人工智能

人工智能 (AI) 是一项先进技术，可让计算机模拟人类的认知过程，协助人们完成日常事务、解决各类问题。随着 AI 的不断发展，其正通过提升家庭和工作场景中日常事务的处理效率，逐渐成为我们生活中不可或缺的一部分。

什么是人工智能？

人工智能的定义：人工智能是关于计算机系统的理论与开发，能够执行通常需要人类智能才能完成的任务。此类系统涵盖视觉感知、语音识别、决策制定以及语言间的翻译等功能。

人工智能涵盖了诸多理论和技术，其运作原理在于快速高效地分析海量数据。在分析这些数据的过程中，它能够识别出规律，以便助力其完成原本由人类执行的任务。此类任务涵盖从开展对话，到识别客户购买规律的各种活动。

近年来，随着人工智能领域资源投入和研究规模的拓展，其各类分支不断涌现。其中，生成式 AI、机器学习和深度学习是该领域的重要进展。AI 应用正在迅速发展与演变，其发展前景有望远超我们目前的认知。

人工智能的工作原理是什么？

人工智能是一项复杂的技术，包含多个子集和类型，其运作方式各不相同。尽管存在这些差异，AI 模型在投入使用前，通常都会依托海量数据完成训练，然后再依据所学数据完成各项任务。

以下是人工智能模型运行的关键步骤：

• 数据收集：根据具体的 AI 模型，收集多种类型的数据，包括文本、数字、音频或图形
• 数据处理：分析数据以理解其内容，并解读各个数据点之间的关系
• 学习：识别并处理数据中的规律，以全面理解训练数据的运作方式以及各个数据点的含义
• 任务执行：利用数据执行任务并生成输出结果
• 持续改进：从自身输出结果中学习，并基于成败案例重新训练，逐步提升模型的准确性和应用价值

这一迭代过程使 AI 模型得以不断改进和适应，从而使 AI 成为适用于广泛场景的强大工具。

人工智能的发展历程是怎样的？

人工智能的起源可追溯至 Alan Turing 发表其开创性论文《计算机器与智能》的关键时刻。在这篇著作中，Turing 探讨了机器智能的概念，为当今我们所熟知的 AI 的发展奠定了基础。

• 20 世纪 50 年代，起源：该论文发表后不久，计算机科学家 John McCarthy 首次提出了“人工智能”这一术语。自 20 世纪 50 年代中期这一提法出现以来，人们对这一主题的关注度及其内涵认知都发生了巨大转变。
• 20 世纪 60 年代至 70 年代，初期研究：在此后几十年里，人工智能领域的研究持续推进。首种编程语言（被称为“列表编程”）就此诞生，并沿用至今，成为 AI 研发的基础语言。这一创造时期之后，AI 领域获得了一些资金支持和开发进展。然而，美国政府对资助 AI 研究的发展几乎没有表现出任何兴趣。
• 20 世纪 80 年代，全球关注度和投资增加：20 世纪 80 年代，人工智能发展迎来了最大且最积极的转变。在这一短暂时期内，日本政府为“第五代计算机系统”(FGCS) 项目投入了约 8.5 亿美元，用于开发先进的 AI 技术。这一重大投资标志着 AI 研发领域的一次重大推进。此外，首辆无人驾驶汽车诞生于慕尼黑，而首届 AI 相关会议也在斯坦福大学举办。
• 20 世纪 90 年代，商业化应用与发展困境：20 世纪 90 年代，AI 领域呈现出商业化应用与发展困境交织的态势。尽管专家系统开始在金融和医疗保健等行业落地应用，但 AI 技术的局限性导致了一个被称为“AI 寒冬”的时期，在此期间，对 AI 研究关注度和资金投入大幅下降。
• 2000-2010 年，复兴与发展：21 世纪 00 年代，受计算能力提升与大型数据集可及性增强的驱动，AI 研究迎来复兴。随着支持向量机和神经网络等算法的开发，机器学习日益受到重视。同一时期，AI 应用也在自然语言处理和计算机视觉等领域兴起。
• 21 世纪 10 年代，深度学习与普及：自 2010 年以来，得益于深度学习领域的突破，AI 实现了指数级增长。卷积神经网络 (CNN) 和循环神经网络 (RNN) 等技术推动了图像和语音识别的重大进步。AI 已无处不在，其应用场景覆盖半自动驾驶汽车、个性化推荐和虚拟助手等。
• 智能领域的最新发展动态：过去十年间，AI 已融入社会及主流网络媒体的各个方面，在短时间内催生了令人瞩目的创新成果。如今，AI 在社交媒体算法中发挥着关键作用，ChatGPT 等模型显著提升了网络文字内容的数量和质量。此外，AI 生成图像在网络上的使用也愈发普遍。在某些情况下，其使用会给别有用心者提供误导读者的机会。

