哦，但是如果你担心机器的矩阵式崛起——别担心。我们稍后再谈!我们的 AI 指南包含三个主要部分，我们会定期更新每个部分，并且可以按任何顺序阅读:首先，您需要了解的最基本概念以及最近的重要概念。接下来，概述 AI 的主要参与者及其重要性。最后，您应该注意的近期头条新闻和发展的精选列表。

到本文结束时，您将了解当今任何人都希望成为的最新信息。随着我们进一步进入人工智能时代，我们还将对其进行更新和扩展。

艾101

关于 AI 的疯狂之处之一是，尽管其核心概念可以追溯到 50 多年前，但在最近之前，即使是精通技术的人也很少熟悉其中的概念。因此，如果您感到迷茫，请不要担心——每个人都是。

有一件事我们要预先明确:虽然它被称为“人工智能”，但这个词有点误导。智能没有统一的定义，但这些系统所做的绝对更接近于计算器而不是大脑。这个计算器的输入和输出更加灵活。你可能会把人工智能想象成人造椰子——它是模仿智能。

话虽如此，这里是您在任何有关 AI 的讨论中都会找到的基本术语。

神经网络

我们的大脑主要由称为神经元的相互连接的细胞组成，它们相互啮合形成执行任务和存储信息的复杂网络。自 20 世纪 60 年代以来，人们一直在尝试在软件中重建这个惊人的系统，但直到 15-20 年前，GPU 才让数字定义的神经网络蓬勃发展，所需的处理能力才得以广泛应用。从本质上讲，它们只是很多点和线:点是数据，线是这些值之间的统计关系。就像在大脑中一样，这可以创建一个多功能系统，快速接收输入，通过网络传递并产生输出。该系统称为模型。

模型

该模型是接受输入并返回输出的实际代码集合。术语与统计模型或模拟复杂自然过程的建模系统的相似性并非偶然。在 AI 中，模型可以指像GPT这样的完整系统，或者几乎任何 AI 或机器学习结构，无论它做什么或产生什么。模型有各种大小，这意味着它们占用多少存储空间以及它们运行需要多少计算能力。而这些取决于模型是如何训练的。

训练

为了创建 AI 模型，构成系统基础的神经网络会暴露在所谓的数据集或语料库中的一堆信息中。在这样做的过程中，这些巨大的网络创建了该数据的统计表示。这个训练过程是计算最密集的部分，这意味着它需要数周或数月的时间（你可以随心所欲地进行）大量的高性能计算机。这样做的原因不仅是网络复杂，而且数据集可能非常大:必须分析数十亿个单词或图像，并在巨大的统计模型中给出表示。另一方面，一旦模型完成烹饪，它就可以变得更小，使用时要求也更低，这个过程称为推理。

推理

当模型真正发挥作用时，我们称之为推理，这个词的传统含义非常多:通过对可用证据的推理来陈述结论。当然，这不完全是“推理”，而是在统计上将它摄取的数据中的点联系起来，实际上是预测下一个点。例如，说“完成以下序列:红色、橙色、黄色……”它会发现这些词对应于它所摄取的列表的开头，即彩虹的颜色，并推断下一个项目，直到它产生了该列表的其余部分。推理的计算成本通常比训练低得多:可以把它想象成浏览卡片目录而不是组装它。大型模型仍然必须在超级计算机和 GPU 上运行，但较小的模型可以在智能手机或更简单的设备上运行。

生成式人工智能

每个人都在谈论生成式 AI，这个广义术语仅指生成原始输出（如图像或文本）的 AI 模型。一些 AI 进行总结，一些进行重组，一些进行识别，等等——但真正生成某些东西（无论它是否“创造”是有争议的）的 AI 现在特别流行。请记住，仅仅因为 AI 生成了某些东西，并不意味着它是正确的，甚至根本不反映现实!只是它在你要求之前不存在，就像一个故事或一幅画。

今日热词

除了基础知识，以下是 2023 年年中最相关的 AI 术语。

大型语言模型

大型语言模型是当今最具影响力和用途最广泛的人工智能形式，几乎所有构成网络的文本和大部分英语文学都经过训练。吸收所有这些会产生一个巨大尺寸的基础模型（继续阅读）。LLM 能够用自然语言交谈和回答问题，并模仿各种风格和类型的书面文件，GPT、Claude 和 LLaMa 等人就证明了这一点。尽管这些模型无疑令人印象深刻，但必须牢记它们仍然是模式识别引擎，当它们回答问题时，就是试图完成它已识别的模式，无论该模式是否反映现实。法学硕士经常在他们的答案中产生幻觉，我们很快就会谈到。

