一、机器学习的应用领域
机器学习（AI）已落地到众多实际场景，本讲列举的典型应用：
- 图像识别：让机器"看懂"图像、屏幕内容
- 无人驾驶：车辆的感知、决策与控制
- 智能翻译：多语言自动互译（如 "hi / hola / 您好"）
- 语音识别：语音信号 → 文字（话筒 → 波形 → Abc）
- 医疗智能诊断：结合医疗数据的辅助诊断与监护
- 数据挖掘：从海量数据中发现模式与规律（Data Mining / Patterns）
二、机器学习发展史
（一）开篇：达特茅斯会议 ------ "人工智能"的诞生（1956）
- 时间地点：1956 年 8 月，美国汉诺斯小镇的达特茅斯学院
- 与会人物 ：
- 约翰·麦卡锡（John McCarthy）------ "人工智能之父"
- 马文·闵斯基（Marvin Minsky）------ 人工智能与认知学专家
- 克劳德·香农（Claude Shannon）------ 信息论创始人
- 艾伦·纽厄尔（Allen Newell）------ 计算机科学家
- 赫伯特·西蒙（Herbert Simon）------ 诺贝尔经济学奖得主
- 讨论主题：用机器来模仿人类学习以及其他方面的智能
- 历史意义 ：会议足足开了两个月，虽未达成普遍共识，但为所讨论的内容起了一个名字------"人工智能" ；1956 年因此成为人工智能元年。
- 过渡：不过，"让机器模仿学习"的探索早于这次会议，下面按真实历史顺序展开。
（二）发展时间线
0. 孕育期 · 命名之前（1948--1955）
- 1948 ：图灵与 Champernowne 写出象棋算法 Turochamp
- 1950：图灵设计国际象棋程序（同年发表"图灵测试"思想）
- 1952 ：Samuel 在 IBM 701 上写出第一个跳棋程序并演示 ------ 比达特茅斯会议早 4 年
- 1955 ：Samuel 完成带学习能力的跳棋程序（1956 年 2 月电视演示）；同年，麦卡锡等人在达特茅斯提案中首次写下 "Artificial Intelligence"
1. 学科诞生 · 符号主义（1956--70 年代）
- 1956.8 ：达特茅斯会议 召开 → 正式命名"人工智能" → AI 元年
- 1959 ：Samuel 正式提出 "Machine Learning（机器学习）" 一词
- 1962 ：Samuel 跳棋程序战胜人类高手 → 人工智能第一次浪潮
- 时代特征：符号主义、专家系统占主导
2. 统计主义（20 世纪 80--2000 年）
- 1993 ：Vapnik 提出 SVM（支持向量机）
- 1997 ：IBM 深蓝 战胜国际象棋冠军卡斯帕罗夫 → 人工智能第二次浪潮
- 时代特征：主要用统计模型解决问题
3. 神经网络 / 深度学习（21 世纪初期）
- 2012 ：AlexNet ------ 深度学习的开山之作
- 2016 ：Google AlphaGo 战胜李世石 → 人工智能第三次浪潮
4. 大模型 · AIGC（2017 年至今）
- 2017 ：Transformer 框架出现
- 2018 ：BERT 和 GPT 相继问世 → "预训练 + 微调"范式确立
- 2022 ：ChatGPT 爆火 → 进入大模型 AIGC 发展阶段
（三）要点速记
| 年份 | 事件 | 流派/时代 | 浪潮 |
|---|---|---|---|
| 1948--1955 | 图灵象棋、塞缪尔跳棋（1952） | 孕育期 | --- |
| 1956 | 达特茅斯会议·AI 命名 | 符号主义开端 | 元年 |
| 1962 | 跳棋战胜人类高手 | 符号主义 50--70 | 第一次 |
| 1993 / 1997 | SVM / 深蓝 | 统计主义 80--2000 | 第二次 |
| 2012 / 2016 | AlexNet / AlphaGo | 神经网络 21 世纪初 | 第三次 |
| 2017 / 2018 / 2022 | Transformer / BERT·GPT / ChatGPT | 大模型 2017--至今 | AIGC |
📌 两位"之父"：人工智能之父 = 约翰·麦卡锡 ；机器学习之父 = 亚瑟·塞缪尔（Arthur Samuel）
三、AI 发展三要素
- 数据、算法、算力三要素相互作用，是 AI 发展的基石
- 关系链：数据 →(输入)→ 算法 ←(支撑)← 算力；算法 →(输出)→ AI 应用；应用端"新数据输入 → 推断结果输出"（推断/预测），并以"更多数据、优化算量"反哺训练
- 算力硬件对比：
- CPU：主要适合 I/O 密集型任务
- GPU：主要适合计算密集型任务
- TPU：专门针对大型网络训练而设计的处理器