而路阳这边，此时却正在刷小破站，距离上次更新又过去许久，看着屏幕发呆，心中却在回忆关于chatgpt的一切信息，隔离期间也做了相当多的功课。
人工智能的前身用俗话描述，就是聊天机器人，1950年人工智能之父发表了一篇论文，大概内容就是，当你不面对面的跟别人聊天，如果你很难分别出跟你聊天的人是否为人类时，那就可以说明这个机器具有一定智能。
这就是所谓的图灵测试，一经推出后就吸引了很多计算机领域的科学家向其发起冲击。
1966年MIT实验室就发明了一款聊天机器人，ELIZA，把这款机器人舍得成一个心理治疗师，非常聪明的规避了许多问题，少说多倾听，说得越少，错得越少。
其实背后就是一堆，if……then……代码，底层逻辑还是关键词抓取，比如说你输入妈妈，他就会让你聊聊家庭，也算符合人类的逻辑。
30年后，ELIZA升级成ALICE，关键词数量已经足以应对普通人类的回答了，但仍没通过图灵测试。
这种类型的聊天机器人其实就是模式匹配，听到关键词，就调取预设好的文案，直到今天，电商、银行领域类的客服，基本上都是基于模式匹配开发的，已经能解决大部分客服问题。
这种模式的上限是确定的，无论你设计多少量级的关键词，它只会根据预设文案做答复，不会创造新的答案，但确实替代了大部分人工客服。
模式匹配虽然有用，但不可能产生智能，于是就出现了一种新的模式，就是机器学习。
顾名思义，底层逻辑是我不给你规定模式，只给你大量的案例，让机器自己去学习，总结其中的规律，基于这个理念，2001年科学家又推出了一款名为smarterchild的机器人，很快，聪明的小孩就火出圈了。
2000年左右时，随着互联网的普及，网络聊天成了大部人的交流渠道，“聪明的小孩”隐藏其中，不管你跟它聊什么，它都能回答，虽然答案千奇百怪，但聊天本来就没什么对错。
“聪明的小孩”正式推出后，吸引了几千万用户每天跟它聊天，每日处理数据量过10亿条。
2007年，聪明的小孩被微软给收购，可以看出，国外大厂对这个领域重视时间非常早。
小主，这个章节后面还有哦，请点击下一页继续阅读，后面更精彩！当然，“聪明的小孩”也没能通过图灵测试。
2010年，机器学习领域，开始出现一个新词，那就是人工神经网络。
人的大脑是靠超过100亿个神经元，通过网状链接来判断与传递信息，虽然每个神经元都很简单，但是组合起来就可以判断复杂的信息，所以科学家就用这种模拟人脑的方式来设计底层模型。
输入信息后，通过隐藏神经节点来判断与传递信息，其实这种模型早在1960年就有科学家提出，但是人工神经网络需要两个东西支撑，大量的数据和强大的算力，2010年前，条件并不具备。
2010年后，有了大量的数据，算力也成指数级提升，科学家就发现这种模式特别容易处理人类一看就知道或者说凭直觉就能知道的事，比如说人脸识别。
在这之前让电脑通过图片判断某人身份根本就不可能，用人工神经网络就能轻松解决这个问题。
这种类似的方案比如声音识别，自动驾驶，包括之前流行的ALPHAGO都是基于人工神经网络开发的，并且落地应用效果非常好，遗憾的是在文字处理上，效果差上许多，甚至比不过匹配模式。
因为这种机器学习，通常使用的是循环神经网络，俗称RNN来处理文字，底层处理方式是一个词一个词的处理，没办法进行大量学习。
直到2017年谷歌发表一篇论文，提出了一种新的学习框架Transformer，有效解决机器不能同时学习的问题。
有了Transformer后，机器学习就像打通任督二脉，在文字学习上实现巨大飞跃。
“看来，我们都是站在别人肩膀上才能发展起来！”
喜欢穿越就被抓，我拯救华夏芯片请大家收藏：穿越就被抓，我拯救华夏芯片本站更新速度全网最快。