根据维基百科的定义，人工智能是一种新的通用目的技术（GPT， General Purpose Technology），它横跨整个人类经济的多种用途，具有巨大技术性互补和溢出效应。
简而言之，AI是21世纪的一种基础技术，它会应用在我们日常生活的方方面面。
早期，受到20世纪数学哲学的影响，诞生出两种流派的人工智能。
基于形式主义（认为所有数学分支都可以公理化的）和逻辑主义（一切数学都是建立在数理逻辑的基础之上）的符号主义的人工智能，以及基于构造主义的连接主义和行为主义人工智能。
早期的流派都认为自己提出的理论有很大的潜力，可以解决很多问题。但在经过一系列探索后，科学爱家发现AI并没有想象中的简单。
之后，AI经历了起起落落的发展阶段。直到2006年，深度学习之父Geoffrey Hinton 和他的学生Ruslan Salakhutdinov在《科学》上发表了一篇文章，提出了深层网络训练中梯度消失问题的解决方案，至此开启了深度学习在学术界和工业界的浪潮。
2012年，Geoffry Hinton又带着团队参加了ImageNet ILSVRC挑战赛，以惊人的优势获胜（错误率比第二名低了足足 10%），这次的比赛结果以及相应的论文拉开了深度学习的热潮。
而深度学习之所以会从2006年后大放异彩，很大一部分的原因是数据、算力的发展，当时的数据集ImageNet的数据量很大，再加上使用GPU训练深度学习网络，这两个突破奠定了深度学习的崛起。
如今，GPU的算力也越来越强，现在的AI发展又是如何呢？
当前，数据、算法、算力的发展突破正推动AI应用的逐步落地。
随着物联网基础设施及智能手机、可穿戴设备的普及，我们每个人时刻都在产生大量数据。据IDC发布《数据时代2025》的报告显示，全球每年产生的数据将从2018年的33ZB增长到175ZB，相当于每天产生491EB的数据。
另一方面，大数据等技术，降低了数据处理和存储的成本，数据作为人工智能时代的“石油”，驱动着AI的发展。
在传统深度学习CNN/RNN系列模型之后，强化学习、对抗网络算法模型不断涌现。AI算法逐步逼近人类水平。
自然语言处理(NLP)方面，2018年Google推出的BERT开启了NLP的元年，如今BERT在数据集上的两个指标（GLUE基准：80.4％，MultiNLI准确度：86.7%）全面超越人类。
计算机视觉方面，图像分类的算法很早之前就已超越了人类；动作识别目前精读相对较低，停留在52.5%；人脸识别的某些数据集也已经超越了人类。
语音语义识别方面，中文语音识别准确率达到新高度，中文语音识别字错率（CER）达到3.71%，与人类专业的速记员水平相当。
AI芯片市场细化，推理与训练、云侧与端侧分离，性能持续提升，突破摩尔定律瓶颈，释放ZB级数据分析算力。
NVIDIA的Tesla V100，作为AI训练通用芯片，性能远超上一代P100的10+倍；
Google的TUP3.0是2.0性能的8倍左右；
华为也推出了适用于推理场景的昇腾310以及适用于模型训练的昇腾910。
从早期的CPU、GPU到现在的TPU、ASIC，进入到细分领域后，各种AI专用芯片会层出不穷，性能不断提升，功耗不断降低。
当前，一些算法在某些数据集上的准确率已经高于人类，很多人会问：AI是否会超越人类？
如图，首先并不是人类社会的所有问题都是数学问题，有很多问题是不能用数学来描述，黄色圈子内是可以用数学解决的问题。
由此引出了第一个问题：世界上是否所有数学问题都有明确的答案？
答案是有些数学问题是无解的。
第二个问题：如果有明确的答案，是否可以通过有限步骤的计算得到答案？
这就是数学的可计算问题，经过验证，并不是所有数学问题都是可以计算。
接下来是第三个问题：对于那些有可能在有限步骤计算出来的数学问题，能否有一种假想的机械（图灵机），让它不断运动，最后当机器停下来的时候，那个数学问题就解决了？
结果是只有部分问题是图灵机能够解决的。
回答完上面三个问题后，再回看上面那张图，蓝色圈子里面的一个小圆是AI可以解决的问题，最后的小点才是AI已经找到解决方法的问题，只占据非常小的一部分。
所以，我们可以说，在AI已经找到解决方法的问题上，它可能超越了人类，但是在更多的问题上，它是没办法超越的。
那么在某些领域里，AI的准确率既然高于人类，比如图像识别，它可以完全替代人类吗？
如上图所示，左边是正常的原图，中间是干扰数据，让AI预测的是加了干扰数据的右图。我们可以很清楚的辨别左右两组图完全没有区别，但是AI算法做不到，它会把右边的三张图片都判断为鸵鸟。
