人工智能简介

中科院院士张钹简单分析了人工智能发展的两条路径：一是符号主义，即从信息处理的宏观层面去模拟智能；二是连接主义，即从网络介观层面去模拟人类行为。当人工智能的开拓者提出上述方向时，不少人认为不可能，但事实证明这两条路都行得通。


“人工智能第一次震撼，是IBM的‘深蓝’程序打赢国际象棋冠军，这是用计算机模拟人类下象棋的理性思考过程，证明了符号主义这一条路走得通。”张钹说。


人工智能第二次对人类的“暴击”，是基于神经网络的深度学习，AlphaGo抛弃了传统围棋程序的编程方法，创造性地利用机器学习，来获取下棋的经验与直觉，结果战胜世界围棋冠军。“更值得注意的是AlphaGo Zero从零开始，通过36小时自我学习，超越人类3000年的围棋经验，以100比0击败了上一版本的AlphaGo。这证明第二条路也走得通。”张钹说。




“我国的人工智能技术可谓与世界发达国家‘同步’，但伦理和法律研究则严重滞后，这种‘缺位’会制约我们未来的发展。”


人工智能系统抗干扰能力（鲁棒性）差，推广能力弱，甚至可能犯大错。




每一次新技术的诞生和发展往往会催生一批新的平台和架构；从计算机和互联网的繁荣到移动互联网的兴起，我们已经逐渐习惯颠覆和垄断的不断发生；每一次新平台和架构的诞生也孕育着暗流涌动的产业变革，之如 1971 年的英特尔，1980 年的微软，1998 年的谷歌，2007 年的苹果 ，和 2010 年的 Facebook 。


科技巨头拥有巨大的技术、数据、人才、产品线和资金等资源优势，谷歌 TensorFlow 帮助开发者将想法变成产品；Facebook 使用机器学习每秒进行 600 万次预测；亚马逊的 Echo 成为全球最为成功的消费级语音交互产品。而初创企业也通过自身强大且灵活的技术创新能力和垂直场景的应用给行业带来惊喜。


tensorFlow
TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。


TensorFlow可被用于语音识别或图像识别等多项机器深度学习领域，对2011年开发的深度学习基础架构DistBelief进行了各方面的改进，它可在小到一部智能手机、大到数千台数据中心服务器的各种设备上运行。TensorFlow将完全开源，任何人都可以用。




从目前的文档看，TensorFlow支持CNN、RNN和LSTM算法，这都是目前在Image，Speech和NLP最流行的深度神经网络模型。


不过总的来说，这次谷歌的开源很有意义，尤其是对于中国的很多创业公司来说，他们大都没有能力理解并开发一个与国际同步的深度学习系统，所以TensorFlow会大大降低深度学习在各个行业中的应用难度。