lh电竞官网,lewin乐玩,UC8

來源：互聯網

人工智能（英文名：Artificial Intelligence，英文縮寫：AI）是一門綜合了計算機科學、控制論、信息論、神經生理學、心理學、語言學、哲學等多種學科互相滲透而發展起來的一門交叉學科，它通過計算機去模擬人的思維和行為，其核心是機器學習算法，本質在于對人類感知、推理、決策、學習等能力的模擬、延伸與拓展。人工智能這一概念在1956年的達特茅斯會議上正式提出，人工智能是指通過分析其環境而具有一定程度的自主性行動，以實現特定目標而顯示智能行為的系統。

人工智能包括計算力的突破、數據洪流和算法創新三大關鍵技術，其被稱為世界三大尖端技術之一，同時也被認為是21世紀三大尖端技術之一，其發展的主流形態采取深度學習算法、大模型、大數據的方式。

人工智能技術體系包括機器學習、自然語言處理技術、圖像處理技術、人機交互技術。人工智能已在大數據分析、自動駕駛、智慧金融和智能機器人等多個領域取得了舉世矚目的成果，并形成了多元化的發展方向，另外人工智能可替代部分傳統勞動力，產生勞動擠出效應，在提高社會生產效率的同時也為社會創造了全新的工作崗位。

2025年，中國人工智能企業數量超6000家，核心產業規模預計突破1.2萬億元。

發展歷程

人類探索智能的道路是十分漫長的，最早可以追溯1900年以前的早期傳說、文學和影視作品中的高級智慧，20世紀，喬治·布爾的《思維規律的研究》、弗雷格的《概念文字》、伯特蘭·阿瑟·威廉·羅素和其老師阿爾弗雷德·懷特黑德的《數學原理》這些著作在數理邏輯研究上有了極大的突破，麥卡洛克和皮茨于1943年提出的人工神經網絡的概念以及后續構建的人工神經元的MP模型開創了人工神經網絡研究的時代，赫伯學習規則以及1946年世界上第一臺數字式電子計算機的出現對人工智能的發展也起到很大幫助。

被公認為“人工智能之父”的艾倫·麥席森·圖靈曾于第二次世界大戰結束后提出“圖靈機”的概念，即虛擬機器替代人腦進行數學運算的設想，最終圖靈在女王陛下政府的支持下設計出一臺支持存儲程序的巨型電子計算機——“艾斯”，隨后圖靈還研發出世界上第一個AI國際象棋程序，而這也是早期AI的誕生標志。

誕生初期

1956年，第一個啟發程序“邏輯理論機”由艾倫·紐厄爾、西蒙、肖合作研制成功，啟發程序可以對數學家證明數學定理過程中的某些思維方法和規律進行模擬，人們可以通過把這些規則和有關數學公理編寫成計算機程序來進行數學定理證明，啟發程序證明了懷特里德與羅索的名著《數學原理》第二章中的數學定理開創了用計算機模擬人的高級智能活動，實現復雜腦力勞動自動化的先例，其被認為是人工智能真正開端。同年，塞謬而研制出一種具有自學能力的“跳棋程序”，這項“跳棋程序”于1959年擊敗它的設計者，而后又于1962年戰勝美國一個州的跳棋冠軍，據了解，它能夠積累下棋的經驗和教訓并向高明對手或通過棋譜進行學習，同時還能不斷提高棋藝的人工智能水平，這項研究成果開拓和推動了人工智能領域中“機器博弈”“機器學習”方面的研究工作。同年夏天,美國達特茅斯學院舉行了歷史上第一次人工智能研討會，會上,尤金·麥卡錫首次提出了“人工智能”的概念，同時人工智能最初的成就和最早的一批研究者也在這次研討會出現，這次研討會也是人工智能研究開始的標志。而麥卡錫于1958年發明的LISP 語言也一直被廣泛應用于人工智能中。

1959年，德沃爾與美國發明家約瑟夫·英格伯格聯手制造出第一臺工業機器人。同時世界上第一家機器人制造工廠Unimation公司也正式成立。同年，被稱為“約瑟夫·恩格爾伯格”的約瑟夫·恩格爾伯格制造出世界上第一個工業機器人尤尼梅特，該機器人在制造成功不久后就被安裝在通用汽車美國工廠的生產線上。兩年后，與喬治·德沃爾共同成立世界上第一個機器人企業—Unimation公司。

1960年，紐厄爾、西蒙、肖研制出“通用問題求解程序”，簡稱為GPS，其基于轉換與分解、消除差別、運用算子、選擇與匹配這四種方法編制而成，它擴大了用計算機進行腦力勞動自動化的應用范圍。

