2021-07-28

什么是人工智能？

人工智能（AI）属于计算机科学的一个分支，它主要关注如何制造出一种智能机器来完成通常需要人工智慧才能胜任的工作。作为一门跨领域交叉学科，AI在机器学习和深度学习方面的进展几乎已经渗入到所有的学科领域，并将不断产生持续而深远的影响。

人工智能如何工作？

在帮助盟军破解德国纳粹恩尼格玛密码机并赢得二战改变历史走向后的1950年，数学家阿兰·图灵用一个简单的问题再次改变了历史：

Can machines think? — Alan Turing, 1950

之后阿兰·图灵的论文《Computing Machinery and Intelligence》以及随后的图灵测试确立了人工智能的基本目标和愿景。

作为计算机科学的分支学科，人工智能的意图在于给阿兰·图灵的问题一个肯定的回答，并努力在机器上复制或模拟人类的智慧。

这样宽泛和宏大的目标使得人工智能引发了许多质疑和争论，这使得的如何定义人工智能成为了一个难题，因为以往从来没有以偏概全这样定义的先例。

而把人工智能简单地定义为“制造具有人类智慧的机器”实际上并不能解释什么是人工智能？怎么才能使机器拥有人类智慧呢？

在斯图尔特·罗素和彼得·诺维格开创性的著作《人工智能：现代方法》中，作者使用了机器代理（人类）这样一条主线，从这个角度来看，人工智能需要成为“从环境中接收感知并执行动作的主体。”

书中诺维格和罗素探索了四种方法，他们使用的这些方法对于界定人工智能领域有着历史性的作用，方法分别如下：

• 像人一样思考

• 理性的思考

• 像人一样行为

• 理性的行为

前两个方法涉及思维，后两个方法则涉及行为。诺维格和罗素尤其关注那些能获得最佳结果的理性方法，他们认为“通过图灵测试所需的所有技能也应该能让人工智能理性行事”。

麻省理工学院（MIT）人工智能和计算机科学的教授帕特里克•温斯顿（Patrick Winston）将人工智能定义为“算法在限定条件下将思维、感知和行动结合在一起，通过不断循环的模型来呈现这种结合”。

虽然这些定义在普通人看来似乎很抽象，但它们有助于厘清人工智能在计算机科学所属的领域并逐渐占有自己的一席之地，同时也为机器学习和其它人工智能次级领域的进一步发展奠定和谱写了蓝图。

在2017年的日本人工智能体验大会上，DataRobot首席执行官杰里米·阿钦（Jeremy Achin）在演讲中首先对人工智能的使用方式给出了以下定义：

“人工智能是一种计算机系统，能够执行通常需要人类智慧的任务，这些人工智能系统中有许多是由机器学习驱动的，有些是由深度学习驱动的，有些是由具体的规则驱动的。”

我们如何使用AI？

人工智能通常可以分为两大类：

狭义人工智能：有时被称为“弱人工智能”，这种人工智能在特定的环境下运行，是对人类智慧的模拟。狭义人工智能通常专注于非常出色地完成单个任务，尽管这些机器看起来很智能，但它们的运行所需要的条件和环境远比人类的需要的条件和环境苛刻。

广义人工智能：有时被称为“强人工智能”，类似我们在电影中看到的人工智能，像《西部世界》或《星际迷航》中的机器人。广义人工智能是一种具有普遍智慧的机器，与人类非常相似，它可以应用这种普遍智慧来解决任何问题。

我们可以举出一些人工智能的实际应用案例：

• 助手类应用（如苹果的Siri和百度的“xiaodu”）

• 疾病绘图和预测类工具

• 制造机器人和无人机

• 个性化的医疗保健治疗建议服务

• 用于营销和客服系统的会话机器人

• 股票交易机器人顾问

• 电子邮件垃圾邮件过滤器

• 针对危险内容及虚假新闻的社交媒体监控工具

• 歌曲及电视节目推荐服务

狭义人工智能

狭义人工智能无处不在，是迄今为止人工智能最成功的实现方式。通过专注于执行特定任务的方式，狭义人工智能在过去十年已经经历了数次重大突破，奥巴马政府在2016年发布的报告《Preparing for the Future of Artificial Intelligence》声称，这些突破“带来了显著的社会效益，并为国家的经济活力作出了贡献”。

