「三起兩落」的人工智慧發展歷程（下）

【導言】本文主要闡述世界人工智慧技術起起落落、磕磕絆絆的歷史發展過程，讓讀者通過閱讀，了解世界範圍內人工智慧的發展脈絡和重要事件，獲得某些啟發。

本文分為上、下兩部分，分兩次連續發布，這是第二部分(下)。

四、人工智慧的第二次衰落

可是，人工智慧的復興，並沒有使人們真正興奮起來，只維持了短短的7年，就遭遇「滑鐵盧」，再一次衰落。自1987年起，蘋果(Apple)和IBM(國際商業機器公司)兩家公司開始生產和推廣它們的第一代台式PC機，個人電腦開始進入普通家庭。這些PC機雖然沒有用到基於人工智慧技術研發的專家系統，但是在性能上卻遠遠超過了價格昂貴的SYMBOLICS和LISP等機器。到後來，美國國防部高級研究計劃局(DARPA)的新任領導直接給人工智慧定了「死罪」，判定人工智慧並不是「下一個浪潮」，將撥款投向那些看起來更容易出成果的項目，冷落了AI。

於是，厄運再次降臨，人工智慧硬體的市場需求急劇下降，緊接著，各國政府也開始削減科研經費，人工智慧進入了第二波衰落期，時間從1987年至1993年，持續了6年。

五、人工智慧的勃興

進入20世紀90年代中期，隨著人工智慧技術，特別是神經網路技術的不斷進步，以及人們對人工智慧認知的不斷深化，世界又一次被推進人工智慧的熱潮，開啟了人工智慧勃興的新時代。

自1993年至今，令人振奮、具有重要意義的人工智慧重大事件在世界範圍內接踵而來，讓人應接不暇：

1997年，IBM研發的計算機系統「深藍」(Deep Blue)戰勝國際象棋世界冠軍卡斯帕羅夫，成為首個在標準比賽時限內擊敗人類象棋冠軍的電腦程序，引起世界轟動，用鐵的事實告訴人們，人工智慧在推算和信息處理方面比人類更聰明更快速，這是人工智慧發展史上的第一次突破。

1998年，漢普頓(Hampton)和鍾少男創造了寵物機器人FURY；燕樂存和本吉奧(Bengio)發表了關於神經網路應用於手寫識別和優化反向傳播的論文。

2000年，布雷澤爾(Breazeal)建造了一款可以識別和模擬人類情緒的機器人KISMET；本田推出了一款能像人一樣快速行走、在餐廳中為顧客上菜的人工智慧機器人ASIMO。

2006年，艾奇奧尼(Etzioni)和班科(Banko)在《機器閱讀(Machine Reading)》一書中將「機器閱讀」一詞定義為「一種無監督的對文本的自動理解」；辛頓(Hinton)發表了《學習多層表示(Learning Multiple Layers of Representation)》，提出了希望學習生成模型(generative model)的觀點。

2007年，李飛飛和普林斯頓大學的同事開始建立一個大型的、旨在幫助視覺對象識別軟體進行研究的注釋圖像資料庫ImageNet。

2009年，美國西北大學智能信息實驗室計算機科學家開發了一個無須人工干預、能夠自動撰寫體育新聞的程序STATS MONKEY。

2011年，超級電腦沃森(WATSON)作為IBM開發的、使用自然語言回答問題的人工智慧程序參加美國益智節目「危險邊緣」，打敗了兩位人類冠軍。

2012年，加拿大神經科學家團隊開發了一個具備簡單認知能力、擁有250萬個模擬「神經元」的虛擬大腦SPAUN，並通過了最基本的智商測試。

2012年，谷歌的吳恩達和迪恩(Dean)從YouTube視頻中提取了1000萬個未標記的圖像，訓練一個由16，000個電腦處理器組成的龐大神經網路，在沒有給出任何識別信息的情況下，人工智慧通過深度學習演算法準確地從中識別出貓科動物的照片。這一案例向人們揭示了，人工智慧已經具備了一定程度的「思維」能力。

2013年，臉書(Facebook)成立了人工智慧實驗室，開始探索深度學習領域，為用戶提供更加智能化的產品體驗；谷歌收購了語音和圖像識別公司DNNResearch，推廣深度學習平台；百度創立了深度學習研究院等。至此，深度學習演算法開始被廣泛應用於產品研發。

2014年，谷歌在內華達州通過了自動駕駛汽車測試。

2015年，谷歌開源了利用大量數據直接就能訓練計算機來完成任務的第二代深度機器學習平台Tensor Flow；劍橋大學建立了人工智慧研究所等。

2016年，谷歌人工智慧機器人阿爾法狗與圍棋世界冠軍韓國職業九段棋手李世石展開人機大戰，最終李世石以總比分1比4，被阿爾法狗擊敗。

這一人工智慧戰勝人類智能的標誌性事件，令世界為之震撼，令科技界為之激奮，令業界為之無眠，隨即引爆了一場新的技術革命，也引爆了一場新的商業革命。谷歌、微軟、百度等互聯網巨頭，包括眾多初創科技公司，都迫不及待地加入了AI技術和產品的市場紛爭，掀起了AI技術的「下一個浪潮」。

註：本文圖片源自網路

發布完畢

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！