人工智能——专家系统从诞生到发展
文/陈根
自从1965 年世界上第一个专家系统 DENDRAL问世以来，专家系统的技术和应用，就在短短的30 年间获得了长足的进步和发展。尤其是在80年代中期以后，随着知识工程技术的日渐丰富和成熟，各种各样的实用专家系统推动着人工智能日益精进。
专家是指在学术、技艺等方面有专门技能或专业知识全面的人；特别精通某一学科或某项技艺的有较高造诣的专业人士。通常来说，专家拥有丰富的专业知识和实践经验，或者说专家们拥有丰富的理论知识和经验知识。专家还应该具有独特的思维方式，即独特的分析问题和解决问题的方法和策略。
专家系统，就是从“专家”而来，专家系统（ExpertSystem）也称专家咨询系统，是一种智能计算机（软件）系统。顾名思义，专家系统就是能像人类专家一样解决困难、复杂的实际问题的计算机（软件）系统。可以说，专家系统是一类特殊的知识系统。
作为基于知识的系统，建造专家系统就需要知识获取，即从人类专家那里或从实际问题那里搜集、整理、归纳专家级知识；知识表示，即以某种结构形式表达所获取的知识，并将其存储于计算机之中；知识的组织与管理，即知识库；建立与维护等和知识的利用，即使用知识进行推理等一系列关于知识处理的技术和方法。
DENDRAL作为世界第一个专家系统，由美国斯坦福大学的费根鲍姆教授于 1965年开发的。DENDRAL是一个化学专家系统，能根据化合物的分子式和质谱数据推断化合物的分子结构。
20世纪 70 年代，专家系统趋于成熟，专家系统的观点也开始广泛的被人们接受。70年代中期先后出现了一批卓有成效的专家系统，在医疗领域尤为突出。MYCIN就是其中最具代表性的专家系统。
MYCIN 系统是由EdwardH.Shortliffe等人于1972 年开始研制的用于诊断和治疗感染性疾病的医疗专家系统，其不仅能对传染性疾病作出专家水平的诊断和治疗选择，而且便于使用、理解、修改和扩充。此外，它可以使用自然语言同用户对话，并回答用户提出的问题，还可以在专家的指导下学习新的医疗知识。
MYCIN 第一次使用了知识库的概念，并使用了似然推理技术。可以说，MYCIN 是一个对专家系统的理论和实践都有较大贡献的专家系统，后来的许多专家系统都是在 MYCIN 的基础上研制的。
进入20世纪80年代，随着专家系统技术的逐渐成熟，其应用领域迅速扩大。20世纪70年代中期以前，专家系统多属于数据解释型（DENDRAL、PROSPECTOR、 HEARSAY 等）和故障诊断型（ MYCIN、CASNET、INTERNIST 等）。它们所处理的问题基本上是可分解的问题。
20世纪70年代后期，专家系统开始出现其他的类型，包括超大规模集成电路设计系统KBVLSI、自动程序设计系统 PSI 等设计型专家系统；遗传学实验设计系统MOLGEN、安排机器人行动步骤的NOAH等规划型专家系统；感染病诊断治疗教学系统 GUIDON、蒸气动力设备操作教学系统 STEAMER 等教育型专家系统；军事冲突预测系统 IW 和暴雨预报系统 STEAMER 等预测型专家系统。
与此同时，这一时期专家系统在理论和方法上也进行了较深入的探讨。适于专家系统开发的程序语言和高级工具也相继问世。尤其是专家系统工具的出现又大大加快了专家系统的开发速度，进一步普及了专家系统的应用。
20世纪80年代，专家系统在生产制造领域中的应用已非常广泛，比如CAD/CAM和工程设计、机器故障诊断及维护、生产过程控制、调度和生产管理等。这些应用在提高产品质量和产生巨大经济效益方面带来了巨大成效，从而极大地推动了生产力的发展。
人工智能的发展，主要经历哪几个阶段
人工智能的发展主要经历了五个阶段：（1）萌芽阶段，上世纪50年代，以申农为首的科学家共同研究了机器模拟的相关问题，人工智能正式诞生；（2）第一发展期，上世纪60年代是人工智能的第一个发展黄金阶段，该阶段的人工智能主要以语言翻译、证明等研究为主；（3）瓶颈阶段，上世纪70年代经过科学家深入的研究，发现机器模仿人类思维是一个十分庞大的系统工程，难以用现有的理论成果构建模型；（4）第二发展期，已有人工智能研究成果逐步应用于各个领域，人工智能技术在商业领域取得了巨大的成果；（5）平稳发展阶段，上世纪90年代以来，随着互联网技术的逐渐普及，人工智能已经逐步发展成为分布式主体，为人工智能的发展提供了新的方向。
