淺談人工智能

淺談人工智能人工智能概述人工智能（ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ，簡稱ＡＩ）是計算機學(xué)科的一個分支，二十世紀(jì)七十年代以來被稱為世界三大尖端技術(shù)之一（空間技術(shù)、能源技術(shù)、人工智能）。也被認為是二十一世紀(jì)（基因工程、納米科學(xué)、人工智能）三大尖端技術(shù)之一。這是因為近三十年來它獲得了迅速的發(fā)展，在很多學(xué)科領(lǐng)域都獲得了廣泛應(yīng)用，并取得了豐碩的成果，人工智能已逐步成為一個獨立的分支，無論在理論和實踐上都已自成一個系統(tǒng)。人工智能領(lǐng)域的研究是從１９５６年正式開始的，這一年在達特茅斯大學(xué)召開的會議上正式使用了“人工智能”這個術(shù)語。隨后的幾十年中，人們從問題求解、邏輯推理與定理證明、自然語言理解、博弈、自動程序設(shè)計、專家系統(tǒng)、學(xué)習(xí)以及機器人學(xué)等多個角度展開了研究，已經(jīng)建立了一些具有不同程度人工智能的計算機系統(tǒng)，例如能夠求解微分方程、設(shè)計分析集成電路、合成人類自然語言，而進行情報檢索，提供語音識別、手寫體識別的多模式接口，應(yīng)用于疾病診斷的專家系統(tǒng)以及控制太空飛行器和水下機器人更加貼近我們的生活。我們熟知的ＩＢＭ的“深藍”在棋盤上擊敗了國際象棋大師卡斯帕羅夫就是比較突出的例子。９０年代以來，人工智能理論方面有了新的進展，計算機硬件突飛猛進的發(fā)展，計算機速度的不斷提高、存儲容量的不斷擴大、價格的不斷降低以及網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，許多原來無法完成的工作現(xiàn)在已經(jīng)能夠?qū)崿F(xiàn)。目前人工智能研究的３個熱點是：智能接口、數(shù)據(jù)挖掘、主體及多主體系統(tǒng)。智能”源于拉丁語Legere,字面意思是采集(特別是果實)、收集、匯集,并由此進行選擇,形成一個東西。Intelegere是從中進行選擇,進而理解、領(lǐng)悟和認識。正如帕梅拉·麥考達克在《機器思維》中所提出的:在復(fù)雜的機械裝置與智能之間存在長期的聯(lián)系。從幾個世紀(jì)前出現(xiàn)的神話般的巨鐘和機械自動機開始,人們已對機器操作的復(fù)雜性與自身的某些活動進行直觀聯(lián)系。經(jīng)過幾個世紀(jì)之后,新技術(shù)已使我們所建立的機器的復(fù)雜性大為提高。1936年,24歲的英國數(shù)學(xué)家圖靈提出了“自動機”理論,把研究會思維的機器和計算機的工作大大向前推進了一步,他也因此被稱為“人工智能之父”。人工智能也稱機器智能，它是計算機科學(xué)、控制論、信息論、神經(jīng)生理學(xué)、心理學(xué)、語言學(xué)等多種學(xué)科互相滲透而發(fā)展起來的一門綜合性學(xué)科。人工智能的研究從1956年正式開始，這一年在達特茅斯大學(xué)召開的會議上正式使用了“人工智能”(ArtificialIntelligence，AI)這個術(shù)語。從計算機應(yīng)用系統(tǒng)的角度出發(fā)，人工智能是研究如何制造智能機器或智能系統(tǒng)，來模擬人類智能活動的能力，以延伸人們智能的科學(xué)。如果僅從技術(shù)的角度來看，人工智能要解決的問題是如何使電腦表現(xiàn)智能化，使電腦能更靈活方效地為人類服務(wù)。只要電腦能夠表現(xiàn)出與人類相似的智能行為,就算是達到了目的，而不在乎在這過程中電腦是依靠某種算法還是真正理解了。人工智能是計算機科學(xué)中涉及研究、設(shè)計和應(yīng)用智能機器的—個分支，它的目標(biāo)是研究怎樣用電腦來模仿和執(zhí)行人腦的某些智力功能，并開發(fā)相關(guān)的技術(shù)產(chǎn)品，建立有關(guān)的理論。因此,“人工智能”與計算機軟件有密切的關(guān)系。一方面,各種人工智能應(yīng)用系統(tǒng)都要用計算機軟件去實現(xiàn),另一方面,許多聰明的計算機軟件也應(yīng)用了人工智能的理論方法和技術(shù)。例如,專家系統(tǒng)軟件,機器博奕軟件等。但是,“人工智能”不等于“軟件”,除了軟件以外,還有硬件及其他自動化的通信設(shè)備。人工智能的發(fā)展歷程人工智能的研究不僅與對人的思維研究直接相關(guān)，而且和許多其它學(xué)科領(lǐng)域關(guān)系密切。因此說到人工智能的歷史，應(yīng)當(dāng)上溯到歷史上一些偉大的科學(xué)家和思想家所作的貢獻，他們?yōu)槿斯ぶ悄苎芯糠e累了充分的條件和基礎(chǔ)理論。這里僅列舉幾位重要的代表人物。國數(shù)學(xué)家Turing(圖靈)（1912-1954）,1936年提出了一種理想計算機的數(shù)學(xué)模型（圖靈機），1950年提出了圖靈試驗，發(fā)表了"計算機與智能"的論文。當(dāng)今世界上計算機科學(xué)最高榮譽獎勵為"圖靈獎"。美國神經(jīng)生理學(xué)家McCulloch，建立了第一個神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型。從某種意義上可以說近代人工智能的發(fā)展，首先是從人工神經(jīng)網(wǎng)絡(luò)研究開始的。但是由于某種原因，神經(jīng)網(wǎng)絡(luò)的研究一度進入低潮。