艾伦·图灵、约翰·麦卡锡、马文·明斯基和克劳德·香农被广泛认为是人工智能的奠基人。他们的工作不仅在理论上奠定了人工智能的基础，还在实际应用中推动了AI的发展。

艾伦·图灵

图灵机的提出

图灵在1936年发表了《论可计算数及其在判定问题中的应用》，提出了图灵机的概念。图灵机是一种理论模型，能够模拟任何计算机算法，为现代计算理论奠定了基础。
图灵机的提出是计算机科学史上的里程碑，它的抽象化和通用性为后续数字计算机的设计提供了理论基础。图灵机的概念不仅影响了计算机科学，还为人工智能的发展提供了重要的理论支撑。

图灵测试

图灵在1950年提出了图灵测试，通过测试机器是否能够模仿人类的思维行为来评估机器是否具有“智能”。图灵测试是人工智能的重要衡量标准，尽管存在争议，但它仍然是评估机器智能的重要方法。图灵测试的提出引发了关于机器是否能真正“思考”的广泛讨论，推动了AI研究的发展。

二战期间的工作

在二战期间，图灵领导了破解德国Enigma密码的团队，设计和改进了用于破解Enigma的机器（如Bombe），极大地加速了密码的破译过程。图灵在二战期间的工作不仅改变了战争进程，还为现代密码学和计算机技术的发展奠定了基础。他的工作展示了计算机在处理复杂问题上的巨大潜力。

约翰·麦卡锡

人工智能一词的提出

麦卡锡在1956年的达特茅斯会议上首次提出了“人工智能”这一术语，并倡导研究机器智能。麦卡锡的提议标志着人工智能作为一个独立学科的诞生，他的工作为AI的研究和应用指明了方向。

LISP编程语言

麦卡锡发明了LISP编程语言，这是AI研究的基础语言之一，至今仍广泛应用于AI开发。LISP语言的设计和实现为AI程序的开发提供了强大的工具，影响了后续许多AI技术的发展。

马文·明斯基

逻辑理论家

明斯基与麦卡锡合作开发了Logic Theorist，这是第一个能模拟人类推理能力的计算机程序。Logic Theorist的开发是AI推理能力的重要里程碑，为后续的AI程序设计和应用提供了重要的理论基础。

框架理论

明斯基提出了框架理论，认为知识是以框架的形式存储在人脑中的。框架理论为AI的知识表示和推理提供了新的视角，影响了AI的认知科学和机器学习领域。

克劳德·香农

信息论

香农在1948年发表了《通信的数学理论》，提出了信息论的核心概念，并定义了“比特”作为信息的基本单位。香农的信息论为信息编码、传输和处理提供了理论框架，极大地推动了现代通信技术和数字电路设计的发展。

机器学习和人工智能

香农的研究为机器学习算法的设计提供了理论基础，影响了AI的发展。香农的工作展示了数学和工程学的结合在AI研究中的重要作用，为后续的AI技术发展奠定了基础。

艾伦·图灵、约翰·麦卡锡、马文·明斯基和克劳德·香农被誉为人工智能的奠基人。他们的工作不仅在理论上奠定了AI的基础，还在实际应用中推动了AI的发展。图灵机的提出和图灵测试的设立，麦卡锡的LISP语言和AI概念的提出，明斯基的逻辑理论家和框架理论，以及香农的信息论和机器学习算法的设计，都为人工智能的发展做出了不可磨灭的贡献。

人工智能有哪些新的研究方向？

2025年人工智能领域的研究方向呈现出多样化和前沿化的特点，主要集中在以下几个方面：

1. 超级人工智能（ASI）：

   • 超级人工智能的概念围绕着其可能超越人类的认知能力而展开。根据OpenAI总裁萨姆·奥尔特曼的观点，超级智能的出现可能会对人类社会产生深远影响。学术界与产业界正在逐渐认同将人工智能的安全底线从AGI上调到ASI，以更有效地应对潜在的危机与挑战。

2. 具身智能：

   • 具身智能概念的诞生可以追溯到1991年罗德尼·布鲁克斯的相关研究。它强调的是通过给予AI物理形态，使其能够通过观察与互动来学习和适应环境。与传统的语言模型相比，具身智能将更加接近人类认知方式，通过自身的感知及与环境的直接互动来获取知识。

3. 大世界模型：

   • 大世界模型的提出标志着人工智能理解和认知能力的一次重大跃升。由李飞飞创立的“世界实验室”提倡构建能理解三维物理世界的AI模型，用户可以通过该模型在虚拟空间中自由探索和交互。这个模型的关键在于，它能够从输入的图片和文本中提取物体信息，并重建出相应的三维空间。

4. 推理计算：

   • 推理计算提升大模型准确率，强化学习激发模型推理能力。OpenAI发布的o1推理模型标志着大语言模型发展进入深度推理阶段，推理侧缩放法则同样存在，大模型算力需求逐步迁移至推理侧。

