浅谈AI

一、 何为人工智能？
二、 国内外发展情况？
三、 在医疗领域的发展？
四、 区块链和雾计算？
说起AI，大家肯定先想到的就是“AlphaGo ”和“Master”，创造了一系列的人机围棋对抗记录，其实很早之前，就出现过一个跟它们很类似的机器：“机械的土耳其人”：这个名字源自于一台能下象棋的“自动装置”，它是匈牙利魔术师沃尔夫冈•冯•肯佩伦（Wolfgang Von Kempelen）1770年建造的，根据其外观而命名的，它能自动而快速地下象棋，用复杂的齿轮和杠杆系统来移动棋子。在维也纳皇宫的首次表演中，它就迅速击败了当时的女皇及多位贵族，让在场的皇室成员看得十分高兴。从此关于这个惊人聪明的机器人迅速闻名于世，于是肯佩伦带着它在欧洲各地表演，击败了一系列著名的挑战者，包括拿破仑和本杰明•富兰克林。直到几年之后，这个骗局才被揭穿。原来机箱里藏了一名象棋大师，这个人实际是在模拟一种人工智能。
AI真正的来源是在1956年夏季由一批科学家在美国的达特茅斯大学举办了一次研讨会，会议上同意使用由麦卡锡提出的新术语：人工智能（Artificial Intelligence，缩写为AI），标志着人工智能学科的诞生。而到了上世纪 80 年代，硅谷的人工智能初创公司蓬勃发展，但大部分产品都没有任何真正的商业价值。商业的热情在他们所谓的“AI寒冬”中结束了。
没有人想投资零商业价值的伪科学。商业想要的东西应该非常清晰、具体、容易经营、控制和操纵。而这些与人工智能恰恰相反，其意图是不清晰的。就目标或要求而言，它是不具体的，也不可能管理，控制或操纵。
也就是说，如今，没有任何一家单体公司想在他们的投资组合中，给AI下留一席之地。他们所渴望的是机器学习的智能。最好的一流数据源、人类开发员和工程师之间的共生关系，可以挖掘出那些统计数据中最好的东西，同时尽可能多的让工作自动化。
大部分数据被微软，苹果，谷歌，Facebook 和亚马逊这五大公司占有，也确实成了一大问题。那些希望用 AI 吸引投资者的初创公司，大多都注定要失败，因为没有合法的方式可以连接到“5 大 ”数据集。没有这些数据，新生可竞争的 MLI 就无法生存下去。
想一想。就在五年前，每个人都谈到了社会媒体革命，我们组成了一个有生命—互相谈话—互相分享的生物，并产生 了24 亿美元的投资。而今年我们的基金甚至还不到 700 万美元，而且它还在下降。
我打赌，五年之内 AI 也将是同样的下场。不仅仅是我，连 Symantec 的联合创始人 Jerry Kaplan 和卡巴斯基实验室的创始人兼 CEO Eugene Kaspersky 也同样说道：AI本质上是一个新的投资泡沫，它任何时候都可能破灭，因为它基于“无收入”的评价。
当然这还要说一个前提是关于人工智能与机器学习的区别：举个购物车的例子：机器学习（ML） 无法写出创造新功能的程序代码，因此它的代码仅仅是一个美化版的购物车，而不是推荐机器人；真正的AI是在纯粹的理论情况下，购物车将开始自我改进，并最终找到一种方法来吸收现有的一切数据和数字化知识，然后绕过现有的一切安全障碍和规则，最终找到自己的目的和行为模型，其进化速度是人类所无法理解的。
人工智能还不存在，而每个假装有人工智能技术的公司，大多数都是在重新出售“机器学习”这一古老的概念。科学家初次介绍机器学习是在 1959 年，它开始正式“起飞”的时间是 90 年代，云计算、大数据和惊人的搜索算法最终将成为“这枚火箭的燃料”。由于大量的统计数据以他们的方式涌现，系统和服务可以自我改善，但这和 AI 没有任何关系。机器学习智能是完全不同的故事。它真的能“火”。但这将是另一篇文章的故事。（来自于http://www.leiphone.com/news/201609/fFUy0kwpkuWTvPWx.html）
再举例而言，「人工智能」这个概念刚被作为研究课题提出来的时候，当时就有种说法，只要把计算机国际象棋和机器翻译两个标志性的任务解决，让机器象棋能够打败人类，让机器翻译能达到人类水平，人工智能就算达到了。1997年，IBM公司的深蓝超级计算机就打败国际象棋世界冠军卡斯帕罗夫，去年，比国际象棋更难的围棋高地也被AlphaGo做占领，然而机器翻译到现在与人类翻译水平仍然相去甚远，自然语言处理有多困难也就无需多言。当然，目前NLP技术并没有达到非常高的水准，背后的原因是NLP难以突破人工智能的三大基本限制条件：
1、确定性
2、完全的知识和信息
3、封闭化、特定化的问题
（http://www.cnelc.com/Article/79/170224/AD100680949_2.html）
