首页 / 投稿 / 正文

人工智能发展有很大的历史,人工智能的发展历史?

人工智能最早的探索也许可以追溯到莱布尼茨,他试图制造能够进行自动符号计算的机器,但现代意义上人工智能这个术语诞生于1956年的达特茅斯会议。

黄金时期(1956-1974)

这是人工智能的一个黄金时期,大量的资金用于支持这个学科的研究和发展。这一时期有影响力的研究包括通用问题求解器(General Problem Solver),以及最早的聊天机器人ELIZA。

第一次寒冬(1974-1980)

到了这一时期,之前的断言并没有兑现,因此各种批评之声涌现出来,国家(美国)也不再投入更多经费,人工智能进入第一次寒冬。

兴盛期(1980-1989

这一时期的兴盛得益于专家系统的流行。联结主义的神经网络也有所发展,包括1982年John Hopfield提出了Hopfield网络,以及同时期发现的反向传播算法,但主流的方法还是基于符号主义的专家系统。

第二次寒冬(1989-1993)

之前成功的专家系统由于成本太高以及其它的原因,商业上很难获得成功,人工智能再次进入寒冬期。

发展期(1993-2006)

这一期间人工智能的主流是机器学习。统计学习理论的发展和SVM这些工具的流行,使得机器学习进入稳步发展的时期。

爆发期(2006-现在)

这一次人工智能的发展主要是由深度学习,也就是深度神经网络带动的。

人工智能的起源

由麦卡赛、明斯基、罗切斯特和申农等为首的一批具有长远眼光的科学家与1956年的夏天提出。并首次提出“人工智能”这一个在今天成为主流的词汇。

当初人工智能并不被许多人所认可,更是被所谓的“先知者”冷言冷语,也有人在一旁冷眼旁观。

当然,这种现象与无可厚非,毕竟新事物的诞生,往往会有一批旧事物的消逝,这就必然存在有一个争斗、优胜劣汰的过程。

这也是人类一个特点:喜欢待在舒适区,害怕变动。

要说人工智能的拉票之举,不得不说到战胜人类的世界国际象棋冠军这个事了;人工智能在这一次的比拼中,完美地展现了他的优越性与未来的可发展性。

人工智能的起源,才有了他的发展,以及在今天与我们的息息相关。这是一个伟大的诞生。

1、人工智能的发展

人工智能自1956年诞生并得到一个完美的展现后,得到了一个长足的发展;发展成了一门交叉科学,并且融入了各个领域,涉及到了各行各业。悄然改变着我们的生活方式和我们的生活习惯。我们今天的生活便利,如果你深入了解过,你会发现。他们的改变,离不开人工智能。

2、人工智能与我们的生活

其实人工智能并不神秘,我们没必要把它束之高阁。我们人手一个的智能手机,其内的语音操作功能,其实就是人工智能。再比如说,我们所熟知的天猫精灵,小米智能音箱等,再许多的寻常百姓家中,也可以见到他们的身影。

再高端一点的话,那就是互联网智能家电了,再许多的电器公司中,都在致力于他们的研究与生产,比如小米旗下的云米,就是一个从事全屋互联网家电的公司。

人工智能是下一个时代的发动机 燃料是大数据,将推动工程设计 至 超出人类水平的上限,将全面革新人类社会中的所有产品。它是人类创新进步的阶梯,人类社会将从此有了质的飞跃,取得更大的进步!

即下一个时代的标志性发动机 是信息处理的发动机!

1、初级阶段:聊天机器人

1956年的达特茅斯会议上,“人工智能”一词登上了历史的舞台。

之后,各种人工智能程序陆续登场,人工智能迎来了第1次发展热潮。

在这个时期,人工智能软件“Eliza(伊莉莎)”引起了很大的反响。

Eliza,是最早的与人对话程序,从1964年开始,由德国科学家约瑟夫魏泽堡主持编写。

当时,使用了专门的编目处理语言“SLIP”进行程序开发,之后的程序开发则是由LISP主导进行的。

2、第一次热潮:弱人工智能阶段

在第1次人工智能发展热潮中诞生的各种人工智能程序,只是进行简单推理的程序较多,在发展过程中,瓶颈也就逐渐地显现出来了。

早在第1次发展热潮之前,马文明斯基和西摩尔派普特着手的人工神经网络研究就指出了人工智能发展可能出现的瓶颈问题。具体来说,由输入系统和输出系统组成的简单感知器,作为人工神经网络的一种形式,无法解决“不可分的问题”。

