神经计算：AI的底层驱动力
本质核心：基于数据的自动化特征挖掘，无需人工预设规则，通过联结强度的持续调整逼近数据内在模式；理论架构（从原理到应用的递进关系）：神经计算→人工神经网络→深度学习→大语言/多模态大模型。1943年M-P神经元模型问世，宣告神经计算正式开启；1949年赫布学习规则确立神经网络学习的理论根基。1957年感知机模型诞生，掀起首轮神经网络浪潮；1969年明斯基证实单层感知机无法破解异或难题，相关研究陷入十余年低谷。1982年Hopfield网络使研究再度升温；1986年BP反向传播算法突破多层网络训练瓶颈，引爆第
人工智能学习机制的演变
第三章：AI中的学习我们之前探讨过AI中的知识本质——简单来说就是人类语言的空间结构和规律特征。AI通过压缩与提炼过程，从互联网海量文本中捕捉到人类语言的空间结构与常见规律。我之前提到生成式AI的训练分为预训练和后训练两个阶段，真正决定AI能力上限的是预训练阶段。预训练看似复杂，其实质就是完形填空。通过对互联网数据进行大规模的完形填空训练，AI掌握了人类语言的空间结构和内在逻辑，这正是AI能够根据你的开头续写全文的原因。由于编程语言属于人类广义语言的子集，AI因此能够生成代码。只要你使用的术语和编码属于人
人工智能演进历程：从图灵之问到智能涌现
在当下这个时代，仅仅能够使用人工智能或许已显不足，因其发展速度迅猛，诸多领域已然超越人类。诚然，“打不过就加入”是一种应对策略，但另一方面，我们仍需深入探究其内在机理。我计划对人工智能的发展脉络、内部运作机制以及相关产业进行系统梳理，今日便从它的演进历史谈起。图灵是我颇为欣赏的那类人，他们能够进行深入而持久的思考，直至触及问题的本质。1950年，图灵在他发表的论文《计算机器与智能》中提出了一个划时代的问题：“机器能够思考吗？”并为此设计了著名的“图灵测试”——倘若一台机器能够通过文字对话迷惑人类裁判，使其
AI七十年：寒冬蛰伏与爆发式增长
若以工程师的眼光审视这段旅程，AI的演进堪称一部在"寒冬"与"暖春"之间反复震荡的编年史，更是人类执着于"赋予机器智能"这一梦想的不懈征程。 一、种子期：理想主义的黎明（1950s–1980s） 追溯源头，一切始于图灵1950年的追问：机器能否具备思考能力？ 这一问如石破天惊，在学界掀起层层波澜。1956年达特茅斯会议首次确立"人工智能"概念，当时青年学者们意气风发，预言十年内即可实现智能机器。 然而现实泼下冷水。早期符号主义与专家系统虽在限定场景表现尚可，却脆弱不堪——一旦超出预设范畴便全面失效。算力匮
Transocean获东地中海钻井船合约
海上钻井承包商越洋公司（Transocean）旗下"Deepwater Asgard"号钻井船在东地中海成功斩获一份五口井的钻井作业合同。该合同作业周期预计为390天，客户信息暂未公开，计划于2026年第四季度启动，预计将为合同积压订单贡献约1.58亿美元（不包含额外服务及调动与撤离补偿费用）。越洋公司指出，结合近期公布的挪威"Transocean Barents"号以及巴西"Deepwater Orion"号、"Deepwater Aquila"号和"Deepwater Corcovado"号等合同项目
人工智能是如何逐步进化的？一篇清晰的科普解析
最近几年，你肯定频繁接触到关于人工智能的各种新闻：它能够创作文章、绘制图画、进行对话，甚至协助人们编写程序。许多人对此感到惊奇，同时也会产生一个疑问：👉人工智能究竟是如何从一个“简单的机器”，逐渐演变成如今这般模样的？这篇科普文章，我们将避开艰深的专业词汇，仅通过一条清晰的“发展脉络”，让你看懂AI的演变历程。用一句话概括AI的进化道路：人工智能的进步，实质上是一个持续“模拟人类”的过程：在早期阶段，AI其实并不“智能”。它更像一个“仅掌握单一技能的机械工具”。例如：这类AI系统都有一个共同特征：只能执行
三位哈佛辍学生创立AI芯片公司，斩获35亿融资
