近年來，人工智能取得了驚人的進步，大大改變了我們的生活和工作方式。其中，像ChatGPT這類的機器人代表了一種強大的AI模型，展示了人工智能特別是在自然語言處理領域最新的成就。
在人工智能的發展歷程中，早期（1940-50年代）圖靈提出了著名的圖靈測試，奠定了人工智能發展的基礎。然而在中期（1960-70年代），由於缺乏計算能力和數據支持，研究者們嘗試將人類知識進行形式化表示，以模擬人類智能，但進展相對有限。後期（21世紀初）隨着大數據和計算能力的爆發，人工智能進入了新的發展階段。
在自然語言處理領域，自2000年起，引入機器學習和神經網絡的自然語言處理（NLP）技術迅速發展，並逐漸實現了商業化應用，推動了一系列重要的技術突破。2017年，Google發表了著名論文《Attention is All You Need》（你所需要的就是注意力），提出了基於注意力機制的Transformer模型，為NLP領域帶來了變革性的變化。2018年以來，OpenAI的GPT系列模型從GPT-1發展到GPT-4，不斷提升自然語言處理能力，實現了從大語言模型向多模態模型的進化。
GPT系列模型的演變是一個重要的發展趨勢，GPT-1結合了有監督學習和無監督學習，接近於處理特定語言任務的專家模型，而非通用的語言模型。GPT-2構建了泛化能力更強的語言模型，使得語言模型的通用性得到了進一步展現。GPT-3參數量相較於GPT-2提升了兩個數量級，達到了1750億，成為真正意義上的超大語言模型。
ChatGPT通過引入人類反饋的強化學習（RLHF）等新的訓練方式，大幅提升了語言生成能力，並且展現出了思維鏈和邏輯推理等多種能力。GPT-4在推理能力、文本生成能力、對話能力等方面進一步提升的同時，實現了從大語言模型向多模態模型進化的第一步。這使得它在僅僅兩個月的時間裡，於2022年11月達到了每月超過一億次活躍用戶的驚人成就。
它的Transformer模型技術把這麼多知識壓縮在一起了，這是它的最大突破，封裝了世界上浩瀚的知識。它有足夠強的學習和推理能力，它的領域足夠寬，知識足夠深，又足夠好用。這些特點構築成了一種範式，預示着AI發展的一個新拐點。
專家認為，在不久的將來，大模型將成為人工智能的「操作系統」。要推動人工智能的創新發展，「數據」「算法」與「算力」是發展的支柱，數據是人工智能的教材，算法是人工智能的大腦，算力是人工智能的引擎。在過去數十年的發展中，數據的發展始終伴隨着人工智能的發展。隨着可處理數據邊界、智能算法能力和可影響環境範圍的拓寬，數據成為支撐人工智能發展的重要因素，新型數據將成為新一代人工智能發展的主要驅動力之一。大模型的訓練是擴大模型規模的主要方法。未來是一個模型無處不在的時代。專家估計，某種意義上來講，20-30年後，這種模型世界跟生物世界將越來越接近。
現在的AI足夠聰明，可以幫助自己開發出下一代的AI，取代自己。OpenAI現在是用ChatGPT-4來開發ChatGPT-5。AI現在確實是在發生日新月異的變化。
當今人工智能技術進入了一個快速發展的快車道，被稱為ChatGPT之父、人工智能實驗室OpenAI首席執行官、山姆·阿爾特曼（Sam Altman）感嘆道：連他自己都沒想到會那麼快。
我們有理由相信人工智能將變得更加成熟和完善，為人類帶來更多便利和可能性，將深刻改變我們生活的方方面面，並引領人工智能實現從感知理解到生成創造的躍遷。
在不久的將來，隨着「數據」、「算法」與「算力」的進一步提升，一種融合人腦與認知的人工智能新算法與模型——認知計算智能模型和類腦智能體系，將開始步入人類的生活領域。
小編今年78，也許看不到20-30年後的人工智能所帶來的極為巨大的變化。面臨這樣一個時代的即將來臨，對於每個人來說，它既是機遇，也是挑戰。-量子認知科技發展-
