一、人工智能爆发时间？

2019年，人工智能战胜人类顶尖选手。

二、人工智能爆发的最重要原因？

（1）云计算技术的持续突破，使得低成本的大规模并行计算具备了落地基础；

（2）、大数据在提升人工智能尤其是机器学习水平方面爆发出强大的能量，而机器学习在人工智能中扮演着核心角色，是计算机拥有智能的基础，尤其是呈现爆发式增长的全球海量数据无疑为人工智能走向成熟提供了强大推力；

（3）、深度学习技术的持续发展与应用，以及类人脑芯片的研究，为人工智能可能赶超人类水平提供了有效的落地途经。

三、人工智能全面爆发是什么技术兴起？

人工智能全面爆发是互联网、云计算、大数据技术的兴起。

互联网、大数据、人工智能这三个概念本身都有一个巨大的生态体系和价值空间，从技术的角度来说，广义的互联网奠定了数据交换的基础，这也直接推动了大数据的产生，而大数据的出现也把人工智能推到了一个新的发展阶段，可以说互联网是大数据的基础，而大数据则是人工智能的基础。

四、人工智能为什么还没有爆发？

因为总体来说思维逻辑还不够先进，现实技术能力也达不到要求，也没有更多的资金投入运作到人工智能里面，故发展还是比较缓慢所以没有爆发。不过人工智能的发展一直处于良好的状态，期间也取得了许多的成就。无论是技术、思想还是应用，人工智能都迎来了前所未有的突破，实现了一次完美的崛起。

五、未来人工智能的爆发点在美国还是中国？

大概在美国吧，基于 ChatGPT / Bard 的出现，通用人工智能 AGI 的门槛差不多被摸到了，叫喊了很多年的第四次工业革命，很有可能就此开始。这一次，美国领先很多，中国在奋起直追，能不能追上不知道。

这个趋势已经显现，ChatGPT做出来了，Google Bard也大规模测试了，微软的全线产品都要接入 ChatGPT 了，包括浏览器和操作系统。

国内研究者们（包括国内最牛的高校，最高级别的三大人工智能实验室等等）还在讨论为啥国内做不出来。Diffusion Model，美英开源了，国内马上就有了； 而GPT3、Codex 以及 ChapGPT，美英没有开源，国内至今没有。

关于 ChatGPT 以及其他大模型（视频、语音和语言等），可参阅：

学习ChatGPT和扩散模型Diffusion的基础架构Transformer，看完这些论文就够了

究其本质，就一个字：穷！因为穷束缚了想象力，穷夺走了面对失败的勇气！

事实上，在超大模型之前，人工智能领域出来个啥东西，国内都还跟的挺紧的，原创的内容也是有一些的。但自从 GTP3以及类似的超大模型之后，国内就跟不上了。其本质就是，AI（超大模型） 太费钱了。

这个是2020年关于 gpt3和alphaZero的估计：

1. 使用微软提供的AI超级AI计算机，训练一次GPT3的时间大约是5 天左右;如果使用美国云服务提供商提供的 GPU 来训练，训练一次 gtp-3 需要耗费从 280 万到 540 万美元不等，其价格主要取决于使用那 种 gpu/tpu 硬件。
2. 经估算，从零开始训练一个 alphaZero 的花费在 3500 万美元左右(按 2018 年 google 公布的 TPU 价格计算)。

这还仅仅是训练模型的钱，其他费钱的地方也很多：

1. 比如数据，高质量的数据收集。相比于英文的数据，中文的高质量数据太缺乏了！！！这其实也是需要钱堆出来的，而且，这个仅仅靠 AI领域的钱是远远不够的！！！
2. 比如专心的研究而不用考虑各种 KPI，这其实需要足够富裕的社会才能够容忍的。类似DeepMind和 OpenAI 这种到现在都光花钱不怎么产生收入，很难有短期经济效益的，是足够富裕的社会才会有的。

