人工智能基础概述

人工智能的历史变迁

在1956年夏季的达特茅斯人工智能研究会上，约翰·麦卡锡等人首次将不同领域中出现的“类人计算”“机器智能”等描述进行了统一，正式提出了“人工智能”这一术语，明确了人工智能的首要使命，即运用算法构建动态计算环境来模拟人类智能，从而奠定了人工智能发展的基础。

人工智能

以目前人工智能发展的形式来看，未来人工智能发展的趋势会是什么样的呢？

AI人工智能是未来

你的信息就是它们的根本，利用AI人工智能控制世界（普通人的监控能力是有限的，往往只能监视VIP重要的人，你不可能发现一个普通人，除非机器给你一个人的号码，你才知道。用人监控人不现实，阻力也很大，当官的谁敢让人监控？等于自寻坟墓，所以只能用AI人工智能监控世界。

人工智能技术雷达扫描说明【人工智能专题系列之一】

我司GTS在人工智能领域做了大量的探索，主要是在站点数字化、网络设计调测自动化、网络维护智能化、网络优化自动化等领域引入了AI。在3月份本人做了2期关于《人工智能的大讲堂》，经常有人来咨询我关于AI具体到底如何落地？每天eSpace回答很多类似的问题。

人工智能发展简史

人工智能|思维链

简介 以下是两道数学题： 第一题：1+1 等于几？ 第二题：已知函数f（x）=2x^2+3x +1，求f（2）的值 以上两个题目，我们发现第一道题目我们可以立刻给出答案，但是大部分人面对第二道题目的时候，还需要做一个推导的过程。其实这是一个正常的现象。 在刚开始学习数学的过程中

人工智能芯片综述

芯片类型：DSP：TI美国德州仪器公司的 TMS320 ，C2000(数字控制系统)、C6000(高性能复杂的通信系统)、C5000(低功耗、便携的无线通信终端产品)ADI模拟器件公司Motorola摩托罗拉公司FPGA：Xilinx赛灵思Altera（Intel）美高森美莱迪思NPU

科学计算与人工智能

资本助力，易出“奇迹” 人工智能领域的飞速发展，是资本“大力出奇迹”的必然结果。2019年，微软以10亿美元的投资成为OpenAI的“天使投资人”。至2023年，微软对OpenAI累计投资额高达130亿美元。

人工智能工业中体现

人工智能逐渐从概念走向我们的生活工作中。最明显的体现就是我们手机中的应用，我们网购的时候，看到的都是我们期望看到的商品，拉近了商家和消费者的距离。但是工业中如何体现人工智能呢？

机器学习（二）：人工智能发展历程

会议足足开了两个月的时间，虽然大家没有达成普遍的共识，但是却为会议讨论的内容起了一个名字： ​ 人工智能 因此，1956年也就成为了人工智能元年。 二、发展历程 人工智能充满未知的探索道路曲折起伏。如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。

《数字化转型之路》 —2.3.7　从弱人工智能到强人工智能

举例来说，人类自身就是一个典型的强人工智能，其具有归纳总结、举一反三的能力，这是现在的AI所不具备的。那么，未来的强人工智能有什么特征呢？首先，强人工智能是基于小数据的。

【人工智能 | 认知观与系统类别】从宏观角度看人工智能认知观与系统类别：探索人工智能无垠领域

经典的人工智能（经典AI）采用了符号主义认知观的思想。(主要是数理统计) 连接主义认知观（connectionism)：(侧重模拟结构)连接主义认知观强调神经网络和大规模并行分布式处理的思想。它模拟人脑中神经元之间的连接和信息传递，通过学习和调整权重来实现智能行为。

“ModelArts人工智能应用开发指南” 人工智能应用开发数据准备学习分享

数据冗余性大，标签少，数据分析难，人工采集成本大等）数据准备不仅重要，且花费工作量非常大，往往在项目开发中，数据相关的工作量占据80%，算法模型准备占据20% ModelArts在数据管理方面提供了一系列智能化数据服务，大大降低开发成本，提高开发效率 1，数据采集（数据采集是开发人工智能应用时面临的首要问题

重塑计算产业生态，加速人工智能发展

很高兴参加2019世界人工智能大会，也很荣幸和大家分享华为在人工智能以及行业智能化转型上的一些进展和思考。据统计，布署AI的中国企业比例己从去年的4%上升到14%，全球人工智能的市场规模比去年同期提升30%，AI驱动的智能世界正加速到来。

人工智能|ReACT 推理提示

实践应用 通过 LangChain 或者 ChatGPT 的官方 assistant 的 tools 都有利用到 ReaACT 的原理。在后续的课程中会有更深入的实战应用。比如打造企业专属人工智能助理。

人工智能术语翻译（六）

@[toc] 摘要 人工智能术语翻译第六部分，包括U、V、W、X、Y、Z开头的词汇！

机器学习（三）：人工智能主要分支

人工智能主要分支 通讯、感知与行动是现代人工智能的三个关键能力，在这里我们将根据这些能力/应用对这三个技术领域进行介绍： 计算机视觉(CV) 自然语言处理(NLP) 在 NLP 领域中，将覆盖文本挖掘/分类、机器翻译和语音识别。

人工智能术语翻译（一）

@[toc] 摘要 整理了一些人工智能的术语和翻译。

人工智能：PyTorch深度学习框架介绍

它是由Facebook的人工智能研究小组在2016年开发的，解决了Torch因为使用Lua编程语言普及度不高的问题，故采用了集成非常广泛的Python编程语言来实现。