AI 發展史簡要概述 - 傑愛得資訊 jumpAD - 數位行銷解決方案:廣告,網站,雲主機,AI

贊助廣告 jAD Ads 內容比對

【狂賀】jumpAD 傑愛得資訊有限公司，榮獲國際期刊《MarTech Outlook》評選為2024年亞太區年度AI人工智慧廣告科技公司雜誌封面人物。
【狂賀】jumpAD 傑愛得資訊有限公司，榮獲國際期刊《APAC CIO Outlook》評選為2023年亞太區20大傑出AI人工智慧解決方案供應商。

您好，我們是傑愛得資訊，歡迎來到我們的媒體聯播網

AI 研究室 | 智庫

**AI 發展史簡要年份大事紀：**

* **1943年:** 沃倫·麥卡洛克 (Warren McCulloch) 和沃爾特·皮茨 (Walter Pitts) 發表論文《神經活動的邏輯演算》，提出了首個數學化的神經元模型。

* **1950年:** 阿蘭·圖靈 (Alan Turing) 發表論文《計算機器與智能》，提出了著名的圖靈測試，作為判斷機器是否具有智能的標準。

* **1956年:** 達特茅斯會議 (Dartmouth Workshop) 召開，被普遍認為是人工智能作為一個獨立學科的正式誕生。約翰·麥卡錫 (John McCarthy) 創造了 "人工智能" (Artificial Intelligence) 這個術語。

* **1958年:** 弗蘭克·羅森布拉特 (Frank Rosenblatt) 發明了感知器 (Perceptron)，一種早期的監督學習算法。

下方繼續閱讀

jAD Ads 聯播廣告

曝光6,794/日成本100/月

下文請點廣告解鎖

投放Google多媒體聯播網廣告(點此)arrow_downward，包含轉換代碼安裝

※ 如果看到投資類型廣告，請再三評估風險！

繼續閱讀keyboard_double_arrow_down

* **1960年代:** AI 研究迎來早期的高峰，出現了許多在特定領域展現出智能的程序，例如解決幾何問題的程序和下棋程序。

* **1970年代:** AI 研究遭遇第一次「寒冬」，由於早期承諾未能兌現，加上計算能力和數據的限制，研究經費大幅減少。

* **1980年代:** 專家系統 (Expert Systems) 成為 AI 領域的商業熱點，例如 MYCIN 和 DENDRAL。

* **1980年代末 - 1990年代初:** AI 研究再次進入「寒冬」，專家系統的局限性顯現，加上硬體成本高昂，人們對 AI 的期望再次降低。

* **1997年:** IBM 的深藍 (Deep Blue) 擊敗了世界西洋棋冠軍加里·卡斯帕羅夫 (Garry Kasparov)，這是 AI 在特定領域超越人類的里程碑事件。

* **2000年代:** 隨著計算能力和數據量的增加，機器學習，尤其是統計機器學習方法，重新受到重視。

* **2010年代:** 深度學習 (Deep Learning) 取得突破性進展，在圖像識別、語音識別、自然語言處理等領域取得了巨大成功。

* **2012年:** AlexNet 在 ImageNet 圖像識別挑戰賽中獲得巨大領先，標誌著深度學習在計算機視覺領域的突破。

* **2016年:** Google DeepMind 的 AlphaGo 擊敗了圍棋世界冠軍李世乭，圍棋被認為是比西洋棋更複雜的遊戲，這一事件引起了全球對 AI 的廣泛關注。

* **2017年:** Google 發表了關於 Transformer 模型的論文《Attention Is All You Need》。

* **2018年:** OpenAI 發布了首個版本的 GPT 模型 (GPT-1)。

* **2019年:** OpenAI 發布了 GPT-2 模型，其文本生成能力引起了廣泛關注，但也引發了關於 AI 模型潛在濫用的擔憂。

* **2020年:** OpenAI 發布了 GPT-3 模型，這是一個擁有千億級參數的超大型語言模型，展現了驚人的文本生成和理解能力。

* **2021年:** Google Cloud 正式推出 Vertex AI，這是一個端到端的機器學習平台，旨在幫助開發者和數據科學家更輕鬆地構建、部署和管理 AI 模型。

* **2022年:** OpenAI 發布了 ChatGPT。

* **2023年:** OpenAI 發布了 GPT-4 模型，一個更強大的多模態模型，能夠處理圖像和文本輸入。

* **2023年:** Google 宣布並逐步推出 Gemini，這是 Google 最新的、功能最強大的多模態 AI 模型。

**延伸敘述 Transformer 和 GPT：**

**Transformer:**

* **核心概念：注意力機制 (Attention Mechanism)**

* Transformer 模型的核心創新在於引入了「注意力機制」。與以往依賴循環神經網路 (RNNs) 依序處理序列數據不同，注意力機制允許模型在處理序列中的每個位置時，直接權衡序列中所有其他位置的信息的重要性。

* 想像你在閱讀一篇文章，當你讀到某個詞語時，你的大腦會自動地將注意力集中到與這個詞語相關的其他詞語上，以便更好地理解句子的含義。注意力機制就是讓模型具備類似的能力。

* 模型會為序列中的每個詞語計算一個「注意力權重」，這個權重表示該詞語與當前正在處理的詞語之間的相關性。權重越高，表示相關性越強，模型就會給予這個詞語更多的關注。

* **優勢與重要性**

* **並行處理：** 由於注意力機制可以直接計算所有位置之間的關係，Transformer 模型可以並行處理序列中的所有元素，這大大提高了訓練和推理的速度，尤其是在處理長文本時。

