以下是人工智能的一些最新信息：
近期神经网络研究的巨大发展始于2010年左右，当时开始出现可用的大型公共数据集。一个名为ImageNet的大型图像集合包含了约1,400万张带注释的图像，这催生了[ImageNet大规模视觉识别挑战赛](https://image-net.org/challenges/LSVRC/)。2012年，卷积神经网络首次被用于图像分类，使得分类错误率大幅下降（从近30%降至16.4%）。2015年，微软研究院的ResNet架构达到了人类水平的准确率。从那时起，神经网络在许多任务中都表现得非常成功：|年份|实现人类水平准确率||-|-||2015|[图像分类](https://doi.org/10.1109/ICCV.2015.123)||2016|[对话语音识别](https://arxiv.org/abs/1610.05256)||2018|[自动化机器翻译](https://arxiv.org/abs/1803.05567)（从中文到英文）||2020|[图像描述](https://arxiv.org/abs/2009.13682)|在过去几年中，我们见证了大型语言模型的巨大成功，例如BERT和GPT-3。这主要归功于有大量的通用文本数据可供使用，让我们可以训练模型来捕捉文本的结构和含义，在通用文本集合上对它们进行预训练，然后针对更具体的任务对这些模型进行专门化。我们将在本课程的后半部分学习更多有关自然语言处理的知识。[heading1]?挑战[content]浏览一下互联网，在你看来，人工智能在哪里得到了最有效的应用。是在地图应用程序中，还是在语音转文字服务或视频游戏中？研究这些系统是如何构建的。[heading1][课后测试](https://red-field-0a6ddfd03.1.azurestaticap
Many people have experienced how computers can translate between languages,interpret images and even conduct reasonable conversations.What is perhaps less well known is that this type of technology has long been important for research,including the sorting and analysis of vast amounts of data.The development of machine learning has exploded over the past fifteen to twenty years and utilises a structure called an artificial neural network.Nowadays,when we talk about artificial intelligence,this is often the type of technology we mean.许多人经历过电脑如何在语言间翻译，解释图像，甚至进行合理的对话。或许不太为人所知的是，这种技术长期以来一直在研究中很重要，包括对大量数据的分类和分析。机器学习的发展在过去15到20年中爆发式增长，并利用了一种称为人工神经网络的结构。如今，当我们谈论人工智能时，这通常就是我们所指的技术类型。Although computers cannot think,machines can now mimic functions such as memory and learning.This year’s laureates in physics have helped make this possible.Using fundamental concepts and methods from physics,they have developed technologies that use structures in networks to process information.尽管计算机无法思考，但机器现在可以模仿诸如记忆和学习等功能。今年的物理学奖得主帮助实现了这一点。他们利用物理学的基本概念和方法，开发了使用网络结构来处理信息的技术。
Q*的下一阶段，最初被称为GPT-6，但后来重新命名为GPT-7（原计划在2026年发布），由于埃隆·马斯克最近的诉讼而被暂停。计划在2027年发布的Q* 2025（GPT-8）将实现完全的AGI......Q* 2023 = 48智商Q* 2024 = 96智商（推迟）Q* 2025 = 145智商（推迟）埃隆·马斯克因为他的诉讼导致了推迟。这就是我现在揭示这些信息的原因，因为不会再造成进一步的伤害。我已经看过很多关于人工通用智能（AGI）的定义，但我将简单地将AGI定义为一种能够完成任何聪明人类所能完成的智力任务的人工智能。这是现在大多数人对这个词的定义。2020年是我第一次对一个AI系统感到震惊——那就是GPT-3。GPT-3.5是GPT-3的升级版本，也是ChatGPT背后的模型。当ChatGPT发布时，我感觉更广泛的世界终于赶上了我两年前就开始互动的东西。我在2020年广泛使用GPT-3，并对它的推理能力感到震惊。GPT-3及其半步后继者GPT-3.5（在2023年3月升级为GPT-4之前，它驱动了现在著名的ChatGPT）在某种程度上是朝着AGI迈出的巨大一步，而早期的模型则不是这样。需要注意的是，像GPT-2这样的早期语言模型（基本上自Eliza以来的所有聊天机器人）实际上没有真正连贯回应的能力。那么为什么GPT-3会有如此巨大的飞跃呢？