人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：如何帮助推动人工智能发展，个人建议优先考虑这三个要点？http://www.duozhishidai.com/article-15867-1.html人工智能的四大发展趋势，未来十年改变世界http://www.duozhishidai.com/article-7007-1.html人工智能发展前景的担忧http://www.duozhishidai.com/article-5649-1.html
多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站
人工智能概念诞生60年，哪些大牛堪称“一代宗师”
1955年，斯坦福大学计算机科学家约翰·麦卡锡（JohnMcCarthy）在达特矛斯会议上第一次提出了“人工智能”这个概念。
AlphaGo之后，这几天都被人工智能刷屏刷得眼花缭乱了吧？最要紧的是，刷完了人工智能的了解还是像个毛线球？某某专家鼻祖发明的某某技术奠定了机器视觉、深度学习、语音识别……的基础，他们都是谁？都做了什么？所谓万变不离其宗，通常来说技术、知识体系都由一代宗师开始而代代相传，并且推陈出新。人工智能作为一个诞生了六十年的研究领域，也有其“宗”可溯。
较早进行人工智能研究的麻省理工学院（MIT）人工智能实验室、斯坦福人工智能实验室等。事实上，正规教育体系的学科分类中，人工智能下分计算机视觉和机器学习两个二级学科，领域中诸多种技术彼此都相互关联。
◆ ◆ ◆计算机视觉
从特征描述符到深度学习，计算机视觉走过蓬勃发展的二十年。近两年来，尤其是最近Facebook、微软、Google在人工智能领域取得的成绩，我们都知道深度卷积神经网络的神奇之处。与其他深度学习结构相比，卷积神经网络在图像和语音识别方面能够给出更优的结果。那么，在此之前，物体识别技术是什么样子？计算机视觉技术的进步，离不开他们的工作：
计算机视觉大牛族谱
计算机视觉的鼻祖要数伟大的DavidMarr，他从计算机科学的观点出发，熔数学、心理物理学、神经生理学于一炉，首创人的视觉计算理论，从而使视觉研究的面貌为之一新。他的同事，将其理论传承了下来。现在，计算机视觉，计算机图形图像与机器学习趋于融合，极大技术相互联系，密不可分。而当下最流行的机器学习，它又是怎样诞生出千奇百怪的机器人或人工智能程序的呢？
◆ ◆ ◆机器学习一般来说，机器学习领域的代表人物有GeoffreyHinton、 YannLecun、TomMitchell等。他们如今虽然任职于不同的机构组织，然而也秉承着严谨的师承关系（包括Phd和Post-doc，co-supervise关系），如图：
最初，机器学习分为联结主义和符号主义两大学派，后来华盛顿大学教授PedroDomingos在去年的ACMWebminar上提出了机器学习五大流派及其代表人物的划分：符号主义、联结主义、进化主义、行为主义还有贝叶斯派。
◆ ◆ ◆符号主义（Symbolists）代表人物：
符号主义是一种基于逻辑推理的智能模拟方法，又称为逻辑主义，其算法起源于逻辑学和哲学，通过对符号的演绎和逆演绎来进行结果预测。举个例子：根据2+2=?来预测2+?=4中的未知项。
早期的人工智能研究者绝大多数属于此类。该学派认为：人类认知和思维的基本单元是符号，而认知过程就是在符号表示上的一种运算。它认为人是一个物理符号系统，计算机也是一个物理符号系统，因此我们就能够用计算机来模拟人的智能行为,即用计算机的符号操作来模拟人的认知过程。
总的来说，可以把符号主义的思想简单的归结为“认知即计算”。
◆ ◆ ◆联结主义代表人物：
据维基百科介绍，联结主义是统合了认知心理学、人工智能和心理哲学领域的一种理论。联结主义建立了心理或行为现象模型的显现模型—单纯元件的互相连结网络。联结主义有许多不同的形式，但最常见的形式利用了神经网络模型。
人造神经元
