位置:编程技术网 > 物联网 > 正文 >

第三波人工智能潮 跟以前有何不同

2019年06月26日 03:27来源:未知手机版

少儿围棋教程,个性文章,新疆论坛

第三波人工智能潮 跟以前有何不同

邬学宁

[本轮人工智能主要算法的灵感来源于认知科学、博弈论和量子力学等广阔的领域,大数据驱动的算法主导的科学研究范式(第四范式)被应用于各个学科的研究,他山之石可以攻玉,其他学科的进展也能反哺人工智能的创新,并可能起到至关重要的革命性作用,特别是脑科学、心理学等学科发展可能与AI的发展形成闭环和相互促进的良性关系。]

[由于受当时历史条件所限,AI能做的事情很有限,大众对AI前景不切实际的乐观和AI所承诺的能力均未能兑现,引发上世纪70年代长达10年的首次AI寒冬。]

[摩尔定律驱动算力在过去30年提升了百万倍,为数据驱动的人工智能提供了强劲的动力。]

人工智能(AI)自1956年诞生以来,60多年来经历了“三起二落”的波折的发展历程。

2016年,随着谷歌围棋机器人AlphaGo的一战成名,从国家到企业层面,随处都能见到人工智能的身影。随着经济增速的放缓以及资本的退潮,人工智能的“寒冬论”又开始甚嚣尘上,“一哄而上,一哄而散”带来了一地鸡毛,人工智能的未来,究竟何去何从?

人工智能历史会重演吗

AI之父、图灵奖获得者约翰·麦卡锡在1956年的达特茅斯夏季研讨会缔造“人工智能”一词时,曾有不同的声音。在英语中,Artificial(人工、人造)一词略带贬义,如人造革、人造丝等,暗藏着一点“假”的意思,当时英国的一些学者更愿意使用“思考机器”的提法。阿兰·图灵凭借他的“谜一样的机器”(enigma)破解了德军密码,大大加速了二战结束的进程,减少了上千万人的伤亡,居功至伟,他提出了著名问题:机器可以思考吗?

从这个角度看,其实人工智能这个术语还是贴切的。今天,AI的核心支柱——机器学习并不是在进行主动的学习,而只是在被“训练”,更本质的来说,只是通过寻找最小误差值的方法来进行参数拟合(Fitting),并不具有任何意识。在小数据等需要人类认知能力的领域,今天的AI就连5岁的孩子都比不上,例如,儿童在看到几张照片后,就能轻松地学习到“猫”的概念,而“先进的”卷积神经网络需要对大量的标签数据进行学习才能完成类似的任务。即便如是,得益于算法的改进和指数增长的计算能力,在特定的场景中,AI已经展现出令人惊叹的能力,并且对部分行业的创新产生了关键影响。

麦卡锡对人工智能的定义是:制造智能机器的科学与工程。在人工智能诞生后的十多年里,科学家们致力于通过模仿人的思维来实现智能。今天的人工智能算法,例如神经网络、知识图谱和对话机器人的雏形在那时都已经出现,由于受当时历史条件所限,AI能做的事情很有限,大众对AI前景不切实际的乐观和AI所承诺的能力均未能兑现,引发上世纪70年代长达10年的首次AI寒冬。

80年代初,日本成为了当时全球第二大经济体,在技术上也积极谋求世界领先的地位,提出了“五代机”(第五代计算机,前四代计算机代表性技术分别是:电子管、晶体管、大规模集成电路和超大规模集成电路)的设想,英美等政府也被迫跟进,对相关技术进行了大量投资,同时,机器学习的神经网络算法也出现了两项突破。基于物理学能量概念的霍普费尔德网络被提出;在今天深度学习中仍然具有重要作用的“反向传播”的方法被广泛应用于神经网络的参数训练中,取得了不错的效果,并成为今年(2019)图灵奖得主杰弗瑞·辛顿(JefferyHinton)获奖的重要依据之一;90年代初,时任贝尔实验室负责人的杨力昆(YannLeCun,纽约大学教授,2019年图灵奖得主,美国工程院院士,原FacebookAI研究院主任)实现了商用的手写数字识别,美国有10%的支票的识别使用了该算法,1992年,采用简单神经网络控制的卡内基梅隆大学的首辆无人驾驶的装甲车也上路了。尽管如此,但是受制于当时的计算力和数据量,人工智能逐渐湮没于快速崛起的互联网的夺目光芒中,但是,这个阶段的理论储备为今天的AI发展提供了重要的源泉(知识储备)。

本文地址:http://www.reviewcode.cn/wulianwang/53334.html 转载请注明出处!

今日热点资讯