多年來，多種因素推動了人工智能(AI) 的發展。計算技術的進步使快速有效地收集和分析大量數據的能力成為可能，這是一個重要的促成因素。
另一個因素是對自動化系統的需求，這些系統可以完成對人類來說風險太大、挑戰性太大或太耗時的活動。此外，由於互聯網的發展和海量數字數據的可訪問性，人工智能現在有更多機會解決現實世界的問題。
此外，社會和文化問題也影響了人工智能。例如，為了應對對失業和自動化的擔憂，出現了關於人工智能的倫理和後果的討論。
人們還擔心人工智能可能被用於惡意目的，例如惡意網絡攻擊或虛假宣傳活動。因此，許多研究人員和決策者正試圖確保以合乎道德和負責任的方式創建和應用人工智能。
在超過1000 名技術人員敦促暫停最強大的#AI 系統的培訓後，@UNESCO 呼籲各國立即實施其關於AI 倫理的建議書——第一個此類全球框架，已被193 個成員國採納https:// t.co/BbA00ecihO pic.twitter.com/GowBq0jKbi
– Eliot Minchenberg (@E_Minchenberg) 2023 年3 月30 日
自20 世紀中葉問世以來，人工智能已經取得了長足的進步。這是人工智能的簡史。
20世紀中葉
人工智能的起源可以追溯到20 世紀中葉，當時計算機科學家開始創建算法和軟件來執行通常需要人類智能才能完成的任務，例如解決問題、模式識別和判斷。
人工智能最早的先驅之一是艾倫圖靈，他提出了可以模擬任何人類智能任務的機器的概念，現在被稱為圖靈測試。
1956 年達特茅斯會議
1956 年的達特茅斯會議聚集了來自不同專業的學者，以研究構建能夠“思考”的機器人的前景。會議正式介紹了人工智能領域。在此期間，基於規則的系統和符號思維是人工智能研究的主要課題。
1960 年代和70 年代
在1960 年代和1970 年代，人工智能研究的重點轉移到開發旨在模仿特定領域的人類專家所做決策的專家系統。這些方法經常用於工程、金融和醫學等行業。
80年代
然而，當基於規則的系統的缺點在80 年代變得明顯時，人工智能研究開始關注機器學習，這是該學科的一個分支，它採用統計方法讓計算機從數據中學習。因此，神經網絡是根據人腦的結構和操作創建和建模的。
1990 年代和2000 年代
人工智能研究在1990 年代在機器人技術、計算機視覺和自然語言處理方面取得了長足的進步。在2000 年代初期，深度學習（使用深度神經網絡的機器學習的一個分支）的出現使語音識別、圖像識別和自然語言處理方面的進步成為可能。
第一個神經語言模型，就是“深度學習教父”之一的Yoshua Bengio 他被廣泛認為是自然語言處理和無監督學習領域最具影響力的人物之一。
在https://t.co/8mUYA31M9R 中學習新知識… pic.twitter.com/4f2DUE5awF
– Damien Benveniste (@DamiBenveniste) 2023 年3 月27 日
現代人工智能
虛擬助手、自動駕駛汽車、醫療診斷和財務分析只是AI 現代用途的一部分。人工智能正在迅速發展，研究人員正在研究強化學習、量子計算和神經形態計算等新想法。
現代人工智能的另一個重要趨勢是向更像人類的交互轉變，Siri 和Alexa 等語音助手引領潮流。自然語言處理也取得了重大進展，使機器能夠更準確地理解和響應人類語音。 ChatGPT——一種由OpenAI 訓練的基於GPT-3.5 架構的大型語言模型——是“老百姓的談話”AI 的一個例子，它可以理解自然語言並對各種查詢和提示生成類似人類的響應。
人工智能的未來
展望未來，人工智能很可能在解決社會面臨的一些最大挑戰方面發揮越來越重要的作用，例如氣候變化、醫療保健和網絡安全。然而，人們對人工智能的倫理和社會影響感到擔憂，特別是隨著技術變得更加先進和自主。
每所學校都應該教授AI 倫理。
– Julien Barbier ❤️☠️ 七転び八起き(@julienbarbier42) 2023 年3 月30 日
此外，隨著人工智能的不斷發展，它可能會對我們生活的方方面面產生深遠的影響，從我們的工作和交易所方式到我們的學習和決策方式。
資訊來源：由0x資訊編譯自COINTELEGRAPH。版權歸作者Guneet Kaur所有，未經許可，不得轉載