在 GPT3出来没多久（2020年），上海经信委就组织过关于 GPT3的调研，当时我给的建议是（但这两年看来，这个并没有跟上）：

1. GPT3很费钱，国内初创企业搞不定的，国内大企业也大概率会因为没有短期直接的收益而投入不多
2. 关于GPT3，以及当时的 AlphaZero 等，要抓紧组织研究、复现并在此基础上持续研究

上述这个建议的出发点很简单，就是：

GPT3，以及AlphaZero、 ChatGPT、AlphaFold 等所代表的是 AI领域的“大工程”，不是三五个研究小组就能搞定的，需要一个“大”的精英组织，有基础设施（算力集群）、并行计算、大数据（数据量 T 级别，甚至更高）、以及 AI 算法等。

顺带说说，为什么 ChatGPT和 Bard 值得重视呢？

一方面，对于 ChatGPT 来说，综合了机器学习的三大范式——有监督学习、无监督学习、强化学习。由于GPT3.5（包括未来的 GPT4）强大的能力，以及基于 RLHF 实现了人机交互，并且能够从人机交互中持续学习，这使得ChatGPT 已经有了 AGI 的雏形了。AGI 的基础特征就是一个模型能够适用于多种任务，特别是在训练时候所未能想到（设计/遇到）的任务，而 ChatGPT 与以往模型的最大差别是，在语言模型中，它好像能做一切事情（分类、抽取、生成、摘要、写诗，还有人用它来谱曲等等）。个人感觉，未来几年如果未能紧紧跟上这个领域，则新一代的技术革命危矣。深度学习的三巨头，一个在 deepmind（Google），一个在Meta。

第二，ChatGPT 和扩散模型所代表的 AIGC，还有另一个层面的意思，就是在AI 辅助创作方面的生产力能够极大提升，这将对未来的“知识”生产产生降维打击。现在“英文”知识已经远远好于“中文”知识了，在 ChatGPT等 AIGC 的协同下，未来可能进一步拉大差距。比如，国外已经出现了利用 ChatGPT 来共同写论文的例子了。

第三，Google 的Bard 所用的 LaMDA 不是新事物，事实上，如果不健忘的话，对LaMDA 应该不陌生，毕竟被 Google 工程师认为有“自主意识”，像“人”，需要考虑AI 的“人格”这种花边新闻，是江湖中流传最广的。另外为了能服务更多的用户，即将发布的Bard 是基于LaMDA 的轻量级版本。已公开的LaMDA 最大的版本是1370亿参数的模型，轻量级的可能是80亿参数或320亿参数的吧？

第四，Bard要保持“质量、安全和凭据（quality, safety and groundedness）”方面的高标准。这点要重点强调一下，Google 在 LaMDA 中始终强调现实世界的事实需要有依据，而知识图谱则是 Google 的秘密武器，Google 拥有全球最大的知识图谱，如何构建知识图谱，可参阅权威书籍珠峰书《知识图谱：认知智能理论与实战》。根据 LaMDA论文，其外部信源有明显的三元组的印记“<Eiffel Tower, Construction started, 28 January 1887>”和“<Eiffel Tower, date opened , 31 March 1889>”，应该是用了 Google 内部所构建的全球最大的知识图谱。

第五，就是强化学习，这点 DeepMind 和 OpenAI 则老早就在研究，曾经名震江湖的 AlphaGo 就是用强化学习来搞的。国内搞这个的其实不多，特别是大规模产业化应用的。

关于穷，“穷”本身是相对的，在 AI 未来的进一步发展中，是需要很多钱的，这包括：

1. AI研究本身需要大量的钱，比如训练 AlphaZero、GPT3、PaLM 等，费钱不少，但这块国内大企业或大的研究机构是付得起的；
2. 投入大量的钱进行创新，比如 OpenAI 几百亿持续5年在研究生成式模型，这个从 GPT 、GPT2再到 GPT3都并不是业界所一致看好的，但OpenAI 能够持续研究。这个对国内大企业和头部研究机构来说，就不见得能付得起了；
3. 数据，目前高质量的数据还是以英文为主，相比之下，中文可谓稀缺。这块是需要百年的“富裕”来支撑的。从这个视角来讲，中国还很“穷”。
4. 与数据一样，能够有大量的人去探索、创新、去研究未知的科学，是需要大量富足的、高智商人去往我的投入的，这块对国内来说，刚刚起步。

