人工智能的起源与核心概念
1955年8月，达特茅斯学院（Dartmouth College）里的一位28岁的年轻数学家——约翰·麦卡锡（John McCarthy），联合另外三位重要学者：向洛克菲勒基金会提交了一份名为《达特茅斯人工智能夏季研究项目提案》（A Proposal for the Dartmouth Summer Research Project onArtificial Intelligence）的6页计划书，申请13,500美元用于举办为期2个月的人工智能研讨会。在这份文件中，他们首次正式提出了“Artificia
人工智能七十年：从图灵之问到ChatGPT时代
人们常常在短期内高估一项技术的影响力，却又在长期内低估其深远意义。如果你是近两年才因ChatGPT而真正关注人工智能，那么你所见的，不过是冰山浮出水面的那一角。水面之下，是七十载的跌宕起伏，以及无数天才、狂人与先知之间的恩怨交织。本文无意预测技术奇点，也不渲染末日恐慌。我只想尽量客观地梳理：AI是如何走到今天的，它当前真实的能力边界在哪里，未来数年最值得关注的几个变量——以及，为何那些最聪明的大脑会为此争论不休。故事要从被誉为"计算机科学之父"的英国数学家图灵说起。1950年，这位曾在二战中破译德军密码的
人工智能发展历程、关键人物与未来趋势
本文转载自《前进论坛》（2025.04期，总第609期），原标题为“人工智能创新的挑战与机遇”，旨在梳理人工智能技术演进历程，剖析下一代技术发展的契机。文章在原文基础上进行了修订，特别新增了“3.1 人工智能的基本原理”一节，针对当前技术发展的迷雾与噪音提出了见解。欢迎批评指正。目录1. 人工智能的里程碑与关键人物1.1 早期计算机先驱对人工智能的构想1.2 当代人工智能技术的里程碑1.3 大模型的发展路线之争2. 人工智能的关键技术依赖2.1 算力依赖2.2 数据依赖2.3 算法依赖3. 下一代人工智能
AI时代必备：核心概念与关键动态全解析
人工智能已渗透至现代生活的方方面面，涵盖音乐、媒体、商业、生产力乃至社交约会。面对海量信息，人们往往难以全面掌握——因此，请继续阅读，了解最新的重大进展、关键术语及核心企业，助您在这个飞速发展的领域中保持领先。首先，让我们明确AI的定义：人工智能（亦称机器学习）是一种基于神经网络的软件系统，其概念早在几十年前便已提出，但近期凭借强大的新型计算资源而迅猛发展。AI不仅实现了高效的语音与图像识别，还能合成图像与语音。目前，研究人员正致力于让AI具备浏览网页、预订票务、调整食谱等能力。不过，若您担心会出现类似《
人工智能的内涵与实践应用
人工智能到底是什么？人工智能（AI）作为一个概括性术语，指的是通过计算机系统来模拟人类技能并再现人类智能的技术。在20世纪80年代至90年代期间，“专家系统”曾风靡一时。如今，主流AI所采用的核心技术被称为机器学习。计算机通过分析大量训练样本数据进行学习，多数机器学习系统基于人工神经网络（ANN）构建，也就是我们常说的神经网络。弱人工智能、通用人工智能与超级人工智能当前所有已实现的AI都属于弱人工智能范畴。“通用”AI和“超级”AI被视为人工智能研究领域的终极目标。弱人工智能（ANI）也叫窄人工智能或垂直
边缘智能新纪元：TI全栈AI方案重塑嵌入式未来
当人工智能的浪潮从云端奔涌向终端，我们正站在一个技术革新的“十字路口”。边缘AI，这种将算力前置、决策本地化、数据不出场的新技术，凭借其低时延、高可靠、强隐私的特质，正在重塑工业、汽车与物联网的未来。然而，理想丰满，现实骨感。碎片化的场景、受限的硬件资源、严苛的功耗约束、冗长的开发链路、过高的部署成本，依然是横亘在产业面前的重重险阻。开发者急需的不是单一的算力堆砌，而是一套兼顾高能效、可扩展、全场景、易部署的端到端解决方案。面对挑战，德州仪器(TI)依托其深厚的嵌入式处理积淀，将AI能力系统性注入MCU、
AlphaFold如何突破蛋白质结构预测极限
AlphaFold 究竟是什么原理？它为何能够揭示蛋白质的结构奥秘？这是个很好的问题！人们经常误认为 AlphaFold"创造了全新的科学发现"，但它的本质更加精妙，让我们用"统计与推理"的概念来说明👇🧬 AlphaFold 的核心功能AlphaFold（特别是 AlphaFold2）专注于从氨基酸序列推断蛋白质的三维构象，接收一段氨基酸链（比如数百个单位），计算出原子级别的空间折叠形态。它并非从头构建物理法则，而是：1. 学习阶段：基于约17万个已知的人类蛋白质结构（来自
打开AI大门的数学钥匙：微积分核心概念解析
