各位听友和同行们，我们“普通人搞钱系列”又回来了，非常感谢对于之前算力一期的捧场。这一期我们聊聊大热的人工智能算法，现在似乎不聊这个话题都不好意思开口一样。

目前计划是分两集来讨论：

第1集，梳理人工智能的整体发展，分类及技术突破在哪里；

第2集，聊聊人工智能未来的应用愿景及延展领域，及投资机会。

算法的第1集可能又会有些干(wat, again?? 量子跳跃越跳越dry了) 下一集我们会更加科幻一点，会分析投资方向，不过呢，这期还是有助于对于算法框架基础的理解，因此强烈推荐！

00:01:01人工智能算法概念：我们平时听到的AI、AGI与AIGC三者到底有什么区别，及关系

00:02:01:人工智能算法-按学习方式分类：人工智能简史及监督学习的分类

00:04:02:人工智能算法-按算法分类：机器学习、深度学习，之间的关系又如何

00:05:04:人工智能算法-按应用领域分类：视觉、语言、游戏及机器人全部开花

00:07:30: 这一波的AI为什么被炒得这么火，有什么突破：技术进步、应用领域和投资增长的驱动力

00:10:14:AI本轮突破的关键转变：从特定领域到通用模型的转变

00:14:16:突破技术界限：为什么Google没做出来而OpenAI做到了

00:16:23:深度学习、大规模数据处理和存储：开放式人工智能研究的突破与进展

00:18:23:AI浪潮中的关键突破：生成模型、多模态学习和商业化应用

00:22:32:人工智能的新变革：智能成本快速下降，推动算法发展与应用创新

附录：

1. 人工智能技术成熟度曲线-Gartner AI Hype Cycle

因果人工智能包括不同的技术，如因果图谱和因果模拟，这些技术可以帮助企业机构发现因果关系，优化决策。尽管因果人工智能需要5到10年的时间才能达到主流采用阶段，但其商业效益估计会非常高，能够实现全新的横向或纵向流程执行方式，为企业大幅增加收入或节省成本。因果人工智能带来的益处包括

• 通过增加领域知识来引导数据集较小的因果人工智能模型，提高工作效率
• 提高人工智能系统中的决策增强能力和自主性
• 捕捉易于解释的因果关系，提高解释能力
• 利用变化环境中依旧有效的因果关系，提高稳定性和适应性
• 使因果关系更加明确，减少人工智能系统中的偏差

2. 《人工智能：现代方法》Artificial Intelligence: A Modern Approach

[美] Stuart Russell / [美] Peter Norvig

本书全面、深入地探讨了人工智能（AI）领域的理论和实践，以统一的风格将当今流行的人工智能思想和术语融合到引起广泛关注的应用中，真正做到理论和实践相结合。

全书分7个部分，共28章，理论部分介绍了人工智能研究的主要理论和方法并追溯了两千多年前的相关思想，内容主要包括逻辑、概率和连续数学，感知、推理、学习和行动，公平、信任、社会公益和安全；实践部分完美地践行了“现代”理念，实际应用选择当下热度较高的微电子设备、机器人行星探测器、拥有几十亿用户的在线服务、AlphaZero、人形机器人、自动驾驶、人工智能辅助医疗等。

https://book.douban.com/subject/36152133/