人工智能 (AI)
人工智能指的是模仿人類智能來執行任務的系統或機器，並且可以根據它們收集的信息進行迭代改進。AI包括各種技術和方法，旨在使計算機能夠感知、學習、推理和協助決策。
AI包括各種技術和方法，包括機器學習、深度學習、自然語言處理、計算機視覺和機器人技術。這些技術共同創建能夠以越來越複雜的方式理解、學習和響應其環境的系統。
例子
虛擬助手、推薦系統、垃圾郵件過濾器、人臉識別、自動駕駛車輛
特徵
專注於一個領域，限於特定任務，沒有自我意識，在預定義的參數內運行
例子
目前仍是理論上的，將能夠像人類一樣在多個領域學習、推理和解決問題
特徵
人類水平的智能，能夠學習任何任務，在領域之間轉移知識，理解上下文
例子
純粹是推測性的，可能能夠遞歸地改進自身並解決超出人類理解的問題
特徵
超越人類智能，自我改進能力，快速進步的潛力，理論上的風險和益處
AI的歷史
1940s-1950s: 早期基礎
人工智能的概念在1940年代和1950年代出現。艾倫·圖靈在1950年提出圖靈測試作為衡量機器智能的標準。"人工智能"一詞由約翰·麥卡錫在1956年的達特茅斯會議上創造，這被認為是AI作為一個領域的誕生。早期AI研究專注於符號方法和問題解決。
1960s-1970s: 早期樂觀
這一時期對AI的潛力有著重大的資金投入和樂觀情緒。研究人員開發了可以解決代數應用題、證明定理和玩跳棋等遊戲的程序。然而，進展比預期的慢，導致1970年代由於未能滿足期望而資金減少，出現了第一次'AI寒冬'。
1980s: 專家系統
1980年代見證了專家系統的興起，這些系統捕捉了特定領域人類專家的知識。這些基於規則的系統在狹窄的應用中取得了商業成功，但面臨著顯式知識表示的局限性和獲取專家知識的困難。
1990s-2000s: 機器學習焦點
AI研究轉向機器學習方法，系統從數據中學習而不是遵循明確的規則。統計方法和支持向量機等算法變得突出。1997年，IBM的Deep Blue擊敗了世界國際象棋冠軍加里·卡斯帕羅夫，展示了計算方法解決問題的力量。
2010s: 深度學習革命
2010年代隨著深度學習的興起標誌著一個轉折點。2012年，一個名為AlexNet的神經網絡在ImageNet競賽中大幅超越傳統方法，引發了對神經網絡的重新興趣。計算能力、大數據和算法改進的進步使計算機視覺、語音識別和自然語言處理取得了突破。AI系統在越來越複雜的任務中達到了人類水平的表現。
2020s: 基礎模型時代
當前時代的特點是在大量數據上訓練的大型基礎模型，可以適應各種任務。像GPT、DALL-E和Stable Diffusion這樣的模型在生成文本、圖像和其他內容方面展示了非凡的能力。AI變得越來越多模態，能夠處理不同類型的數據。該領域正在解決日益強大的AI系統的對齊、安全和社會影響問題。