过去五年，AI 在各个领域都取得了实质性进展。语音识别和计算机视觉的显著进步，与自然语言处理技术的快速迭代相协同，极大加速了 AI 的发展进程。

• 这些最新发展已体现在日常生活的诸多方面，包括：在医疗保健领域，疾病检测变得更加便捷；借助驾驶辅助系统，出行更加便利；游戏愈发精良且视觉效果更佳。鉴于 AI 如今在社会中的重要地位，我们可以推测其必将影响我们未来的生活方式。

数十年来对人工智能的研究与关注，最终造就了我们今天所见到的先进技术。AI 正融入家庭和职场之中，成为人们日常生活中不可或缺的一部分，其早已不再是遥不可及的梦想。

人工智能有哪些主要类型？

在更广泛的人工智能领域中，有三种主要类型正推动着当今 AI 的发展。

• 机器学习涉及训练算法，使其能够基于数据做出预测。机器学习技术种类繁多，每种技术都专用于解决不同类型的问题。其中，神经网络是最常见的机器学习算法之一，其命名源于人脑的运作方式。由于能够高效处理和分析复杂数据，神经网络的应用范围十分广泛。
• 深度学习作为机器学习的子集，通过增强神经网络的能力，更精准地模拟人脑的运作方式。深度学习方法通常用于需要类人智能的任务，例如将声音转录为文本。

例如，Zoom 运用深度学习技术实现会议内容的转录，与会者可专注于聆听发言、梳理思路，无需额外做笔记。

• 生成式 AI 是 AI 的一个子集，能够基于从现有数据中学习到的规律和结构生成新的内容。其依赖 Transformer 和生成对抗网络 (GAN) 等先进模型来理解和创建内容。Transformer 为大语言模型 (LLM) 提供了基础，且训练效率更高、速度更快。

Transformer 使研究人员能够在无需初始标注数据的情况下训练更大规模的模型。该能力让模型能够分析的文本和信息量远超以往水平。

LLM 的进步为 AI 模型生成逼真文本及创建栩栩如生的图像奠定了基础。近年来，生成式 AI 模型发展迅速，且预计以类似的速度持续增长。

人工智能是如何应用的？

美光不仅提供关键的生成式 AI 和 LLM 内存及存储解决方案，还在自身的智能制造流程中运用 AI 技术。

硅制造是一个极其复杂的过程，耗时数月，涉及大约 1,500 个步骤。美光在这一过程中的每一步都采用先进的 AI 技术，大幅提高了精度和生产效率。在整个制造过程中，智能传感器得到广泛应用，以实时监控质量并收集复杂数据。这些数据将被输入到生成式 AI 工作负载中，从而优化运营，并使我们业界前沿的 AI 内存和存储解决方案在产量、良率和质量方面达到历史新高。

美光应用 AI 所带来的益处不仅体现在产量提升和良率提高上，还见诸于提升的质量和效率、更安全的工作环境以及可持续的业务发展。其应用场景几乎无限。事实上，许多大型企业已认可了这些应用，并正将生成式 AI 投入使用。我们了解 AI，源于我们在日常运营中对 AI 的应用。