AI 学习笔记（一）

时间：2023-08-14 11:03:01 | 来源：网站运营

时间：2023-08-14 11:03:01 来源：网站运营

AI 学习笔记（一）： 2022年12月1日，Open AI发布了ChatGPT。这个AI聊天机器人迅速火爆出圈，半个月用户突破100万，两个月用户突破一个亿，刷新了历史记录。ChatGPT也引发了我对于AI的学习热情，因为就在2022年10月17日，我曾经对一个朋友说，我希望将来造一个有独立人格的虚拟数字人。而ChatGPT所代表的当前业界在AI方面的技术进步，给了我极大的信心和勇气。我希望自己将来能够在大数据+AI领域做出伟大的产品。

此前我接触到的AI，主要是应用层面的。2018年8月开始做杭州城市大脑，其中就包含AI在交通治堵方面的应用，如AI信号灯的控灯算法；还有AI在公安、综治和城管方面的应用，如人脸、体态、车牌的实体识别，违章停车、出店经营、游商的事件识别；其他还有疫情期间利用OCR识别身份证上的信息完成人员进出登记。2022年8月开始做平阳一网统管的项目，其中包含AI在城市治理方面的应用，如无人机水域巡查做水面漂浮物和岸边违章建筑的事件识别；无人车上路执法做乱堆物堆料、违规户外广告、垃圾箱满溢、沿街晾挂的事件识别；农贸市场的监控摄像头做熟食店未穿衣戴帽、占道经营、垃圾洒落、吸烟等事件识别。除此之外，还有阿里云官网的智能客服以及信访局客户的智能客服。

但是ChatGPT给我打开了关于AI应用的新天地。我决定从两个方面去学习AI，一个是ChatGPT的下游应用，包括B端和C端的应用，另一个是ChatGPT的原理以及背后的技术。

（一）ChatGPT的应用

首先是在网上看了不少评论文章，看到ChatGPT能帮人写文章，写剧本，设计文案，编写或重构代码，包括阿里ATA上的试用和评论文章。各种评论基本上都是很正面的，甚至是惊叹，有人还提出了范式转移的问题。

其次是自己上Open AI的网站试用，但是有两个阻碍：1）国内IP不能访问，除非科学上网，不过我选择了在阿里云上开通一台位于美国的Windows服务器，通过这台服务器访问Open AI的网站，问题解决；2）Open AI的网站上注册账号需要有国外的手机，这个可以上http://sms.activate.org去购买一个虚拟号码解决，很便宜的，一块钱不到，不过我选择了在淘宝上购买一个现成的注册账号，问题解决。

试用之后，果然很赞，用中文或英语提问，写文章、写剧本，秒级回应，跟真人比，质量尚可。但是每次试用要先登录位于美国的Windows服务器，太麻烦了。

后来在网上发现一种可以把ChatGPT跟微信账号关联起来的方法，这样就可以直接跟这个微信账号聊天，甚至可以把这个微信账号拉到群里，供多人一起试用。于是我在阿里云上开通一台位于杭州的CentOS服务器，部署了docker，下载一个现成的镜像，运行之后，再用一个实名认证的微信账号扫码登录。我把这个微信版ChatGPT介绍给好几个朋友试用，想看看不同职业的人们会怎样来使用这样的AI聊天机器人。

最近又阅读了《腾讯研究院AIGC发展趋势报告2023》，这篇68页的文章，帮助我建立了关于AIGC的概要全貌。里面引用的很多更深入的研究文章，需要花时间进一步去学习了解。

（二）ChatGPT背后的技术

先学习关于AI的基础知识。阅读人工智能之父图灵发表于1950的论文《Turing-Computing Machinery and Intelligence》，从中了解大名鼎鼎的图灵测试。

在IBM的网站（https://www.ibm.com/topics/artificial-intelligence）有一些文章，介绍什么是人工智能、什么机器学习、什么是神经网络、什么是深度学习。

机器学习包括监督学习和非监督学习。工作流程分三步：1）决策流程（A Decision Process）；2）错误函数（An Error Function）；3）模型优化流程（A Model Optimization Process）。

监督学习的算法有两类：分类和回归，具体的算法有：1）神经网络（Neural networks）：ANN、RNN、CNN；2）朴素贝叶斯（Naive Bayes）；3）线性回归（Linear Regression）；4）逻辑回归（Logistic Regression）；5）支持向量机（Support Vector Machine）；6）K最近邻法（KNN：K-nearest Neighbor）；7）随机森林（Random Forest）。监督学习的应用领域：图像/对象识别、预测分析、客户情绪分析、垃圾邮件检测。

非监督学习的算法有三类：聚类、关联、降维。具体的算法有：1）聚类算法：K均值聚类（K-means clustering）、层次聚类（Hierarchical clustering）；2）降维算法：主成分分析（PCA：Principal Component Analysis）、奇异值分解（SVD：Singular Value Decomposition）。关联的算法没有介绍。非监督学习的应用领域：新闻分区、计算机视觉、医疗影像、异常检测、客户画像、推荐引擎。

有监督学习和无监督学习的根本区别：是否使用标注数据集。其他的不同：目标、应用领域、复杂度、缺点。此外还有半监督学习：同时使用有标注的和没有标注的数据集。以及强化学习（Reinforcement Learning）。

神经网络（Neural networks or Artificial neural networks）：1）感知机（Perceptron）；2）多层感知机（MLP：Multi-Layers Perceptron）；3）卷积神经网络（CNN：Convolutional Neural Networks）；4）递归神经网络（RNN：Recurrent Neural Networks）。

深度学习：神经网络的层数>3层。深度学习的应用：1）执法；2）金融服务；3）客户服务；4）医疗保健。

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

以上是IBM网站的内容（英文），不过内容的组织不是很好，没有形成层次分明的知识树。