联结主义的中心原则是用简单单位的互联网络描述心理现象。联结的形式和单位可以从模型到模型修改。例如，网络的单位可以描述神经元，联结可以描述突触。另一个模型网络中每个单位用一个词表示，每个联结用一个语义类似的词表示。
反向传播算法演示
神经网络是今天联结主义模型的主导形式，如今流行的深度学习也是此学派的一个延伸。
Google那个识别出猫的神经网络
◆ ◆ ◆进化主义代表人物：
据Airbnb工程师朱赟介绍，进化主义起源于生物进化学，该学派擅长于使用遗传算法和遗传编程。例如佛蒙特大学的JoshBongard研发的基于生物进化理论的“海星机器人”，它能够通过内部模拟来“感知”身体各个部分，并进行连续建模。因此，即使没有外部编程，它也可以自己学会走路。
遗传算法
遗传编程
海星机器人
◆ ◆ ◆贝叶斯派代表人物：
贝叶斯决策就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。其基本思想是：已知类条件概率密度参数表达式和先验概率，利用贝叶斯公式转换成后验概率，根据后验概率大小进行决策分类。基于概率统计的贝叶斯算法最常见的应用就是反垃圾邮件功能。
概率推理
◆ ◆ ◆行为类比主义（Analogizer）代表人物：
剑桥大学计算机科学家FelixHill认为，近来人工智能系统在深度学习上取得的进展可以概括为行为主义和认知主义。所谓行为主义，顾名思义，关注行为表现而忽略大脑和神经的作用；认知主义则着眼于构成行为的心理过程。
PedroDomingos最后表示，五大流派虽然各有所长，但是，目前我们真正需要的是一个能够统一解决所有这些问题的算法。
原文发布时间为：2016-03-25
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号
人工智能来了，工作和管理方式需要做出哪些改变
0分享至人工智能将改变管理哲学、组织结构以及角色设定，管理者需要适应新技术的发展。编者按：微软正在通过与OpenAI的紧密合作，为职场使用的众多工具引入生成式人工智能功能，其中包括Microsoft365Copilot等新功能。其目标是改变知识工作的传统方式。未来几年，人工智能将对工作和管理产生变革性的影响。比方说，人工智能可以帮助提高沟通效率，找到重点，提高创造力，会议将变成可查询的知识对象等。人工智能将改变管理哲学、组织结构以及角色设定，管理者需要适应新技术的发展。最重要的是，我们要对新技术的出现秉持正确的态度，培养适应新技术的能力。文章来自编译。过去几年，微软发布了一些关于大家是如何工作的研究，其中包括对自疫情爆发以来，会议激增以及“三峰”工作日现象的分析，十分有趣。现在，基于与OpenAI的紧密合作关系，微软正在为职场使用的众多工具添加新功能，把生成式人工智能功能全面引入进来。这些新功能（其中包括Microsoft365Copilot）旨在进一步改变知识工作的完成方式。为了更好地了解这对工作和管理会产生什么影响，我们采访了微软负责现代工作与商业应用的副总裁贾里德·斯帕塔罗（JaredSpataro）。以下是我们谈话的摘录，出于篇幅与清晰考虑，文章进行过编辑：在知识工作演进的过程中，你怎么总结我们所处在的位置？你如何看待随着人工智能工具的推出，我们在未来两三年内工作都会是怎么进行的？我们正处于早期阶段。从很多方面来说，过去几十年其实是模拟工作模式的数字化。比方说，电子表格是账本的数字化表示。文字处理是从打字机发展而来的。你会看到我们已经将这些模拟态的实体数字化。从很多方面来说，这种做法带来的好处已经出现边际递减的情况，现在我们开始进入到真正的数字化新时代。我们真正开始思考当我们真正实现数字化时，我们可以采取哪些不一样的做法了。我们意识到，尤其是由于疫情爆发以及各种不同类型的通信方式的巨大变革，我们可以将人工智能应用到很多我们考虑过的任务上，然后想，嗯，这项任务就该这么干。所以这对我来说是很令人兴奋的，因为我们即将结束数字化的第一阶段，并真正进入到一个新的、非常令人兴奋的阶段。在我们的工作当中，你认为有哪些目前在做着的事情在几年之内会不再做？