* **處理長距離依賴：** RNNs 在處理長序列時容易遺忘早期的信息。Transformer 的注意力機制可以直接建立遠距離詞語之間的聯繫，有效地解決了這個問題。

* **成為現代 NLP 的基礎架構：** Transformer 模型一經提出，就迅速成為自然語言處理領域的主流架構，幾乎所有最先進的 NLP 模型都基於 Transformer 或其變體。

**GPT (Generative Pre-trained Transformer):**

* **基於 Transformer 架構**
* GPT 模型是由 OpenAI 開發的一系列強大的語言模型，其底層架構正是 Transformer。

* **生成式 (Generative)**
* GPT 的主要能力是生成文本。給定一個輸入提示 (prompt)，GPT 可以生成連貫、流暢且在一定程度上符合上下文語義的後續文本。

* **預訓練 (Pre-trained)**
* GPT 模型首先會在一個非常龐大的文本數據集上進行「預訓練」。在這個階段，模型會學習到大量的語言知識、語法規則、事實信息以及不同概念之間的關係。預訓練的目標通常是讓模型預測序列中的下一個詞語。

* **微調 (Fine-tuning)**
* 經過預訓練後，GPT 模型可以針對特定的任務進行「微調」。例如，如果我們想讓 GPT 用於文本翻譯，我們可以提供一些雙語的文本數據，讓模型在這些數據上進行額外的訓練，以使其更好地完成翻譯任務。

* **能力與影響**
* GPT 模型展現了驚人的文本生成能力，可以用於撰寫文章、生成代碼、回答問題、進行對話等等。

* 隨著模型規模的增大（例如 GPT-3 和 GPT-4），它們甚至展現出了一定的「湧現能力」，即在沒有明確訓練的情況下，也能夠完成一些複雜的任務。

* GPT 系列模型的出現極大地推動了自然語言處理領域的發展，並在各個行業中得到了廣泛應用，例如內容創作、客戶服務、教育和研究等。它們也引發了關於 AI 模型倫理、安全和社會影響的廣泛討論。

總而言之，Transformer 是一種革命性的神經網路架構，而 GPT 則是基於 Transformer 的一系列極其成功的語言模型，它們共同塑造了當前 AI 發展的格局，尤其是在自然語言處理領域。

延伸敘述 Vertex AI 和 Gemini：

Vertex AI (2021年)

Google Cloud 的統一 AI 平台： Vertex AI 是 Google Cloud Platform (GCP) 提供的全面 AI 和機器學習平台。它的目標是將 Google 內部多年來開發和使用的各種 AI/ML 工具和服務整合到一個統一的界面和工作流程中。

簡化 AI 開發流程： Vertex AI 旨在簡化從數據準備、模型訓練、模型評估、模型部署到模型監控的整個機器學習生命週期。它提供了一系列工具和服務，幫助開發者和數據科學家更高效地構建和管理 AI 應用。

核心功能： Vertex AI 包含許多功能，例如：

Vertex Data Labeling: 用於標註訓練數據。

Vertex AI Workbench: 一個基於 Jupyter 的託管環境，用於數據探索和模型開發。

Vertex Training: 支持各種模型訓練框架（例如 TensorFlow、PyTorch、scikit-learn）和自定義訓練。

Vertex Pipelines: 用於構建和管理端到端的 ML 工作流程。

Vertex AI Prediction: 提供可擴展且可靠的模型部署和在線預測服務。

Vertex Explainable AI: 幫助理解模型的決策過程。

Vertex AI Feature Store: 用於管理和共享機器學習特徵。

重要性： Vertex AI 的推出使得企業和開發者能夠更方便地利用 Google Cloud 強大的 AI 基礎設施和技術，加速其 AI 應用的開發和部署。

Gemini (2023年)

Google 最新的多模態 AI 模型： Gemini 是 Google DeepMind 開發的最新一代 AI 模型，被認為是 Google 在 AI 領域的又一個重大突破。其最顯著的特點是其「多模態」能力，意味著它可以同時理解和生成不同類型的信息，包括文本、圖像、音頻、視頻和代碼。

強大的性能： Google 聲稱 Gemini 在多個基準測試中都超越了以往的模型，包括在理解複雜推理和解決問題方面表現出色。

不同版本： Gemini 被設計成一個模型系列，包含針對不同需求和設備的版本：

Gemini Nano: 針對行動裝置等資源受限的環境進行了優化。

Gemini Pro: 在廣泛的任務中實現了卓越的性能，並已集成到 Google 的多種產品和服務中。

Gemini Ultra: 是功能最強大的版本，旨在處理最複雜的任務，被認為是與 OpenAI 的 GPT-4 等頂尖模型競爭的有力選手。

重要性： Gemini 的推出標誌著 AI 模型在理解和處理多種模態信息方面邁出了重要一步，預計將在搜索、內容創作、教育、娛樂等領域帶來更豐富和智能化的體驗。它也代表了 Google 在追趕和超越競爭對手方面的重要努力。

總之，Vertex AI 代表了 Google 在 AI 基礎設施和平台方面的努力，旨在降低 AI 開發的門檻。而 Gemini 則是 Google 在 AI 模型能力方面的重要進展，尤其是在多模態理解和生成方面展現了強大的潛力。這兩者都是當前 AI 發展中非常重要的組成部分。

點此投放Google多媒體聯播網廣告

※ 如果看到投資類型廣告，請再三評估風險！

點 AI 專欄推薦

post_add 資料來源：Google Gemini

回智庫 apartment | 超玩媒

#GOOGLE

Ads by jAD

網站+主機+網域+廣告，找我們一次解決