生成式人工智能（英语：Generative artificial intelligence，或称Generative AI、生成式AI、产生式AI）是一种人工智能系统，能够产生文字、图像或其他媒体以回应提示工程^[1][2]，比如ChatGPT。产生模型学习输入数据的模式和结构，然后产生与训练数据相似但具有一定程度新颖性的新内容，而不仅仅是分类或预测数据^[3]。用于处理生成式人工智能的最突出框架包括生成对抗网络和基于转换器的生成式预训练模型^[4][5]。

我が国が目指すべき未来社会の姿であり、狩猟社会（Society 1.0）、農耕社会（Society 2.0）、工業社会（Society 3.0）、情報社会（Society 4.0）に続く新たな社会です。第5期科学技術基本計画（平成28年1月22日閣議決定）において、「サイバー空間とフィジカル空間を高度に融合させたシステムにより、経済発展と社会的課題の解決を両立する人間中心の社会」としてSociety 5.0が初めて提唱されました。第5期科学技術基本計画で提示した Society 5.0の概念を具体化し、現実のものとするために、令和3年3月26日に閣議決定された第6期科学技術・イノベーション基本計画では、我が国が目指すべきSociety 5.0の未来社会像を「持続可能性と強靭性を備え、国民の安全と安心を確保するとともに、一人ひとりが多様な幸せ（well-being）を実現できる社会」と表現しています。

这是日本应该追求的未来社会，是继狩猎社会（社会 1.0）、农业社会（社会 2.0）、工业社会（社会 3.0）和信息社会（社会 4.0）之后的新社会。社会 5.0 在第五次科学技术基本计划（2016 年 1 月 22 日内阁决定）中首次提出，是 “以人为本，通过网络空间和物理空间高度融合的系统，平衡经济发展和解决社会问题的社会”。为了实现《第五个科学技术基本计划》中提出的社会 5.0 概念，日本内阁于 2021 年 3 月 26 日批准的《第六个科学技术与创新基本计划》提出了日本应追求的未来社会 5.0 的形象：“一个可持续发展、有韧性、确保人民安全和有能力提供安全保障的社会”。该文件将其描述为 “一个可持续发展和具有复原力的社会，确保其公民的安全和保障，并使每个人都能实现各种形式的幸福（福祉）”。

Dies ist die zukünftige Gesellschaft, die Japan anstreben sollte. Es handelt sich um eine neue Gesellschaft, die auf die Jagdgesellschaft (Gesellschaft 1.0), die Agrargesellschaft (Gesellschaft 2.0), die Industriegesellschaft (Gesellschaft 3.0) und die Informationsgesellschaft (Gesellschaft 4.0) folgt. Die Gesellschaft 5.0 wurde erstmals im Fünften Grundlagenplan für Wissenschaft und Technologie (Kabinettsbeschluss vom 22. Januar 2016) als eine „auf den Menschen ausgerichtete Gesellschaft, die ein Gleichgewicht zwischen wirtschaftlicher Entwicklung und der Lösung sozialer Probleme durch ein System herstellt, das den Cyberspace und den physischen Raum in hohem Maße integriert“, vorgeschlagen. Zur Verwirklichung des Konzepts der Gesellschaft 5.0, das im Fünften Basisplan für Wissenschaft und Technologie vorgestellt wurde, wird im Sechsten Basisplan für Wissenschaft, Technologie und Innovation, der am 26. März 2021 vom Kabinett verabschiedet wurde, ein Bild der künftigen Gesellschaft 5.0 gezeichnet, die Japan anstreben sollte: "Eine Gesellschaft, die nachhaltig und widerstandsfähig ist, die die Sicherheit ihrer Menschen gewährleistet und die in der Lage ist, eine sichere und geschützte Gesellschaft zu schaffen. Sie wird beschrieben als „eine Gesellschaft, die nachhaltig und widerstandsfähig ist, die die Sicherheit ihrer Bürger gewährleistet und es jedem Einzelnen ermöglicht, ein breites Spektrum an Wohlbefinden zu verwirklichen“.

图形处理器（英语：graphics processing unit，缩写：GPU），又称显示核心、视觉处理器、显示芯片或绘图芯片，是一种专门在个人计算机、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上运行绘图运算工作的微处理器。

图形处理器是英伟达公司（NVIDIA）在1999年8月发表精视 256（GeForce 256）绘图处理芯片时首先提出的概念，在此之前，计算机中处理视频输出的显示芯片，通常很少被视为是一个独立的运算单元。而对手冶天科技（ATi）亦提出视觉处理器（Visual Processing Unit）概念。图形处理器使显卡减少对中央处理器（CPU）的依赖，并分担部分原本是由中央处理器所担当的工作，尤其是在进行三维绘图运算时，功效更加明显。图形处理器所采用的核心技术有硬件座标转换与光源、立体环境材质贴图和顶点混合、纹理压缩和凹凸映射贴图、双重纹理四像素256位渲染引擎等。

