一、人工智能發展脈絡

• 圖靈與圖靈機：1937年，圖靈發表論文《On computable numbers, with an application to the Entscheidungsproblem》，提出圖靈機理論，為現代計算機科學奠定基礎。圖靈機是一種抽象的計算模型，定義了計算的極限，成為后續所有計算機發展的理論基石。
• 人工智能的誕生與符號主義：1956年，達特茅斯會議正式提出“人工智能”概念，被視為AI的誕生起點。會議期間，麥卡錫、明斯基等科學家向洛克菲勒基金會提交研究提議。早期AI主要基于符號主義，通過知識表示、數理邏輯等方法模擬人類認知。
• 從符號主義到機器學習：隨著技術發展，研究者發現符號主義在處理復雜問題時存在局限性，于是轉向機器學習方法，尤其是受生物神經網絡啟發的人工神經網絡，逐漸發展出深度學習技術。
• 生成式模型的興起：近年來，生成式模型（如生成式大語言模型）成為研究熱點，推動了AI從模式識別向更復雜的語言生成、內容創作等任務發展。

二、DeepSeek大模型的意義與特點

• 挑戰大模型擴展定律：DeepSeek旨在挑戰Rich Sutton提出的“擴展定律”，即單純依賴算力擴展模型規模并非最優路徑。
• 技術特點：采用混合專家模型（MoE）、多頭潛在注意力機制等先進技術，結合強化學習、蒸餾、思維鏈等方法優化模型性能。
• 工程優化：通過計算優化手段，在2048塊英偉達H800 GPU上高效訓練，提升訓練效率和模型質量。
• 開放與普及：推動大模型從閉源走向開源，降低本地部署門檻，讓更多機構和個人受益于大模型技術。

三、人工智能促進社會數字化轉型

• 融入千行百業：AI已成為推動各行業數字化轉型的關鍵力量，如：
  • 智能康復訓練：利用AI技術為患者提供個性化康復方案，提高康復效果。
  • 機房節能：通過AI優化機房能耗管理，降低運營成本。
  • 疫情傳播預測：借助AI模型預測疫情傳播趨勢，輔助公共衛生決策。
  • 網約車需求預測：利用AI分析用戶出行數據，精準預測網約車需求，優化調度。
• 科研與教育工具：如SCISpace、NotebookLM、Co-Scientist等AI工具，為科研人員和教育工作者提供輔助，提升科研效率和教育質量。

四、群體智慧與數字社會

• 應對數字社會挑戰：隨著數字社會的發展，單一智能體難以應對復雜挑戰，需要借助群體智慧整合多方資源與知識。
• 群體智慧的作用：通過協同工作，群體智慧能夠解決復雜問題，如應對氣候變化、優化城市交通等，促進數字社會的可持續發展。

---