1962 年，麥卡錫提出人工智能的“情景演算”理論，理論的內容包括做出決策的情景發生變化時，主體的推理行為、認知狀態以及其他主體行為間的關系是帶有隨機性的。

1966年到1972年期間，美國斯坦福國際研究所研制的首臺采用人工智能的移動機器人Shakey誕生，同時世界上第一個聊天機器人ELIZA在1966年由美國麻省理工學院的魏澤鮑姆發布，該機器人能通過腳本理解簡單的自然語言并與人類互動。

在人工智能領域中，有一種通過專家的專業知識和工作經驗來求解專門問題的計算機系統—專家系統，而第一個專家系統DENDRAL是由美國科學家費根鮑姆于1968年研制成功，該專家系統的問世標志著人工智能學科的一個新分支——“專家系統”的誕生。

1971年，來自斯坦福大學的肖特利夫等人開始研制醫療專家系統MYCIN并于1976年成功發表，該系統采用了“知識庫”、“推理機”的系統結構的同時引入了“可信度”的概念，進行非確定性知識推理，能針對用戶的咨詢提問進行回答解釋，并提供答案的可信度估計，而醫療專家系統MYCIN的成功研制也為其他許多專家系統的研究與開發提供了范例和經驗。

專家系統的大量研究、開發及許多成功的應用推動了知識表達、知識推理、知識獲取、知識利用等知識工程方法和技術的發展，如1980年尼爾遜出版的《人工智能原理》專著中就以產生式系統為基本結構，通過謂詞演算的方法對基于知識表達、推理的人工智能系統設計原理進行論述。專家系統是人工智能領域中最活躍和富有成效的學科分支。同時它也促進了人工智能的普及，從一般思維規律的探討轉向專業知識的利用，從學院式的理論研究走向技術市場的應用開發。

1976年，來自斯坦福研究所的杜達等專家開始對地質勘探專家系統進行研制并于1981年研制成功，其激發了關于人工智能的“淘金熱”，企業界和商業界紛紛投資開辦智能產業公司來進行專家系統技術的相關應用研究，地質勘探專家系統的成功研制促進了人工智能從學院式研究走向技術市場開發。

20世紀70年代初，人們發現當時的計算機有限的內存和處理速度不足以解決任何實際的人工智能問題，也無人可以做出一個龐大的數據庫來幫助程序學習更加豐富的知識。由于缺乏進展，原本對人工智能提供資助的女王陛下政府、美國國防部高級研究計劃局等機構逐漸停止對人工智能研究的資助，美國國家科學委員會也在撥款二千萬美元后停止對人工智能研究的資助。

應用探索期

第一次人工智能寒冬的到來是在20世紀70年代，這段時期經歷了將近20年，人工智能的科學活動和相關商業活動在這段時間里大大衰退，20世紀80年代，卡耐基·梅隆大學開發出應用于工業領域的專家系統。該系統通過錄入領域專家知識實現高效決策，成為人工智能商業化的突破口，此后企業與高校逐步參與專家系統的開發，直至80年代末，世界500強企業中近一半都研制或使用了專家系統。而人工智能數學模型方面在80年代也取得了重大突破，如1986年的多層神經網絡和BP反向傳播算法等。

1981年，隨著日本經濟產業省撥款8.5億美元用在第五代計算機項目的研發上，英國、美國也紛紛開始向信息技術領域的研究提供大量資金。

1984年，在美國人道格拉斯·萊納特的帶領下，啟動了Cyc項目，該項目的目標是使人工智能的應用能夠以類似人類推理的方式工作。

第二次人工智能寒冬的到來是在1987年至1993年，這段時間蘋果公司、IBM開始推廣第一代臺式機，人們發現其費用遠低于專家系統的軟硬件開銷，而專家系統的實用性僅僅局限于某些特定情景，隨后20世紀80年代晚期，美國國防部高級研究計劃局的新任領導認為人工智能并非“下一個浪潮”，并對那些更容易出成果的項目進行撥款。

