重要提示 | 视频资料无加密【常用视频格式（AVI、MP4等），手机电脑均可观看】 | | |
[鹤老师人人必修的AI启蒙课]启蒙课程
![[鹤老师人人必修的AI启蒙课]启蒙课程.jpg](data/attachment/forum/202305/05/095906f2wysx6j2sbw2ims.jpg "[鹤老师人人必修的AI启蒙课]启蒙课程.jpg")
课程内容：
前言向人工智能致敬.mp4
1-1从猿到人划时代的跃升.mp4
1-2人工智能的里程碑CHATGPT.mp4
1-3碾压性优势与无限前景.mp4
1-4未来Al世界的入口.mp4
1-5人工智能的发展历程.mp4
1-6 CHATGPT的原理和版本区别.mp4
1-7人工智能的伦理难题.mp4
1-8人工智能与利益之争.mp4
1-9Al会不会消灭人类.mp4
1-10Al会造成大规模失业吗.mp4
本视频课程资源部分文字识别内容
在这一节，我们讲从猿到人划时代的月色，先讲一个真实的故事啊，1997年5月11号，她是一个历史性的一天，在这一天了而变的超级计算，计算机深蓝一两声一负三平的成绩战胜卡斯帕罗夫，你要知道卡斯帕罗夫是当时世界排名第一的国际象棋大师，一时间，全球温度机器为什么能够战胜人类，深蓝的设计者，设计者，雪风热为主要是靠深蓝的强大计算能力穷举说的路数来选择最佳的策略，深蓝可以靠硬算预判到12布尔卡斯帕罗夫只能预判十步，也就是换句话来讲，深蓝还算不上足够智能，它的算法的核心是暴力搜索生成尽可能的走法执行，尽可能深的搜索他走的每一步几乎都是在便利后拒收的可能之后做出的决策，也就是沿革来看。
深蓝的胜利是计算机的胜利，他并不是人工智能的胜利，所以人们就在想什么时候计算机可以在围一起上打败了，你要知道，我一起和国际象棋在复杂整上就不可同日而唯一起的变数极多一回合有250种可能而已，盘棋可以长达150个回合，信息论创始人同在1950年测算过，这个难度，国际象棋的复杂程度都大概是在时代120分20分左右，而围棋的穷举复杂度又远远超过了国际大盗的经营了十的360次方，你要知道，目前可观测的宇宙中的原子的重量，数量只有15次方，所以这个计算就进入了死胡同，于是就有人想，如果不能算，那么能不能学生就是模拟人脑？用强大的算力算力去学习，而不是暴力计算拆解就是这么一个思路的切换，创造了一个全新的里程碑，2016年三月。
15日，谷歌围棋的人工智能阿尔法狗4比1战胜了韩国棋手李世石，震惊时间就像有道有道有道到无无无有无无到有机物？从远到不是神的进化一样，所以阿发狗的胜利的秘诀并不仅仅仅是强大的计算能力，重要的算法，而算法的核心只是强化去解决，解决深度学习很忙的考的书，当年科技的科技，他对他就是感觉他像一个有血有肉的人，在下去一样，该器的推出的地方也会推出非常均衡的一个戚风，完全看不出来是出自常，2017年二发表进一步升级为新版的二个中国人文从空白状态学起，在不利用人类任何围棋比赛数据作为训练数据的条件之下，它可以迅速的通过2900万次次，次次自学围棋，并且以89比11的成绩基本前臂。
当年的翻译软件也是一样，其实早在计算机出现之前，当时的苏联科学家就提出了一个技术的一个翻译，很简单的就一个词，对一个词嘛，我直接找到对应的词，然后在家舅舅策略不就不就不就不没有说够数，是因为苹果是大同，那都可以有对应的关系呀，而且语言学有成熟体系，你把这个语法语法策略嘛，我就可以随时去找吗？唉，这个思路看上去没问题，但是实际操作的时候越做越做越做不对不对不对，因为语言不像数学，还有大量随机应变的上分同一个词语在不同的语境情况这下雨完全不同的含义，我给你举个例子，你给我讲个讲的上的长咱俩整一桌上部长当心我整理好你看东北话的一个整有无数的意思？每一个意思要结合文章去理解，你告诉我怎么翻译怎么用规则去解读？因为这样大量的习惯用法，它是无规律的出现的，所以当想套用规则。
我说这个规则就会无限的复杂，所以机器翻译就一直停滞了20多年，无数的科学家或语言学家酷酷的都没有能够做出一个可以使用的基本模型，这个就是翻译的流派，是基于规则的，那么其实在更早的时候呢，在将近50年前，还有另外一个流派，当时已经有科学家提出一个全新的理念叫统计什么意思？采用统计学的方式去猜，基于规则是去解题，拿到1234个步骤，然后推导出来，但是基于统计，自去猜题，我看过大量的题，然后我再一看那个题，我猜他大概是选这个，也就是翻译的时候啊，这个机器不需要关心这个词到底啥意思，你不需要去理解，你只需要见过多多的栗子，经过多多学习，然后你凭感觉给我猜对这个方法有点类似，人呢？你学汉语的时候为什么感觉毫无压力，因为这个猜出来的饭冒出一个声词，比如说然后然后人看病了，你看是不是啥意思对吧？然后这个。
那就是没啥用的意思，可是你学英语为什么就能拿，因为你学英语的时候通过规则对应先学语法再学语言，然后你就越学越学越学越蒙，这样的道理，但是呢，让机器拆的这个方法在早期一直没有受到重视，因为它的效果跟这个规则反映没有好到哪里去，直到200005年的一天，有一个有一个事情的风度，每年都有一个年度的机器翻译评测，叫nosd在这个比赛当中，谷歌一跃成为冠军，比第二名要超出的板子有一个小三，这个板子我这个单位是一个非常了不起的，引起了轰动，最后大家发现谷歌之所以能够成为第一，是因为它有两个独特的资源，第一个是海量的语言数据库，这个是他做错了，所以另外一个是它独有的分布式的计算能力，也就是互联网的大部总是才有的语言，数据库就等于见多识广，分布式计算能力就等于脑子充。
在这两个条件的价值之下，机器翻译开始往统计的方向是2016年谷歌发布了基于神经网络的更强大的翻译系统，所谓的神经网络就是要计算机模拟这个结果，这就是今天的人工智能和以往的最大区别，在上个世纪80年代，我们的很多科学家做的就是把要解决的规则，规则，规则和计算，计算机，让他知道，比如说我们有一个红绿灯，自动自动作业是解决规则，我告诉你1234567个条件满足了，会怎么样？不满足会怎么样？就是你看到的我说的编程语里面的无非就是那几个判断的几个判断组合一个人，然后一个人与或非这种对吧，这种最大的就这种死机了，看起来很智能，实际上个智障对吧？因为他没有应变的能力，没有规则，遇到遇到遇到遇到到新的东西，应该怎么办？就好像一个学长，他背了100个题，你抄一遍，她一遍，她就今天呢？我们更多采用是神经网络是模拟人的思维，让机器有一些。
自己的想法，你不需要告诉他的规则，你告诉他，告诉他，告诉他一些基本的学习方法，然后这个具体的路径呢？他们自己去就好像一个孩子，你告诉你告诉他自己思路，然后他自己做，大家去考一个高分，从人为的设置规则，到机器自动学习，是从源导致的，转变是计算机领域划时代的地址。
资源下载地址：【58电商论坛各大网商VIP视频教程，下载地址请回复此帖可见】
| 