5. 合成数据：

   • 高质量数据愈发稀缺，合成数据作为模仿真实世界数据的非人工创建数据，在小模型训练中作用重大。它与推理计算的结合在一些模型中已初显成效。

6. 缩放法则：

   • 缩放法则从文本为主的大语言模型训练迁移到更加广阔的人工智能领域，同时o3与GPT5循环驱动有望开启。

7. 超级智能体（AI Agent）：

   • AI Agent即将进入能力快速跃升阶段，头部的人工智能企业和互联网公司均在端侧AI Agent方面有所布局，超级智能体将走向普及。

8. 自动驾驶：

   • 自动驾驶算法进入端到端驾驶算法发展阶段，大语言模型和视觉语言模型（VLM）逐步与端到端融合，进一步增强环境理解能力，Robotaxi进入商业化落地阶段。

9. AI4Science：

   • 人工智能在所有STEM领域都有应用，能加速科学研究进度，在蛋白质结构预测、药物研发等方面优势巨大。2024年多个诺贝尔奖的颁发也体现了人工智能在科学研究中的重要贡献。

10. 端侧创新：

    • 随着AI大模型逐步成熟，几乎所有硬件产品都可以加入AI元素来提升表现能力，端侧创新将不断涌现，AI塑造端侧新分工新格局。

人工智能在医疗领域的最新应用有哪些？

人工智能（AI）在医疗领域的最新应用正在不断扩展，涵盖了从诊断、治疗到管理和科研等多个方面。以下是一些最新的应用实例：

1. 医学影像分析

• AI影像诊断系统：AI技术能够自动识别肺结节、脑出血等病变，辅助医生进行早期诊断。例如，数坤科技的肝脏局灶性病变MR图像辅助分诊软件，能快速精准识别肝脏病变区域，为医生诊断提供有力辅助。
• 病理诊断：AI在病理诊断中的应用也取得了显著进展。例如，浙江大学医学院附属第一医院的病理科里，人机交互AI病理助手omnipt已实现“3秒锁定病灶”，准确率超95%，覆盖胃癌、结直肠癌等十余种高发癌种。

2. AI辅助诊疗

• AI儿科医生：北京儿童医院于2025年2月13日开展了国内首次“AI儿科医生+多学科专家”的双医并行多学科会诊。这款专家型AI儿科医生整合了医院300多位知名儿科专家的临床经验和数十年的高质量病历数据，能够担任临床科研助理，帮助医生快速获取最新科研成果和权威指南，辅助医生进行疑难罕见病的诊断和治疗。
• 临床决策支持：DeepSeek大模型在多家顶级三甲医院的部署使用，显著提升了医疗服务质量与运行效率。例如，在深圳市第六人民医院金山分院，医生工作站都可使用DeepSeek，医务人员可通过AI实时获取相关疾病的临床表现、治疗方案、药物推荐等信息，提高诊断效率，减少误诊风险。

3. AI制药

• 药物研发：AI技术在药物研发中的应用正在加速。例如，DeepSeek在制药领域的应用已贯穿研发全流程，复星医药发布的PharmAID决策智能体平台，通过整合DeepSeek-R1模型，将靶点筛选周期从18个月缩短至4个月。
• 药物设计与优化：AI技术还可以通过分析大量数据，快速识别疾病标志物，为早期疾病检测和个性化治疗提供支持。例如，谷歌DeepMind推出的AlphaFold 3模型能够预测DNA、RNA等生物分子的结构，极大地提升了药物研发的效率。

4. 智能健康管理

• 慢病管理：AI技术在慢病管理中的应用也在不断深化。例如，智云健康通过DeepSeek-R1增强慢病管理的数字化能力，实现患者数据动态分析与个性化干预。
• 远程诊疗：AI技术还推动了远程诊疗的发展。例如，DeepSeek的应用不仅限于医院内部，还可以通过远程医疗平台，为基层医疗机构和家庭健康管理提供支持。

如何学习人工智能？

学习人工智能（AI）是一个系统且多层次的过程，涉及基础知识、编程技能、数学理论、机器学习和深度学习等多个领域。以下是一个详细的学习路径，帮助你逐步掌握人工智能：

1. 基础知识

• 了解人工智能的基本概念：包括学习、推理、问题解决等。
• 学习编程基础：掌握Python编程语言，因为它在AI领域广泛使用。可以通过在线课程、教学视频以及参考书籍来学习编程基础知识。
• 掌握数学基础：特别是线性代数、概率论和统计学，这些是理解AI算法的关键。

2. 在线课程和教程

• 参加在线课程：许多平台如Coursera、edX和Udacity提供人工智能和机器学习的课程，这些课程通常包括视频讲座、实践项目和测验。
• 阅读相关书籍：阅读AI领域的经典书籍和最新研究论文，可以帮助你更深入地理解这个领域。

3. 实践项目

• 参与项目：通过参与实际项目，你可以将理论知识应用于实践。这可以是开源项目，也可以是个人项目，如构建一个简单的聊天机器人或图像识别系统。
• 使用开源数据集：进行真实案例分析，这种实战的训练不仅可以加深对理论的理解，还能提升解决实际问题的能力。

4. 深入学习

• 学习机器学习基础：了解监督学习、无监督学习和强化学习等基本概念。
• 学习深度学习：深度学习是机器学习的一个子集，使用多层神经网络来学习数据的复杂模式。可以学习神经网络、卷积神经网络（CNN）、循环神经网络（RNN）等。

5. 加入社区

• 加入AI相关的论坛和社区：如GitHub、Reddit的AI板块，可以让你与其他学习者和专家交流，获取最新的行业动态和技术进展。

6. 持续学习

• 关注最新研究：阅读arXiv上的论文，了解AI领域的最新进展。
• 参加学术会议：如NeurIPS、ICML等，这些会议是AI领域最新研究成果的展示平台。