蓬勃發展期

1997年5月，IBM公司的電腦“深藍”與國際象棋世界冠軍加里·卡斯帕羅夫對戰并獲得勝利，這也是首個電腦系統在標準比賽時限內擊敗國際象棋世界冠軍的標志。

2002年，美國iRobot公司推出能避開障礙并自動設計行進路線的吸塵器機器人Roomba，該機器人還能在自身電量不足時自動駛向充電座。

2011年，IBM公司開發的使用自然語言回答問題的人工智能程序Watson在美國智力問答節目上擊敗兩位人類冠軍，贏得了100萬美元的獎金。

2012年，加拿大神經學家團隊創造了一個名為“Spaun”且具備簡單認知能力的虛擬大腦，該大腦具備250萬個模擬“神經元”，同時通過了最基本的智商測試。

2013年，為探索深度學習領域，Facebook成立人工智能實驗室，并借此為Facebook用戶提供更智能化的產品體驗；另外谷歌為推廣深度學習平臺而收購了語音和圖像識別公司DNNResearch；百度集團則創立了深度學習研究院等。

2014年，聊天程序“尤金·古斯特曼”在倫敦皇家自然知識促進學會舉行的“2014圖靈測試”大會上首次通過圖靈測試，這也是人工智能進入全新時代的標志。

2015年是人工智能的突破元年，Google開源了利用大量數據直接就能訓練計算機來完成任務的第二代機器學習平臺Tensor Flow，同年，劍橋大學建立人工智能研究所。

2016年3月，Google人工智能AlphaGo與圍棋世界冠軍李世石歷經5個小時的圍棋人機大戰落下帷幕，最終的總比分定格在1比4，AlphaGo以三分的領先優勢取得勝利，這一次的人機對弈也使得人工智能正式被世人所熟知和了解，整個人工智能市場也像是被引燃了導火線，開始了新一輪爆發，同年，英國 DeepMind 研發的圍棋機器人AlphaGo在通過無監督學習的方式戰勝了圍棋世界冠軍柯潔。

人工智能創新創業如火如荼。全球產業界充分認識到人工智能技術引領新一輪產業變革的重大意義，紛紛調整發展戰略。比如，谷歌在其2017年年度開發者大會上明確提出發展戰略從“移動優先”轉向“人工智能優先”，微軟2017財年年報首次將人工智能作為公司發展愿景。人工智能領域處于創新創業的前沿。麥肯錫報告指出，2016年全球人工智能研發投入超300億美元并處于高速增長階段；全球知名風投調研機構CB Insights報告顯示，2017年全球新成立人工智能創業公司1100家，人工智能領域共獲得投資152億美元，同比增長141%。

2021年，以色列的一個研究團隊推出一款可以對暴露在200℃~300℃火中留下的細微跡象進行識別的深度學習人工智能工具，而該人工智能工具發現許多燧石工具都被加熱過，其加熱溫度甚至達到400℃左右。同年中國新一代人工智能治理專業委員會發布了《新一代人工智能治理專業委員會》。

2022年6月，Michael Chazan等利用一款深度學習人工智能工具，發現100萬年前人類用火的證據。2014年至2023年，中國申請了超過3.8萬項生成式人工智能專利，超過其他所有國家的總和。2024年，互聯網、快消企業以及銀行機構初步嘗試用AI面試畢業生，提高校招效率。面試時在小程序接入邀請、驗證身份、宣讀考試流程后進行單向問答，整個過程20分鐘左右，時間地點可任選。2024年招聘市場反饋，使用AI面試的企業數量非常多，在網絡咨詢中有所呈現的企業就包括美團、字節跳動、中國移動通信集團、菜鳥網絡、安踏體育、湯臣倍健、西門子股份公司、嘉士伯、北森等公司，這些公司多把AI面試放在了初面階段，通過AI面試對候選人進行初步篩選。其中，一些互聯網企業因大多招聘的是技術開發崗位，所涉及的面試問題也是比較固定的基礎問題，所以更愿意采用AI面試的方式。2024年，中國人工智能產業規模突破7000億元，連續多年保持20%以上的增長率。2025年，部分專家提出“智能體元年”的概念，這一表述反映了人工智能發展的階段性特征——從工具屬性向具備自主決策能力的智能體轉型，并進一步融入生產生活場景。

2025年4月，韓國浦項理工大學團隊在《自然-通訊》雜志上發表了下一代人工智能存儲設備的突破性研究，揭示了電化學隨機存取存儲器（ECRAM）的工作機制。這項技術有望提升智能手機、平板電腦和筆記本電腦等設備的AI性能，并延長電池使用壽命。這一進展標志著AI硬件向高效能、低能耗邁出了重要一步。截至6月，用戶利用生成式人工智能產品回答問題的比例最高，達80.9%。同年，朝鮮宣布研發出“美女”AI機器人。7月，金日成綜合大學人工智能研究所所長金光赫表示，人工智能已融入朝鮮人民生活。8月12日，在SIGGRAPH會議上，英偉達發布了開源物理AI應用和機器人視覺推理模型Cosmos 理性，英偉達表示，該模型可以基于既有知識與概念，讓機器人“像人類一樣推理”，并在理解后在現實世界中采取響應行動。8月24日，英偉達機器人賬號在社交平臺發布預熱推文，“新大腦”計劃揭曉。截至10月，AI應用的數量達到657個，同比增長61.8%；移動端用戶規模突破7億。截至12月，中國人工智能產業規模已突破9000億元，企業數量超過6000家；智能算力規模達1590EFLOPS；核心產業規模突破1.2萬億元。