詳細內(nèi)容參見第六章《人工神經(jīng)元網(wǎng)絡(luò)》美國數(shù)學(xué)家、計算機科學(xué)家McCarthy，人工智能的早期研究者。1956年，他和其他一些學(xué)者聯(lián)合發(fā)起召開了世界上第一次人工智能學(xué)術(shù)大會，在他的提議下，會上正式?jīng)Q定使用人工智能這個詞來概括這個研究方向。參加大會的有Minsky,Rochester,Shannon,Moore,Samuel,Selfridge,Solomonff,Simon,Newell等數(shù)學(xué)家、心理學(xué)家、神經(jīng)生理學(xué)家、計算機科學(xué)家。McCarthy也被尊為"人工智能之父"。50年代初開始有了符號處理，搜索法產(chǎn)生。人工智能的基本方法是邏輯法和搜索法。最初的搜索應(yīng)用于機器翻譯、機器定理證明、跳棋程序等。60年代Simon由試驗得到結(jié)論：人類問題的求解是一個搜索的過程，效果與啟發(fā)式函數(shù)有關(guān)。敘述了智能系統(tǒng)的特點：智能表示、智能推理、智能搜索。這些都是人工智能的歷程碑。我國明代的科學(xué)家宋應(yīng)星將他有關(guān)實用科學(xué)的書題名為《天工開物》可謂哲理深厚。用現(xiàn)代人的眼光來看，這涉及兩種不同的物質(zhì)，一種是由“鬼斧神工”自然形成的自然物質(zhì)，另一種是由人的智慧開發(fā)出來的“開物”。從簡單的石器工具到內(nèi)燃機、電動機都代替和節(jié)約了人的體力，只有電子計算機的出現(xiàn)才使人感到機器也可能代替和節(jié)約人的一部分智力。人工智能，作為探討人腦和心智原理的尖端科學(xué)和前沿性的研究，半個多世紀(jì)以來，經(jīng)歷了艱難曲折的發(fā)展過程，大致上可以劃分為五個個發(fā)展階段：第一階段:50年代人工智能的興起和冷落。人工智能概念首次提出后，相繼出現(xiàn)了一批顯著的成果，如機器定理證明、跳棋程序、通用問題s求解程序、LISP表處理語言等。但由于消解法推理能力的有限，以及機器翻譯等的失敗，使人工智能走入了低谷。這一階段的特點是：重視問題求解的方法，忽視知識重要性。第二階段:60年代末到70年代，專家系統(tǒng)出現(xiàn)，使人工智能研究出現(xiàn)新高潮。DENDRAL化學(xué)質(zhì)譜分析系統(tǒng)、MYCIN疾病診斷和治療系統(tǒng)、PROSPECTIOR探礦系統(tǒng)、Hearsay-II語音理解系統(tǒng)等專家系統(tǒng)的研究和開發(fā)，將人工智能引向了實用化。并且，1969年成立了國際人工智能聯(lián)合會議（InternationalJointConferencesonArtificialIntelligence即IJCAI）。第三階段:80年代，隨著第五代計算機的研制，人工智能得到了很大發(fā)展。日本1982年開始了“第五代計算機研制計劃”，即“知識信息處理計算機系統(tǒng)KIPS”，其目的是使邏輯推理達到數(shù)值運算那么快。雖然此計劃最終失敗，但它的開展形成了一股研究人工智能的熱潮。第四階段:80年代末，神經(jīng)網(wǎng)絡(luò)飛速發(fā)展，1987年，美國召開第一次神經(jīng)網(wǎng)絡(luò)國際會議，宣告了這一新學(xué)科的誕生。此后，各國在神經(jīng)網(wǎng)絡(luò)方面的投資逐漸增加，神經(jīng)網(wǎng)絡(luò)迅速發(fā)展起來。第五階段:90年代，人工智能出現(xiàn)新的研究高潮。由于網(wǎng)絡(luò)技術(shù)特別是國際互連網(wǎng)技術(shù)的發(fā)展，人工智能開始由單個智能主體研究轉(zhuǎn)向基于網(wǎng)絡(luò)環(huán)境下的分布式人工智能研究。不僅研究基于同一目標(biāo)的分布式問題求解，而且研究多個智能主體的多目標(biāo)問題求解，將人工智能更面向?qū)嵱?。另外，由于Hopfield多層神經(jīng)網(wǎng)絡(luò)模型的提出，使人工神經(jīng)網(wǎng)絡(luò)研究與應(yīng)用出現(xiàn)了欣欣向榮的景象。人工智能已深入到社會生活的各個領(lǐng)域人工智能的發(fā)展現(xiàn)況最近看了電影《黑客帝國》一系列，對其中的科幻生活有了很大的興趣，不覺有了疑問：現(xiàn)在的世界是否會如電影中一樣呢？人工智能的神話是否會發(fā)生在當(dāng)前社會中的呢？在黑客帝國的世界里，程序員成為了耶穌，控制著整個世界，黑客帝國之所以成為經(jīng)典，我認為，不是因為飛來飛去的超級人物，而是因為她暗自揭示了一個人與計算機世界的關(guān)系，一個發(fā)展趨勢。誰知道200年以后會不會是智能機器統(tǒng)治了世界？人類正向信息化的時代邁進，信息化是當(dāng)前時代的主旋律。信息抽象結(jié)晶為知識，知識構(gòu)成智能的基礎(chǔ)。因此，信息化到知識化再到智能化，必將成為人類社會發(fā)展的趨勢。人工智能已經(jīng)并且廣泛而有深入的結(jié)合到科學(xué)技術(shù)的各門學(xué)科和社會的各個領(lǐng)域中，她的概念，方法和技術(shù)正在各行各業(yè)廣泛滲透。智能是一個寬泛的概念。智能是人類具有的特征之一。然而，對于什么是人類智能（或者說智力），科學(xué)界至今還沒有給出令人滿意的定義。有人從生物學(xué)角度定義為“中樞神經(jīng)系統(tǒng)的功能”，有人從心理學(xué)角度定義為“進行抽象思維的能力”，甚至有人同義反復(fù)地把它定義為“獲得能力的能力”，或者不求甚解地說它“就是智力測驗所測量的那種東西”。