再来看另一组AI犯错的案例，上面是一些噪点和花纹的数据，但AI有99.6%的概率会将这些图片识别成某种类别的物体。在我们普通人来看，AI有时候会犯一些非常愚蠢的错误。
这时候再回答“未来，AI是否会超越人类？”的问题，答案就是：AI能解决的只是人类社会中很小的一部分问题，即使它能解决，并在统计意义上得到一个还不错的准确率，但它有时还是会犯很愚蠢的错误，AI的预测结果并不是完全可信的，AI不会超越人类，它应该成为人类的工具，使人类社会的生产效率进一步提高。
最后谈谈高校学生，或者是普通开发者学习AI可能会碰到的一些问题，主要有以下三个难点：
一是要学习的基础知识太多，做AI开发涉及到Python编程知识、Linux知识，视觉方面要学图像处理、OpenCV等，同时还要有一定的数学基础。
二是没有GPU机器，自己买GPU做AI训练，成本非常高。
三是碰到问题找不到人进行交流，尤其是非计算机专业的同学学AI会比较难，因为做AI开发不像传统的软件开发那样有非常多的书籍资料和社区可以交流，很多人只能在GitHub上找一些资料来解决学AI过程中的一些问题，能交流的人和圈子都会更少一点。
一些方法论讨论
前言在当今这个日新月异的时代，人工智能（AI）技术正以前所未有的速度改变着我们的生活、工作和社会结构。从智能手机上的语音助手到自动驾驶汽车，从医疗诊断到学术研究，AI的应用无处不在，它如同一股不可阻挡的浪潮，正引领我们迈向一个全新的智能时代。面对这股时代浪潮，普通人如何抓住机遇，利用AI技术提升自我，实现个人价值的最大化呢？这正是清华大学新闻与传播学院新媒体研究中心元宇宙文化实验室推出《普通人如何
普通人如何利用 AI 来提升工作效率？从 2022 年的 OpenAI 的ChatGPT3.5发布，AI 技术迅速火遍全宇宙。全人类开始都在讨论 AI 技术的未来和人类自己的未来。比如“AI 是否能够替代人类”、“AI 究竟是什么？”、“AI是否能增加每个人的失业风险”、“安全与隐私问题如何平衡”、“AI 是否会导致社会的不平等问题加剧？”等等的话题。
最近AI的热点似乎逐渐消退，很多人会觉得，好像一切都是概念，大家只是跟个风，一切都恢复了原样。经历了媒体的爆炒，很多人在尝试使用AI工具，但大多数人只是浅尝辄止，当作谈资，或者炫耀自己如何发现了AI不够聪明的问题。真正用于实战，并且产生实际价值的，依然是少数人，而这恰恰是少数人的机会。有人觉得，AI创业，需要高深的技术，需要专业的知识，其实这是个很大的误解，普通人完全可以利用AI，实现能力的快速跃
另一个成天打游戏睡觉，前一类还是要比后一类财富来的多的。但是聪明刻苦的打工仔总与打游戏睡觉的超级富二代比，就是给自己的人生添堵而已。同时，再强调一点，如果你是个普
奔驰车主
在立春当夜，这南方城市的上空响起了2020年的第一声春雷，大家都期待着这一声霹雳除去一切霉噩，带来万象更新。之后的天气逐渐变好，近日来更是风和日丽。前日，去采购食品和日用品，久不出门，...
怎么理解全新的时代？记得在小学的时候（大概2000左右），就有一本书，叫信息技术，那时候中央就提出来说要发展信息科技技术，于是全民都在学，农村学校也配备了电脑。时间证明，这是对的，现在的BAT就是那时候入行成立的。那么现在，中央已经提出大数据，人工智能好几年了，现在依然火热，并没有结束的趋势，依然在发展。问题来了，要不要学习AI呢？首先，上招聘网站看了下，关于人工智能的招聘，全部都是要研究生以上学
随着人工智能（AI）逐渐渗透到我们的日常生活中，不仅是科技爱好者和行业专家，普通人也开始对其产生浓厚的兴趣。对于大多
IT人，一个把机房当家系统故障永远冲在前甚至用代码改变世界的豪情的群体却素来低调内敛质朴走进他们的世界你会发现和普通人相比他们会有点特殊和可爱………让IT熊局看看，又是哪一位IT人被cue到了?“End每个职业做久了都会有一点点的特殊IT人当然也是除了上面那些特点你认为IT人还有哪些不一样的地方快来聊一聊吧~PS. 如果你也是IT人，或是想要进入IT行业的小伙伴，欢迎你加入我们公号【IT局内人】的
在当今社会，证书已经成为了衡量一个人专业能力和技能水平的重要标准之一。对于普通人而言，通过考取一些具有含金量的证书，不仅可以提升自身的专业素养，还能够在求职市场上占据更有利的地位。在众多的证书考试中，软考（软件水平考试）因其权威性和实用性而备受推崇。本文将围绕“普通人考证推荐”这一主题，深入探讨软考的相关内容，为有志于投身软件行业的朋友们提供一些建议和指导。首先，我们来了解一下什么是软考。软考