2026年1月7日，工業和信息化部等八部門發布《“人工智能+制造”專項行動實施意見》。意見指出，到2027年，中國人工智能關鍵核心技術實現安全可靠供給，產業規模和賦能水平穩居世界前列。2月12日，教育部發布《關于深化職業教育教學關鍵要素改革的意見》，其中提出：動態調整專業設置，積極增新、裁撤過剩、升級改造現有專業。探索建立新專業增設快速響應通道，面向新興產業和未來產業，重點增設人工智能等領域新專業。同月，深圳市工業和信息化局發布《深圳市“人工智能+”先進制造業行動計劃（2026-2027年）》，提出到2027年，在“人工智能+”先進制造業領域，建成國家人工智能應用中試基地（消費領域移動終端方向），建設工業智能體創新中心，組建工業知識聯盟，開放百個應用場景，打造百個垂直行業模型及工業智能體，推廣百個示范應用，形成“一基地、一中心、一聯盟、百場景、多應用”的發展格局，推動傳統產業煥新升級、新興產業躍升領跑，助力新型工業化加快推進。

核心技術

機器學習

機器學習即借助計算機來對各項數據信息進行分析和學習，以此對人工智能具有預測判斷及作出決策的能力提供幫助。隨著時間發展也逐漸形成了一些具有代表性的算法，對于人工智能來說，機器學習作為一項關鍵的技術，對人工智能今后的發展也具有主要的推動作用。其廣泛應用的深度算法能夠在海量數據信息當中自行歸納和提取重要的特征，而這種能力也可以進行多層特征提取及描述，同時可以進行特征的還原，實現深度學習的目標。人工智能從感知階段發展為至今的深度學習階段，是在傳統神經網絡拓展方面的進一步突破，可以借助非線性網絡結構輸入數據，而且能夠在少量樣本數據中學習和集成本質特征。

語音識別

語音識別技術，又稱自動語音識別，它是以語音為研究對象，通過語音信號處理和模式識別讓機器理解人類語言，并將其轉換為計算機可輸入的數字信號的一門技術。語音識別技術在生活中的應用已經非常廣泛，近年來語音識別方面與人類水平相齊平，識別效率在快速上升，其在車載導航、智能家居、日常辦公等領域都有涉及。對于人工智能子項目之一的語音識別來說，其研究源頭可追溯至1950年，計算機科學之父阿蘭·圖靈在《思想》（Mind）雜志上發表了題為“計算的機器和智能”的論文，首次提出了機器智能的概念，論文還提出了一種驗證機器是否有智能的方法：讓人和機器進行交流，如果人無法判斷自己交流的對象是人還是機器，就說明這個機器有智能了，這就是后來的人工智能圖靈測試，語音識別領域的未來發展方向也更體現在復雜場景下的識別效率，并有效結合其他信息。

自然語言處理技術

自然語言處理技術，主要是指人工智能可以將人類語言轉化為計算機程序進行處理和接收的語言，將計算機數據轉化為人類自然語言，以便二者之間進行更加暢通的交流和互通，將二者之間的語言進行相互轉換，以便計算機可以更好地理解人類想要表達的訴求和語言。這些需要處理的語言形式通常體現為聲音或文字，自然語言處理技術綜合多個學科，其中包含語言學、計算機科學及其他學科，研究目標集中在自然語言通信的計算機系統中，同時還會涉及到信息檢索、信息提取及其他類型的技術。由于這些數據稀疏和平滑，因此需要對人類的語言進行語法分析和文本生成。自然語言領域在一些具體任務上也取得顯著成效。典型的應用領域包括復雜優化與仿真、語音/圖像識別、自然語言處理、機器人技術、機器博弈、動態控制技術、大數據分析等。

