20250814-北京大学-2025年卓越工程师系列课程_走进人工智能2.0_53页_36mb

走进人工智能2.0：总结

人工智能发展历史

人工智能从1956年达特茅斯会议起步，经历四个时代：古代（规则和知识，1956-1996）、近代（机器学习，1996-2006）、现代（深度学习，2006-2020）和当代（大模型，2020-2025）。古代强调专家系统，如石油勘探和深蓝；近代引入机器学习和数据，推动如金融风险识别；现代的深度学习模型如AlphaGo和ChatGPT，实现通用智能；当代的大模型（如GPT系列）则通过transformer架构和大规模数据，处理多模态任务，迈向AGI（通用人工智能）。AGI可能在2030年前在多数智力任务上超越人类。

大模型运行原理与能力边界

大模型基于Next Token Prediction（NTP），使用transformer架构处理token序列，经过预训练、监督微调（SFT）和强化学习（RL）等阶段。其原理包括自监督学习和端到端推理，但存在能力边界：语言能力强于逻辑推理，易有幻觉（生成不实信息）、知识库限制和上下文窗口短。应用包括生成式AI（如文本、图像）、推理任务（如数学分析）和Agent系统，但需结合提示词工程提升效果。

大模型现状、技术应用与人才需求

大模型技术快速发展，从OpenAI的ChatGPT到国内DeepSeek系列，推动行业变革。DeepSeek R1和V3等模型创新点包括混合专家（MoE）架构、长链推理和低成本部署，挑战了国际垄断，降低了AI应用门槛。应用覆盖传媒、教育、医疗等领域，但需防范风险如数据偏见和伦理问题。未来趋势包括Agent化、多模态融合和基础设施优化。人才需求转向AI通识教育、新IT技能和数据工程，强调问题定义、人机对齐和创新能力。

结论：AI作为工具与人类协作

AI是数据和语言智能驱动的工具，用户需用好判断力和表达力，而非记忆。积极拥抱AI的组织和个人将主导未来，关键是把握原理、躬身入局并随时调整策略。