很多人说，强化学习被认为是真正的人工智能的希望。其中应用深度学习解决强化学习问题的最著名的例子就是前面提到的“AlphaGo”；强化学习（Re-inforcement Learning），一种基于与环境互动的目标导向的学习。 （http://www.leiphone.com/news/201702/iKF8vvBdmCfq2JZn.html）
（http://www.leiphone.com/news/201702/Woa0KOzNObiosGk0.html）
（http://www.leiphone.com/news/201702/78RBzlVYe8wLmdfz.html）
Amazon的AWS：图像识别，文字转语音服务, 语音识别系统
（http://www.leiphone.com/news/201612/COmqfldG8tb180Tu.html）
Google： DeepMind从Torch7转向TensorFlow平台， DeepMind凭借 AlphaGo 战胜李世石后，开始发力医疗领域，与英国国家医疗服务体系（NHS）进行了二度合作，并和 Moorfields 眼科医院一同开发识别视觉疾病的机器学习系统，当时合作的项目主要是糖尿病视网膜病变和因衰老导致的黄斑病变(AMD)，通过获取医疗机构的眼部医学影像，DeepMind 将利用机器学习做出判断。
（http://www.leiphone.com/news/201702/NavGlj3mwfCVT4AX.html）
（http://www.leiphone.com/news/201607/MMBW6onF6FzzHMYJ.html）
IBM 也开始发力进军眼部医学诊断，这一次它们的目标是青光眼。
（http://www.leiphone.com/news/201702/bumYKzzuDCOJCXDD.html）
（http://www.leiphone.com/news/201702/sFCXjOtyPw5RNB3c.html）
（http://www.leiphone.com/news/201609/baXiPEqGQvdzR6V1.html）
（http://www.leiphone.com/news/201609/I8h1GIBYblvtrzZk.html）
微软Azure ：监测病人在家的身体信息；预测眼科手术结果
（http://www.leiphone.com/news/201612/nurvLThe876vRsQA.html）
（http://www.leiphone.com/news/201608/D2AHXAIiP53PFL63.html）
（http://www.leiphone.com/news/201611/zEE2bDhQEzIr6ng5.html）
Facebook用AI识别潜在自杀用户；将反馈融入AI系统，视觉障碍者现在也能“读懂”照片
（http://www.leiphone.com/news/201703/KWfuRjtHyx4Kgkx7.html）
（http://www.leiphone.com/news/201702/NoDq14qjDAP5XWou.html）
百度：加大AI、云计算、金融服务、无人驾驶汽车等产业的投资
（http://www.leiphone.com/news/201702/zTb7PiT3iZxoHMn9.html）
搜狗：搜索本来就是AI
（http://www.leiphone.com/news/201702/oziXQKV01aOWpTGh.html）
但是目前来说AI 诊疗并未能快速发展，主要原因在于数据的数量和质量在目前阶段尚不足以支持真实问诊环节。诊疗是一个非常个性化及私人化的活动，要让就诊数据得到大规模的开放和运用，除了在基于语义的自然语言处理上进行大数据分析外，也需要法律的支持和保护。
（http://www.leiphone.com/news/201609/sAhnWCox1nigNuV7.html）
参考连接：
云计算：
http://digi.163.com/17/0222/06/CDRVNT4L001680N8.html
雾计算：
http://www.leiphone.com/news/201605/AcmuEexBpMYhKaIJ.html
区块链：
http://www.leiphone.com/news/201702/SukrWuCtTbGlfJSe.html