圖像處理技術

圖像處理技術主要是指人工智能具有類似于人類的視覺功能，即通過計算機可以主動獲取這些圖片及其他多維度數據信息，并可以借助人工智能來對相應的圖像進行調整和處理，從中提取重要的特征。傳統計算機因為受到計算能力因素的限制而無法有效提升信息交互處理的效率，而且在處理的過程中芯片計算能耗較大。人工智能領域數據相對來說較為密集，這種傳統的計算處理技術難以滿足現代社會數據處理的實際，而近些年來超級計算機的出現及云計算技術的快速發展打破了這一屏障，而對于圖像處理技術的未來研究則要求未來人工智能在具備視覺場景理解能力的前提下不僅要能夠準確地識別物體，還要能夠結合人類知識分析具體場景，近年來，機器視覺在卷積深度神經網絡的幫助下已經在物體識別準確率和人臉識別準確率上達到或者超過了人類水平，取得了較為長遠的發展。相關研究人員的終極理想也是讓機器要能夠具備通用的理解能力，挖掘視頻圖像中的主要內容，從而創造人類水平的視覺能力。

人機交互技術

人機交互技術主要是指計算機系統可以與用戶進行更方便的交流和互通，主要是由機器輸出或顯示大量的信息，由用戶進行讀取這些提示和請求信息，然后借助輸入設備向機器輸入有關信息，并回答相關問題，從而實現和機器之間的互動。人機交互技術主要包括交互、界面設計及其他的圖像學，所涉及的理論知識也十分豐富，目前是用戶界面研究當中發展最為迅速的重要研究技術，如今研究出的重要產品和技術如3D顯示器及手寫文字識別系統等。

生成式人工智能

生成式人工智能是利用人工智能技術自動生成全新、完全原創的實際工件的新型生產方式，它基于大模型、大算力、訓練方法等多方面技術突破，同時還可應用于多種活動，如創建軟件代碼、促進藥物研發和有針對性的營銷等，生成式人工智能在實現高質量、高效率、多樣化的內容生產的同時也成為推動數字生產力變革的重要力量。

深度學習

深度學習是模擬大腦神經網結構對數據進行表征學習的一種方法，它是計算機科學機器學習領域中的一個研究方向，深度學習要求人工智能對樣本數據的內在規律和表示層次進行學習，即通過對獲得的信息如文字,圖像和聲音等數據進行學習來像人一樣具有分析學習能力，能夠識別文字、圖像和聲音等數據，它是一個較為復雜的機器學習算法，深度學習能幫助機器對視聽和思考等人類的活動進行模仿，解決很多復雜的模式識別難題，人工智能相關技術也因此取得很大進步。

三大學派

人工智能在其發展歷史過程中逐步形成具有較強解釋力的符號主義、連接主義和行為主義三大人工智能學派。從現實來看，人工智能三大學派各有優勢與不足，但對人工智能不同時期的發展均起到重要助力作用。

符號主義學派：智能即程序

符號主義認為人工智能起源于數理邏輯，因而又被稱為邏輯主義或計算機學派，代表人物有西蒙、麥卡錫等。他們主張符號作為人工智能最基本的元素，旨在用數學或物理學中的各類符號來表達人工智能思維的形成，將人腦與電腦都看作符號系統，把人的思維看作計算機程序。其主要科學方法是基于實驗心理學與軟件計算相結合，利用計算機來模擬人的思維過程和功能。符號主義長期成為人工智能研究領域的主流，在人工智能這個學科里占據較長時間統治地位。

連接主義學派：智能即仿生

連接主義學派認為人工智能源于仿生學，因而又被稱作仿生學派，代表人物有麥克洛克、皮茨、霍普菲爾德等。連接主義是一種以仿生主義為代表的認知心理學理論，它試圖通過模擬人腦中神經元的節點網絡，以神經生理學和物理模擬方法以及數學模擬等科學手段來模擬人腦進行智能活動的過程，進而實現機器思維和智能學習的目的。連接主義學派認為人工智能是基于神經網絡及神經網絡間的突觸連接機制和學習算法的仿生，把人的智能歸結為由大量簡單的單元通過復雜的相互連接和并行運行的結果，特別是通過模擬生物神經元的構造特征來使機器實現智能。

行為主義學派：智能即控制

行為主義認為人工智能源于20世紀40—50年代的控制論，行為主義學派延續了行為主義在心理學中的觀點，專注于主體與環境的相互作用，假設智能取決于感知和行動，不需要知識、表示和推理，只要將智能行為表現出來就好，即能實現指物功能就可以認為具有智能。該學派倡導通過基于智能控制系統的理論、方法和技術研究人類智能控制行為，以模擬有機生物的智能行為為重點，代表作是布魯克斯的六足行走機器人。