三位在哈佛大学辍学的00后，近期为其人工智能芯片初创企业Etched.ai成功筹集了5亿美元资金。这堪称人工智能硬件领域规模最为庞大的融资之一，本轮融资使得Etched.ai的估值逼近50亿美元，其累计融资总额也接近10亿美元大关。Etched.ai的创始人Gavin Uberti，年仅24岁。他与另外两位联合创始人Chris Zhu、Robert Wachen一同从哈佛辍学后，致力于引领公司研发下一代人工智能芯片。与芯片巨头英伟达不同，他们开辟了一条细分赛道——专注于为当前AI主流模型Transform
AI的“注意力中枢”并不无限
狐狐/ AI使用 · 第2篇人脑中有一块区域叫前额叶，主要负责注意力分配、专注维持与决策判断——也就是决定当下该看重什么、忽略什么。它是人类认知控制的重要中枢，但它能承载的信息量并不无限，所以我们很难把注意力同时平均放在很多事情上。2017年，Google发布了一篇论文，Attention Is All You Need，中文可直译为《注意力就是全部》。这篇论文提出了Transformer架构，也为如今所有大语言模型打下了核心基础。[1]Transformer最关键的机制叫"自注意力"。从
AI从何而来：一段技术演进史
如果要聊ai的发展历程，就得先看看它诞生前的技术环境。毕竟ai并不是凭空出现的，更不是一落地就能侃侃而谈、无所不能。在2017年之前，如果希望ai处理一段文本，例如翻译一句话，或者判断一句表达是否合理，几乎只有一种主流方案：循环神经网络（RNN）。那RNN是怎么工作的呢？它会按词逐个读取，每读入一个新词，就把前面词的信息压缩进一个固定大小的“记忆向量”里，然后继续向后处理。听上去似乎挺合理，但实际上问题非常多。第一，容易遗忘。让RNN读一篇文章，等它看到第50个词时，第一个词的信息往往早已模糊不清，记忆能
liquid natural gas transport ship follows the霍尔木兹海峡
According to the reported information, a liquid natural gas transport ship followed the霍尔木兹海峡 and is now the first ship to pass through the channel since the conflict started. The ship looks like it is not carrying any cargo and its destination has been c
AI入门指南：常见术语解析与实际应用
你有没有这样的体验？看到一个关于AI的文章标题激动不已，然而阅读时却一头雾水——“基于Transformer架构的大语言模型，通过RLHF进行了对齐……”每一个词语都很熟悉，组合起来却难以理解。别担心，这并不是你的错。AI领域的人习惯于创造新词，仿佛不说行话就不够专业。本文将为你解释最常用的AI术语，用通俗易懂的语言帮助你理解。建议先收藏，日后遇到不明白的术语可以随时查阅。读到这里，你就已经超越了90%的人对AI的理解。因为许多人甚至无法区分“Agent”和“聊天机器人”。记住一点：AI的现状并非仅仅是聊
国家电网发布AI电网融合行动计划
National Grid Releases AI Grid Integration Action PlanDeepening the Integration of AI and Power GridOn March 17, 2026, National Grid officially released the 'Opinions on Deepening the Promotion of AI+' action plan, outlining clear implementation paths and
AI每日简报
AI前沿洞察每日简报:智核涌动：AI架构突破、边缘智能与自主代理新范式引言: 今日，AI世界沸腾。Anthropic“Mythos”的架构性突破传闻直指性能极限，而Taalas将Qwen刻蚀入芯片的举动则预示着模型硬件化的新竞赛。Agentic AI在Claude控制电脑和hollow-agentOS的推动下，正从被动响应转向主动执行。同时，DeepMind Aletheia在科学发现领域的成就，以及TurboQuant等压缩技术在消费级硬件上解锁大模型的努力，共同描绘出一幅算力、效率与智能深度融合的未来