一、人工智能發展簡史
1.1 圖靈測試
提出者‌：艾倫·圖靈
內容‌：通過模擬“問答游戲”來判斷機器是否具有智能。
意義‌：
哲學突破：將“機器能否思考？”轉化為“能否模仿人類行為？”。
技術目標：為早期人工智能研究提供了明確方向，啟發了后來的聊天機器人和語言模型的發展。
1.2 人工智能的誕生
標志性事件‌：1956年達特茅斯會議，次提出“人工智能”概念。
影響‌：確立了AI為d立學科，標志著人工智能的正式誕生。
1.3 人工智能的發展階段
起步階段‌：1950年提出圖靈測試，1956年達特茅斯會議召開。
低谷期‌：符號主義AI無法處理復雜現實問題。
復興時期‌：1997年IBM深藍擊敗國際象棋冠軍。
數據驅動崛起‌：2012年深度學習崛起，2016年AlphaGo擊敗李世石。
通用智能探索與生成式AI爆發期‌：2022年ChatGPT發布，2023年后GPT-4、DeepSeek等模型實現高質量內容生成。
1.4 未來人工智能發展的5個階段
L1‌：“嘴炮王者”，類似ChatGPT，能回答問題但干不了實事。
L2‌：“野生博士”，能自己解決復雜問題。
L3‌：“打工替身”，能代替人類執行具體任務。
L4‌：“發明家”，能創造新事物。
L5‌：“幕后大BOSS”，能管理整個組織甚至。
二、大模型：人工智能的前沿
2.1 大模型的概念
定義‌：基于深度學習技術，具有海量參數、強大的學習能力和泛化能力的人工智能模型。
特點‌：參數數量龐大、訓練數據量大、計算資源需求高。
2.2 大模型的發展歷程
萌芽期‌：模型小，任務單一，依賴人工設計規則。
突破期‌：2017年Google發布Transformer論文，提出自注意力機制。
迅猛發展期‌：參數突破百億J，進入“工業量產”。
生態期‌：2023年至今，通用大模型競爭白熱化，垂類模型興起。
2.3 人工智能和大模型的關系
關系‌：人工智能包含機器學習，機器學習包含深度學習，深度學習包含預訓練大模型。
2.4 大模型的分類
語言大模型‌：如GPT系列、DeepSeek。
視覺大模型‌：如VIT系列、文心UFO。
多模態大模型‌：如DingoDB多模向量數據庫。
2.5 大模型的應用領域
自然語言處理‌：文本生成、翻譯系統、問答系統。
計算機視覺‌：圖像分類、目標檢測、圖像生成。
語音識別‌：語音識別、語音合成。
推薦系統‌：個性化推薦、廣告推薦。
2.6 大模型對工作生活的影響
提高工作效率‌：自動化部分工作，優化決策過程。
創造新就業機會‌：隨著大模型的普及，需要更多人開發和維護。
提高學習效率‌：在教育領域提供個性化學習資源。
增強娛樂體驗‌：提供更豐富、多樣的娛樂方式。
改善生活質量‌：在智能家居、智能客服等領域應用，使生活更便利。
三、垂域模型與智能體
3.1 垂域模型及特定場景強化大模型
定義‌：專門針對特定行業或場景訓練的人工智能模型。
特點‌：與通用大模型相比，“專而精”，能更準確解決專業問題。
3.2 智能體
定義‌：能夠感知環境并通過行動影響環境的實體，可以是軟件程序或物理實體。
應用‌：在疾控領域包括輿情監測預警智能體、疫情預測與傳播模擬智能體等。
四、國內外主要的大模型
4.1 國外大模型產品
ChatGPT‌：由OpenAI訓練，能生成自然語言，具備多種功能。
Gemini‌：谷歌發布，能處理多種類型數據和任務。
Sora‌：OpenAI發布，能生成視頻。
4.2 國內大模型產品
DeepSeek‌：性能媲美DJ模型但成本低，支持高效分布式計算。
百度文心一言4.0‌：擅長搜索問答、內容創作生成等。
通義千問‌：具備多輪對話、文案創作等能力。
Kimi‌：強大的長文本處理能力，支持多語言對話。
秘塔AI‌：語言能力出色，適合中文內容創作。
五、疾控與人工智能
5.1 人工智能在疾控領域的應用場景
醫防協同信息通‌
監測分析‌
預警預測‌
風險評估‌
流行病學調查‌
應急處置‌
免疫規劃‌
監督執法‌
效果評價‌
社會共治‌
5.2 DeepSeek在疾控工作中的具體應用
PPT制作‌：利用DeepSeek生成大綱，結合其他工具生成PPT。
思維腦圖制作‌：先用DeepSeek生成markdown格式代碼，再導入Xmind生成思維導圖。
搭建個人知識庫‌：利用騰訊ima等工具搭建個人知識庫，提升信息準確性和可靠性。
內容創作‌：寫領導講話稿、應急演練腳本、科普文章等。
科研論文輔助‌：DeepSeek可輔助寫作論文部分內容，如前言、材料與方法、討論等。
六、DeepSeek簡介
6.1 公司背景與發展歷程
成立時間‌：2023年7月17日
專注領域‌：開發先進的大語言模型和相關技術
投資者背景‌：由知名私募巨頭幻方量化孕育而生
6.2 DeepSeek-R1的特點與影響
性能‌：媲美OpenAI GPT-4，但訓練和推理成本低、速度快、全部開源。
影響‌：推動行業從“W規模論”轉向“性價比”和“高效能”方向，打破頭部企業壟斷。
6.3 DeepSeek-R1的應用場景
推理密集型任務‌：如編程任務中的代碼生成、數學問題求解等。
教育與知識應用‌：支持知識理解與解答，科研任務的實驗設計等。
文檔分析與長上下文理解‌：適合處理需要深入文檔分析和理解長上下文的任務。
開放領域問答與寫作‌：在內容生成、問題回答及創造性寫作中具有廣泛應用。
6.4 如何使用DeepSeek-R1
官方渠道‌：DeepSeek官方網站和官方app
第三方服務‌：騰訊、百度、字節跳動、阿里等互聯網大廠及其他AI應用公司提供的服務。


附件：疾控工作者應該怎么利用DeepSeek等Al大模型-輿情監測預警智能體、疫情預測與傳播模擬智能體等