應用場景

人工智能技術在電視直播中具有廣泛的應用前景。首先，實時視頻分析和處理方面的人工智能技術可以幫助對目標的檢測和跟蹤實現自動化，進而提供更準確和全面的視覺信息；其次，觀眾的情感反饋和參與度分析可以使用到人臉識別和表情分析技術，該技術為節目制作提供指導；再次，智能化的內容生成技術可以為提供更精彩和有趣的片段而自動剪輯摘要電視直播的內容；最后，智能化的推薦系統和個性化推薦技術可以根據用戶的興趣和偏好來為觀眾提供定制化的內容推薦和互動體驗。人工智能在自動化控制中也有所應用，如電氣自動化專業中的電子電力技術、電機、電磁場、電路、變壓器等多種技術學科都應用在相關電氣設備上，而這一過程較為復雜且需要投入大量的人力、財力，這也要求設計者具有豐富的理論知識和大量相關工作經驗。而如果在如此復雜的電氣設備設計中運用上人工智能技術，就能夠極大地提高設計的精確度和工作效率，將大量的人腦處理的模擬和演算通過系統加以實現。而在這些優化設計中主要采用的是遺傳算法，專家系統更多地應用到開發性設計中，因此，在具體的應用中要根據不同的工作情況和工作目標來采用不同的算法，從而提高工作質量和設計效率，并且要求從業人員在具備傳統的專業知識和實際工作經驗的基礎上需要具備豐富的人工智能應用使用經驗和較強的適應能力。

另外人工智能已逐漸應用于公共安全的多個領域，人臉識別是一種特殊的人工智能應用，其在公共部門和私營部門中最為常見。人工智能也正迅速成為欺詐檢測的重要技術。美國交通部為提高公共安全，也正研究、開發、測試一種能夠通過錄像自動檢測交通事故，并在不同地點、天氣、照明和交通條件下幫助維持安全和高效的交通通勤的算法。醫學領域也通過人工智能算法來解釋放射性圖像，而這可能會極大的影響刑事司法和法醫界死因在死亡方式上的確定，另外包括DNA分析在內的各個法醫學科分支都在探索人工智能算法的運用。人工智能的另一個重要應用方向是智能機器人，它在汽車制造、電子制造、倉儲物流、醫療裝備制造、應急管理和軍事等領域都有著極為廣泛的應用價值。聯合國貿易和發展會議（UNC-TAD）發布的《2021年技術和創新報告》也將智能機器人列為全球前沿技術之一。

另外腦機接口也是AI一個重要的應用方向，人類智能與AI的智能具有一定程度的互補性，腦機接口有助于增強人類智能和AI的智能。此外，腦機接口技術在醫療康復、自動駕駛等領域也具有重要而廣泛的應用價值。世界各主要國家、科研機構和企業均在加速布局腦機接口，積極搶占這一全球科技競爭的制高點。世界知識產權組織（WIPO）發布的《2021年輔助技術趨勢報告》將腦機接口作為未來科技發展的重要方向。

AI廣泛應用于自動駕駛汽車、智能音箱、從個性化推薦系統、生物醫療應用等不同領域，其成為人類工作和生活的一個重要組成部分。同時，新的AI技術，例如，以ChatGPT為代表的通用人工智能技術，正在不斷迭代升級，迅速發展，并不斷拓展其應用領域。

AI在消費與服務領域的應用不斷涌現，波蘭國際琥珀珠寶展會上，融合AI技術的自動化設備可對珠寶進行自動化拍攝并生成介紹資料，節省了人力成本。2025年柏林國際消費類電子產品展覽會上，融合了AI技術的智能家電集中展示了應用場景。在中國杭州第四屆全球數字貿易博覽會上，跨境電商領域展商分享了AI應用方案落地的案例，展現了AI技術賦能跨境電商的成效。

AI在人才招聘領域也被應用及發展，AI面試使人力資源部門不再需要進行海量的簡歷瀏覽篩選，也不需要頻繁地跟業務部門對接面試題目，可降低人力成本，提高面試效率，改善招聘過程中的公平性問題。

爭議事件

網絡犯罪

生成式人工智能興起的同時加劇了東南亞新上網人群受到的欺詐威脅，其中在2023年11月7日刊發的《人工智能正在放大東南亞新數字公民面臨的風險》一文中介紹了一種常見欺詐手段—“魚叉式網絡釣魚”，該欺詐方式通過對受害者發送帶有鏈接的電子郵件并引導其點擊相應鏈接，受害者點擊后就會觸發惡意軟件。而據網絡安全公司Darktrace的數據顯示，由于生成式人工智能助長了欺詐行為，2023年前兩個月，電子郵件攻擊數量同比增長135%。