在这里我们不做详细说明,但是线性不可分问题的确在很多地方都存在,它也显示出只是导入了简单感知器的人工智能的弊端,这也导致了世人对人工神经网络的期待急速地降低。

最近流行的多层人工神经网络(深度学习模型),随着学习运算法则的不断进化,线性不可分的问题也逐渐被解决。这一点我们将在后面的篇章里做详细解释。

3、人工智能的瓶颈初现端倪

4、经历“低谷时代”,进入第2次发展热潮

人工智能发展的第1次热潮,从1956年一直持续到70年代前期。这一时期研发的专家系统等人工智能系统,因受到计算机处理性能的制约,只能处理一定数量的规则,并且是在特定的领域、特定的环境下才能够发挥作用。

人们在对人工智能充满期待的同时,对研发出来的缺乏实用性的系统也充满了失望,因此,国家以及企业在人工智能方面的预算也越来越少。这一时期,也就是20世纪70年代后期被称为人工智能发展的“ 第1次低谷”。

但是,进入20世纪80年代后,人工智能很快再次迎来了新的发展热潮。

本次发展热潮的主角是在第1次发展热潮时诞生的专家系统。因处理美国迪吉多公司(DEC)的VAX系统的各种订单并取得非常成功的专家系统受到广泛关注,各IT供应商迅速导入专家系统。

人工智能发展迎来第2次热潮,最大的一个原因在于计算机性能的大幅提高。进入20世纪80年代,基于复杂规则的专家系统也可以在计算机上运行。由此,逐渐实现了专家系统的商业性使用。

随着专家系统的兴盛,制定专家系统运行规则的工程师也被称为“知识工程师”,并且一时间成为炙手可热的职业,就像在今天,数据科学家这个职业相当流行,受到人们的追捧。

知识工程师的主要工作是听取用户的业务内容并对其进行分析,从中抽出明显的规则与隐藏的规则,然后进行分类。

当时,科学家们研发出了各种专家系统。初期的各种专用专家系统大都是利用LISP编程,随着技术的革新,慢慢地发生了变化,通用的引擎部分依然利用LISP编程,规则部分则是知识工程师利用外部数据进行编程。并且,用LISP编程的引擎部分,利用C语言进行编程的开发研究也已经展开了。

专家系统的编程由专用LISP语言向普通的C语言过渡,该系统也变成了一般的程序员编写的一般系统,其新意也就逐渐淡化了。

由此,专家系统也就从人工智能程序变成了决定论式的普通程序。随着这一变化,专家系统的作用效果也变得非常明确,但是其发展瓶颈也开始显现出来。

人工智能的传说可以追溯到古埃及,但随着1941年以来电子计算机的发展,技术已最终可以创造出机器智能,“人工智能”(ARTIFICIAL INTELLIGENCE)一词最初是在1956年DARTMOUTH学会上提出的,从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展,在它还不长的历史中,人工智能的发展比预想的要慢,但一直在前进,从40年前出现至今,已经出现了许多AI程序,并且它们也影响到了其它 技术的发展。

1、人工智能的推理阶段(1950-1970)

这一阶段,大多数人认为,实现人工智能只需要赋予机器逻辑推理能力就可以,因此,机器只是具备了逻辑推理能力,并未达到智能化水平。

2、人工智能的知识工程阶段(1970-1990)

这一阶段,人们普遍认为,只有让机器学习知识之后才可以实现人工智能。在这种情况下,大量的专家系统被开发出来。但人们发现,给机器灌输已经总结好的知识并不是一件容易的事。

3、人工智能的数据挖掘阶段(2000-)

目前,已经提出的机器学习算法都得到了非常好的应用。深度学习技术获得了迅猛的进展。人们希望机器可以通过海量数据分析自动总结学习到知识,从而实现自身的智能化。

当前,新一代人工智能技术正在全球范围内蓬勃兴起,与大数据、***、5G等新技术相互融合、相互因应,为经济社会发展尤其是数字经济发展注入新动能,正在深刻改变着人类的生产生活方式。

与此同时,如何在新技术变革浪潮中始终立于主动,实现人工智能等前沿科技领域有效治理,确保其持续健康发展,也成为国际国内、社会各界广泛关注。

能让马云、马化腾、李彦宏等业界大佬共同看好的方向,除了人工智能,可能很难找到第二个。

在7月9日举行的2020世界人工智能大会云端峰会上,“三马”(马云、马化腾、马斯克)、“二宏”(李彦宏、张文宏)少见地隔空同台。此外,还有包括七位图灵奖得主、一位诺贝尔奖得主在内的550多位业界、学术界嘉宾汇聚一堂。