地基模型

在巨大的数据集上从头开始训练一个巨大的模型既昂贵又复杂，所以你不想比你不得不做的更多。基础模型是从头开始的大型模型，需要超级计算机才能运行，但通常可以通过减少参数数量来对它们进行精简以适应更小的容器。您可以将这些视为模型必须处理的总点数，如今它可以达到数百万、数十亿甚至数万亿。

微调

像GPT-4这样的基础模型很聪明，但它在设计上也是一个通才——它吸收了从狄更斯到维特根斯坦再到龙与地下城规则的所有内容，但如果你想让它帮助你写一封求职信，这些都没有用为你的简历。幸运的是，可以通过使用专门的数据集对模型进行一些额外的训练来对模型进行微调，例如，碰巧有几千份工作申请。这让模型更好地了解如何在该领域帮助您，而不会丢弃它从其余训练数据中收集的一般知识。

从人类反馈中强化学习，或RLHF，是一种你会经常听到的特殊微调——它使用人类与 LLM 交互的数据来提高其沟通技巧。

扩散

从一篇关于高级后扩散技术的论文中，您可以看到如何从非常嘈杂的数据中再现图像。

图像生成可以通过多种方式完成，但迄今为止最成功的是扩散，这是稳定扩散、Midjourney 和其他流行的生成 AI 的核心技术。通过向扩散模型展示图像来训练扩散模型，这些图像通过添加数字噪声逐渐退化，直到原始图像一无所有。通过观察这一点，扩散模型也学会了反向执行该过程，逐渐向纯噪声添加细节以形成任意定义的图像。对于图像，我们已经开始超越这一点，但该技术是可靠的并且相对容易理解，所以不要指望它会很快消失。

幻觉

最初这是训练中的某些图像滑入不相关输出的问题，例如由于训练集中狗的过度流行，建筑物似乎是由狗制成的。现在据说人工智能会产生幻觉，因为它的训练集中没有足够或相互冲突的数据，它只是编造一些东西。

这可以是资产或负债;要求创造原创甚至衍生艺术的 AI 正在幻觉其输出;法学硕士可以被告知以 Yogi Berra 的风格写一首情诗，它会很乐意这样做——尽管这样的东西在它的数据集中并不存在。但是当需要一个事实答案时，这可能是一个问题;模型将自信地呈现出一半真实、一半幻觉的反应。目前除了自己检查之外没有简单的方法来判断哪个是哪个，因为模型本身实际上并不知道什么是“真”或“假”，它只是试图尽可能地完成一个模式。

AGI 或强人工智能

通用人工智能，或强人工智能，并不是一个真正定义明确的概念，但最简单的解释是，它是一种足够强大的智能，不仅可以做人们所做的事情，还可以像我们一样学习和改进自己。有些人担心，这种学习、整合这些想法、然后更快地学习和成长的循环将是一种自我延续的循环，会导致无法约束或控制的超级智能系统。一些人甚至提议推迟或限制研究以防止这种可能性。

当然，这是一个可怕的想法，像《黑客帝国》和《终结者》这样的电影已经探索了如果人工智能失控并试图消灭或奴役人类可能会发生什么。但这些故事并非基于现实。我们在GPT 等事物中看到的智能外观令人印象深刻，但与我们与“真实”智能相关联的抽象推理和动态多领域活动几乎没有共同之处。虽然几乎不可能预测事情将如何发展，但将 AGI 想象成星际太空旅行可能会有所帮助:我们都理解这个概念并且似乎正在朝着它努力，但与此同时我们离实现类似的目标。由于需要巨大的资源和基础科学进步，没有人会突然偶然完成它!

考虑 AGI 很有趣，但正如评论员指出的那样，借用麻烦是没有意义的，尽管 AI 今天已经呈现出真正的和相应的威胁，尽管实际上主要是由于其局限性。没有人想要天网，但你不需要配备核武器的超级智能来造成真正的伤害:今天人们正在失去工作并陷入恶作剧。如果我们不能解决这些问题，我们还有什么机会对抗 T-1000?