我们来列举一下狭义人工智能的几个示例：

• 谷歌搜索服务

• 图像识别软件

• Siri、xiaodu等私人助理服务

• 自动驾驶汽车

• IBM的Watson

机器学习（Machine Learning）与深度学习（Deep Learning）

许多人工智能的具体应用都是由机器学习和深度学习方向的突破所驱动的。理解人工智能、机器学习和深度学习之间的区别可能会让人困惑。风险投资家法兰克·陈对如何区分他们提供了一个很好的概述：

“人工智能是一套试图模仿人类智能的算法和智慧。机器学习就是其中之一，而深度学习又是机器学习中的一种技术。”

简而言之，机器学习为计算机提供数据，并使用统计技术帮助它“学习”如何在一项任务中逐步取得更好的成绩，而无需我们专门为该任务编写大量复杂的代码。机器学习包括有监督学习（使用标记数据集）和无监督学习（使用未标记数据集）。

深度学习是一种机器学习，它通过一种受生物启发的神经网络结构来运行输入。神经网络包含许多隐藏层，通过这些层处理数据，使机器能够“深入”学习，层与层之间类似神经一样互相连接并对处理的数据进行加权以获得最好的结果。

通用人工智能

对于许多人工智能研究人员来说，创造一台具有人类水平智能、可应用于任何任务的机器是必生梦想，但是在这条探索通用人工智能的道路上却布满坎坷。

寻找一种“在任何环境中学习和行动的通用算法”并不是什么新鲜事，但随着时间的推移，创造一台拥有完整认知能力的机器所面临的困难却并没有实质性的减少。

通用人工智能长期以来一直是反乌托邦科幻小说的缪斯女神，在这些小说中，超级智能机器人超越了人类，但专家们认为，短期内这不是我们需要担心的事情。

人工智能的历史

智能机器人和人工生物最早出现在古希腊神话中。亚里士多德对三段论的发展及其演绎推理的运用，是人类寻求理解自身智慧的关键时刻。虽然根源是漫长而深刻的，但今天我们所讨论的人工智能的历史跨度才不到一个世纪。下面是人工智能中一些关键节点事件的简要整理。

1943

沃伦·麦卡洛和沃尔特·皮特发表了《神经活动中内在思想的逻辑演算》，提出了第一个建立神经网络的数学模型。

1949

唐纳德·赫布在他的《行为的组织：神经心理学理论》一书中提出了这样一个理论：神经通路是从经验中产生的，神经元之间的联系随着使用频率的增加而加强。Hebbian学习仍然是人工智能的一个重要模型。

1950

阿兰·图灵出版了《计算机器与智能》，提出了现在所称的图灵测试，一种确定机器是否智能的方法。

“计算机之父”—— 阿兰·图灵

哈佛大学本科生马文·明斯基和院长埃德蒙兹建立了第一台神经网络计算机SNARC。

克劳德香农发表论文“编程计算机下棋”

艾萨克·阿西莫夫在小说《i ！Robot》中提出了著名的“机器人三定律”

艾萨克·阿西莫夫

1952

亚瑟·塞缪尔开发了一个玩跳棋的自学程序。

亚瑟·塞缪尔和他的跳棋程序

1954

乔治敦-IBM机器翻译实验：60个精心挑选的俄语句子自动翻译成英语，这是有史以来的首次机器自动翻译。

首次自动翻译

1956

“人工智能”一词是在约翰·麦卡锡领导的“达特茅斯夏季人工智能研究项目”上创造的，该会议定义了人工智能的范围和目标，被广泛认为是我们今天所知道的人工智能的诞生。

“人工智能之父”——约翰·麦卡锡

艾伦纽厄尔和赫伯特西蒙演示逻辑理论家（LT），第一个推理程序。

1958

John McCarthy开发了人工智能编程语言Lisp，并发表了论文《有常规认知的程序》。论文提出了一个假设性的建议接受者，一个完整的人工智能系统，能够像人类一样有效地从经验中学习。

