人工智能（Artificial Intelligence），英文縮寫(xiě)為AI。它是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)。
人工智能在五六十年代時(shí)正式提出，1950年，一位名叫馬文·明斯基(后被人稱為“人工智能之父”)的大四學(xué)生與他的同學(xué)鄧恩·埃德蒙一起，建造了世界上第一臺(tái)神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)。這也被看做是人工智能的一個(gè)起點(diǎn)。巧合的是，同樣是在1950年，被稱為“計(jì)算機(jī)之父”的阿蘭·圖靈提出了一個(gè)舉世矚目的想法——圖靈測(cè)試。按照?qǐng)D靈的設(shè)想：如果一臺(tái)機(jī)器能夠與人類開(kāi)展對(duì)話而不能被辨別出機(jī)器身份，那么這臺(tái)機(jī)器就具有智能。
人工智能早在1950年就被提出，并以圖靈實(shí)驗(yàn)作為測(cè)試一個(gè)人工智能系統(tǒng)是否具備智能的標(biāo)準(zhǔn)。可是，為什么直到這兩三年人工智能才得到突飛猛進(jìn)的發(fā)展呢？
人工智能突然爆發(fā)是有幾個(gè)關(guān)鍵節(jié)點(diǎn)的。
人工智能的第一次高峰：
在1956年的這次會(huì)議之后，人工智能迎來(lái)了屬于它的第一段Happy Time。在這段長(zhǎng)達(dá)十余年的時(shí)間里，計(jì)算機(jī)被廣泛應(yīng)用于數(shù)學(xué)和自然語(yǔ)言領(lǐng)域，用來(lái)解決代數(shù)、幾何和英語(yǔ)問(wèn)題。這讓很多研究學(xué)者看到了機(jī)器向人工智能發(fā)展的信心。甚至在當(dāng)時(shí)，有很多學(xué)者認(rèn)為：“二十年內(nèi)，機(jī)器將能完成人能做到的一切?！?/p>
人工智能第一次低谷：
70年代，人工智能進(jìn)入了一段痛苦而艱難歲月。由于科研人員在人工智能的研究中對(duì)項(xiàng)目難度預(yù)估不足，不僅導(dǎo)致與美國(guó)國(guó)防高級(jí)研究計(jì)劃署的合作計(jì)劃失敗，還讓大家對(duì)人工智能的前景蒙上了一層陰影。與此同時(shí)，社會(huì)輿論的壓力也開(kāi)始慢慢壓向人工智能這邊,導(dǎo)致很多研究經(jīng)費(fèi)被轉(zhuǎn)移到了其他項(xiàng)目上。
在當(dāng)時(shí)，人工智能面臨的技術(shù)瓶頸主要是三個(gè)方面，第一,計(jì)算機(jī)性能不足，導(dǎo)致早期很多程序無(wú)法在人工智能領(lǐng)域得到應(yīng)用；第二，問(wèn)題的復(fù)雜性，早期人工智能程序主要是解決特定的問(wèn)題，因?yàn)樘囟ǖ膯?wèn)題對(duì)象少，復(fù)雜性低，可一旦問(wèn)題上升維度，程序立馬就不堪重負(fù)了；第三，數(shù)據(jù)量嚴(yán)重缺失，在當(dāng)時(shí)不可能找到足夠大的數(shù)據(jù)庫(kù)來(lái)支撐程序進(jìn)行深度學(xué)習(xí)，這很容易導(dǎo)致機(jī)器無(wú)法讀取足夠量的數(shù)據(jù)進(jìn)行智能化。
因此，人工智能項(xiàng)目停滯不前，但卻讓一些人有機(jī)可乘,1973年Lighthill針對(duì)英國(guó)AI研究狀況的報(bào)告。批評(píng)了AI在實(shí)現(xiàn)“宏偉目標(biāo)”上的失敗。由此，人工智能遭遇了長(zhǎng)達(dá)6年的科研深淵。