*「人工智能+大數據」讓化學研究煥然一新*
機器人在操作台之間來回穿梭，伸出機械臂，「手握」試管，稱量取樣，配製試劑……走進中國科學技術大學（以下簡稱中科大）機器化學家實驗室，一種全新的化學研究場景讓人眼前一亮。這裡看不到身穿白大褂的實驗操作人員，瓶瓶罐罐的實驗工作都由一台機器人完成。
這台機器人由中科大化學物理系教授江俊團隊研發。它不僅能根據指令操作實驗，還能夠利用機器智能去查找和閱讀文獻，從海量研究數據中汲取專家經驗，在前人知識與數據的基礎上，提出科學假說並制訂實驗方案。
此外，它產生的高質量機器實驗數據還能夠與理論預訓練模型融合，產生理實交融的智能模型來尋找全局最優解。
「我們的機器化學家擁有『超強化學大腦』，它能夠從數以億計的可能組合中找到最優解，將科學家一生都不能做完的工作，縮短到幾周內完成。」在近日舉行的中科院記者行活動上，江俊告訴記者。
用好人工智能和大數據的「東風」
當前，數據驅動的人工智能正在改變整個科學研究。科學家希望，利用人工智能和大數據技術解放自己的雙手，提升科研的效率和準確性，進而催生更多創新成果。在化學領域，科研人員尤其希望得到大數據和人工智能的助力，加快材料研發。
說起箇中原因，中科大教授李震宇告訴記者：「過去的150年裡，化學研究主要靠猜測、嘗試、糾錯，再猜測、再嘗試……在這種研究範式下，科研人員像集郵一樣逐步積累素材，在不斷試錯的過程中取得發現，研究效率低、成本高。」
同時，隨着化學研究對象日益複雜化、高維化，面對龐大的化學空間，配方和工藝的搜索常常止步於局部最優，無法進行全局探索。
因此，改變化學研究範式，實現化學研究精準化、智能化，一直是化學家的夢想。
逐漸興起並快速迭代進化的大數據與人工智能技術，讓科研人員看到了解決這些難題的新機遇。「我們希望藉此東風，建立新的化學研究範式，在精準化和智能化雙輪驅動下，賦予人工智能機器化學家化學智慧。」李震宇說。
於是，2014年，江俊團隊提出「機器化學家」概念並開展相關科研工作。
「我們組建了一支涵蓋化學、計算機、數學、自動化等的跨學科團隊，經過8年攻關，成功研製出數據智能驅動的『全流程機器化學家』。」江俊介紹，該機器化學家集成了移動機器人、化學工作站、智能操作系統、科學數據庫等多項技術。
缺乏高質量的科學數據是個大難題
如今，擁有「超強化學大腦」的機器化學家正在展現它的價值。
專注於光學薄膜材料研究的中科大教授鄒綱，一直想提高手性相關光學薄膜的性能，然而，材料配比的可能性有上百萬種，依賴人工一一驗證根本不現實。團隊努力了10年，將不對稱因子提高到了1.2，但離理論極限2.0還有非常大的差距。
藉助機器化學家，科研人員僅用一個多月時間，就找到了不對稱因子高達1.95的工藝條件，高度逼近理論極限，為開發優質薄膜材料開闢了新方法。
對江俊來說，機器化學家只是開始。「我們的目標是建成機器化學家大科學裝置，在一整棟大樓里，布置上百個機器人、上千個智能化學工作站，真正解放化學家的雙手，加快新化學品和新材料的研發創製。」江俊說。
今年1月，中國科學院精準智能化學重點實驗室正式獲批建設，李震宇擔任實驗室主任。「我們希望把實驗室建設成為精準智能化學領域國際頂尖的研究機構，形成一個新的精準智能化學範式，建立我們國家主導的精準化學數據體系和智能化學軟硬件標準。」李震宇說。
在李震宇看來，建立精準智能化學研究新範式最大的困難是缺乏高質量的科學數據。「已有的數據質量參差不齊。這些數據混在一起，讓人工智能去學習，很可能會學到一些錯誤的知識。所以，我們希望形成一套數據標準，在這個基礎上去做數據驅動的智能化學。」李震宇說。
或許有人會擔心，具備「最強科學大腦」的機器化學家的出現，會不會讓化學家失業？對此，江俊表示：「一個好的技術工具，會賦予更多的可能性，讓科研人員做更多的事情，發現更多的前沿理論。」-(來源:科技日報*人民數據/人工智能+大數據)