关于数据问题，中文语言语料相比于英文语言语料的极大劣势，至少有3点是明确的，其他更多也欢迎评论补充：

1. 国内审核机制导致 UGC 内容极其缺乏，特别是高质量的 UGC 。从这个衍生出去，接下来的 AIGC 也会因此受阻。
2. 学术论文基本以英文为主，相对应的中文的科学类论文（以及广义的科学类语料，比如编程代码之类的）也是极其缺乏的（相比与英文）。
3. 一个众所周知的事实是：公开已标注的语料中也是以英文为主，中文极其缺乏（相比于英文）。

一个小问题：在大陆使用 Transformers、Pytorch 和 Tensorflow 等框架时，所有自动下载模型的接口都存在问题，一旦模型大一些（比如超过1G），往往需要数小时甚至下载失败，这非常影响使用。其原因没法说。

另一个壁垒，这点对国内来说还好，但 AI 是全球范围的事。 据2023年2月2日路透社的报道，ChatGPT 的当时的用户量已超过1亿，成为有史以来用户增长最快的产品。这点对于使用了 RLHF 的产品来说，大量用户的反馈能够迅速提升其水平，ChatGPT 能够根据用户反馈进行快速升级，这对后来的类似 ChatGPT产品形成了另一个壁垒。另一方面，大量的专业认识对 ChatGPT 的评估产生了大量的论文和 blog，这些内容也是 OpenAI 完善ChatGPT 的宝贵资源.比如被大量诟病 ChatGPT 数学能力（如牛津大学评估了 ChatGPT 的数学能力《Mathematical Capabilities of ChatGPT》），ChatGPT 就专门升级了其数学能力。这点对未来类似 ChatGPT 的产品来说，就没有那么多全球范围内的各个领域专家对其评估，“帮助”改进产品了。不幸的是【相反，对 OpenAI /美国来说是幸运的】，这两点对AI 产品来说，至关重要。

六、人工智能大爆发 ，机器越来越聪明，你有何感受？

挺好的，机器多了，底层人民就没有存在的必要了。世界人口大减，直到与环境达到平衡，人人都是高层，人人都是富豪。

七、舆论爆发

舆论爆发的定义与影响

舆论爆发是近年来备受关注的社会现象，它是公众针对特定事件发表意见、态度和情绪的集中体现。随着互联网的普及，人们获取和传播信息的途径更加便捷，因此舆论爆发的影响力也逐渐增强。在舆论爆发期间，各种观点相互碰撞，公众情绪激昂，对于社会事件的关注度也会随之提升。

舆论爆发的特点

舆论爆发具有以下几个特点： 1. 传播速度快：随着社交媒体的普及，信息传播的速度大大加快，一旦出现热点事件，很快就会在社交媒体上引发广泛关注和讨论。 2. 参与人数多：公众对于社会事件的关注度很高，许多人会参与到舆论爆发的讨论中来。 3. 影响范围广：舆论爆发的影响不仅局限于事件的当事人和相关部门，还会影响到社会生活的各个方面，甚至影响到政府的决策。 4. 情绪化色彩浓厚：公众在表达意见时，往往带有强烈的情感色彩，因此舆论爆发的情绪化色彩浓厚。

舆论爆发的应对策略

面对舆论爆发，相关部门和媒体应该采取积极的应对策略，以减少负面影响。具体来说，可以采取以下措施： 1. 及时回应：相关部门和媒体应该及时回应公众的关切和质疑，以消除误解和谣言。 2. 公开透明：舆论爆发期间，相关部门和媒体应该保持公开透明，及时发布相关信息，避免信息不对称和谣言的产生。 3. 理性引导：相关部门和媒体应该积极引导公众理性看待舆论爆发，避免情绪化言论的出现。 4. 加强沟通：相关部门和媒体应该加强与公众的沟通，及时传递正面信息，稳定公众情绪。 总的来说，舆论爆发是一种复杂的社会现象，它既有积极的一面，也有消极的一面。对于相关部门和媒体来说，如何应对舆论爆发是一个需要认真思考的问题。同时，公众也应该理性看待舆论爆发，避免盲目跟风和情绪化言论的出现。

八、马尼拉爆发

今天，我们要讨论的话题是：马尼拉爆发。这次事件引起了广泛关注，对马尼拉市及其居民造成了巨大冲击。让我们深入了解这次爆发的原因、后果以及如何应对。

事件概述

马尼拉爆发指的是发生在马尼拉市的一系列暴力事件。这些事件开始于（日期），并在接下来几天里迅速升级。暴力行为包括抢劫、纵火、打砸抢等。据报道，这次爆发造成了多人死亡和受伤，引发了市区的大规模恐慌。

