什么是AI?
本文根据“吴恩达AI for everyone”整理而成
AI(Aritifical intelligence)可以分类为ANI(Artificial narrow intelligence)和AGI(Artificial general intelligence)，分别是狭义人工智能(弱人工智能)和强人工智能(通用人工智能)。
狭义人工智能：执行单一任务，旨在形成一个高系统，包括图片和面部识别系统、自动驾驶等；
强人工智能，即通用人工智能，这是人类构建人工智能目标，它可以做和人一样任何事情。
最近这10多年，明显感知到，人工智能大规模熟知是来源于机器学习，后来发现面对大数据，机器学习遇到性能瓶颈，深度学习神经网络兴起，比较出名是谷歌阿尔法狗(AlphaGo)，后来搭载各类人工智能产品逐渐兴起。
从下图可以看出，随着数据不断增加，神经网络构建模型比传统的AI工具模型性能表现更好
AI工具分类？
AI里有很多工具，这里介绍两种分类
下图 这里按照AI算法分类，AI分为机器学习(Machine learning,ML)、深度学习/神经网络(Deep Learning/Neural network,DL/NN)，我们经常听到的数学科学(Data science,DS)并不是真正AI范畴，只是用到里面一些算法而已
机器学习（Maching Learning）： Arthur Samuel(1959) 给出了明确概念，机器学习是研究如何让计算机不需要显示的程序也可以具备学习的能力，通常会有一个软件或者website来通过联系起来。
深度学习（Deep learning）：通过神经网络训练数据或者提取特征信息，类比大脑，大脑通过神经元，神经元相互传递，是一种A到B学习，输入-输出映射，但神经网络与大脑机制有本质区别，神经网络只是受到大脑的启发设计的框架，与生物大脑的工作机制方式无关。举个例子，如下图，在诊断肺炎时，你可能需要训练10000张肺炎图片，训练的AI系统才能正确的诊断肺炎，而医学生，可能只需要课本上描述，可以判断出是否为肺炎
数据科学（Data science）：通过从数据中提取知识和见解的科学知识。一个数据科学项目的结果是一组幻灯片，给出决策者一些结论或者一些有价值的信息。
机器学习与数据科学有什么区别？
举个例子，比如在线网站广告平台， 大型的公司广告都有AI系统在内，以此快速，知晓你最优可能点击的广告是什么，这是一个机器学习的系统，如果，分析人员发现旅游的公司购买广告份额较少，决策者决定他们的销售人员需要花更多的时间去开拓旅游业市场。
下图，AI也可以分为监督学习(Supervised learning)、无监督学习(Unsupervised learning)、强化学习(Reinforcement learning)、生成式AI(Generative AI)
这里主要讲一下生成式AI，指的是产生高质量内容的人工智能系统，包括文本、音频、视频等，最知名的生成型AI系统是OPEN AI的ChatGPT，还有Google Bard、微软Copilot
最近一年网络讨论的AI指的是类似ChatGPT大语言模型，提供输入的文本，并生成一个响应，为什么之前有聊天机器人等类似产品没有火爆，以前的聊天机器人和ChatGTP差距太大，现在爆火是因为生成的内容部分达到替代人标准，未来还有进一步的发展，有良好的前景，根据麦肯锡和高盛的研究报告，生成式AI每年会为经济贡献2.6万亿-4.4万亿美金，10年为全球GDP带来7%的增长，80%的工作的人每天10%任务和生成式AI有关
未来市场很多产品都是基于大语言模型作为卖点，比如手机产品，可能2024年以后的所有旗舰机型都会将大模型作为卖点，应该是采用端云结合方式，主要因为手机产品算力和硬件跟不上，完整的大模型被压缩导致性能有缺失。未来高通、谷歌、苹果、三星这些巨头会在这方面持续发力，手机会变的更加智能，也会有新的交互方式出现，国内可以关注下华为终端产品
AI与就业
引用了麦肯锡研究，到2030年，将会有4-8亿的工作将会被AI取代，AI也会产生更多的就业岗位，预计到2030年，会产生5.5-8.9亿的工作，网络有很多报告关于AI未来会取代那些工作，正常情况下自动化程度越高的工作，越容易被取代
觉得不能被取代的原因：1.大语言模型没有达到你现在工作的要求；2.现阶段的工作会涉及多种技能，本身就很难取代；3.本身工作会涉及很多管理育人沟通，会传播知识和提供情绪价值；4.手工程度很高的工作，比如理发等；5.政策政治因素；
换一个角度看，基本上绝大部分工作都是重复的，找一个正常人，提供合适的环境进行训练基本都能达到标准，资本是逐利的，如果AI技术未来在爆发一波，AI效率非常高，新的生产关系会新成，原来那些技能本身直接取代，这个其实和大部人关系本身不大，现在没必要过分担心
AI现实观点
乐观和悲观观点
1.1过于乐观观点：超级人工智能类似杀人机器将会到来
吴恩达观点：可能是几十年、几百年也未必实现，没有必要去恐惧
1.2过于悲观观点：AI不能取代任何事情，AI发展历史上已经出现几次过渡炒作AI的观点
吴恩达观点：AI已经在多个行业产生较大的经济价值，可预见未来将继续增长
限制发展
AI解释性非常差，由于神经网络处于类似黑盒一样，如何知道AI输出的结果是基于什么原因判断，其实现实生活人也无法对很多事情能给出具体的原因，比如，基于性别、穿着去歧视一个人，AI不能反映价值观，或会有歧视性的输出结果；对抗性攻击也会导致作出错误的决策，比如用原来输入内容添加特别的东西，来愚弄AI，列如给错误的提示
不利用途
1.制造虚假信息：合成视频是原来作者未曾做过的
2.破坏民主和隐私：过分使用AI来监测民众
3.产生虚假评论：很多评论比人看起来更有观点性，但是虚假的