這些都不能準(zhǔn)確的說明人工智能的確切內(nèi)涵。雖然難于下定義，但人工智能的發(fā)展已經(jīng)是當(dāng)前信息化社會的迫切要求，同時研究人工智能也對探索人類自身智能的奧秘提供有益的幫助。所以每一次人工智能技術(shù)的進步都將帶動計算機科學(xué)的大跨步前進。如果將現(xiàn)有的計算機技術(shù)、人工智能技術(shù)及自然科學(xué)的某些相關(guān)領(lǐng)域結(jié)合，并有一定的理論實踐依據(jù)，計算機將擁有一個新的發(fā)展方向。當(dāng)前人工智能的發(fā)展方向可以分為兩種：一種受控于人類的智能機器或智能程序，人類輸入指令后讓其達到預(yù)期的目的；另一類，能自主推理，邏輯，判斷，學(xué)習(xí)，進步的智能，而后一種而有吸引力，更增加了人工智能無窮的魅力。人工智能是研究使計算機來模擬人的某些思維過程和智能行為（如學(xué)習(xí)、推理、思考、規(guī)劃等）的學(xué)科，主要包括計算機實現(xiàn)智能的原理、制造類似于人腦智能的計算機，使計算機能實現(xiàn)更高層次的應(yīng)用。人工智能涉及到計算機科學(xué)、心理學(xué)、哲學(xué)和語言學(xué)等學(xué)科。可以說幾乎是自然科學(xué)和社會科學(xué)的所有學(xué)科，其范圍已遠遠超出了計算機科學(xué)的范疇，在不斷的接近。他并不像很多人想象的是幾個科學(xué)家的工作，而是隨著社會各學(xué)科發(fā)展而默默發(fā)展的。在智能領(lǐng)域里，最關(guān)鍵的問題之一，就是機器學(xué)習(xí)的問題。一旦機器有了學(xué)習(xí)的能力，誰還（敢）預(yù)測未來呢？人類的社會發(fā)展其實也是在不斷積累中發(fā)展而來，人的智能也就是事實依據(jù)庫+推理機制所構(gòu)成了的。當(dāng)所有領(lǐng)域的定律都能用特定的公式推理出來，黑客帝國的實現(xiàn)就要到來了。研究人工智能的目的，一方面是要創(chuàng)造出具有智能的機器，另一方面是要弄清人類智能的本質(zhì)，因此，人工智能既屬于工程的范疇，又屬于科學(xué)的范疇。通過研究和開發(fā)人工智能，可以輔助，部分替代甚至拓寬人類的智能，使計算機更好的造福人類。人工智能是機器模擬人腦的具體表現(xiàn)形式，當(dāng)前以智能搜索、深度學(xué)習(xí)、云操作處理等為代表的大規(guī)模聯(lián)網(wǎng)應(yīng)用已經(jīng)成為信息通信技術(shù)引人矚目的重要方向。2013年美歐相繼啟動的人腦研發(fā)計劃，力圖打造基于信息通信技術(shù)的綜合性研究平臺，促進人工智能、機器人和神經(jīng)形態(tài)計算系統(tǒng)的發(fā)展，預(yù)計將助推信息通信技術(shù)乃至人類社會生產(chǎn)生活發(fā)生深刻的革命性變化。從發(fā)展脈絡(luò)看，人工智能一直處于技術(shù)創(chuàng)新的前沿，近年來更是呈現(xiàn)集中爆發(fā)態(tài)勢，在智能搜索、人工交互、可穿戴設(shè)備等領(lǐng)域得到了前所未有的重視，成為產(chǎn)業(yè)界力奪的前沿領(lǐng)域。一、打開搜索引擎發(fā)展新空間信息搜索是互聯(lián)網(wǎng)流量的關(guān)鍵入口，也是實現(xiàn)信息資源與用戶需求匹配的關(guān)鍵手段，人工智能的引入打開了搜索引擎發(fā)展的新空間。幾個重要方向是：由低級算法向高級算法發(fā)展。搜索巨頭美國谷歌公司每天都要進行200多項改進搜索算法的在線實驗，陸續(xù)完成由關(guān)鍵字匹配到知識圖譜、語義搜索的算法創(chuàng)新，正在掀起一場以數(shù)據(jù)驅(qū)動、實驗評估、數(shù)理模型算法改進為軸心的大數(shù)據(jù)革命，如谷歌禽流感地圖。由文本檢索向語音圖像檢索發(fā)展。已發(fā)生的典型案例是，第一，融合了深度學(xué)習(xí)技術(shù)的搜索引擎正大幅度提升圖像搜索的準(zhǔn)確率。如谷歌街景視圖通過“以圖搜圖”和“以圖搜信息”，能夠識別物體詳細位置。第二，吸納了自然語言處理和云操作處理技術(shù)的搜索引擎，可將語音指令轉(zhuǎn)化為實時搜索結(jié)果。谷歌、蘋果均已推出人工語音智能計算產(chǎn)品——GoogleNow和AppleSiri，將自然語言轉(zhuǎn)換成搜索指令，簡化用戶輸入門檻。第三，在人工智能輔助性搜索引擎可能添加意念情感元素，發(fā)展出真正意義上的神經(jīng)心理學(xué)搜索引擎。谷歌正在研發(fā)能夠讀懂人類情感的智能搜索系統(tǒng)，以應(yīng)用于心理輔導(dǎo)和心理醫(yī)學(xué)領(lǐng)域。由互聯(lián)網(wǎng)搜索向云物搜索演進。一方面，基于人工智能的搜索引擎技術(shù)正向物聯(lián)網(wǎng)、信息化不斷深化應(yīng)用?；跇?biāo)簽感應(yīng)和閱讀技術(shù)的物聯(lián)網(wǎng)搜索引擎——shodan，幾乎能夠搜索到所有與網(wǎng)絡(luò)相連的工業(yè)控制系統(tǒng)，大大提升物聯(lián)網(wǎng)的可視化應(yīng)用和管理水平。另一方面，基于人工智能的搜索引擎技術(shù)和云操作處理技術(shù)不斷耦合，正在推動云計算技術(shù)發(fā)生重要變革。如基于目錄索引服務(wù)系統(tǒng)的對象存儲技術(shù)，可實現(xiàn)云協(xié)作條件下大型歸檔數(shù)據(jù)的可在線回收。