# inbox # todo # WHY - 人类从很早以前就在思考什么是智能？我们为什么存在？ - 17 世纪，笛卡尔提出“我思故我在”（thinking，being） - 1950 年，图灵提出如何创造一个 thinking machine 所需的2 个元素： - 感知 - 视觉 vision - 对含义的理解和推断 - 语言 language - 1956 年达特茅斯会议上确立了人工智能（AI）这门科学学科，至今 68 年的历史 # WHAT（树干） - **将图灵的设想付诸实践，以[[符号人工智能]]的方式** - Terry Winograd 是第一代将图灵提出的想法运行起来的人，他提出“一个人要理解世界”需要具备以下几点： - 感知世界 perceive the world - 需要对世界的结构做一个理解 syntax understanding - syntax 在语言里是指句法结构 - 在视觉领域通常指[[三维结构]] - 理解含义 semantics - 进行推理 inference -  - 在以上的理论支持下，Terry Winograd 开发了[[SHRDLU]]，可以理解人类的自然语言的计算机程序。 - **机器的「学习」过程出现了问题** - Terry 使用的是[[符号人工智能]]，即 hand-design rule，这种方法在当时看似是最“正确的”，但还是带来了 3 调阻碍 - 可扩展性 - 可适应性 - 虚拟完整的世界 - **从人类编程到[[machine learning 机器学习]]** - 1958 年的[[perceptron 感知器]] - 1962 大卫·休伯尔与托斯坦·威泽尔发现猫的视觉皮质的层次结构与深度学习网络的架构类似 - 1980 由日本科学家福岛邦彦 kunihiko fukushima发明了可以识别数字和字母的模型，原始的卷积神经网络架构，用的是监督学习与无监督学习算法。 - 1998 年，Hinton 和杨立昆在[[Backpropagation 反向传播算法]]的基础上进行优化，受视觉皮质启发，发明了[[CNN 卷积神经网络]] - 2012 年，[[AlexNet]] - **数据、算法、GPU** - 2012 年的 AlexNet 其实和 CNN 的区别不大，但却得到了革命性的进步，主要是因为 3 个因素：数据、算法和 硬件的发展 # HOW（树枝和树杈） **解决图灵提出的问题，以[[machine learning 机器学习]]的方式** **视觉：** - syntax：[[三维结构]]，比如无人驾驶 - semantics：物体分类、场景分类、物体监测、物体切割，比如 ImageNet - syntax+semantics：3D 建模与物体识别 **视觉+语言**： - syntax+inference：CLEVER做了行业的基准（benchmark），与 SHRDLU解决的问题类似 -  - 用不同的[[Deep Learning 深度学习]]模型来测试发现，[[LSTM 长短期记忆]]和 CNN 是表现最好的。 - 截至 2016 年，AI 对材料、数量、比较等能力还达不到人类水平。 - **看图说话**： - 对一幅图进行一句话、几句话到一段话的描述 - next actions： 2016 年的 AI 还不能读懂一幅图中的幽默，但是 2024 年的[[GPT4o]]已经可以了。 # HOW GOOD（思维模型） # ref. - [SHRDLU](https://zh.wikipedia.org/wiki/SHRDLU) - [原视频](https://readwise.io/reader/shared/01hzerzhh53r3reaffwb3jr4st) # archive ---