图形处理器可单独与专用电路板以及附属组件组成显卡，或单独一片芯片直接内嵌入到主板上，或者内置于主板的北桥芯片中，现在也有内置于CPU上组成SoC的。个人计算机领域中，在2007年，90%以上的新型台式机和笔记本电脑拥有嵌入式绘图芯片，但是在性能上往往低于不少独立显卡。^[1]但2009年以后，AMD和英特尔都各自大力发展内置于中央处理器内的高性能集成式图形处理核心，它们的性能在2012年时已经胜于那些低级独立显卡，^[2]这使得不少低级的独立显卡逐渐失去市场需求，两大个人计算机图形处理器研发巨头中，AMD以AMD APU产品线取代旗下大部分的低级独立显示核心产品线。^[3]而在手持设备领域上，随着一些如平板电脑等设备对图形处理能力的需求越来越高，不少厂商像是高通（Qualcomm）、PowerVR、ARM、NVIDIA等，也在这个领域里纷纷“大展拳脚”。

GPU不同于传统的CPU，如Intel i5或i7处理器，其内核数量较少，专为通用计算而设计。相反，GPU是一种特殊类型的处理器，具有数百或数千个内核，经过优化，可并行运行大量计算。虽然GPU在游戏中以3D渲染而闻名，但它们对运行分析、深度学习和机器学习算法尤其有用。GPU允许某些计算比传统CPU上运行相同的计算速度快10倍至100倍。

Ein Grafikprozessor (englisch graphics processing unit – GPU, seltener engl. visual processing unit – VPU^[1]) ist ein auf die Berechnung von Grafiken spezialisierter und optimierter Prozessor für Computer, Spielkonsolen und Smartphones. Zusätzlich gibt er die berechneten Grafiken an ein oder mehrere Displays aus. Früher hatten Grafikkarten gar keine eigenen Rechenfähigkeiten und waren reine Ausgabekarten. Ab Mitte der 1990er Jahre wurden zuerst 2D-Fähigkeiten und später rudimentäre 3D-Fähigkeiten integriert, der Grafikprozessor war festverdrahtet oder seine Programmierbarkeit war beschränkt auf seine Firmware. Seit Mitte der 2000er Jahre kann die CPU „Programme“ auf die Grafikkarte/in die GPU laden, die so in beschränktem Rahmen flexibel programmierbar ist.

Grafikprozessoren findet man auf dem Die von CPUs mit integrierter Grafikeinheit (manchmal APU genannt), auf der Hauptplatine (Onboard, als Integrierter Grafikprozessor) wie auch auf Erweiterungskarten (Steckkarte). Im letzteren Fall sind mehrere GPUs auf einer Grafikkarte, bzw. auch mehrere Grafikkarten pro PC möglich. Für Notebooks gibt es externe Erweiterungsboxen, in die eine Grafikkarte gesteckt werden kann; in Dockingstationen kann eine eigene Grafikeinheit verbaut sein. Fast alle heute produzierten Grafikprozessoren für Personal Computer stammen von AMD, Intel oder Nvidia. Die Integration auf Steckkarten liegt dagegen bis auf Sonder- und Referenzmodelle seit einiger Zeit bei anderen Herstellern.

Un processeur graphique, ou GPU (de l'anglais Graphics Processing Unit), est un circuit intégré la plupart du temps présent sur une carte graphique (mais pouvant aussi être intégrée sur une carte-mère ou dans un CPU) et assurant les fonctions de calcul de l'affichage. Un processeur graphique a généralement une structure hautement parallèle (voir accélération matérielle) qui le rend efficace pour une large palette de tâches graphiques comme le rendu 3D, en Direct3D, en OpenGL, la gestion de la mémoire vidéo, le traitement du signal vidéo, la décompression Mpeg, etc.

Leur parallélisme massif les rend aussi intéressants comme processeurs de calcul matriciel, ou pour des cassages de code en force brute¹ d'archives chiffrées. Enfin, leur rapport performance/prix les avantage pour le calcul².

Peu d’entreprises conçoivent de tels processeurs : les plus connues sont NVIDIA, AMD (anciennement ATI) et Intel. Il y a aussi d'autres fabricants désormais moins importants ou moins connus du grand public, comme que Qualcomm, S3 Graphics, Matrox, 3DLabs (en), et XGI (en). Ces entreprises sont dites « Fabless », c'est-à-dire qu'elles conçoivent les circuits graphiques, mais ne les fabriquent pas en série. D'autres entreprises (Asus, MSI, PNY…) se chargent ensuite de proposer des cartes graphiques intégrant ces processeurs. Ce sont les entreprises constructrices. Celles-ci prennent en général une certaine liberté de modification des fréquences de fonctionnement des GPU par rapport aux fréquences de base préconisées par les concepteurs. C'est le principe de l'overclocking. Bien entendu, ces modifications nécessitent un choix rigoureux dans le système de refroidissement, car bien souvent, les fréquences en hausse provoquent également en contrepartie une hausse de température, à l'image des CPU. Ces fréquences varient entre les constructeurs et selon les modèles et les systèmes de refroidissement proposés par ces entreprises. L'écart de performance entre les modèles de référence (fournis par les concepteurs) et les constructeurs varie et certains GPU personnalisés peuvent même présenter un gain non négligeable par rapport au GPU de référence.