人工智能的崛起：
1980年，卡內(nèi)基梅隆大學(xué)為數(shù)字設(shè)備公司設(shè)計(jì)了一套名為XCON的“專家系統(tǒng)”。這是一種，采用人工智能程序的系統(tǒng)，可以簡(jiǎn)單的理解為“知識(shí)庫(kù)+推理機(jī)”的組合，XCON是一套具有完整專業(yè)知識(shí)和經(jīng)驗(yàn)的計(jì)算機(jī)智能系統(tǒng)。這套系統(tǒng)在1986年之前能為公司每年節(jié)省下來(lái)超過(guò)四千美元經(jīng)費(fèi)。有了這種商業(yè)模式后，衍生出了像Symbolics、Lisp
Machines等和IntelliCorp、Aion等這樣的硬件，軟件公司。在這個(gè)時(shí)期，僅專家系統(tǒng)產(chǎn)業(yè)的價(jià)值就高達(dá)5億美元。
人工智能第二次低谷：
可憐的是，命運(yùn)的車輪再一次碾過(guò)人工智能，讓其回到原點(diǎn)。僅僅在維持了7年之后，這個(gè)曾經(jīng)轟動(dòng)一時(shí)的人工智能系統(tǒng)就宣告結(jié)束歷史進(jìn)程。到1987年時(shí)，蘋(píng)果和IBM公司生產(chǎn)的臺(tái)式機(jī)性能都超過(guò)了Symbolics等廠商生產(chǎn)的通用計(jì)算機(jī)。從此，專家系統(tǒng)風(fēng)光不再。
人工智能再次崛起：上世紀(jì)九十年代中期開(kāi)始，隨著AI技術(shù)尤其是神經(jīng)網(wǎng)絡(luò)技術(shù)的逐步發(fā)展，以及人們對(duì)AI開(kāi)始抱有客觀理性的認(rèn)知，人工智能技術(shù)開(kāi)始進(jìn)入平穩(wěn)發(fā)展時(shí)期。1997年5月11日，IBM的計(jì)算機(jī)系統(tǒng)“深藍(lán)”戰(zhàn)勝了國(guó)際象棋世界冠軍卡斯帕羅夫，又一次在公眾領(lǐng)域引發(fā)了現(xiàn)象級(jí)的AI話題討論。這是人工智能發(fā)展的一個(gè)重要里程。
2006年，Hinton在神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)領(lǐng)域取得突破，人類又一次看到機(jī)器趕超人類的希望,也是標(biāo)志性的技術(shù)進(jìn)步。
還有一個(gè)是2016年3月，谷歌研發(fā)的AlphaGo以4:1戰(zhàn)勝圍棋九段高手李世石。此事件將人工智能推向的大眾面前，人工智能開(kāi)始突飛猛進(jìn)的發(fā)展。
從這之后陸續(xù)出現(xiàn)特斯拉的自動(dòng)駕駛汽車，百度的無(wú)人駕駛汽車以及人工智能音箱等人工智能產(chǎn)品出來(lái)。
國(guó)內(nèi)的BAT都分別先后成立了自己的AI Lab，可以看出就是這兩年人工智能到了發(fā)展的黃金時(shí)期。
要說(shuō)明為什么在經(jīng)歷了近40年的冰凍期后人工智能迎來(lái)了它的黃金時(shí)期，要從它的技術(shù)層面去剖析。
人工智能發(fā)展的基本條件有三個(gè)，也可以說(shuō)是人工智能的三要素。
