AI如今出现在现代生活的每个角落，从音乐和媒体到商业和生产力，甚至约会。由于我们每天都要面对大量内容，所以有必要了解AI最近的重大发展到、专业术语、以及相关公司的所有内容，以便在这个快速发展的领域保持最新状态。

该模型是接受输入并返回输出的实际代码集合。术语与模拟复杂自然过程的统计模型或建模系统的相似性并非偶然。在人工智能中，模型可以指像ChatGPT这样的完整系统，或者几乎任何人工智能或机器学习结构，无论它做什么或产生什么。

模型有不同的大小，这意味着它们占用多少存储空间以及运行需要多少计算能力。而这些取决于模型的训练方式。

为了创建人工智能模型，构成系统基础的神经网络需要接触数据集或语料库中的大量信息。在此过程中，这些巨型网络创建了该数据的统计表示。这个训练过程是计算最密集的部分，这意味着在大量的高性能计算机上需要数周或数月的时间（你想花多久就花多久）。其原因是，不仅网络复杂，而且数据集可能非常大：必须分析数十亿个单词或图像，并在巨大的统计模型中给出表示。另一方面，一旦模型完成烹饪，它在使用时会变得更小并且要求更低，这个过程称为推论。

每个人都在谈论生成式人工智能，这个广义术语仅指产生原始输出（例如图像或文本）的人工智能模型。有些人工智能进行总结，有些人工智能进行重组，有些人工智能进行识别，等等——但真正生成某些东西的人工智能（无论它是否“创造”是有争议的）现在特别受欢迎。请记住，仅仅因为人工智能生成了某些东西，并不意味着它是正确的，甚至它根本反映了现实！只是在你要求之前它并不存在，就像故事或绘画一样。

大型语言模型是当今最有影响力和最通用的人工智能形式，它是在几乎所有构成网络的文本和大部分英语文学上进行训练的。吸收所有这些结果会产生一个巨大的基础模型（继续阅读）。LLM能够用自然语言交谈和回答问题，并模仿各种风格和类型的书面文档，ChatGPT、Claude 和 LLaMa 等人就证明了这一点。虽然这些模型无疑令人印象深刻，但必须记住，它们仍然是模式识别引擎，当它们回答时，它是在尝试完成它已识别的模式，无论该模式是否反映现实。

通用人工智能，或者说强人工智能，并不是一个明确定义的概念，但最简单的解释是，它是一种强大的智能，不仅可以做人类所做的事情，而且可以像我们一样学习和改进自己。有些人担心，这种学习、整合这些想法、然后更快地学习和成长的循环将是一种自我延续的循环，导致一个无法约束或控制的超级智能系统。有些人甚至建议推迟或限制研究以防止这种可能性。

在巨大的数据集上从头开始训练巨大的模型成本高昂且复杂，因此您不想做更多的事情。基础模型是从头开始的大型模型，需要超级计算机才能运行，但通常可以通过减少参数数量来修剪它们以适应更小的容器。您可以将这些视为模型必须处理的总点，如今它可以达到数百万、数十亿甚至数万亿。

如果人工智能领域有一个家喻户晓的名字，那就是这个了。顾名思义，OpenAI 最初是一个旨在进行研究并或多或少公开地提供结果的组织。此后，它重组为一家更传统的营利性公司，通过 API 和应用程序提供 ChatGPT 等语言模型的先进技术。该组织的领导者是技术乌托邦亿万富翁萨姆·奥尔特曼（Sam Altman），尽管如此，他还是对人工智能可能带来的风险发出了警告。OpenAI 是法学硕士领域公认的领导者，但也在其他领域进行研究

正如你所预料的那样，微软在人工智能研究方面做了相当多的工作，但与其他公司一样，或多或少未能将其实验转化为主要产品。它最明智的举措是尽早投资 OpenAI，这使其与该公司建立了独家长期合作伙伴关系，该公司现在为其 Bing 对话代理提供支持。尽管它自己的贡献较小且不太立即适用，但该公司确实拥有相当大的研究实力。

谷歌以其登月计划而闻名，但不知何故错过了人工智能的机会，尽管它的研究人员实际上发明了直接导致当今人工智能**的技术：变压器。现在，它正在努力发展自己的法学硕士和其他代理，但在过去十年花费了大部分时间和金钱来推动过时的人工智能“虚拟助手”概念之后，显然正在追赶。首席执行官桑达尔·皮查伊(Sundar Pichai)多次表示，该公司正在坚定地支持搜索和生产力方面的人工智能。

在 OpenAI 不再开放之后，Dario 和 Daniela Amodei 兄弟姐妹离开了OpenAI，创立了 Anthropic，打算扮演一个开放且考虑道德的 AI 研究组织的角色。凭借他们手头的现金数量，他们是 OpenAI 的有力竞争对手，即使他们的模型（如 Claude）还没有那么受欢迎或知名。