二、加速移動互聯(lián)網(wǎng)應(yīng)用創(chuàng)新和產(chǎn)業(yè)變革嵌入了人工智能技術(shù)的移動終端打破了時空地理限制，激發(fā)了人機高頻互動，也促使產(chǎn)業(yè)界開發(fā)出以人工智能技術(shù)為基礎(chǔ)的海量互聯(lián)網(wǎng)業(yè)務(wù)和應(yīng)用。比如：自然語言交互已經(jīng)成為互聯(lián)網(wǎng)上成熟應(yīng)用，蘊含無窮商機。自然語言交互發(fā)展已較成熟，可與視覺操控、姿態(tài)操控和手勢操控等人工智能感應(yīng)技術(shù)結(jié)合應(yīng)用。如微軟同聲傳譯系統(tǒng)（GPGPU）采用基于大量歷史數(shù)據(jù)訓(xùn)練出的神經(jīng)網(wǎng)絡(luò)，使語音識別的單詞錯誤率降低了18%-33%。深度學(xué)習(xí)技術(shù)在互聯(lián)網(wǎng)領(lǐng)域已經(jīng)產(chǎn)生眾多創(chuàng)意和新興應(yīng)用。深度學(xué)習(xí)是人工智能的最新演進，它引發(fā)了機器學(xué)習(xí)的新浪潮，加速“大數(shù)據(jù)＋深度模型”時代的來臨。第一，基于深度學(xué)習(xí)的信息產(chǎn)品已經(jīng)成為最活躍的創(chuàng)新領(lǐng)域。三星“新技術(shù)實驗室”正在研發(fā)基于腦電波識別控制技術(shù)[EEG-control。]的“人腦意念控制智能設(shè)備”，將“讀心應(yīng)用程序”安裝在腦電波識別設(shè)備中，通過與平板電腦進行腦電波掃描和交互，實現(xiàn)人類意念操控平板電腦。第二，深度學(xué)習(xí)融貫人臉識別的相關(guān)產(chǎn)品已開始用于社會公共管理。美國國土安全部(DHS)將深度學(xué)習(xí)技術(shù)用于“生物特征識別視覺監(jiān)控系統(tǒng)”[BiometricOpticalSurveillanceSystem，簡稱BOSS。這是一種典型的人臉識別應(yīng)用系統(tǒng)。]，通過在計算機和攝像機之間建立連接并對人群不斷掃描，即可根據(jù)面孔自動識別和定位目標(biāo)。基于深度學(xué)習(xí)的戰(zhàn)略重要性，我國互聯(lián)網(wǎng)企業(yè)已開始布局深度學(xué)習(xí)技術(shù)研發(fā)，百度公司基于深度學(xué)習(xí)技術(shù)的“百度翻譯”、“百度叫醒”等智能終端應(yīng)用軟件，通過與云端協(xié)同，能夠?qū)崿F(xiàn)目標(biāo)的特征演算和定義，提供日益理想的擬人化知行協(xié)助服務(wù)。穿戴式智能聯(lián)網(wǎng)設(shè)備正在引領(lǐng)信息技術(shù)產(chǎn)品和信息化應(yīng)用發(fā)展的新方向。當(dāng)前，基于人工智能技術(shù)的穿戴式智能聯(lián)網(wǎng)設(shè)備已成為各方競爭的新熱點，蘋果公司智能手表（iWatch）、谷歌眼鏡（GoogleGlass）、加拿大ThalmicLabs公司MYO臂環(huán)、盛大果殼智能手表、百度眼鏡等，都是引發(fā)業(yè)界關(guān)注的穿戴式智能聯(lián)網(wǎng)設(shè)備。最新趨勢是，穿戴式智能聯(lián)網(wǎng)設(shè)備正在向體育、生物、醫(yī)療等領(lǐng)域進行應(yīng)用延伸。谷歌摩托羅拉研發(fā)的電子藥片吞服后利用胃酸發(fā)電，產(chǎn)生體內(nèi)信號，從而使人體變成密碼，用于生物識別和身份驗證。無人駕駛和智能機器人正在成為產(chǎn)業(yè)研發(fā)熱點，依托移動互聯(lián)網(wǎng)將其應(yīng)用場景廣泛滲透、延伸至傳統(tǒng)產(chǎn)業(yè)領(lǐng)域。無人駕駛技術(shù)方面，亞馬遜公司正在研發(fā)用于派送包裹的無人飛行器[這些無人飛行器被亞馬遜稱之為“電腦導(dǎo)航八軸飛行器（octocopters）”。]。機器人技術(shù)方面，谷歌在全球范圍已經(jīng)收購8家科技公司，正在研發(fā)用于市場營銷、工業(yè)制造等領(lǐng)域的智能機器人；蘇黎世ABBGroup、德國KukaAG等機器人生產(chǎn)廠商以及我國臺灣臺達電子、富士康等信息技術(shù)企業(yè)正在研發(fā)、生產(chǎn)并試驗以低于人力成本提供服務(wù)的低端機器人以及有視力、觸覺甚至學(xué)習(xí)能力的高端人形機器人。三、人腦科學(xué)有望助推人工智能達到最佳理想狀態(tài)迄今為止的人工智能都只是利用機器來模擬人腦進行簡單的運算和處理。與簡單的人工智能相同步，模擬人腦進行復(fù)雜、高級運算的人腦研發(fā)活動始終未曾止步，美歐人腦科研計劃（統(tǒng)稱“人腦計劃”）為這一技術(shù)努力描繪了一份嶄新的演進路線圖。2013年1月28日，歐盟委員會宣布，“人腦工程項目（HBP）”被選入歐盟“未來新興旗艦技術(shù)項目（FET）”，成為歐盟第七框架科研計劃（FP7）中信息通信技術(shù)（ICT）研究子計劃的重要組成部分。2013年4月2日，美國總統(tǒng)奧巴馬正式宣布了“運用先進創(chuàng)新型神經(jīng)技術(shù)的大腦研究計劃（BRAIN）”[又稱“大腦活動圖譜項目”。]，由美國國家衛(wèi)生研究院、國防高級研究計劃局及國家科學(xué)基金會等單位組織實施。