大会上,以***数字合作高级别小组联合主席的身份出席的马云,就疫情期间社会经历的大动荡发表了自己的感悟,他认为,世界已经巨变,技术变革提前并且加速,与其担忧,不如担当,“为活下去而做的创新才是真正最强大和不可阻挡的动力”。

马云有此感叹,一定程度上是因为在疫情危机中,依赖人力、线下运转的传统行业遭受极大冲击,以人工智能为代表的新兴科技彰显出其重要性与必须性。例如,复旦大学附属华山医院感染科主任张文宏提到,“从人工智能参与到抗疫物资调配的时候,我们就意识到将来人工智能具有非常强大的物资调配能力”。

人工智能的意义已不止于经济层面,它也是抵御大自然不可抗力、维持社会健康稳定发展的依仗,基于这一逻辑,政策已率先做出反应。

在今年2月,工业和信息化部科技司发布了《充分发挥人工智能赋能效用 协力抗击新型冠状病毒感染的肺炎疫情倡议书》,倡议通过科技力量支撑疫情防控。随后,“新基建”政策落实,人工智能被列为七大领域之一。

随着底层技术的进步,与计算能力、大数据、场景等人工智能成长土壤的逐渐成熟,人工智能正处于平台化、产业化之前的关键节点。

疫情催化及政策推动下,人工智能的发展被按下加速键:仅在大会上,就诞生了8个人工智能产业投资基金项目,36个人工智能产业项目,签约投资总额超过300亿元。

而在新基建的东风下,人工智能又会带来哪些机遇?

一局围棋

在未来关于人类历史的讲述中,一定会有这样一个篇章。

2016年3月,谷歌旗下DeepMind公司开发的人工智能机器人AlphaGo与围棋职业九段棋手李世石进行围棋人机大战,此时,大众对谁赢谁输的预测还有很大分歧,最终AlphaGo以4比1的总比分获胜。

这样一场比赛,将人工智能这样一个更多存在于科幻电影、小说中的概念实体化,也将人类一直以来的自信与骄傲击破,证明了人工智能可以达到比肩,甚至超越人类的高度——这甚至引发了一些恐慌。但在当时,中国选手柯洁仍认为“AlphaGo能赢李世石,但是赢不了我”。

仅一年之后,AlphaGo再次突飞猛进,大众已经一边倒地做出了人类必败的判断,最终AlphaGo以3:0的战绩击败了几乎代表着人类围棋最高水准的柯洁。

第三局比赛中,柯洁甚至中途离场20分钟痛哭,连坐在十几米之外的观众都能听见他隐忍但清晰的哭声。“我感到浑身都在颤抖,真的,寒冷地颤抖。”后来柯洁这样描述自己的状态。

柯洁承认,他的失态是因为觉得机器下得太完美。

值得指出的是,人工智能从诞生到打败世界围棋冠军,只经过了六十余年的发展。

1950年,一位名叫马文·明斯基的大四学生,与同学一起建造了世界上第一台神经网络计算机,这也被看做是人工智能的一个起点。而马文·明斯基在后来也被誉为“人工智能之父”。

同年,“计算机之父”阿兰·图灵提出设想:如果一台机器能够与人类开展对话而不能被辨别出机器身份,那么这台机器就具有智能。直到1956年,计算机专家约翰·麦卡锡才提出“人工智能”一词,被人们看做是人工智能正式诞生的标志。

随后,由于技术难度高、进展慢,人工智能的发展反复经历着高潮与低谷。在1987 年,由于通用计算机 Lisp Machine在商业上的失败,人工智能再次滑入了低迷期,行业人士开始意识到人工智能的问题不在于硬件,而是在软件以及算法层面的挑战没有突破。

长久以来,对人工智能的探讨一直局限在研发圈层中,一直到AlphaGo出世,横扫人类围棋界,才一举将人工智能推向了社会话题中心,自此之后,人工智能概念始终炙手可热。

人工智能之所以会在2017年的时点上爆发,本质上是得益于发展土壤的逐渐成熟,马化腾曾在演讲中提到,发展人工智能,场景、大数据、计算能力和人才缺一不可。

在计算能力方面,深度学习技术是人工智能发展历史上的一个重要突破。2006年,现任职于Google Brain的技术专家 Geoffrey Hinton带领团队发现了训练高层神经网络的有效算法,2012年,Geoffrey Hinton团队在ImageNet上首次使用深度学习技术完胜其它团队。

Geoffrey Hinton在ImageNet 2012上的成功让科学家开始更多的关注模型与算法的创新突破,以弥补训练中数据的不足,从而带来算法上的快速迭代:以图形计算为代表的GPU在计算机视觉训练中替代原来的CPU,大大提升了计算性能,让原来需要几个月才能完成的训练缩短到几天或几个小时,加快了计算机视觉前期训练和推理的迭代周期,带来效率上的成倍提升。