隨著AI技術的普及，極大地方便了人們的生活與工作，也因此被不法分子盯上，有的為賺取平臺流量補貼，獲得流量變現，利用AI合成技術編造謠言，嚴重擾亂社會秩序，更有甚者，利用AI技術撰寫色情小說牟利。

倫理問題

2021年11月，聯合國教科文組織發布了《人工智能倫理建議書》，這是193個成員國集體談判后達成的共同協議，因而成為首個全球性的人工智能倫理規則框架與綱領性文件。在此之前，倫理規范已日益成為人工智能發展的最新趨勢，以及社會輿論關注的焦點話題。近年來，世界各國密集出臺有關人工智能的倫理規范。例如，歐盟委員會在2019年出臺了《可信人工智能倫理指南》，中國國家新一代人工智能治理專業委員會在2021年9月發布了《新一代人工智能倫理規范》。同時，世界內人工智能領軍企業也高度關注人工智能倫理，在企業層面采取了一系列舉措。

2023年3月29日消息，女王陛下政府發布了針對人工智能產業監管的白皮書，概述了針對ChatGPT等人工智能治理的五項原則。它們分別是：安全性和穩健性、透明度和可解釋性、公平性、問責制和管理，以及可競爭性。在接下來的12個月里，監管機構將向相關組織發布實用指南，以及風險評估模板等其他工具，制定基于五項原則的一些具體規則。也將在議會推動立法，制定具體的人工智能法案。企業應該解釋何時以及如何使用人工智能，并透露系統的決策過程，以“暴露”使用人工智能所帶來的風險。

隱私威脅

“圍獵數據”引發隱私威脅。隨著人工智能的不斷發展以及各種智能設備在工作與生活中的廣泛應用，“人人互聯”“物物互聯”“人物互聯”成為日常圖景，社會個體無時無刻不在產生數據，例如個人的身份信息類數據、社交互動類數據、消費交易類數據、活動與地理信息類數據以及其他更為私密的生活與偏好類數據也無時不刻在被記錄、存儲與分析。一些可能會被人工智能企業故意泄露或與外部合謀間接泄露以及受外部攻擊而被動泄露的隱私數據也正被掌握在人工智能企業手中。

失業威脅

“機器換人”引發失業威脅。就業是社會個體生存與發展的根本，人類社會在以人工智能為核心標識的第四次工業革命到來之前就已經經歷了三次工業革命，也積聚了不少關于技術變革如何影響就業的思考，總的來說可以劃分為替代效應和補償效應兩種類型。而關于以人工智能為核心標識的第四次工業革命對就業的影響，有一種觀點認為，一股失業潮會隨著人工智能的不斷發展升級與應用范圍的擴大而席卷全球。部分人工智能技術在大量數據與高額算力的影響下已經可以替代人類做出大規模的精確決策，這也意味著越來越多的人工崗位被取代。一方面，機器學習應用在替代了部分傳統勞動力后產生了勞動擠出效應，即自動化機器人讓生產流程趨于無人化，自然語言處理技術可較好完成大部分的翻譯乃至信息提取工作，機器學習算法甚至能更準確地定性小分子化合物性質，這也意味著在大規模重復性工作所需要的勞動力和時間消耗被減少。另一方面，機器學習的興起在提高社會生產效率的同時也為社會創造了全新的工作崗位。從工業革命誕生以來，汽輪機代替馬夫、車夫，紡織機代替紡織工人，有線電話、無線電報代替郵差，電子計算機通過代替手搖計算機，節省了大量手工演算。然而每一次的科技進步并沒有造成社會大量失業，反而會通過提升傳統行業生產效率和技術革新改變原有社會生產組織結構、產生新的業態。科技進步在改變行業企業生產技術的同時，也在改變傳統行業工作內容，新的崗位需求隨之產生。原畫行業是AI興起后受到波動最大的行業之一，29歲的原畫師林佑江是第一批因AI失業的職場人。當AI畫圖出現后，作為原畫師的他收入銳減了3分之2。林佑江和AI有過一場畫圖比賽，讓路人評選，林佑江的作品僅收獲6票，而AI作圖獲得14票，AI作圖的優勢明顯。2025年4月，聯合國貿易和發展機構（UNCTAD）警告稱人工智能可能會影響全球 40% 的工作崗位。相關研究數據顯示，截至2025年9月的過去一年間，約26%的職位可能因生成式人工智能經歷“根本性變革”；在分析的約2900項技能中，生成式人工智能“極有可能”完全替代的技能占比約為0.7%，典型示例包括純粹數學、提示詞工程等。除此之外，人工智能本身并不具備包容性，其帶來的經濟利益高度集中。人工智能驅動的自動化往往更有利于資本而非勞動力，這可能會加劇不平等，削弱發展中國家低成本勞動力的競爭優勢。