美歐人腦計劃的共同目的，是打造基于信息通信技術(shù)的綜合性研究平臺，采用計算機模擬法繪制詳細的人腦模型，促進人工智能、機器人和神經(jīng)形態(tài)計算系統(tǒng)的發(fā)展，預(yù)計將引發(fā)人工智能實現(xiàn)由低級別人腦模擬向高級別人腦模擬的飛躍，從而助推人工智能實現(xiàn)終極理想和目標(biāo)。===功能===人工智能現(xiàn)在已經(jīng)能實現(xiàn)很多功能了，比如:語音識別——李開復(fù)博士當(dāng)年做的工作奠定了很多當(dāng)今識別系統(tǒng)的基礎(chǔ)。這里忍不住說一下，Siri本身的技術(shù)并沒有特別大的亮點，真正nb的是它的模式（語音識別直接與搜索引擎結(jié)合在一起，產(chǎn)品體驗做得好。而且關(guān)鍵是這樣的模式能采集到更多數(shù)據(jù)，使得系統(tǒng)的精度越來越高）

自然語言理解——目前看到的最強的結(jié)果應(yīng)該是IBMWatson。但其實我們現(xiàn)在用的搜索引擎、中文輸入法、機器翻譯（雖然其實還不怎么work）都和自然語言理解相關(guān)。這塊兒不是我的專業(yè)，請@段維斯同學(xué)補充。

數(shù)據(jù)挖掘——隨著近年數(shù)據(jù)量的瘋狂增長，數(shù)據(jù)挖掘也有了長足進步。最具有代表性的是前幾年著名的Netflixchallenge（Netflix公司公開了自己的用戶評分?jǐn)?shù)據(jù)，讓研究者根據(jù)這些數(shù)據(jù)對用戶沒看過的電影預(yù)測評分，誰先比現(xiàn)有系統(tǒng)好10%，誰就能贏100萬美元）最后這一比賽成績較好的隊伍，并非是單一的某個特別nb的算法能給出精確的結(jié)果，而是把大量刻畫了不同方面的模型混合在一起，進行最終的預(yù)測。

計算機視覺——目前越來越多的領(lǐng)域跟視覺有關(guān)。大家可能一開始想到的都是自動駕駛。雖然大家都在說googleX的無人車，但實際上現(xiàn)在無論是商業(yè)上，還是技術(shù)整合上最成功的算法是MobileEye的輔助駕駛系統(tǒng)。這個公司也是目前computervision領(lǐng)域最掙錢的公司。

從實現(xiàn)新功能方面說，視覺的發(fā)展的趨勢主要有兩方面，A)集成更多的模塊，從問題的各種不同方面，解決同一個問題（比如MobileEye，就同時使用了數(shù)十種方法，放到一起最終作出決策）B)使用新的信息，解決一個原來很難的問題。這方面最好的例子是M$的Kinect，這個產(chǎn)品最讓人拍案叫絕的就是那個紅外pattern投影儀。

===理論基礎(chǔ)===

這里說的是數(shù)學(xué)理論，是為實現(xiàn)功能解決問題而存在的。與人類的智能的聯(lián)系在下一節(jié)說。從這個角度，我們已經(jīng)有了很多強有力的數(shù)學(xué)工具，從高斯時代的最小二乘法，到現(xiàn)在比較火的凸優(yōu)化，其實我們解決絕大多數(shù)智能問題的套路，都可以從某種意義上轉(zhuǎn)換成一個優(yōu)化問題。真正限制我們解這個優(yōu)化問題的困難有以下三個：

計算復(fù)雜度——能保證完美解的算法大都是NP-hard的。如何能讓一個系統(tǒng)在當(dāng)前的硬件下“跑起來”，就需要在很多細節(jié)取巧，這是很多l(xiāng)earningpaper的核心沖突。

模型假設(shè)——所有模型都要基于一些假設(shè)，比如說，無人車會假設(shè)周圍的汽車加速度有一個上限（至少不會瞬間移動吧，否則怎么閃避）絕大多數(shù)假設(shè)都不能保證絕對正確，我們只是制定那些在大多數(shù)時候合理的假設(shè)，然后基于這些假設(shè)建模（比如，在語音識別里，我們是否要假設(shè)存在背景噪聲呢？如果有背景噪聲，這個噪聲應(yīng)該符合什么特點呢？這時候無論你怎么定標(biāo)準(zhǔn)，總能找出“反例”）

數(shù)據(jù)基礎(chǔ)——任何學(xué)習(xí)過程都需要數(shù)據(jù)的支持，無論是人類學(xué)說話學(xué)寫字，還是計算機學(xué)習(xí)汽車駕駛。但是就數(shù)據(jù)采集本身來說，成功的案例并不多。大概這個世界上最強的數(shù)據(jù)采集就是google了吧。每次你搜索一個關(guān)鍵詞，然后點進去，google就自動記錄了你的行為，然后以此數(shù)據(jù)來訓(xùn)練自己的算法。人工智能前景人工智能是人造的智能,是計算機科學(xué)、邏輯學(xué)、認知科學(xué)交叉形成的一門科學(xué)。其基本目標(biāo)就是使機器表現(xiàn)出類似人類的智慧,使機器具有類似人類的智能行為,使機器思維(MakingMachineThink)。關(guān)于人工智能,科學(xué)界存在各種各樣的認識和看法,這些看法可以歸納為:技術(shù)觀、模擬觀、建模觀、理論觀。技術(shù)觀將人工智能視為一門技術(shù)。技術(shù)觀追求人工智能的工程目標(biāo),即智能機的實現(xiàn)。技術(shù)觀只注重智能機的外部功能,不關(guān)心智能機的工作過程。技術(shù)觀認為,只要機器能做那些原來需要人的智能才能完成的工作,機器便具有了智能。模擬觀著眼于計算機程序復(fù)現(xiàn)人腦在完成同一任務(wù)時的內(nèi)部狀態(tài)和過程,強調(diào)必須先了解人腦的活動機制,才能通過模擬使機器表現(xiàn)出智能。建模觀希望基于數(shù)學(xué)模型的理論和方法,建立人腦的模型。