人工智能领域的顶级玩家

开放人工智能

如果 AI 中有一个家喻户晓的名字，那就是这个。OpenAI 顾名思义，是一个打算进行研究并或多或少公开提供结果的组织。此后，它重组为一家更传统的营利性公司，通过 API 和应用程序提供对其高级语言模型（如GPT）的访问。它由 Sam Altman 领导，他是一位技术乌托邦的亿万富翁，尽管如此，他还是对人工智能可能带来的风险发出了警告。OpenAI 是 LLM 领域公认的领导者，但也在其他领域进行研究。

微软

正如您所预料的那样，微软在 AI 研究方面做出了应有的贡献，但与其他公司一样，或多或少未能将其实验转化为主要产品。它最明智的举动是尽早投资 OpenAI，这使它与该公司建立了独家长期合作伙伴关系，该公司现在为其 Bing 对话代理提供支持。尽管它自己的贡献较小且不太直接适用，但该公司确实拥有相当大的研究实力

谷歌

以登月计划而闻名的谷歌不知何故错过了人工智能的机会，尽管它的研究人员确实发明了直接导致今天人工智能爆炸的技术:变压器。现在它正在努力开发自己的法学硕士和其他代理人，但在过去十年花费大部分时间和金钱来推动过时的人工智能“虚拟助手”概念之后，它显然正在迎头赶上。首席执行官 Sundar Pichai 多次表示，公司在搜索和生产力方面坚定支持 AI。

人择的

在 OpenAI 放弃开放性之后，兄弟姐妹 Dario 和 Daniela Amodei 离开了它，创办了 Anthropic，旨在扮演一个开放和道德上考虑周全的 AI 研究组织的角色。凭借他们手头的现金数量，他们是 OpenAI 的有力竞争对手，即使他们的模型（如 Claude）还没有那么受欢迎或知名度。

稳定

有争议但不可避免的是，Stability 代表了“随心所欲”的 AI 实施开源学校，它收集了互联网上的所有内容，并在您拥有运行它的硬件的情况下免费提供它训练的生成 AI 模型。这非常符合“信息想要免费”的理念，但也加速了道德上可疑的项目，如生成色情图像和未经同意使用知识产权（有时同时）。

埃隆·马斯克

没有人被排除在外，马斯克一直直言不讳地表达了他对失控人工智能的恐惧，以及在他早期为 OpenAI 做出贡献并且朝着他不喜欢的方向发展之后的一些酸葡萄。虽然马斯克不是这个话题的专家，但像往常一样，他的滑稽动作和评论确实引起了广泛的反响（他是上述“人工智能暂停”信件的签署人），而且他正试图建立自己的研究机构。

人工智能的最新故事

英伟达成为市值万亿美元的公司

GPU 制造商 Nvidia 在向游戏玩家和加密货币矿工销售产品时做得很好，但人工智能行业对其硬件的需求过高。该公司巧妙地利用了这一点，前几天当其股价达到 413 美元时，打破了象征性的（但非常强烈）万亿美元的市值。他们没有放缓的迹象，正如他们最近在 Computex 上展示的那样……

在 Computex，Nvidia 加倍致力于 AI

在台北 Computex 的十几个或两个公告中，Nvidia 首席执行官黄仁勋谈到了该公司用于加速计算的 Grace Hopper 超级芯片（他们的术语）并演示了生成人工智能，它声称可以将任何人变成开发人员。

OpenAI 的 Sam Altman 代表 AI 游说世界

Altman 最近就 AI 政策向美国政府提出建议，尽管有些人认为这是让狐狸制定鸡舍规则。欧盟的各个规则制定机构也在征求意见，而 Altman 一直在巡回演出，同时警告过度监管和不受约束的 AI 的危险。如果这些观点似乎与您相反……别担心，您不是唯一的人。

Anthropic 为其新一代 AI 模型融资 4.5 亿美元

当我们公布这次筹款的细节并提前计划时，我们有点为他们破坏了这个消息，但 Anthropic 现在正式拥有 4.5 亿美元的财富，并且正在努力开发 Claude 及其其他模型的继任者。很明显，人工智能市场足够大，一些主要供应商在顶部有空间——如果他们有足够的资金到达那里。

Tiktok 正在测试自己的应用内人工智能 Tako

视频社交网络平台 Tiktok 正在测试一种新的对话式人工智能，你可以问任何你想问的问题，包括你正在看的内容。这个想法不仅仅是搜索更多“哈士奇嚎叫”视频，你可以问 Tako“为什么哈士奇嚎叫这么多?” 它会提供有用的答案，并为您指明要观看的更多内容。

微软正在将 GPT 融入 Windows 11

在向 OpenAI 投资数亿美元后，微软决心物有所值。它已经将 GPT-4 集成到其 Bing 搜索平台中，但现在 Bing 聊天体验将在每台 Windows 11 机器上通过操作系统的右侧栏提供——实际上，这可能是不可避免的。

谷歌在它所做的几乎所有事情中都加入了一点人工智能谷歌正在 AI 领域迎头赶上，尽管它为此投入了大量资源，但其战略仍然有些模糊。一个典型的例子:它的 I/O 2023 活动充满了实验性的功能，这些功能可能永远也可能永远不会面向广大观众。但他们肯定会进行全场紧逼以重新回到比赛中。