷（Jim Grey）在去世前最后一次讲述中展望的内容，他以为未来的科研发现都将确立在大量数据基础上，科学家将借助算法自动形成推论，最后通过现实实验确认。

看到这里，谷歌似乎已经在人工智能领域占有了*优势，难以被其他公司所赶超。然而改变已经悄悄发生。

2022年是AI的变化之年，也是AIGC元年。人工智能深度学习的快速生长所带来的深度神经网络手艺在大模子和多模态两个方面不停突破。OpenAI等企业连续发力，以 Stable Diffusion 为首的一众 AI 绘图框架或者平台，以及其他类似的音视频天生等平台接连宣布，引起伟大惊动。AIGC成为继PGC、UGC后最新的内容生产方式。AIGC时代下，人人都是创作者，只需一些简朴的形貌，优美的图文或视频就泛起在用户眼前。

2022年8月，美国科罗拉多州，一位毫无绘画基础的参赛者在当地举行的新兴艺术家竞赛中获得了一等奖，引发多方争议。而这位参赛者正是借助人工智能，天生了下面这幅优美的AIGC绘画作品《太空歌剧院》。

在AIGC潮水下，谷歌顺势而上，一口吻在2022年年终宣布四款AIGC产物：文本图像模子Imagen、AI写作协助工具LaMDA Wordcraft、连系Imagen Video和Phenaki的超长连贯视频天生模子、无需任何训练的音频模子AudioLM。

然而，OpenAI没能让谷歌过个好年。OpenAI在2020年投喂海量数据、更靠近人脑的超大基础模子GPT-3模子上连续提升，终于在2022年11月，ChatGPT横空出世，依附其有反馈的交互式问答和像与人谈天一样的谈天体验成为了AIGC领域最闪亮的新星和毋庸置疑的代言人，其重大的用户体量和讨论度令人震惊。OpenAI不忘初心，以强有力的姿态泛起并打破了谷歌的垄断。谷歌慌忙迎战，短短几个月就推出Bard，然而Bard对谷歌谈不上加成，由于答错简朴的问题引发群嘲，进一步验证了ChatGPT的壮大。

现在的ChatGPT在文本方面引领热潮，通过引入RLHF机制，连续优化模子效果，能完成问答、诗歌创作、代码写作等，可以说是异常万能。在ChatGPT引发的潮水之下，多个科技巨头加码结构交互式文本。

同时，其他AIGC产物的集中宣布，从效率、质量、多样性等方面为内容生产带来了伟大变化。新一代AIGC模子可以处置文字、语音、代码、图像、视频、机械人动作等花样，为用户带来AIGC时代的内容天生新体验。

真正的AGI还会远吗？

1996年，IBM的超级盘算机深蓝大战人类国际象棋冠军卡斯帕罗夫，卡斯帕罗夫是天下上最富传奇色彩的国际象棋天下冠军，这次竞赛最后以4：2比分战胜了深蓝。这是全天下*次感应盘算机智能水平有了质的飞跃的时刻。

卡斯帕罗夫在22岁就成为了最年轻的国际象棋天下冠军，在与深蓝征战之前和之后都获得了无数天下冠军。只管他在代表人类对弈深蓝时失败，但一幕将永远被历史铭刻。卡斯帕罗夫对自己的失败也示意出了高度乐观：

机械的胜利，也是背后开发者的胜利。机械先是取代了人的体力劳作，现在正给有大学学位的脑力事情者带来压力。作为一个跟机械斗争过并败下阵来的人，我要说这是个好新闻。若是这种压力消逝，就意味着手艺住手提高了。真正主要的是人类与机械一起生涯事情的感受。若是我们想*水平地行使科技，就必须直面我们的恐惧。

卡斯帕罗夫也允许以给现在由于ChatGPT而感应惊喜和袭击的我们一些思索。现在，OpenAI引领AGI（通用人工智能）的探索，或许在不远的未来，AGI时代真正来临，我们将面临一个意想不到的、完全差其余天下。

在AI的螺旋式上升生长历程中，挑战和时机并存，惊喜和意外同在，人们的乐观和消极情绪更是时常转换。而我们能做的，只有在科技生长这条不能逆行的快车道上，以勇敢和乐观拥抱人工智能，将人工智能为我们所用。

References:

1.Eliza:The Chatbot Who Revolutionised Huamn-Machine Interaction[An Introduction],medium，

2.达特茅斯官网：

3.Claude E. Shannon:Founder of Information Theory, Scientific American,

4.Alan Turing and the Turing Test, Turing Organization,

5.The Robot Scientists Are Coming. But That's Not a Bad Thing, Discover,

6.Meet the Roomba's Ancestor" The Cybernetic Tortoise,IEEE Spectrum,

7.A brief history and technical review of the expert system research,IOP Conference, 

8.IBM官网：

9.Newell and Simon's Logic Theorist: Historical Background and Impact on Cognitive Modeling,HFES,

10.What Ever Happened to IBM's Watson? The New York Times,

11.《人工智能实践录》作者/中国电子信息产业生长研究院（赛迪研究院）人工智能产业创新同盟

12.《人工智能简史》作者/尼克

13.《深度学习导论》作者/[美]尤金·查尔尼克（Eugene Charniak），译者/沈磊，郑春萍

14.《深度学习革命》作者/[美]凯德·梅茨

15.中金证券：《AI十年展望（一）：底层模拟人脑，算力决议上限》

16.华泰证券：《传媒：AIGC引领内容生产方式变化》

17.前沿手艺：神经网络与深度学习，作者/罗威博士，宇航智控(ID:yhznkz_lab)