建模觀認為,通過對人腦輸入輸出信號的觀察,即對人腦外部行為的觀察,可以建立人腦的數(shù)學(xué)模型,這種模型與人腦在外部行為上的相似性將使機器表現(xiàn)出智能。理論觀注重理解形成或產(chǎn)生智能的規(guī)律和原理。理論觀追求人工智能的科學(xué)目標(biāo),即Winston所闡述的人工智能的中心目標(biāo),試圖建立使智能的實現(xiàn)成為可能的原理。人類有關(guān)用機器模擬人類智能的思想可以追溯到很遠,甚至可以追溯到公元前四世紀(jì)的亞里士多德時代。然而,作為一門學(xué)科,可以說,人工智能誕生于1956年Dartmouth夏季會議。人工智能在20世紀(jì)經(jīng)歷了四個發(fā)展階段:五十年代是神經(jīng)網(wǎng)絡(luò)時代,六十年代是弱方法時代,七十年代是知識工程時代,八十和九十年代是知識工業(yè)時代。1948年Wiener發(fā)表了控制論。Wiener將機器與生物的控制和通訊機制進行類比,抽象出共同特征,形成控制論這門獨立的新學(xué)科。Wiener指出:就其控制行為而言,所有的人工系統(tǒng)都模仿生物系統(tǒng),但沒有任何一種生物系統(tǒng)模仿人工系統(tǒng)。Wiener的思想及其控制論引發(fā)了科學(xué)界對生物控制機能、生物通訊機能、生物信息處理機能和生物智能進行模擬的科學(xué)研究熱情。特別是Wiener關(guān)于生物神經(jīng)系統(tǒng)及其信息處理機制的觀點,引起了人們對生物神經(jīng)系統(tǒng)進行仿真研究的興趣。Wiener在其控制論中指出:能夠做計算系統(tǒng)所做工作的人和動物的神經(jīng)系統(tǒng),它們的工作單元動作起來就像繼電器。這個事實值得我們注意,這些工作單元就是所謂的神經(jīng)元或神經(jīng)細胞。在這一思想的影響下,五十年代興起了基于開關(guān)網(wǎng)的神經(jīng)系統(tǒng)模擬研究,其中較為成功和較有影響的是對青蛙視神經(jīng)的模擬。Simon和Newell稱,用計算機程序?qū)崿F(xiàn)的人對弱結(jié)構(gòu)化問題的求解搜索方法為弱方法,其弱的含義為:求解的問題為弱結(jié)構(gòu)化問題,求解問題的過程具有試探性,所得的問題的解是非最優(yōu)的。對于弱結(jié)構(gòu)化問題,由于知識的不完備性,人只能運用試驗、試探和搜索的方法,在巨大的問題空間中,運用非完備的知識、經(jīng)驗和啟發(fā)性的知識,尋求可行的問題求解途徑,做計劃、設(shè)計和決策,獲取問題的可行解,而非最優(yōu)解。Simon和Newell的弱方法強調(diào)問題求解方法的重要性,注重對人腦思維過程的模擬和仿真,卻忽視了對知識的研究。人求解問題的過程是一個基于知識,應(yīng)用知識的過程。一個知識貧乏的大腦,不可能有多少智能,這就是弱方法為什么只能用于一些簡單的和游戲性質(zhì)的智力求解問題的原因。七十年代,鑒于弱方法存在的問題,人工智能研究領(lǐng)域出現(xiàn)了知識工程學(xué)派。知識工程學(xué)派認為,沒有知識,就沒有智能;要使計算機表現(xiàn)出智能,必須給予它知識。使人工智能由弱方法的研究轉(zhuǎn)向知識工程研究的是DENDRAL項目。這項研究工作是Feigen-baum1965年到斯坦福大學(xué)后不久開始的。六十年代末七十年代初,第一個專家系統(tǒng)問世以來,有影響的專家系統(tǒng)有:DENDRAL,世界上第一個專家系統(tǒng),幫助化學(xué)家解釋和設(shè)計化學(xué)結(jié)構(gòu)式;MYCIN,世界上最有影響的專家系統(tǒng),幫助醫(yī)生診斷抗菌性感染病,并推薦治療方案。專家系統(tǒng)的成就使人們看到了知識工程的前景。專家系統(tǒng)解決實際問題的能力展現(xiàn)了智能系統(tǒng)的商用價值,由此,智能產(chǎn)業(yè)在八十年代初期開始形成。智能產(chǎn)業(yè)指智能應(yīng)用系統(tǒng)和智能計算機構(gòu)成的產(chǎn)業(yè)。盡管全球的智能產(chǎn)業(yè)在1981年只有1億美元,但人們?nèi)匀粯酚^地預(yù)測,二十一世紀(jì)初,全球的智能產(chǎn)業(yè)將超過2500億美元。面對人工智能的大好發(fā)展形勢,Machlup等人在知識工程概念的基礎(chǔ)上,提出了一個更具感召力的概念:知識工業(yè)。人工智能的研究并不像人們一開始所期望的那樣一帆風(fēng)順,成果輝煌。五十年代,神經(jīng)網(wǎng)絡(luò)隨Perceptron被否定而沉寂。六十年代,游戲性質(zhì)的弱方法沒有大的作為。七十年代,專家系統(tǒng)受到了來自許多方面的懷疑和批評。八十年代,日本人雄心勃勃的第五代計算機計劃以徹底的失敗而告終。人工智能從誕生那天起就承受著來自多方面的批評和攻擊。人工智能過分樂觀的預(yù)言大多未能實現(xiàn)。盡管人工智能的發(fā)展未能跟上人們對它的期望,但它的確在不斷地進步。人工智能取得的成就足以讓人們相信,機器正變得越來越聰明。以人們今天的想象力,很難想象出,人工智能能走多遠,未來的機器能有多聰明,類似DeepBlue戰(zhàn)勝Kasparov之類的事情在Chess之外的其它領(lǐng)域是否還會發(fā)生。人,沒有理由說,機器不能思維,更沒有理由否定人工智能。最近幾年,人工神經(jīng)網(wǎng)絡(luò)技術(shù)和遺傳算法的應(yīng)用取得了很大的成功。廣泛應(yīng)用于工業(yè)、軍事等各個領(lǐng)域。