第一個(gè)是數(shù)據(jù)，你沒(méi)有數(shù)據(jù)，機(jī)器就沒(méi)法學(xué)習(xí)。互聯(lián)網(wǎng)發(fā)展到今天，最大的貢獻(xiàn)可以說(shuō)是大數(shù)據(jù)，正是因?yàn)榇髷?shù)據(jù)的積累，才使得人工智能得到發(fā)展。人工智能經(jīng)歷了40年的冰凍期，主要原因就是數(shù)據(jù)太少。要讓機(jī)器具備人在某個(gè)方面的能力，一定要先先有大量的數(shù)據(jù)讓它學(xué)習(xí)。而現(xiàn)在由于互聯(lián)網(wǎng)技術(shù)以及傳感器的技術(shù)發(fā)展，數(shù)據(jù)量每年以50%的速度增長(zhǎng)，也就是說(shuō)，每一年半到兩年數(shù)據(jù)量就翻了一番。這個(gè)速度是指數(shù)級(jí)的。
第二個(gè)是運(yùn)算能力的發(fā)展，數(shù)據(jù)太多，你沒(méi)有運(yùn)算能力，你運(yùn)算不了，機(jī)器就學(xué)不出來(lái)。運(yùn)算能力是和數(shù)據(jù)量同步加強(qiáng)的，數(shù)據(jù)多了，運(yùn)算能力就強(qiáng)，運(yùn)算能力強(qiáng)了，數(shù)據(jù)的積累、存儲(chǔ)能力就更強(qiáng)。比如現(xiàn)在GPU是我們看到的一個(gè)運(yùn)算能力很強(qiáng)很猛的一個(gè)東西，一個(gè)是TitanX卡，一個(gè)是3584個(gè)運(yùn)算核，都是在幫助我們往前走。
第三個(gè)是算法，為什么現(xiàn)在人工智能突然爆發(fā)了？其實(shí)就是數(shù)據(jù)和運(yùn)算能力的提升，導(dǎo)致人工智能的爆發(fā)，提升到了一個(gè)臨界點(diǎn)，到了這個(gè)臨界點(diǎn)以后，很多過(guò)去解決不了的問(wèn)題現(xiàn)在都解決了。人工智能的特點(diǎn)就是機(jī)器具備人的學(xué)習(xí)能力和認(rèn)知能力，雖然這個(gè)深度神經(jīng)網(wǎng)絡(luò)幾十年前就提出來(lái)了，但是后面一直沒(méi)什么進(jìn)展，為什么呢？就是沒(méi)有數(shù)據(jù)，沒(méi)有運(yùn)算能力，因?yàn)檫@個(gè)算法需要的數(shù)據(jù)量非常大，但是現(xiàn)在數(shù)據(jù)量大了之后，它的威力就顯現(xiàn)出來(lái)了。而深度學(xué)習(xí)就是人工智能領(lǐng)域里一個(gè)非常大的理論體系，支撐著人工智能的發(fā)展。有人曾說(shuō)：在有監(jiān)督學(xué)習(xí)方面，深度學(xué)習(xí)可以超越其他任何算法。傳統(tǒng)的的學(xué)習(xí)算法隨著數(shù)據(jù)的增加，它會(huì)有一個(gè)拐點(diǎn)到某個(gè)點(diǎn)之后，他就停下來(lái)，傳統(tǒng)算法模型的表達(dá)能力很有限，你怎么訓(xùn)練它都不能把真實(shí)的東西完全模擬好，深度學(xué)習(xí)不一樣，只要你給的模型數(shù)據(jù)足夠大足夠多，深度學(xué)習(xí)可以隨著數(shù)據(jù)的增加，每一個(gè)數(shù)據(jù)的反饋都會(huì)去修改一個(gè)函數(shù)，逐漸逼近這個(gè)函數(shù)，它可以把真實(shí)環(huán)境還原的非常好，數(shù)據(jù)和運(yùn)算能力使得深度學(xué)習(xí)真的有用了，它可以超過(guò)原來(lái)的傳統(tǒng)算法。
正是因?yàn)檫@三個(gè)因素，使得人工智能的技術(shù)條件和環(huán)境都達(dá)到了一個(gè)爆發(fā)的點(diǎn)，所以，人工智能在這兩年里突飛猛進(jìn)的發(fā)展，可以說(shuō)現(xiàn)在是人工智能發(fā)展的黃金時(shí)期。
