前言

随着ChatGPT的爆火，生成式AI，大模型的人工智能被越来越多的人注意到，同时他也带来了许多问题。本文将对几方面进行探讨。

1.AI的发展历程

远古时期
在公元前第一个千禧年，中国，印度和希腊哲学家都提出了一些推理的研究理论，比如亚里士多德（Aristotle）进行了演绎推理三段论的完整分析，欧几里得（Euclid）所著Elements 是一种形式推理的模型，Muḥammad ibn Mūsā al-Khwārizmī,发明了代数学，即我们现在所称的算法，此外还有欧洲哲学家威廉-奥卡姆，以及 Duns Scotus。

近现代
马略卡哲学家雷蒙-勒尔（Ramon LIull），通过一些逻辑方法发明了一些逻辑机器，莱布尼兹（Gottfried Leibniz）收到他的启发，重新设计了前者的想法。

17世纪，莱布尼兹和托马斯-霍布斯（Thomas Hobbes），以及热奈-笛卡尔（ René Descartes ）向前更进一步，发现所有的思想都可以通过代数和几何的方式进行组织，Hobbes 写下了《Leviathan》，其中写道“推理无非就是计算”，莱布尼兹设想了通过一种统一的描述性语言来进行推理，这样可以减少计算的论证过程，同时，在不同的学科之间也可以间少争论，更快的达成统一。

到了20世纪，数理逻辑的研究让AI 进一步实现了突破，以英国数学家布尔的《The Laws of Thought》和德国数学家弗雷格的《Begriffsschrift》为基础，拉塞尔和怀特海德在1913念出版了《Principia Mathematica》，在此著作中陈述了一种正式的处理数学基础的方法，德国数学家，大卫-希尔伯特，受到拉塞尔的影响，提出了一个影响数理推理的基础问题：是否所有的数学推理都能被形式化，进而进行分析？
这个问题后来在《imcompleteness proof》，图灵机理论以及《Lambda calculus》中得到了解答，对希尔伯特的问题，做了以下几个说明：

并不是所有数学逻辑推理问题都能得到解决，存在限制
在一定条件的限制范围内，任何形式的数学推理可以被自动化
在《Church-Turing Thesis》中提出了以’0’，’1’作为基本符号的设备，可以模拟任何可知的数学推理过程，即我们现在所熟知的图灵机理论。

计算机科学
19世纪初期，查尔斯-巴贝奇（Charles Babbage）设计了一种可编程的计算器（the Analytical Engine），艾达-拉芙蕾丝（Ada Lovelace）敏感的认识到这种设备所拥有的巨大作用，基于巴贝奇的计算器理论引擎，其编写了完整的计算伯努利数的方法，在后来，拉芙蕾丝也被公认为是计算机科学发展历史上的第一位程序员。

第一代的现代计算机是在二战时被用做密码破译机器，比如Z3,ENIAC 和Colossus，后两个是基于阿兰图灵的理论由约翰.王.诺伊曼设计完成。
图灵测试
经过控制理论和早期的神经网络的发展，1950 年阿兰图灵发表了《computing machinery and intelligence》，其中，图灵预测了创造能够思考的设备的可能性，同时就设备具备思考能力进行了定义：

如果一个机器设备与人类对话时，人类完全不能分辨出其与人类的差别，那么就可以认为这类设备具备思考的能力.
1956年达特茅斯会议
1956年，Marvin Minsky, John McCarthy 和 2位顶级科学家: Claude Shannon （克劳德·艾尔伍德·香农）以及IBM的 Nathan Rochester，组织了达特茅斯会议，此次会议其中的一个提案断言：任何一种学习或者其他形式的人类智能都能够通过机器进行模拟。同时约翰·麦卡锡为这种机器智能取了一个名字：Artificial Intelligence，由此，AI 第一次被正名。

黄金年代（1956–1974）
达特茅斯会议之后，大众对AI 赋予了很高的期望，也对AI 能起到的效果感到十分震惊，同时，相关的研究人员在公开场合和私底下都对未来的AI 发展表达了强烈的信心。政府部门，美国DAPA 向相关的AI 机构投注了大笔资金。
这种强烈的自信在整个社会蔓延，第一代AI研究者曾经作出一些预测：

1965, H. A. Simon 曾说道：智能机器在二十年内，将能胜任人类可以做的任何事情；
1967, Marvin Minsky: 通过一代人的努力，人工智能的相关问题将从根本上得到解决；
1970, Marvin Minsky (in Life Magazine): 3到五年内，我们将能创造媲美人类智能的通用人工智能。
同时，也有一些比较成功的人工智能应用铺展开来：

搜索推理
通过回溯和动态搜索，逐步的实现一个既定目标的方法，称之为搜索推理。可以应用于游戏对战和理论证明，其依据的还是基础的理论算法实现，通过启发式和经验式（heuristic & rules of thumb）的方法可以优化搜索空间。
自然语言处理
AI 研究的一个重要目标是实现计算机的类人语言交流。早期比较成功的几个项目是：
语义网络：Roger Schank 的conceptual dependency theroy 处理所有的英文单词为一个网络中的节点，单词间的语法作为节点间的连接；
微观世界
60 年代末期，MIT AI 实验室的 Marvin Minsky 和 Seymour Papert 提出AI 研究应该集中精力在微观世界的简单场景。他们认为类似物理世界中很多经典的原理都是基于理想的简化模型，比如完全无摩擦的飞机和完美刚体（rigid body）
1993 ～2011 年：AI 的蛰伏期
AI 到这个时期，已经发展了近半个世纪，终于实现了一些它早期既定的目标，

智能代理
现代人工智能的发展

在这里插入图片描述
现在：
ChatGPT（大模型训练，生成式AI）
NEW bing
等等
————————————————————————————————

2.我是如何接触到人工智能的概念和产品的

从初中毕业，第一次接触到智能手机，接触到vivo Y13的基于Android 4.2的Funtouch OS操作系统所带的智能助手Jovi语音，这是我第一次接触到具有人工智能概念的产品的，同时我第一次接触到基于搜索引擎的分析式AI。这是我第一次见识到AI可以带来如此大的威力。如此方便人的生活。
————————————————————————————————

3.对于ChatGPT的一点看法

ChatGPT（Generative Pre-trained Transformer）是近年来自然语言处理领域中的一种重要技术。该技术采用预训练的方式进行语言建模，能够生成流畅、自然的文本。
在未来，可以预见的是，ChatGPT与应用行业的嵌入程度会越高，GPT化是不可阻挡的趋势，但是对于其人文伦理的规范的跟进也是必要的，对于其客观性的提高还有待改进。