如果回顾过去，看看人工智能为我和刚刚上手的人们做些什么，我们会看到一些模式。第一，我们确实看到人工智能帮助我们在噪音中找到信号。我们在实际统计中发现，一个非常有趣的事实是，普通员工每天几乎有60%的时间都花在与他人沟通或协调上。而且这个比例还在不断增长。大家肯定能感觉到这一点。对此他们往往是这么表达的，在开始干我的真正工作，也就是他们招我进来要干的正事之前，我还得准备一堆的事情。所以，我看到正在出现一种模式，人工智能将帮助我们解决所有这些问题。并不是说沟通就会减少。但我们将能找出沟通最重要的地方是什么，从而帮助我们完成工作。对于人工智能如何帮助我们激发创造力，我也非常感兴趣。我们将看到全新的人机协作模式的出现。我不认为这意味着我们会减少与人的合作，但人工智能会提高我们的创造力。对我来说，这个想法很独特。多年来，我一直都认为机器不擅长创造性的任务。最后，会议会发生很大的变化。这并不是说我们不再需要开会，但我发现，比方说，我参加的会议越来越少，因为届时会议不再是一个时间点，而是变成了我可以查询、可以提问的知识对象。这是一种全新的思考人类互动的方式。因此，这三样东西在未来几年将会发生很大的变化。人工智能提高员工的创造力？能不能具体展开一下？表面上看，人工智能可以将你的粗略想法充实起来。有时候这对大家来说确实是一项艰巨任务。他们有思想的火花，他们希望这个灵感火花变成有骨有肉的东西，这样就可以想象这个想法更完整的样子。我确实看到现在正在开始出现这种情况。不过，我最欣赏的是可以迸发出真正的火花，这甚至可以追溯到创作的过程中。我发现，这些年来我一直在利用服务、机构以及他人来帮我产生想法。这几乎就像一个想法的漏斗，我会逐渐缩小范围，直到锁定工作想要追求的目标。我发现其实可以拓宽漏斗的顶部。我可以更快地产生想法。它也确实从根本上改变了我对早期创意过程的思考方式。再强调一次，对我来说最令人惊讶的是我几年前都没想过这一点。老实说，我认为人工智能更擅长把日常任务自动化，而不是产生创意。你把会议说成是“知识对象”。是因为人工智能可以轻松地转录和做总结吗？是的，但还有另一方面。转录技术正变得好到令人惊叹。不是说一点错误都没有了，但就算人来做转录也不是没有错误。根据我的经验，人工智能已经远远超出了人类的能力。会议总结非常有价值，但对我来说这是下一步。有摘要是好的。摘要可以让你了解事情的概况，但你通常想了解更多有关人际互动的信息。比方说，令我惊讶的是，在我们现在发布的一些工具莉，你可以提出非常具体的问题。有人提到过我的名字吗？这个话题有人提到过吗？这个团队对此有何看法？他们做出了什么决定？他们对这些决定有何感受？有没有不同意见？你可以对人际互动进行分析，这种细致程度会让你大开眼界，哇，以前开会都是开完会后自己大概记一下，而现在，可以从很多不同的角度来看待这种非常全面的互动。实时性和回顾性兼顾？目前的技术具备这种条件吗？确实如此，而且两者都非常出色。会议回顾就是其中之一，“哇，我觉得我没必要参加什么会议都得参加才能确保我跟上进度。”这改变了我的出席会议的模式。但我们的团队告诉我，只有亲眼目睹才能相信这项技术对会议起到的作用。事实上，我和我的产品团队在这件事上进行过一次非常友好的争辩。他们说，“贾里德，你一定得看看这个。它会改变我们开会得方式，确实值得一看。”我告诉他们，“伙计们，开会真正的价值支柱在会后。”然后他们说：“不是的，你先试试吧。”我第一次尝试时，确实被惊讶到了，因为现在的GPT模型非常擅长干这件事，甚至能够根据实时转录来确定发言人的情绪。每次我向客户展示这一点时，总能给人留下十分深刻的印象。回到前面的议题，你觉得人工智能的哪些功能或特性对未来几年的知识工作者的影响最大？这个问题对我来说并比较简单。大家问我这个问题的时候那口吻就好像，“天哪，贾里德，我敢打赌你会列出一大堆，但其实你自己都不太确定。”不是的，我很明确。影响最大的是类ChatGPT这样的工具给你的企业带来的涌现性。ChatGPT令人惊叹，因为如果你向它询问的问题跟对它的训练材料有关的话，它会给出合理答案，合理到令人惊讶，有时候就算是错的也讲得头头是道。我们可以谈谈幻觉问题，但它给出的答案却出人意料地合理。如果你尝试做特定任务，这些答案可以为你提供帮助。