人工神經(jīng)網(wǎng)絡(luò)技術(shù)在20世紀(jì)70到80年代取得了重大進展,其成果大量應(yīng)用于系統(tǒng)的識別,建模和控制。比如,關(guān)于建模,神經(jīng)網(wǎng)絡(luò)通過對輸入輸出樣本的學(xué)習(xí),不斷地調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,使網(wǎng)絡(luò)實現(xiàn)給定的輸入輸出映射關(guān)系,并具有一定的學(xué)習(xí)和泛化能力。以研究直升機在偏航方向上的動力學(xué)特性和建立動力學(xué)模型為例,可將直升機偏航方向上的輸入和輸出數(shù)據(jù)作為學(xué)習(xí)樣本,對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練,從而得到直升機在偏航方向上的神經(jīng)網(wǎng)絡(luò)預(yù)測模型。在這個模型的基礎(chǔ)上,可以進一步設(shè)計出直升機的偏航方向控制器。眾所周知,在很多場合要求對數(shù)字進行準(zhǔn)確識別。例如最常見的郵電系統(tǒng)中的自動分信設(shè)備,就涉及到郵政編碼的識別。這六位數(shù)都標(biāo)示在信封的六個方框中,如何利用一種快速有效的智能方法或技術(shù)正確地進行識別是急待解決的問題。神經(jīng)網(wǎng)絡(luò)具有并行處理和大規(guī)模平行計算能力,既是高度非線性動力學(xué)系統(tǒng),又是自適應(yīng)組織系統(tǒng),可以用來描述認知、決策及控制的智能行為。它的中心問題是智能的認知和模擬,能高度逼近非線性系統(tǒng)并對不確定問題具有自適應(yīng)能力,因而利用神經(jīng)網(wǎng)絡(luò)有望解決這一問題。遺傳算法(GA)是1975年美國密執(zhí)安大學(xué)J.H.Holland教授提出的,是一種基于達爾文生物進化思想的優(yōu)化算法,與其它優(yōu)化算法相比,GA具有更好的通用性,較強的魯棒性和智能性,使其廣泛地應(yīng)用于各個領(lǐng)域。遺傳算法是一種基于自然選擇和自然遺傳的全局優(yōu)化算法。它采用從自然界選擇、遺傳操作中抽象出來的幾個算子,對參數(shù)編碼的字符串進行遺傳操作,每一個字符串對應(yīng)于一個可行解。這種遺傳操作是對多個可行解組成的群體進行的,故在進化過程中可以并行地對解空間的不同區(qū)域進行搜索,可使搜索趨于全局最優(yōu)解而不會陷于局部極小解。正是由于這種內(nèi)在的優(yōu)良特性,GA可廣泛應(yīng)用于各種優(yōu)化問題。對于動態(tài)環(huán)境中移動機器人的局部路徑規(guī)劃問題,遺傳算法具有很大潛力。移動機器人是能夠在道路和野外連續(xù)、實時地自主運動的智能機器人是一種集環(huán)境感知,動態(tài)決策與規(guī)劃,行為控制與執(zhí)行等多項功能于一體的高智能化機器系統(tǒng)。移動機器人的動態(tài)行為是,機器視覺獲取前方的路面環(huán)境及障礙物信息,然后用智能系統(tǒng)產(chǎn)生最優(yōu)化路徑,并用智能路徑跟蹤控制方法使移動機器人沿規(guī)劃路徑行走。類似傳統(tǒng)方法不能解決的這類問題,遺傳算法表現(xiàn)出很大的優(yōu)越性。人工智能目前面臨的困難和瓶頸本世紀(jì)以來，隨著互聯(lián)網(wǎng)大數(shù)據(jù)的興起，信息的爆炸式增長，深度學(xué)習(xí)等機器學(xué)習(xí)算法在互聯(lián)網(wǎng)領(lǐng)域的廣泛應(yīng)用，人工智能再次進入快速發(fā)展的時期。與此同時，不同領(lǐng)域的科學(xué)家，企業(yè)家如物理學(xué)家霍金，微軟創(chuàng)始人比爾蓋茨等人，紛紛對人工智能的未來表達了擔(dān)心，提出人工智能的快速發(fā)展可能對人類本身產(chǎn)生威脅，由于這些科學(xué)家，企業(yè)家具有很強的影響力，人工智能威脅論因此得到廣泛傳播。在人工智能威脅論熱度日益高漲的情況下，人工智能領(lǐng)域科學(xué)家對人工智能威脅論也提出了反駁意見。這其中就包括Facebook人工智能實驗室主任，NYU計算機科學(xué)教授YannLeCun，百度首席科學(xué)家，斯坦福大學(xué)計算機科學(xué)系和電子工程系副教授吳恩達，中國科學(xué)院自動化所教授，人工智能領(lǐng)域?qū)＜彝躏w躍等應(yīng)該說人工智能威脅論引發(fā)爭論背后，本質(zhì)上是人工智能的智力發(fā)展水平能不能定量評測的問題。對于這個問題，前人研究者已經(jīng)做出大量工作。例如1950年，圖靈提出了著名的圖靈實驗，采用提問和人類裁判的方法，判斷一臺計算機是否具有同人相當(dāng)?shù)闹橇Α?015年3月StuartGeman，DonaldGeman等研究在NationalAcadSciences發(fā)表論文“VisualTuringtestforcomputervisionsystems”，提出的視覺圖靈測試“VisualTuringtest”，目的是測試計算機能否能像人類那樣描述一張圖片。除此之外，2015年1月，在德克薩斯州召開的美國人工智能大會（AAAI-15)上，學(xué)者專門組織了研討會（BeyondTuringTest)，對圖靈測試進行深入的討論，并對智能的評測標(biāo)準(zhǔn)提出了新的建議?？傮w上，這些測試還存在分析范圍單一，或無法定量分析的問題。我們首先看一下圖靈測試。一。