2025年人工智能应用与伦理手册.docxVIP

2025年应用与伦理手册

第1章

1.1核心概念与技术演进

（）作为一门模拟人类智能行为的学科，其核心在于通过算法和数据实现感知、认知与决策能力。从1956年达特茅斯会议的提出，到2010年AlphaGo在围棋领域的历史性突破，经历了从规则驱动到数据驱动，再到当前以大模型为驱动的范式转移。技术演进路径清晰可见：早期基于专家系统的手动规则编程（如1980年代医疗诊断系统）依赖人工编写代码；进入2000年代，机器学习（ML）的兴起使得系统开始自动从数据中归纳规律；如今，深度学习（DL）的爆发式增长，使得神经网络能够自动提取特征。

当前技术演进正呈现“式”与“具身智能”两大新趋势：式不再局限于分类与预测，而是具备文本、图像、视频甚至代码的与创作能力；具身智能则强调智能体（Agent）在物理世界中的感知、行动与环境交互能力，是从“大脑”走向“身体”的关键。在数据层面，的进步极度依赖高质量数据，遵循“垃圾进，垃圾出”（GarbageIn,GarbageOut）原则。2023年，Meta利用800亿张图片训练出的模型在ImageNet上的准确率达到了94.36%，而早期模型仅能达到30%左右，这直接证明了数据质量对模型性能的决定性作用。技术迭代速度极快，遵循摩尔定律的升级逻辑，但正加速到指数级。例如，Transformer