今天，我们还不能为你的企业提供相当于ChatGPT的东西，让你可以向它询问从第四季度销售情况到当前趋势，再到对特定产品线本季度末情况的预测等所有信息。目前还没有这样的东西。我们在这方面没有竞争。这项技术现在正在兴起，而且它的出现速度将比人们想象的要快得多。它将重塑工作设计、角色，甚至我敢说也包括公司的运营模式。因为很多角色本质上都是为了传递信息并让公司向前发展的，以便在制造产品和销售产品的一些关键方面做出正确的决策。我想事情就是这样。我认为做财务、营销、销售的人在过去几十年出现的传统应用上花费的时间将会变少，多出来的时间他们会花在查询公司情况上，嘿，这个情况怎么样？那个呢？如果我们这样做会怎样？我应该如何思考这个问题？你对此有什么建议吗？这是一种全新的思考方式，关注的是企业的持续经营。你说发生的速度会快得多，那是一年还是两年后？比这要快得多。我们是在今年三月提出这些想法的。你可以预计今年秋天就能轻松地在生产中用上。到今年夏天结束时，我们会向客户展示一些用它能做到的事情。技术就摆在那里。归根结底，其基本思想是，用GPT模型，做我们几个月前介绍的所谓的“接地”操作。也就是要把你的数据接入到模型中。这是用一种非常高效的方式将你的数据和GPT模型整合在一起。这就是副驾（co-pilot）的架构，大家正在开发这个架构，我们现在正在共同开发我们自己的架构。鉴于新的人工智能工具会产生幻觉和犯错，是不是可以允许计算机在某些时候出错，让它发挥自己的用途？我们需要就此做出决定吗？在可预见的未来会出现这种情况吗？出现这种情况后我们是不是不应该有不适的感觉？是的。我们在做产品以及跟客户合作时创造处理的术语“其实上是错的”。事实上，当我们错了的时候我们会告诉大家，但这种错误通常也有价值。就像跟你一起工作的人可能有一个不太完美的想法或一个不太了解情况的观点一样，但这些来回反复才是驱动价值的因素。我想说的是，我在过去几个月当中悟出了一个非常重要的发现或洞察：大多数人习惯于像用计算器一样用计算机。我会提出某种确定性的问题。你给我这个问题的答案。你每次都应该给我正确的答案。而有了这些新的基础性的大语言模型，你基本上就拥有了一个通用的推理引擎。你给它信息并给它提示或问题。它将以最好的方式对这些信息进行推理，并尝试给你的问题找出答案。答案也可能是错误的。我们现在打算告诉大家的是，就算答案是错的，追踪为什么会出现这样的答案也是非常有趣的。它是如何将各个部分组合在一起的？这可以如何推进你自己的思考？这与使用计算器问算数问题完全不一样。随着工作在未来几年的演进，管理者要想取得成功，需要做哪些不一样的事情？嗯，我们正处在管理的真正转折点。当然了，我们念叨这个已经有几十年了，但管理哲学、组织架构、理论观点——我们在商学院学到的各种模式——本质上都是基于二战后工业复合体的组织方法。命令与控制首当其冲，这属于那些非常大型的做法之一。但除了命令与控制以外，即便是一些规模较小、更灵活的组织，在很大程度上也是模仿传统结构的。我认为人工智能将会颠覆这一现状。当然了，分布式办公以及灵活上班已经颠覆了这一点。因此，我认为，当五年、十年后我们回顾过去时，我们会说，哇，在这些技术融合的作用下，新的管理者完全是不一样的人。他们需要知道如何跨时空管理组织里面的人员的时间和精力。他们必须能够认识到，通过基于机器的能力来增强人类的能力，将有助于他们更快、更好、更高质量地完成工作。所有这些因素都是我们从来都没有真正考虑过的。因此，虽然我无法准确预测具体情况会变成什么样，但很容易就能以100%的确定性做出预测：未来两三年的经理看起来会与过去几十年商学院训练出来的原型有很大的不同。企业要求高管们就人工智能对人才战略的影响发表看法，尤其是要考虑到2024年预算和战略规划的背景下。他们应该如何应对？我现在能看到的最好模式是投身进去，开始使用，形成自己的观点，愿意尝试这项技术，去了解它的功能和局限性。如果要说得具体一点，我的建议是，举个例子，你就应该让营销部门积极去尝试人工智能，去完成从定向营销（如何在数据中隔离出你的营销目标）到内容生成（当然内容可以非常有效地生成）乃至创意的各项任务。