云计算（六）：人工智能的历史、现在与未来

人工智能的历史和背景

18世纪末，第一次工业革命，蒸汽机、发动机的诞生推动了机械自动化；
19世纪末，第二次工业革命，内燃机、电动机的问世推动了电气化；
20世纪五十年代到20世纪八十年代（又称传统人工智能时代），第三次工业革命，网络技术、计算机的出现推动了数字化；
现在（又称现代人工智能时代），第四次工业革命，人工智能的发展推动了智能化。

1956年夏，麦卡锡、明斯基等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能（Artificial Intelligence，简称AI）”这一概念，标志着人工智能学科的诞生。人工智能的发展历程可以划分为以下6个阶段：
　　一是起步发展期：1956年—20世纪60年代初。人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。
　　二是反思发展期：20世纪60年代—70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空（例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的发展走入低谷。
　　三是应用发展期：20世纪70年代初—80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。
　　四是低迷发展期：20世纪80年代中—90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
　　五是稳步发展期：20世纪90年代中—2010年。由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年国际商业机器公司（简称IBM）深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。以上都是这一时期的标志性事件。
　　六是蓬勃发展期：2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。

人工智能的三大学派：

1. 符号主义(symbolicism)，又称为逻辑主义、心理学派或计算机学派，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。
2. 连接主义(connectionism)，又称为仿生学派或生理学派，其主要原理为神经网络及神经网络间的连接机制与学习算法。
3. 行为主义(actionism)，又称为进化主义或控制论学派，其原理为控制论及感知-动作型控制系统。

人工智能的主要内容

人工智能是一组技术，使计算机能够执行各种高级功能，包括查看、理解和翻译口语和书面语言、分析数据、提出建议等各种能力。人工智能的广义概念是：对所有智能的模拟和应用；狭义概念是对人脑的模拟和应用。

人工智能作为一门前沿交叉学科，与数学、计算机科学、控制科学、脑与认知科学、语言学等密切相关，其研究的主要内容包括：机器学习（深度学习、统计学习、模式识别和归纳学习等）、计算智能（神经网络、优化算法等）、符号智能（知识工程、自动推理和搜索方法等）和机器感知（自然语言理解、计算机视觉、智能机器人等）等方面。

用于人工智能的芯片简介：

芯片	特征	应用	企业
CPU	逻辑控制、串行运算等通用计算	云端&终端推理	Intel、ARM
GPU	3D、图像处理、密集型并行运算	云端训练	NVIDIA、AMD
DSP	各种数字信号处理	端侧推理	CEVA
FPGA	半定制IC，可编程芯片	云端&终端推理	深鉴科技
ASIC	计算能力和效率可根据算法需要定制	训练&推理	Google、寒武纪
类脑芯片	模仿人脑进行异步、并行和分布式信息处理	端侧推理	IBM、西井科技

目前的深度学习开源软件框架主要有：

开源软件框架	开发团队	开发语言
TensorFlow	Google	C++/Python/CUDA
Caffe	Intel&Facebook	C++/CUDA
Pytorch	Facebook	Python
MXNet	amazon	C++/CUDA
PaddlePaddle	百度	C++
CNTK	微软	C++

人工智能产业发展

人工智能产业链分为三层：基础层、技术层以及应用层。

• 基础层涉及数据收集与运算，这是人工智能的发展基础，包括智能芯片、智能传感器、大数据与云计算等；
• 技术层处理数据的挖掘、学习与智能处理，是连接基础层与应用层的桥梁，包括机器学习、类脑智能计算、计算机视觉、自然语言处理、智能语音、生物特征识别等；
• 应用层是将人工智能技术与行业的融合发展的应用场景，包括智能机器人、智能终端、智慧城市、智能交通、智能制造、智能医疗、智能教育等。

人工智能的发展趋势：得益于硬件技术的发展、深度学习等算法的突破、算力的不断提升以及海量数据的持续积累，人工智能真正大范围地从实验室研究走向产业实践。
（1）以深度学习为代表的算法爆发拉开了人工智能浪潮的序幕，在计算机视觉、知识图谱、自然语言处理等领域广泛应用，相继超过人类识别水平，人际交互产品不断问世。其中，在计算机视觉方面，人脸识别、环境感知等成功应用；在知识图谱方面，知识图谱现已应用于搜索引擎、问答系统；在自然语言处理方面，语音识别、机器翻译、语义识别和语音识别得到了广泛应用。
（2）人工智能与云计算、大数据等支撑技术的融合不断深入，围绕着数据处理、模型训练、部署运营和安全监测等各环节的工具链不断丰富。工程化能力持续增强，人工智能的落地应用和产品交付更加便捷高效。
（3）AI在医疗、制造、机器人、自动驾驶、安防、交通、教育等领域的应用持续深入，社会的数字化、智能化转型不断提速，进一步推动人工智能应用迈入快车道。

人工智能作为引领未来的战略性技术，目前全球主要经济体都将人工智能作为提升国家竞争力、维护国家安全的重大战略。美国处于全球人工智能领导者地位，中国紧随其后，欧洲的英国、德国、法国，亚洲的日本、韩国，北美的加拿大等国也具有较好的基础。

参考文献

• 人工智能的历史、现状和未来
• 人工智能的三大学派:符号主义、连接主义、行为主义
• 人工智能产业发展现状与四大趋势