AI 學習筆記（一）

時間：2023-08-14 11:03:01 | 來源：網站運營

時間：2023-08-14 11:03:01 來源：網站運營

AI 學習筆記（一）： 2022年12月1日，Open AI發(fā)布了ChatGPT。這個AI聊天機器人迅速火爆出圈，半個月用戶突破100萬，兩個月用戶突破一個億，刷新了歷史記錄。ChatGPT也引發(fā)了我對于AI的學習熱情，因為就在2022年10月17日，我曾經對一個朋友說，我希望將來造一個有獨立人格的虛擬數字人。而ChatGPT所代表的當前業(yè)界在AI方面的技術進步，給了我極大的信心和勇氣。我希望自己將來能夠在大數據+AI領域做出偉大的產品。

此前我接觸到的AI，主要是應用層面的。2018年8月開始做杭州城市大腦，其中就包含AI在交通治堵方面的應用，如AI信號燈的控燈算法；還有AI在公安、綜治和城管方面的應用，如人臉、體態(tài)、車牌的實體識別，違章停車、出店經營、游商的事件識別；其他還有疫情期間利用OCR識別身份證上的信息完成人員進出登記。2022年8月開始做平陽一網統(tǒng)管的項目，其中包含AI在城市治理方面的應用，如無人機水域巡查做水面漂浮物和岸邊違章建筑的事件識別；無人車上路執(zhí)法做亂堆物堆料、違規(guī)戶外廣告、垃圾箱滿溢、沿街晾掛的事件識別；農貿市場的監(jiān)控攝像頭做熟食店未穿衣戴帽、占道經營、垃圾灑落、吸煙等事件識別。除此之外，還有阿里云官網的智能客服以及信訪局客戶的智能客服。

但是ChatGPT給我打開了關于AI應用的新天地。我決定從兩個方面去學習AI，一個是ChatGPT的下游應用，包括B端和C端的應用，另一個是ChatGPT的原理以及背后的技術。

（一）ChatGPT的應用

首先是在網上看了不少評論文章，看到ChatGPT能幫人寫文章，寫劇本，設計文案，編寫或重構代碼，包括阿里ATA上的試用和評論文章。各種評論基本上都是很正面的，甚至是驚嘆，有人還提出了范式轉移的問題。

其次是自己上Open AI的網站試用，但是有兩個阻礙：1）國內IP不能訪問，除非科學上網，不過我選擇了在阿里云上開通一臺位于美國的Windows服務器，通過這臺服務器訪問Open AI的網站，問題解決；2）Open AI的網站上注冊賬號需要有國外的手機，這個可以上http://sms.activate.org去購買一個虛擬號碼解決，很便宜的，一塊錢不到，不過我選擇了在淘寶上購買一個現成的注冊賬號，問題解決。

試用之后，果然很贊，用中文或英語提問，寫文章、寫劇本，秒級回應，跟真人比，質量尚可。但是每次試用要先登錄位于美國的Windows服務器，太麻煩了。

后來在網上發(fā)現一種可以把ChatGPT跟微信賬號關聯起來的方法，這樣就可以直接跟這個微信賬號聊天，甚至可以把這個微信賬號拉到群里，供多人一起試用。于是我在阿里云上開通一臺位于杭州的CentOS服務器，部署了docker，下載一個現成的鏡像，運行之后，再用一個實名認證的微信賬號掃碼登錄。我把這個微信版ChatGPT介紹給好幾個朋友試用，想看看不同職業(yè)的人們會怎樣來使用這樣的AI聊天機器人。

最近又閱讀了《騰訊研究院AIGC發(fā)展趨勢報告2023》，這篇68頁的文章，幫助我建立了關于AIGC的概要全貌。里面引用的很多更深入的研究文章，需要花時間進一步去學習了解。

（二）ChatGPT背后的技術

先學習關于AI的基礎知識。閱讀人工智能之父圖靈發(fā)表于1950的論文《Turing-Computing Machinery and Intelligence》，從中了解大名鼎鼎的圖靈測試。

在IBM的網站（https://www.ibm.com/topics/artificial-intelligence）有一些文章，介紹什么是人工智能、什么機器學習、什么是神經網絡、什么是深度學習。

機器學習包括監(jiān)督學習和非監(jiān)督學習。工作流程分三步：1）決策流程（A Decision Process）；2）錯誤函數（An Error Function）；3）模型優(yōu)化流程（A Model Optimization Process）。

監(jiān)督學習的算法有兩類：分類和回歸，具體的算法有：1）神經網絡（Neural networks）：ANN、RNN、CNN；2）樸素貝葉斯（Naive Bayes）；3）線性回歸（Linear Regression）；4）邏輯回歸（Logistic Regression）；5）支持向量機（Support Vector Machine）；6）K最近鄰法（KNN：K-nearest Neighbor）；7）隨機森林（Random Forest）。監(jiān)督學習的應用領域：圖像/對象識別、預測分析、客戶情緒分析、垃圾郵件檢測。

非監(jiān)督學習的算法有三類：聚類、關聯、降維。具體的算法有：1）聚類算法：K均值聚類（K-means clustering）、層次聚類（Hierarchical clustering）；2）降維算法：主成分分析（PCA：Principal Component Analysis）、奇異值分解（SVD：Singular Value Decomposition）。關聯的算法沒有介紹。非監(jiān)督學習的應用領域：新聞分區(qū)、計算機視覺、醫(yī)療影像、異常檢測、客戶畫像、推薦引擎。

有監(jiān)督學習和無監(jiān)督學習的根本區(qū)別：是否使用標注數據集。其他的不同：目標、應用領域、復雜度、缺點。此外還有半監(jiān)督學習：同時使用有標注的和沒有標注的數據集。以及強化學習（Reinforcement Learning）。

神經網絡（Neural networks or Artificial neural networks）：1）感知機（Perceptron）；2）多層感知機（MLP：Multi-Layers Perceptron）；3）卷積神經網絡（CNN：Convolutional Neural Networks）；4）遞歸神經網絡（RNN：Recurrent Neural Networks）。

深度學習：神經網絡的層數>3層。深度學習的應用：1）執(zhí)法；2）金融服務；3）客戶服務；4）醫(yī)療保健。

人工智能：1）ANI：Artificial Narrow Intelligence；2）AGI：Artificial General Intelligence；3）ASI：Artificial Super Intelligence。

以上是IBM網站的內容（英文），不過內容的組織不是很好，沒有形成層次分明的知識樹。