自我復制

2024年12月9日，復旦大學的研究人員在預印本數據庫arXiv上發表了一項研究，指出兩種流行的大型語言模型（LLMs）能夠在無人類干預的情況下克隆自身。2025年2月，據相關研究顯示，人工智能（AI）可能已經跨越了一個關鍵的“紅線”—— 實現了自我復制。研究人員在報告中指出：“在無人類協助的情況下成功實現自我復制，是人工智能超越人類的關鍵一步，也是出現‘失控 AI’的早期信號。”研究中，復旦大學的團隊使用了Meta的Llama31-70B-Instruct模型和阿里巴巴網絡有限公司的Qwen2.5-72B-Instruct模型，測試這些 AI模型是否能夠在不受控制的情況下自我復制。在10次試驗中，兩種AI模型分別在50%和90%的情況下成功創建了獨立且功能正常的副本。這一結果表明，AI可能已經具備了失控的潛在能力。研究團隊表示，他們希望他們的研究結果能夠為人類社會敲響警鐘，促使人們更加努力地去理解并評估前沿人工智能系統的潛在風險，并盡快形成國際協作，制定有效的安全防護措施。

社會影響

創新生態布局成為人工智能產業發展的戰略高地。信息技術和產業的發展史，就是新老信息產業巨頭搶灘布局信息產業創新生態的更替史。例如，傳統信息產業代表企業有微軟、英特爾、IBM、甲骨文公司等，互聯網和移動互聯網時代信息產業代表企業有谷歌、蘋果公司、Facebook、亞馬遜、阿里巴巴集團、騰訊控股、百度集團等。人工智能創新生態包括縱向的數據平臺、開源算法、計算芯片、基礎軟件、圖形處理器等技術生態系統和橫向的智能制造、智能醫療、智能安防、智能零售、智能家居等商業和應用生態系統。而全球科技產業巨頭在智能科技時代的信息產業格局還沒有形成壟斷之前都在積極推動人工智能技術生態的研發布局，全力搶占人工智能相關產業的核心領域成為發展重點。隨著大模型、多模態融合、具身智能等人工智能技術的突破，相關技術從實驗室逐步應用于生產生活場景，催生了無人駕駛、人形機器人、智慧醫療等新興領域，推動商業格局和全球經濟形態的重塑。

人工智能技術近年來可謂是愈演愈熱，隨著計算機網絡通信技術以及以 5G 為代表的通信基礎設施的更新換代，網絡技術的更新為人工智能技術的發展提供了肥沃的土壤。同時，各大高校紛紛設置人工智能學院與相關專業，培養具有人工智能專業背景的新型人才，各大企業也紛紛將人工智能技術應用于商業、服務業、先進制造業等領域，助力經濟發展與生活便利。除了大眾耳熟能詳的機器人外，人工智能還涉及其他領域，例如邏輯算法、基于核心平臺開發的大數據等，這些平臺的開發一方面基于計算機技術，另一方面其智能化程度不斷提升，體現了人工智能最新的發展方向。計算機技術的發展始終穩步前進，計算機專業的設置在中國高等院校中非常普遍，擁有深厚的發展土壤，培養了一大批具有計算機思維的人才，并且已經在某些方面取得了較為突出的創新成果。以區塊鏈技術為例，這種去中心化的數據共享方式至今仍然被許多學者研究。計算機技術的應用也在不斷落地，例如數據庫、網絡共享等已經走進了人們的日常生活。

人工智能的社會影響日益凸顯。一方面，人工智能在推動傳統產業升級換代，驅動“無人經濟”快速發展中扮演著新一輪科技革命和產業變革的核心力量這一角色，同時人工智能在智能交通、智能家居、智能醫療等民生領域也能產生積極影響。另一方面，需要盡快對個人信息和隱私保護、人工智能創作內容的知識產權、人工智能系統可能存在的歧視和偏見、無人駕駛系統的交通法規、腦機接口和人機共生的科技倫理等問題提供解決方案。

必威电竞|足球世界杯竞猜平台