大数据则是人工智能的燃料,随着互联网浪潮从PC时代过渡到移动时代,人类生活逐渐被智能终端所绑定,每日可产生的数据量出现指数级的增长,且数据维度更加丰富,大数据技术逐渐精进。

而大数据技术能够通过数据采集、预处理、存储及管理、分析及挖掘等方式,从各种各样类型的海量数据中,快速获得有价值信息,为深度学习等人工智能算法提供坚实的素材基础。

另一方面,随着社会经济形态与产业形态发展,人工智能有了更多的落地场景,如医疗、安防、交通等,这是承载人工智能发展的介质。

因此,近几年人工智能风口再起,实际上是技术发展、数据沉淀以及场景延展等多个因素,厚积薄发,引发了一场席卷全球的AI创投热潮。

迷雾尚未消散

在探讨人工智能的前景之前,有必要先厘清人工智能的基本架构。对人工智能的探讨可以分为两条主线:一是学术视角的底层研究,二是产业视角。

高校是培养人工智能人才、执行人工智能技术研究的主阵地,在美国,人工智能方面科研实力最强的高校有麻省理工学院、卡内基梅隆大学、斯坦福大学等。其中,卡内基梅隆大学在2018年开设了美国首个人工智能本科学位,加大对人工智能领域人才培养的投入。

中国高校也在近两年间不断推进人工智能教育,数据显示,截至2018年底,有94所拥有人工智能二级学院的中国大学,相比2017年增加了21所,其中,清华大学、浙江大学、上海交通大学、哈尔滨工业大学、华中科技大学、中国科学技术大学、***各研究所等是人工智能底层研究的主力军。

高校开展的人工智能研究更多是由国家拨款支持的,此外,也有不少大型科技公司出资成立研究院,从事人工智能底层技术研究。

谷歌一直以来都将人工智能作为主要战略方向之一,它在2011年时就推出了聚焦深度学习的Google Brain项目,并在2014年1月斥资4亿美元收购一家名为Deep Mind的人工智能公司,正是这家公司在三年后推出AlphaGo,掀起人工智能风潮。

据咨询公司麦肯锡报告显示,包括谷歌在内的科技巨头,2016年在人工智能上的投入在200亿至300亿美元之间,其中10%用于人工智能收购,90%用于研发和部署。

2017年,AlphaGo引爆人工智能概念之后,美国科技巨头对人工智能的投入进一步加大。

该年的Google I/O 开发者大会上,谷歌确立了从mobile-first到AI-first的根本战略转变,同年,微软宣布计划建立百人规模的微软AI研究院。

一年后,谷歌又将谷歌研究院(Google Research)改名为谷歌人工智能(Google AI),将人工智能放在最高战略地位上。

历史的车轮继续向前,出现了与蒸汽机、电力、计算机的发明同等量级的新事物——人工智能,第四次科技革命,正在以迅雷不及掩耳之势席卷全球。

什么是人工智能?大数据+机器的深度学习。

大数据是人工智能的基础,通过大数据的收集分析为人工智能提供素材,机器基于素材的积累实现深度学习——以人的思维方式思考、解决问题。

人工智能出现的意义绝不仅仅是机器人的批量生产与应用,而是作为核心驱动力驱动产业结构、城市形态、生活方式和科技格局的颠覆式变革。

1、人工智能能够快速分析处理大量的文献资料

研究历史最为重要的就是古物的研究,而古书又是占了大头。但是,研究古书却是一件令人非常头疼的事情,尤其是初学者,面对浩如烟海的古籍往往无从下手,而没有了古籍作为自己研究的第一手资料,那么所有的科学研究也无法着手。

而要是把这项繁琐的工作交给人工智能,通过大数据分析处理得出有用的结论,就能够为广大的历史工作中省去大量的时间成本,可以从事更多复杂的,更多有创新价值的研究,这样无疑会加速历史研究的发展。

2、人工智能是技术辅助手段,并不是要完全依靠人工智能。

历史作为一门重要的人文学科,很多人认为人工智能无法参与这项领域,但是我却不认为是这样的。

人工智能技术终究其本质也是数据的分析处理,所以它只能够作为是研究历史的手段,而这种技术历史研究也在一直使用。

就比如用统计学的方法来研究历史,研究历史的经济领域的发展,研究不同朝代的人口变迁,这些都是处理了大量的原始数据而得到的。

本文来自投稿,不代表史册号立场,如若转载,请注明出处:https://www.shicehao.com/i202403121824128f05sg.html

为您推荐