圖靈測試的先天不足測試人工智能系統(tǒng)是否具有智能最著名的方法是”圖靈測試“。1950年，圖靈發(fā)表論文《ComputingMachineryandIntelligence》提出了“機器思維”的概念[27,28]，提出一位測試者在與被測試者相互隔離不能進行直接交流的情況下，通過信息傳輸，和被測試者進行一系列的問答，在經(jīng)過一段時間后，測試者如果無法根據(jù)獲取的信息判斷對方是人還是計算機系統(tǒng)，那么就可以認為這個系統(tǒng)具有同人類相當(dāng)?shù)闹橇δ芰?，也就是說這臺計算機是有思維能力的，這就是著名的“圖靈測試”(TuringTesting)。圖靈在論文中這樣定義圖靈測試：“我們稱下面這個問題為“模仿游戲”。游戲參與者包括一個男人，一個女人，以及一個任意性別的詢問者。詢問者與另兩個人待在不同的房間里，并通過打字的方式與他們交流，以確保詢問者不能通過聲音和筆跡區(qū)分二者。兩位被詢問者分別用X和Y表示，詢問者事先只知道X和Y中有且僅有一位女性，而詢問的目標(biāo)是正確分辨X和Y中哪一位是女性。另一方面，兩位被詢問者X和Y的目標(biāo)都是試圖讓詢問者認為自己是女性。也就是說，男性被詢問者需要把自己偽裝成女性，而女性被詢問者需要努力自證。現(xiàn)在我們問：如果我們把“模仿游戲”中的男性被詢問者換成計算機，結(jié)果會怎樣？相比人類男性，計算機能否使詢問者更容易產(chǎn)生誤判？”。圖靈測試并沒有定義智能的范疇，而只能作為一個人工智能的充分條件，關(guān)于這一點，圖靈在論文中寫道：“機器能否擁有智能，為了回答這個問題我們應(yīng)該首先定義‘機器’和‘智能’。一種可能性是根據(jù)大多數(shù)普通人的日常理解去定義這兩個概念，但這樣做是危險的。在這里我并不打算定義這兩個概念，可能有人會說這項測試對機器而言過于嚴(yán)格——畢竟人類也無法反過來成功偽裝成機器，這只需檢查算術(shù)的速度和正確度即可辨別。難道被認為擁有智能的機器就不能表現(xiàn)出和人類不同的行為么？這是一個很有力的反對意見，但至少不管怎樣，假如我們有能力制造出一個可以成功通過測試的機器的話，也就無需為這個反對意見煩惱了?！比斯ぶ悄艹饺祟愔腔勖媾R的四個困難圖靈測試與人工智能的關(guān)系可以用集合的概念進行闡述，如上圖所示。從圖中可以看到“所有人類行為”對應(yīng)的集合“和所有智能行為”對應(yīng)的集合有交集但又互有不同。雖然“在全部智能行為”中有部分能力是人類靠自身力量無法完全實現(xiàn)，但人類可以被認為是有智能標(biāo)準(zhǔn)體，因此，能達到“人類水平”的部分—也就是兩個集合交集的那個部分—就應(yīng)該被認作是“擁有智能”的特征。而且，人類的所有行為并不總是和智能相關(guān)。圖靈測試要求機器全面模擬“所有人類行為”，其中既包括人類“智能”的部分，也包括人類的“非智能”行為，由此可得出結(jié)論通過圖靈測試是“擁有智能”的一個有效的充分條件，而非必要條件或充要條件?！疽陨蟽?nèi)容引用微軟研究院】作為最被廣泛應(yīng)用的人工智能測試方法，圖靈測試經(jīng)常用來檢驗機器是否具備人的智能，但總體看，圖靈測試的方法受人為因素干擾太多，嚴(yán)重依賴于裁判者和被測試者的主觀判斷，因此往往有人在沒有得到嚴(yán)格驗證的情況下宣稱其程序通過圖靈測試，例如2014年6月英國雷丁大學(xué)客座教授凱文?沃維克宣稱一款名為“尤金?古特曼(EugeneGoostman)”的計算機軟件通過了測試[30]，但是測試結(jié)果充滿爭議，例如機器人只要能夠通過30%的評判標(biāo)準(zhǔn)即可被判定通過圖靈測試，另外這個計算機軟件通過扮演一名年僅13歲，且第二外語為英語的男孩讓參與測試的裁判大幅度降低了測試難度。中國科學(xué)院自動化所研究員王飛躍在“關(guān)于人工智能九個問題”中也對圖靈測試存在的問題進行了討論，他的意見主要有以下兩點：（1）第一點是人類的智能并不是一個單一的對象，而是有多個類別組成，同樣人工智能對應(yīng)也是多類別組成。圖靈測試究竟測試的那些類別并不明確，從實踐上看，目前圖靈測試僅僅局限在語言智能等特定小領(lǐng)域里，不具備代表性。（2）圖靈測試并不是考官對一臺計算機測試后就可以宣布其是否擁有智能，圖靈測試的本意是指一個廣義的人類做個為整體的考官，其測試的時間段也不是具體的一段時間而是廣義的時間段，即所有的人類在所有時間都分辨不出人與機器之后，才算其人類智能與人工智能等價。從上述討論可以看出，圖靈實驗只對人工智能系統(tǒng)是否具有人類智能回答“是”或“否”，并不對人工智能系統(tǒng)的發(fā)展水平進行定量分析，而且測試的智能或智力種類還過于單一；在測試方法上存在漏洞，容易被測試者找到漏洞從而產(chǎn)生作弊行為，從上述存在的問題看，圖靈實驗?zāi)壳斑€無法承擔(dān)定量分析智能系統(tǒng)智力發(fā)展水平的需求。二，解決人工智能威脅論爭論的四個困難總體看，目前包括圖靈測試在內(nèi)的各種方案中還存在無法定量分析人工智能發(fā)展水平的問題，只能定性的判斷一個人工智能系統(tǒng)是否和人一樣擁有同等水平的智力。但這個系統(tǒng)和人類智慧進行對比，高低程度如何，發(fā)展速度與人類智慧發(fā)展速度比率如何，上述中研究沒有涉及到可具體執(zhí)行的思路和方案。我們認為這些問題長時間存在，主要與下面提到的四點困難有關(guān)。（1）第一個困難是沒有統(tǒng)一的模型和測試方法對不同的人工智能系統(tǒng)進行測試。人工智能無論從理論研究還是從應(yīng)用實踐都存在眾多分支和發(fā)展方向。在理論上人工智能分為三大學(xué)派，如符號主