原因分析

爆发事件的原因多种多样，其中一些主要因素包括：

• 社会不公：马尼拉市存在严重的贫富差距和社会不公现象。许多居民生活在贫民窟中，缺乏基本的生活条件和机会。这种不公正的社会结构导致了不满和愤怒的情绪积累。
• 政治动荡：政治环境的不稳定也是导致这次爆发的重要原因之一。政治派别之间的争斗和腐败问题严重削弱了政府的能力，无法有效维护社会安全。
• 经济压力：经济问题是导致社会不安定的另一个重要因素。高失业率、不稳定的就业环境和高昂的生活成本使得许多人感到绝望和无奈。

后果与影响

马尼拉爆发对社会、经济和人民生活产生了严重影响：

• 社会动荡：爆发事件导致了马尼拉市的社会秩序丧失，造成了大规模的动荡和混乱。市民的生活受到了严重威胁，恐慌情绪弥漫。
• 经济受损：爆发事件对马尼拉市的经济造成了巨大损失。商业区受到严重破坏，许多企业被迫停业，导致大量就业岗位丧失，经济活动陷入停滞。
• 人民安全：爆发事件给市民的生命安全带来了巨大威胁。人们生活在恐惧中，担心自己的家人和财产的安全。

应对措施

为了应对马尼拉爆发所带来的挑战，各方应该采取以下措施：

• 加强社会安全：加大警力投入，确保市民的人身安全。同时，建立更加公正和包容的社会结构，减少社会不公现象。
• 政治改革：政府应加强反腐斗争，改善政治环境的稳定性。促进各政治派别之间的对话与合作，为市民提供更好的政治治理。
• 经济发展：加大对经济的投资力度，创造更多的就业机会。通过促进经济增长，减少贫困和不平等现象，实现社会的可持续发展。
• 公民参与：鼓励市民参与社会事务，提高社会责任感和参与意识。这需要政府提供更多的参与渠道和机会，使市民能够积极参与社会建设。

结论

马尼拉爆发是一个严重的社会问题，需要各方共同努力来解决。建立一个安全、公正和繁荣的社会需要政府、市民和各界的共同参与。通过加强社会安全、政治改革和经济发展，我们相信马尼拉市将能够克服目前的困境，实现持续稳定的发展。

九、伪爆发和真爆发的区别？

伪爆发和真爆发的主要区别在于产品价值是否内化、依赖的流量来源以及复购率。

产品价值：伪爆品通常通过折扣、宣传、赠品、引流等方式把产品销量卖爆，但当这些外部推力停止时，销量增长也截然而止。而真爆发则是用户驱动的，所有社交上活跃的短视频或测评都是普通用户或专业用户制作和传播，他们通过自己影响身边的人，带来可观的转化和复购。

流量来源：伪爆品依赖公域流量推爆，而真爆发依靠私域流量灌溉。伪爆品要么靠抄袭，什么流行抄什么，还抄袭得特别表面，只看到浅层次的东西。而真爆发则注重产品的内在质量和用户的真实体验，通过口碑和用户驱动的方式获得更多的用户和流量。

复购率：伪爆品由于只是短暂的销量暴增，并没有真正的用户认可和口碑传播，因此复购率很低。而真爆发则是用户真正认可的产品，用户愿意长期购买和推荐，因此复购率较高。

总之，伪爆发和真爆发的区别在于产品价值、依赖的流量来源和复购率。伪爆发只是短期的销量暴增，而真爆发则是真正的好产品通过用户口碑和传播获得的长期稳定销售增长。

十、火山爆发爆发是成语吗？

解答：火山爆发爆发不是成语，先发制人是成语。

资料延伸 先发制人

基本释义

发：开始行动；制：控制，制服。原指丢动手的牌主动地位，可以控制对方。后也泛指争取主动，先动手来制服对方。

相关例句

1.匪徒见警察接近，便先发制人，开枪射击。

2.这件事我们必须先发制人。

3.这场足球赛我们取得胜利，采取先发制人的战术是成功的主要因素。