一、人工智能的历史与突破

• 2017年：深度伪造（Deep Fake）技术流行，合成图像达到较高分辨率，但尚未商业化。
• 2021年：DALL-E面世，首次实现“从文本生成图像”，训练数据为图像描述，规模尚小。
• 2022年：ChatGPT发布，两个月后月活跃用户过亿，成为史上增长最快的消费级软件。
• 2024年：SORA发布，能从文本生成高质量视频，极大影响创意产业。

二、AI模型如何工作

1、图像存储为张量（Tensor）

• 一张彩色图片为三维张量（宽$\times$高$\times$颜色通道），每个像素有RGB三个整数值。

• 形式化表示：对于一张$H\times W$的图片，张量$T$为

  $$ T \in \mathbb{R}^{H \times W \times 3} $$

2、语言向量化

• 语言必须转为向量，常用分词器将句子拆分为“Token”：

  $$ \text{"The cat stretched."} \to \{\text{"The"}, \text{"cat"}, \text{"stre"}, \text{"tch"}, \text{"ed"}, \text{"."}\} $$

• 每个Token赋值一个向量（如Word2Vec、GPT的Embedding），如“King”-“He”+“She”≈“Queen”，捕捉词之间的语义关系。
• 整句对应一个矩阵，每行一个词向量，顺序非常重要。

三、机器学习的典型成功案例

1、图像分类与ImageNet

• ImageNet大规模视觉识别挑战（ILSVRC），包含超过120种狗的品种，数据集数量级达到百万。
• 2012年，Krizhevsky等人提出7层卷积神经网络（CNN），首次实现“超越人类”的图像分类准确率。

2、游戏领域

• AlphaGo用深度学习+强化学习战胜围棋世界冠军。
• OpenAI Five在DOTA2中自我训练4.5万年，达到顶级水平，消耗800 petaflop/s-day算力。

3、艺术与音视频生成

• 风格迁移（Style Transfer）：照片自动转换为油画风格。
• 视频合成音频：深度学习可自动为无声视频生成逼真的配音。
• DALL-E、DeepFakes：实现从文本或图像生成逼真图片、视频。

4、科学应用

• DeepLens：天文观测中自动筛选罕见事件，数据量人力难以处理。
• AlphaFold2：蛋白质结构预测，2024年诺贝尔化学奖提名。
• DGMR：用生成模型预测高分辨率降雨。

5、数学与医药

• AI辅助发现数学猜想和定理，如Birch–Swinnerton-Dyer猜想的模式发现。
• 新抗生素发现：AI筛选亿级化合物，发现新型抗药性抗生素。

6、语言模型

• ChatGPT等大型语言模型（LLMs），能自动生成极为自然的文本，成为法律、医疗等领域的辅助工具。

四、AI对社会的影响

• 个人助理：AI可整合所有信息，辅助生活和工作（如GitHub Copilot、ChatGPT-4o）。
• 专业替代：AI在医学影像、动画、法律等领域超越专家，促使职业结构调整。
• 实验替代：真实实验被AI模拟替代，如蛋白质折叠、药物发现。

五、领域挑战与思考

1、法律、社会与能源

• 法律责任：AI助理掌握大量个人信息，是否可在法庭作证？
• 社会失业：AI提升效率，部分技能变得不再稀缺，如何应对职业转型？
• 能源消耗：大型AI模型计算资源集中，能耗巨大，如何可持续发展？

2、经典领域的颠覆

• 图像去噪：传统方法历经几十年发展（如各类偏微分方程方法），深度学习一举超越所有经典算法。
• 公式推导示例（图像去噪的PDE方法与深度学习对比）：

（1）传统去噪能量泛函

$$ E(u) = \int_\Omega \left( |u(x) - f(x)|^2 + \lambda |\nabla u(x)| \right) \mathrm{d}x $$

其中$u(x)$为去噪后的图像，$f(x)$为原始图像，$\lambda$为权重。

（2）深度学习方法（示意）

$$ u_{\text{clean}} = \text{CNN}(u_{\text{noisy}}) $$

其中$\text{CNN}$为训练好的卷积神经网络。