1959

艾伦·纽厄尔、赫伯特·西蒙和J.C.肖开发了通用问题求解器（GPS），这是一个模拟人类解决问题的程序。

赫伯特·盖伦特开发了几何定理证明程序。

亚瑟·塞缪尔在IBM工作时创造了机器学习这个术语。

约翰·麦卡锡和马文·明斯基发现了麻省理工学院的人工智能项目。

“人工智能之父”——马文·明斯基

1963

约翰·麦卡锡在斯坦福大学开设了人工智能实验室。

1966

美国政府的自动语言处理咨询委员会（ALPAC）报告详细说明了机器翻译研究缺乏进展，这是冷战时期的一项重大举措，有望实现俄语的自动即时翻译。ALPAC报告导致所有政府资助的MT项目被取消。

1969

DENDRAL开发成功，旨在用于帮助化学家判断某待定物质的分子结构，用于帮助医生对住院的血液感染患者进行诊断和选用抗菌素类药物进行治疗的人工智能MYCIN系统在斯坦福研发成功。

DENDRAL

1972

逻辑程序设计语言PROLOG建立。

1973

英国政府发布的“莱特希尔报告”（Lighthill Report）详细说明了人工智能研究中未达预期的地方，导致人工智能项目经费的严重削减。

Lighthill Report

1974-1980

对人工智能开发进展的失望导致了国防高级研究计划局在学术资助方面的大幅削减。再加上早前的ALPAC报告和前一年的“Lighthill报告”，人工智能资金枯竭，研究停滞。这一时期被称为第一次“AI寒冬”

1980

数字设备公司（DEC）开发了第一个成功的商业专家系统R1（也称为XCON）。R1旨在为新的计算机系统配置订单，它启动了专家系统的投资热潮，这种热潮将在接下来的10年里一直保持，正式宣告“AI寒冬”落幕。

1982

日本国际贸易工业省启动了雄心勃勃的第五代计算机系统项目。第五代计算机系统项目的目标是开发拥有类似超级计算机的性能AI开发平台。

1983

为了应对日本的第五代计算机系统，美国政府启动了战略计算计划，美国国防部高级研究计划局开始为先进计算和人工智能领域的研究提供资助。

1985

各公司每年在专家系统上的花费超过10亿美元，Lisp机器市场（Lisp machine market）应运而生。像Symbolics和Lisp Machines Inc.这样的公司开始生产运行人工智能编程语言Lisp特定计算机。

Symbolic 3600

1987-1993

由于随着计算技术的进步，出现了更便宜的替代品，Lisp机器市场在1987年崩溃，人工智能领域迎来第二次“AI寒冬”。在这期间，由于各种专家系统的维护和更新成本过高，最终被市场抛弃。

日本于1992年终止了第五代计算机系统项目，理由是未能实现十年前提出的宏伟目标。

美国国防高级研究计划局（DARPA）在花费了近10亿美元后，发现AI相关研究的进展远低于预期后，于1993年终止了战略计算计划。

1991

海湾战争期间，美军部署了一种自动化后勤规划和调度工具DART。

1997

IBM深蓝击败国际象棋世界冠军加里·卡斯帕罗夫。

深蓝VS加里·卡斯帕罗夫

2005

斯坦福大学的”斯坦利“自动驾驶汽车，赢得了国防高级研究计划局的大挑战。

美国军方开始投资自主机器人，如波士顿动力公司的“大狗”和iRobot公司的“PackBot”。

波士顿动力的各类型机器人

2008

谷歌在语音识别方面取得突破，并在其iPhone应用程序中引入了这一功能。

2011

IBM的问答机器人Watson在综艺节目《危险边缘》击败了人类对手。

2012

谷歌脑深学习项目的创始人吴恩达，将1000万YouTube视频作为训练集输入给一个使用深度学习算法的神经网络，神经网络在没被事先告知猫是什么的情况下学会了识别猫，突破性的开创了神经网络和深度学习的新时代。

吴恩达

2014

谷歌制造了第一辆通过州驾驶考试的自动驾驶汽车。

Waymo自动驾驶汽车

2016

谷歌人工智能机器人AlphaGo击败世界围棋冠军李世石。围棋的复杂性被认为是人工智能领域需要克服的一大障碍。

AlphaGo VS 李世石

今天的AI小知识分享就到这里了，识别二维码关注”AI小知识“，了解更多有趣的AI的知识！