“ 人工智能技术的发展是一个蜿蜒曲折的道路 ”

人工智能技术是一项复杂的系统性工程，而且更多时候它只是一个概念性的技术；没有有人知道人工智能应该是什么样，也没有人知道应该怎么才能实现人工智能。

所以，人工智能技术经过几十年的发展，一直是在蜿蜒曲折的前进；所以，研究者们就根据人工智能技术发展的现状以及对其未来的期望总结了人工智能技术发展的几个阶段。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

而现在的人工智能技术即将要进入认知智能阶段。‍‍‍

人工智能技术发展的三个阶段

行业一般将人工智能发展分为三个阶段，分别是计算智能，感知智能和认知智能。

第一阶段是计算智能，即机器对信息进行存储和计算；机器能够像人一样拥有记忆和计算的能力，即可以存储和处理海量数据，例如分布式计算和神经网络等。‍‍

第二阶段是感知智能，所谓的感知就类似于人类的无感，视觉，听觉，触觉等感知能力。随着传感器以及各种视频，音频等采集工具的发展，机器的感知能力已经越来越强。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

但怎么从复杂的外界环境数据中做出准确的分析和判断，才是人工智能技术需要解决的主要问题。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

而这时第三阶段认知智能就开始出现了，所谓的认知智能就是让人工智能具有独立思考和判断的能力，根据外部环境给出的数据，在不同的场景下能够做出决策并行动。比如现在比较火的思维链及在其上的规划和决策理论。‍‍‍‍‍‍‍‍‍‍‍

而认知智能才是未来人工智能技术发展的主要方向，原因就是智能体应该具有独立的规划和决策能力，如果失去这些能力那么人工智能就和普通的机器没有任何区别，这时人工智能也就失去了意义。

感知智能是机器具备了视觉、听觉、触觉等感知能力，将多数据结构化，并用人类熟悉的方式去沟通和互动。

认知智能则是从类脑的研究和认知科学中汲取灵感，结合跨领域的知识图谱、因果推理、持续学习等，赋予机器类似人类的思维逻辑和认识能力，特别是理解、归纳和应用知识的能力

虽然这两年人工智能技术经过大模型技术的加持，让人类看到人工智能实现的可能性，但从感知智能到认知智能之间还存在着一些无法解决的问题。‍‍‍‍‍‍‍‍‍‍‍‍‍‍

比如说，人类之间的交流需要很强的记忆能力，比如偶尔有一天两个人可能会聊到几年前的某个场景。但对目前的大模型技术来说，它的记忆能力还很有限。‍‍‍‍‍‍‍‍‍‍

而且，两个人的聊天内容可能还经常涉及到某些逻辑推理，比如某年某月某日和谁谁在一块喝酒，本来一个兄弟也要来的，结果因为某个原因导致没有来，这时大模型就需要根据这段话判断出那个兄弟到底来了还是没来，而这就需要大模型具有强大的逻辑思维能力和记忆能力。‍‍‍‍‍‍‍‍

人类之所以复杂的原因是因为在不同的场景下，人类会做出不同甚至是完全相悖的行为逻辑；而且在不同的场景下，人类需要的东西也不一样。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

比如，在科学研究领域需要的科学，严谨的验证和推理能力；而在职场环境需要的“人情世故”的能力。‍‍‍‍‍‍‍‍‍‍‍‍‍

举个简单的例子，阿尔法狗下期赢了世界上最顶尖的棋手，但如果你让阿尔法狗和领导下棋，它能领会其中的意义吗？它不会，它只会想尽一切办法去赢，因为这才是它的目标。‍‍‍‍‍‍‍‍‍

所以，人类社会中的那种人情世故对人工智能来说可能是完全无法理解的存在，甚至会导致人工智能出现“脑裂”现象。‍

而这才是人工智能技术或者说现在大模型技术需要解决的技术难点，在条条框框下一板一眼的做事谁都会，但难得是随机应变的能力。‍‍‍‍‍‍‍‍‍‍‍‍‍‍

所以说，从这里来看认知智能也仅仅只是人工智能技术发展过程中的一个小环节，它并不是最终的目标，也无法成为最终的目标。

当然，人工智能到能够真正的拥有智慧还很遥远，但是在现阶段让人工智能技术在某些特定的环境下做出合理的规划和判断，然后在某些方面取代或提升工作效率更具有现实意义。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

人工智能技术是一个需要探索和检验的技术，它的发展过程注定是蜿蜒曲折，而不是一帆风顺。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】