如果你关注的是跨组织的销售职能，我会让销售人员利用上人工智能，来帮助他们更有效地与客户互动、在销售流程中找到合适的信息。从本质上讲，每一项功能我们都可以仔细研究一下，我们看到的大多数有远见的公司目前都在逐项功能地研究人工智能如何应用。然后，他们不再把媒体写什么都照搬了，而是会寻找最先进技术的核心要义，然后他们会说，“太棒了。我觉得我们可以减少一些资源，比方说，把文案写作的资源减少10%，然后看看效果会怎样。”或者“我认为我们可以把生成式人工智能用在图像上，帮助我们进行图形设计。让我们拥抱人工智能，而不是与之对抗。”在我看来，这往往是目前最合理的策略。究竟未来具体会如何发展没人能知道，所以你必须要有自己的感觉和判断。你预计人工智能在质量和数量上能给工作带来增长吗？人们和组织如何确保会出现这种情况，而不是让人工智能自动化来取代人的工作？经济学中有一种说法叫做“劳动合成谬误”（thelumpoflaborfallacy），也就是认为社会中需要做的工作总量是固定的，如果你替代掉其中的一部分，那么一部分工人就会被取代掉。好消息是，这些年来它已被证明是一个谬论。历史上世界各地的经济体都没有发生过这种情况。当我们发明出节省劳动力的设备时，经济就会找到使用它们的方法，并且当使用了这些设备时，经济就会随着设备而增长，并且随着经济的增长，也会创造出就业机会。因此，从中期和长期来看，我并不担心这项技术会对劳动力市场和我们的经济产生什么影响。我的感觉好极了。短期内肯定会出现人工被取代的情况。因此，说在某些情况下不会出现人工被取代的效应是不诚实的说法。但从我的角度来看，当你回顾历史时，你会发现模式还是非常清晰的。当颠覆性技术出现时你该怎么做？拥抱它。你确定这通常会迎来一个非常有趣的增长驱动时代，而适应这一时代的最佳方式就是确保你要去学习。我要适应这个时代。人类的适应能力非常强。因此，即便在短期内，作为个人或组织如果你采取这种人工智能的做法，你也能做得很好，因为这本质上是一股席卷经济的力量浪潮。所以就我个人而言，作为一家公司，我们总体上对技术非常乐观。我们真的觉得你不应该带着恐惧去做事情。你当然应该以尊重的态度去看待，并思考这项技术的局限性，但如果我们拥抱这项技术，我们一起可以做很多事情。从历史上看，包括女性在内的代表性不足的群体在技术变革过程中被抛在了后面。你认为需要做什么才能确保这种情况不会再发生？我要回到一个非常强大的想法，那就是当新技术出现时，你可以选择决定如何去使用它。我们所看到的人工智能令人兴奋的一点是它的广泛应用。ChatGPT是我们见过的增长最快的消费者技术。不到90天之内用户数就突破了1亿；如今，用户数量已超过2亿。因此，说到普及，你会发现这是我们见过的范围最大的普及。当然，我们希望在普及方面做更多的事情，这就是为什么我们要资助OpenAI，好让世界各地的任何人都可以免费使用它，用到他们想处理的任何用例上。但与此同时，除了可用性之外，你还必须教会人们正确的态度。要我说，这是一种成长心态。这是一种拥抱和拓展的心态。如果你看到了技术变革的机会，你就能利用这个机会。你在最新的研究中提到了“人工智能才能”的概念。当人工智能本身发展如此之快时，怎么传授人工智能才能才是最合适的？作为一项技能，如何确保它的敏锐性？这是当今技术面临的挑战之一。我提到了ChatGPT的迅速崛起。我们从未见过这样的东西。好消息是，我在与新兴一代的互动中发现，他们很快就接受了这个东西。我认为这就是你要做的，教大家学会拥抱新技术。当我看到教育界人士告诉学生，让我们拥抱这个技术，而不是与之抗争时，我感到非常振奋。你能做什么？让我们学习如何利用它来成为更好的作家或更好的思想家。我鼓励全社会都这样做。不要逃避这些技术。不用担心孩子们用它们来作弊。相反，我们决定可以一起协作，学习如何有效地使用这项技术。最重要的是，不要在恐惧的情绪下做事情。要用乐观和充满机遇的心态去开展工作。如果你这样做，就不仅会进展顺利，而且我们还能利用这些技术产生的盈余，并且可以在全球范围内使用这些技术。译者：boxi。特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.
/阅读下一篇/返回网易首页下载网易新闻客户端