關於人工智慧，你要知道的歷史和未來

提到人工智慧，大家首先就會想到科幻電影里的人形機器人。但是人工智慧要比人形機器人更廣泛，正式的定義是：研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的學科。人工智慧界有兩種觀點：一種觀點認為我們最終會造出真正能夠進行推理和解決問題的智能機器--也被稱為強人工智慧。另一種觀點則認為我們應該關注對人的特定功能的模擬--也就是所謂弱人工智慧。強人工智慧可以看作是進化的人，具有自主的意識。弱人工智慧只是更加聰明的工具，但是不具有自主的意識。

人的智能是非常複雜的，至今我們也不是特別清楚智能是怎麼產生的，但是我們可以大致將人的智能分為處理大量視覺信息的能力、語言溝通能力、控制自己行為動作的能力、決策的能力，人工智慧就是從這幾個方面來模擬人類的智能。

說到人工智慧的歷史，它誕生於1956年的達特茅斯會議，主要分為三個流派：一派崇尚的是邏輯主義，認為智力的本質是推理和證明。一派被稱為連接主義，認為人工智慧需要通過仿生學來實現。最後一派是行為主義學派，認為我們從模擬行為的路徑來突破人工智慧。

三個流派在過去的幾十年里此消彼長。在達特茅斯會議之後不久就掀起了第一次人工智慧熱潮，這一浪潮由邏輯主義學派引領，主要成就是規則化的知識表示和定理證明。1958年，邏輯主義的先驅西蒙和紐厄爾（Simon&Newell）就樂觀地預測計算機能夠在十年內完成四項人工智慧任務，即戰勝國際象棋大師、發現和證明有意義的數學理論、譜寫優美的樂曲和實現大多數心理學理論。

事實是，戰勝國際象棋要一直等到40年後才由IBM的深藍系統實現。計算機雖然幫助證明了一些數學理論，但是至今無法發現有意義的理論，而譜寫優美的樂曲和實現心理學理論還非常的遙遠。

由於邏輯主義長期無法突破重要人工智慧問題，第一次人工智慧浪潮漸漸冷淡下來。到了1970年代，連接主義興起，掀起了第二次人工智慧浪潮。這一時期最主要的成就是發明了感知器演算法，用以模擬神經元的功能和反向傳播的演算法，用於解決多層神經網路的訓練問題。

但是人們很快發現，當時的運算條件下，神經網路的深度不能很高，而淺層的神經網路只能解決非常簡單的問題。到了1990年代，人工智慧領域再次陷入低潮。到了21世紀，隨著各種分散式計算框架的誕生和數據量的增加，深層神經網路的訓練成為可能，這就催生了深度學習。深度學習引領了連接主義的復興，同時，以強化學習為代表的行為主義也在興起。在這兩個因素影響下，人工智慧領域再次復甦。谷歌的阿爾法圍棋（AlphaGo）使用深度強化學習擊敗了人類最強圍棋選手，就是這個時期的代表成就。

目前，我們處於以深度學習和強化學習為代表的第三次人工智慧浪潮中。個人認為，這輪人工智慧的興起主要原因有兩個：一個是計算機產業的發展提供了足夠的計算力，使我們能夠運行一些複雜的人工智慧演算法；一個是互聯網產業的發展為人工智慧提供了大量的訓練數據。

在相當長時間內，人工智慧都還會以專用的弱人工智慧系統為主，所以不存在威脅到人類生存的問題。另外目前人工智慧領域的突破主要是在工業界，存在重視實踐、輕視理論的特點。人們對於許多演算法為什麼能夠工作都不是特別理解，我相信在未來一段時間內，一定會有一個通用的理論框架來指導人們進行深度學習和強化學習的探索。人工智慧會不斷地進入人們的生活，尤其是當它與物聯網和智能控制結合在一起的時候，將會代替非常多的重複性的人類工作。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！