您想了解的人工智能核心知识，我们第一时间送达阅读指南：本文为零基础读者精心打造。你不需要任何数学背景，只需要有好奇心和耐心。本文的核心理念：用生活中的案例理解抽象概念，用直觉替代公式记忆。⚠️进阶提示：文中带 📌 标记的内容是为想深入理解的读者准备的补充说明，第一次阅读可以跳过，不影响整体理解。在讨论多变量之前，我们先搞清楚单个变量的情况。这是所有微积分的起点。你开车从 A 到 B，路程是 300 公里，用了 3 小时。你的平均速度是：这就是平均变化率——总变化量除以总时间。但它有一个问题：它掩盖了过程中
人工智能学习
var __INLINE_SCRIPT__ = (function () { 'use strict'; var Device = {}; function detect(ua) { var MQQBrowser = ua.match(/MQQBrowser\/(\d+\.\d+)/i); var MQQClient = ua.match(/QQ\/(\d+\.(\d+)\.(\d+)\.(\d+))/i) || ua.match(/V1_AND_SQ_([\d\.]+)/); var W
从AI应用者进阶为AI研发者：岭大MResADS项目解析
AI正在渗透每一个行业企业渴求懂原理、能做研究能解决复杂问题的数据科学家面对这场席卷职场的技术革命我们该如何系统升级、避免自己被替代？岭南大学数据科学学院推出高级数据科学研究硕士（MResADS）为有志深耕数据科学领域的人才提供一条研究型进阶快车道欢迎感兴趣的朋友报名参加PART ONE-宣讲会详情议程首发：40分钟深度报告 + 20分钟直面答疑宣讲会议程*直播平台：MBAChina微信视频号主讲人：香港岭南大学数据科学学院人工智能学部教学助理教授东承祖15:00-15:40主题分享 / 报告演讲15:4
AI芯片的计算革命
AI并非简单的软件更新，而是一场计算领域的彻底变革。AI芯片并非“更强的CPU”，而是为适应AI计算需求而重新构建的全新计算架构。在互联网时代，计算机主要进行逻辑运算和顺序执行——例如打开浏览器、发送微信、查询数据库等，CPU的几个核心已足够应对。然而，AI的核心在于海量的概率计算。当你向ChatGPT提问时，它在瞬间完成的回答背后，涉及万亿次的矩阵运算。CPU虽然聪明，但“人手”不足。👨🏫传统计算CPU = 数学教授聪明，能解微积分。但——并行处理能力有限。👦👧👦👧AI 计算GPU = 一万个小学生不
AI解析声音：核心技术详解
音频特征提取音频特征提取是计算机听觉领域中的关键步骤，它将原始音频信号转化为更具表达性的数值特征。这些特征可以精简原始的波形采样信号，从而将精练后的波形采样信号应用到其他模型中，使算法更容易理解音频中蕴含的语义信息。原始音频信号是一个复杂的波形，包含了很多信息。对音频进行特征提取是为了简化这些信息，抓住声音的核心特征，如音高、音量和音色，这些可以帮助我们进行分类、识别或分析。音频特征的提取通常涵盖多个维度，其中能量特征、时域特征、频域特征和乐理特征是常见的类别。能量特征是指音频信号中反映其强度和动态变化的
当简单个体汇聚成超级智慧：探索智能涌现的临界密码
复杂网络驱动智能涌现引言：从蚁群到GPT的共同秘密清晨，你在公园散步，看到一群蚂蚁正在搬运食物。每只蚂蚁只能感知周围几毫米的环境，遵循简单的局部规则：跟随信息素、避开障碍、寻找食物。然而，整个蚁群却表现出惊人的集体智能——能够找到最短路径、分配劳动、建造复杂巢穴。这种"个体简单、集体复杂"的现象，称为"涌现智能"（Emergent Intelligence）。更令人惊讶的是，人工智能也展现出类似的涌现特性。2022年，OpenAI的GPT-3在参数量达到1750亿时，突然"学会"了算术推理、代码生成、多语
AI 赋能开放量子多体系统研究
[1] Diehl S，Micheli A，Kantian Aet al. Nat. Phys.，2008，4：878[2] Verstraete F，Wolf M M，Cirac J I. Nat. Phys.，2009，5：633[3] Nakagawa M，Tsuji N，Kawakami Net al. Phys. Rev. Lett.，2020，124：147203[4] Rota R，Minganti F，Ciuti Cet al. Phys. Rev. Lett.，2019，122：1104
机器认知：智能系统构建
人工智能是计算机科学的一个重要分支，致力于探索、开发模拟、拓展与延伸人类智能的理论、方法、技术及应用系统。与其他许多学科不同，人工智能的诞生具有明确的标志性事件，即1956年的达特茅斯（Dartmouth）会议。在该会议上，正式提出“人工智能”这一术语并将其作为研究领域的名称。同时，也确立了人工智能研究的使命。JohnMcCarthy对人工智能的定义为：使机器行为表现出类人智能。当前，人工智能主要涵盖以下领域：（1）感知：模仿人类的感知能力，对外部刺激信息（如视觉和语音等）进行感知和处理。主要研究领域包括