掌控习惯就是掌控人生的开始~普通人如何做到“我命由我不由天”？两个字——习惯！更准确地说是养成好习惯。养成好的生活习惯，能让你保持健康。养成好的学习习惯，能帮你进步提升。养成好的工作习惯，能帮你提高效率、避免出错。。。。如何养成好习惯要养成一个好习惯可以从两方面入手：降低执行成本和增加即时满足。很多时候我们在好习惯的养成之路上放弃，很可能是这个习惯本身的操作难度就比较大。比如说想养成每天下班健身的
volatile 这个关键字可能很多朋友都听说过，或许也都用过。在 Java 5 之前，它是一个备受争议的关键字，因为在程序中使用它往往会导致出人意料的结果。在 Java 5之后，volatile 关键字才得以重获生机。
目前，在数字化时代的浪潮下，数据正
前言 在当今这个日新月异的时代，人工智能（AI）技术正以前所未有的速度改变着我们的生活、工作和社会结构。从智能手机
适合普通人的软考：开启职业生涯的新篇章在当今这个信息化、网络化的时代，软件行业日益繁荣，成为许多有志之士追求的职业方向。对于普通人来说，想要在这个领域分一杯羹，软考无疑是一个很好的切入点。那么，什么是软考？为什么它适合普通人呢？本文将为您一一解答。首先，我们来了解一下软考。软考，即计算机技术与软件专业技术资格（水平）考试，是由国家人力资源和社会保障部、工业和信息化部共同组织的国家级考试。它
验能力强于普通人首先这两天最火的是 ChatGPT，这个能力...
首发于轮子工厂写文章普通人引流的终极法则谭庆波哈尔滨工业大学计算机科学与技术博士在读35人赞同了该文章春节在家不能出去，在微信群里听了几节互联网创业的直播课程，我把课程内容整理了一下，分享给大家！分享人：牟小强，芬香合伙人大家一定听说过这句话：绝对的价值就能打开你的流量入口！那么对于我们做社交电商项目的小伙伴，大家有总结过能够给别人提供什么价值？是不是可以帮别人省钱和赚钱？这是放之四海皆准，且人
软考适合普通人考的证书随着信息技术的发展，越来越多的人开始关注和参与到软考中来。软考作为信息技术领域中非常重要的考试之一，涉及到各种计算机软件、硬件、网络通信等技术的基础知识和应用能力，是从事信息技术相关工作的人员必须要通过的考试之一。那么，软考适合普通人考取的证书有哪些呢？下面我们来详细了解一下。一、初级证书初级证书是软考中较为简单的证书之一，适合信息技术领域的初学者和入门者考取。以
在 Kubernetes 中，Service 负责集群内部的服务发现和负载均衡，但 Pod IP 和 Service 的 ClusterIP 仅在集群内部可见。以 YAML 配置的 API 对象定义请求如何转发到 Service 的规则提供外部 URL、负载均衡、SSL/TLS、基于域名的反向代理功能Ingress 选择建议：公有云：优先选择 LoadBalancer 方式私有云大并发：DaemonSet + HostNetwork 方式测试环境。
第四次实验课~ <task1.c> 源代码 点击查看代码 #include <stdio.h> #define N 4 #define M 2 void test1() { int x[N] = {1, 9, 8, 4}; int i; // 输出数组x占用的内存字节数 printf("sizeof ...
在AIGC的浪潮之巅，文生图领域呈现出两极分化的格局。一方是Midjourney，以其惊艳的艺术效果、极简的用户体验和封闭的商业模式，迅速构建起一座看似坚不可摧的艺术堡垒。另一方则是Stable Diffusion，作为开源世界的杰出代表，凭借其极致的灵活性、深度的可定制性和自由的部署能力，掀起了一场席卷全球的技术革命。当这股开源力量全面爆发时，我们不禁要问：Midjourney精心打造的商业护城河，是否真的固若金汤？
当我们谈论数据平台或数据架构时，我们需要了解数据湖、数据仓库和数据湖屋是什么。由于我们生活在一个数据越来越多的世界——几年前人们总是说“数据是新的黄金”——因此我们相应地也需要能够存储、处理和利用大量数据的系统。在出现这三个术语之前，数据主要存储在关系数据库中（用于结构化数据）。公司中的数据世界不仅在数量上增加，而且在种类上也增加了。想想你在日常工作中遇到的数据格式：结构化数据，如客户数据、库存水平或销售数据，非结构化数据，如电子邮件、社交媒体帖子或支持票证，半结构化数据，如 JSON 和 XML 文件。