大数据和大模型时代的人工智能研究和落地应用.pdf

《大数据和大模型时代的人工智能研究和落地应用.pdf》由会员分享，可在线阅读，更多相关《大数据和大模型时代的人工智能研究和落地应用.pdf（78页珍藏版）》请在三个皮匠报告上搜索。

1、1大数据和大模型时代的人工智能研究和落地应用 窦德景April 25,2025 DA 数智大会，Shanghai复旦大学计算机学院特聘教授北电数智首席科学家清华大学电子工程系兼职教授Copyright 2023 by Boston Consulting Group.All rights reserved.现在看来，生成式人工智能（GenAI）和大模型是具有真正吸引力的变革 并且具有很高的颠覆潜力GenAI 可以在几秒钟内创建完全原创的文本、图像、音频等GenAI 比当前任何大规模企业技术都强大得多GenAI 模型应用和参数以前所未有的速度猛增人工智能（Artificial Intelligen

2、ce）机器学习（Machine Learning）深度学习（Deep Learning）生成式AI（Generative AI）1956GenAI 是一个不断发展的新技术19972012根据提示或现有数据创建新的书面、视觉和听觉内容20173像人一样行为像人一样行为(AGI)：图灵测试：图灵测试 图灵（1950）“计算机和智能”“机器能思考吗？”“机器能智能地行为吗？”智能行为的运行测试：模拟游戏 预计截止到2000年，机器可能会有30%的机会和一个人聊天长达5分钟不被发现（GPT4.5 passed in 2025）预计在未来50年会有关于反对AI的所有主要争论 包括AI主要组成部分：知识、

3、推理、语言理解和学习 4Robocup:足球版的图灵测试预计到2050,机器人足球的世界冠军可以和世界杯冠军踢一场比赛5Robocup:小型组我参加了耶鲁2000年的Robocup Team,负责主机和机器人之间的无线通讯6AlphaGo(GO,2016)阿尔法狗（阿尔法狗（GO,2016）78Nature Cover自然杂志封面自然杂志封面9AlphaGo Zero(2017)10Turing Awardees 2019图灵奖获奖者图灵奖获奖者2024年诺贝尔物理学奖：两名AI科学家运用物理学原理训练人工神经网络获奖今年诺贝尔物理学奖授予了利用物理学工具奠定现代机器学习基础的研究者。他们利用

4、物理学工具开发了人工神经网络，为当今许多最先进的AI应用奠定了基础，该技术是如今机器学习、深度学习、自然语言处理、计算机视觉等主流AI技术的基础。11John J.HopfieldPrinceton UniversityGeoffrey E.HintonUniversity of TorontoJohn Hopfield创建了一种可以存储和重建信息的模型结构，Geoffrey Hinton发明了一种能够独立发现数据特征的方法，这种方法对于目前使用的大型人工神经网络至关重要。12AlphaFold2(2020)和和 AlphaFold3(2024)2024年诺贝尔化学奖：两名AI科学家获奖以表彰

5、他们对蛋白质结构预测的突破性成就2024年诺贝尔化学奖授予David Baker,Demis Hassabis 和 John Jumper 3名获奖者。一半授予Baker成功构建了具有比天然蛋白质更好特性的人工蛋白质；另一半共同授予Hassabis和Jumper开发的名为AlphaFold2的AI模型，解决了已有50年的历史难题，能够预测约2亿种已知蛋白质的复杂结构。13David BakerUniversity of Washington,USADemis HassabisGoogle Deepmind,UKJohn JumperGoogle Deepmind,UKDavid Baker,华

6、盛顿大学医学院蛋白质设计研究所所长，同时是计算机科学和物理学兼职教授。他开创了设计蛋白质和预测其三维结构的方法。Demis Hassabis,是计算机科学家和人工智能研究员。他创立AI公司DeepMind，并担任CEO。2014年，DeepMind被谷歌以6亿美元收购。John Jumper,同时是化学家和计算机科学家，目前担任DeepMind的董事。智慧城市，新能源，体育（大数据时代）智慧城市，新能源，体育（大数据时代）Big Data:3Vs大数据：大数据：3V15Volume(Scale)量（规模）量（规模）Data Volume 数据量数据量44x increase from 2009