凱泰結構洞帶你認識人工智慧的前身今世

作為一門學科，人工智慧(AI—Artificial Intelligence)於1956年問世，歷經一個甲子，期間幾度沉浮。

人工智慧的開山鼻祖阿蘭·麥席森·圖靈，英國數學家、邏輯學家，人稱計算機之父，最早於1936年提出了一種抽象的計算模型——圖靈機(TuringMachine），用紙帶式機器來模擬人們進行數學運算的過程。

1959年，圖靈發表了一篇劃時代的論文《計算機器與智能》，文中提出了人工智慧領域著名的圖靈測試——如果電腦能在5分鐘內回答由人類測試者提出的一系列問題，且其超過30%的回答讓測試者誤認為是人類所答，則電腦就通過測試並可下結論為機器具有智能。圖靈測試的概念極大影響人工智慧對於功能的定義。

1956年，為確立人工智慧作為一門科學的任務和完整路徑，第一批人工智慧探索者在美國達特茅斯大學開了一次會。會議宣布：人工智慧的特徵都可以被精準描述，精準描述後就可以用機器來模擬和實現。這次會議被認定為全球人工智慧研究的起點。

達特茅斯會議推動了全球第一次人工智慧浪潮的出現，在演算法方面出現了很多世界級的發明，其中包括一種叫做增強學習的雛形（即貝爾曼公式），增強學習就是谷歌AlphaGo演算法核心思想內容。現在常聽到的深度學習模型，其雛形叫做感知器，也是在那幾年間發明的。

第一次人工智慧冬天出現在1974年到1980年。人工智慧所基於的數學模型和數學手段被發現有一定的缺陷；另一方面，有很多計算複雜度以指數程度增加，所以成為了不可能完成的計算任務。先天缺陷導致人工智慧在早期發展過程中遇到瓶頸。1987年到1993年現代PC的出現，讓人工智慧的寒冬再次降臨，計算機開始走入個人家庭，其費用遠遠低於人工智慧計算機所使用的Symbolics和Lisp等機器。

隨著新的數學工具、新的理論和摩爾定律的發展，現代AI出現了曙光。人工智慧和原先控制論最不同的地方是，無論是人工智慧狗還是無人車駕駛，都不是用編程方法寫出來，而是通過一套學習演算法在模擬器中不斷的走路和開車，讓機器自己產生行為策略。「要做實用性、功能性的人工智」能成為新的人工智慧路徑。任務的明確和簡化帶來了AI新的繁榮。最早的結果即為1997年IBM深藍戰勝國際象棋大師。

2013年年底的時候，卡耐基·梅隆大學對邢波研究小組的分散式機器學習系統做了開源發布，並命名為Petuum。Petuum解決了1億個網路節點的挑戰，只用5台Petuum機器就在37小時內處理完了1億個節點。Petuum的出現，為頭60年划上了一個相對完美的句號，Petuum是在軟體層面的革新，底層依然使用CPU和GPU組成的標準化伺服器機群，這在夢想與現實之間找到一個平衡點。

人工智慧頭60年的發展，就是在起起伏伏、寒冬與新潮、失望與希望之間的無窮動韻律，尋找著理論與實踐的最佳結合點。

AlphaGo戰勝人類圍棋高手李世石的事件，正好發生在60年這個時間節點上，可以說是全球人工智慧界承上啟下的里程碑式事件。簡單說，AlphaGo的演算法是前60年人工智慧研究都很少觸及的領域：增強學習，即無監督的深度學習，而前60年的主流演算法為有監督的深度學習。

機器學習演算法大致可以分為3種：監督學習（如回歸、分類）、非監督學習（如聚類、降維）和增強學習。人工智慧前60年，主要通過有監督的深度學習演算法，解決語音識別、圖像識別、自然語言理解等總樣本量有上限的相對「有窮大」問題。

增強學習演算法主要從任意初始狀態開始，機器與外部環境持續交互，通過不斷試錯和累積回報來「學習」最佳策略，在這個過程中外界不給予直接指導（監督），只給予間接的或是遠距離的回報（Reward）。增強學習演算法更接近生物學習的行為特徵，具有探索未知世界的能力。AlphaGo對增強學習演算法的探索，標誌著人工智慧一個時代的結束。打開了「無窮大」的大門。

2016年IBM在全球範圍內傾全力推出的「認知商業」，帶來真正意義上的人工智慧商業化第一波浪潮。語音識別走下神壇，計算機視覺已經逼近全面突破的拐點，並開始探索情感演算法。

隨著新一輪產業變革席捲全球，人工智慧成為新一輪產業變革的核心方向。在未來社會裡，在一個更為複雜和龐大的物聯網前提下，人工智慧必將成為整個物聯網的關鍵組成部分，成為水和電一樣的基礎性資源。創業者們將把AI擴散到社會的方方面面，廉價的雲計算和大數據技術，使這一擴散成為可能。

如今，人工智慧已經無處不在，無人駕駛、金融、醫療、教育等等，只要有海量數據，人工智慧就能滲入。毫無疑問，人工智慧已經成為科技公司最重要的征戰領域。

更多行業資訊請持續關注杭州凱泰結構洞

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！