L'unità di elaborazione grafica (più nota come GPU, dalla lingua inglese graphics processing unit) o unità di elaborazione visiva (VPU, in inglese visual processing unit) o processore grafico o processore visivo è una tipologia particolare di coprocessore che si contraddistingue per essere specializzata nel rendering di immagini grafiche. Il suo tipico utilizzo è come coprocessore della CPU e da alcuni anni viene anche utilizzata in generiche elaborazioni dati (GPGPU).

La GPU è tipicamente implementata come microprocessore monolitico e, da alcuni anni, viene anche implementata assieme alla CPU nel medesimo circuito integrato.^[1] Da alcuni anni vengono anche prodotti processori multicore formati da più core di GPU.

processori multicore | informatica | microprocessore monolitico rendering | coprocessore | elaborazioni dati | CPU grafiche.

Unidad de procesamiento gráfico o GPU (Graphics Processing Unit) es un coprocesador dedicado al procesamiento de gráficos u operaciones de coma flotante, para aligerar la carga de trabajo del procesador central en aplicaciones como los videojuegos o aplicaciones 3D interactivas. De esta forma, mientras gran parte de lo relacionado con los gráficos se procesa en la GPU, la unidad central de procesamiento (CPU) puede dedicarse a otro tipo de cálculos (como la inteligencia artificial o los cálculos mecánicos en el caso de los videojuegos).

La GPU implementa ciertas operaciones gráficas llamadas primitivas optimizadas para el procesamiento gráfico. Una de las primitivas más comunes para el procesamiento gráfico en 3D es el antialiasing, que suaviza los bordes de las figuras para darles un aspecto más realista. Adicionalmente existen primitivas para dibujar rectángulos, triángulos, círculos y arcos. Las GPU actualmente disponen de gran cantidad de primitivas, buscando mayor realismo en los efectos.

Las GPU están presentes en las tarjetas gráficas.

Google Gemini (ehemals Google Bard) ist ein von Google entwickelter KI-basierter, multimodaler Chatbot. Er wurde als direkte Reaktion auf den Erfolg von ChatGPT entwickelt und im März 2023 in eingeschränkter Kapazität veröffentlicht, bevor er im Laufe des Sommers in weiteren Ländern verfügbar wurde. Google Gemini ist mittlerweile in über 40 Sprachen verfügbar.

Gemini（前称：Bard）是由Google开发的生成式人工智能聊天机器人。它基于同名的Gemini系列大型语言模型。是应对OpenAI公司开发的ChatGPT聊天机器人的崛起而开发的。其在2023年3月以有限的规模推出，2023年5月扩展到更多个国家。最初基于LaMDA系列大型语言模型（LLM），后来基于PaLM2（LLM），现基于Gemini系列大型语言模型。

霍普菲尔德神经网络(Hopfield neural network)是一种循环神经网络，由约翰·霍普菲尔

Als Hopfield-Netz bezeichnet man eine besondere Form eines künstlichen neuronalen Netzes, das sich von anderen künstlichen neuronalen Netzen dadurch unterscheidet, dass es ein Rekurrentes neuronales Netz ist, das symmetrisch gewichtete Verbindungen besitzt und als Assoziativspeicher dient, der stabile Zustände (Attraktoren) für Muster erkennt. Es erkennt gespeicherte Muster anhand von Ähnlichkeiten, indem es sich in einen stabilen Zustand bewegt, der einem bekannten Muster entspricht.

Es ist nach dem amerikanischen Wissenschaftler John Hopfield benannt, der das Modell 1982 bekannt machte.

Hopfield-Netze hatten ursprünglich eine bedeutende Rolle in der Entwicklung der neuronalen Netzwerke, da sie als frühes Modell für assoziative Speicher und Mustererkennung dienten und wichtige Erkenntnisse zur Energie-Minimierung in neuronalen Netzen lieferten. Heute sind sie weiterhin von Bedeutung als Grundlage für moderne Ansätze in der künstlichen Intelligenz und maschinellem Lernen, insbesondere in der Forschung über rekurrente Netze und Energie-basierte Modelle.

德在1982年发明。Hopfield网络是一种结合存储系统和二元系统的神经网络。它保证了向局部极小的收敛，但收敛到错误的局部极小值（local minimum），而非全局极小（global minimum）的情况也可能发生。霍普菲尔德网络也提供了模拟人类记忆的模型。

     

1910 1920 1930 1940 1950 1960 1970 1980 1990 2000 IBM Museum