這家人工智慧先驅是如何引領AI技術發展的？

1956年8月，數位科學家於美國漢諾斯小鎮寧靜的達特茅斯學院匯聚一堂，討論著一個在當時看來完全不食人間煙火的主題：用機器模仿人類學習以及其他方面的智能。他們之中的任何一位放在今天都是聲名赫赫的科學巨擘，比如克勞德·香農、馬文·明斯基、約翰·麥卡錫……正是在這次名留青史的「達特茅斯會議」上，人工智慧的概念正式誕生。

時間走到2016年春，那場被人津津樂道的谷歌AlphaGo與圍棋高手李世石人機「世紀大戰」如同一股洶洶而來的海嘯，把全球推上了人工智慧浪潮的新高。

以此為爆點，深度學習技術在圖像識別、自然語言處理等方向上取得了前所未有的成功，並推動相關行業的快速發展，人臉識別、機器翻譯、智能音箱等應用開始滲透到人們的生活中。

從「達特茅斯會議」到「世紀大戰」，人工智慧已經走過了60年的歲月，在這一甲子的光陰里，它的發展經歷了數次「寒冬」與「熱潮」輪迴交替，知名半導體製造商東芝，就是走在AI技術浪潮最前沿的先驅者。

「走迷宮」和第一次人工智慧浪潮

達特茅斯會議推動了全球第一次人工智慧浪潮的出現，即為1956-1974年。這一時期人工智慧研究的基本假設就是將人類思考方式機械化，並加以邏輯學知識，通過簡單的0和1表達出來。最出名的方法論是搜索式推理，其原理就像走迷宮一樣，一步步前進，如果遇到了死胡同就進行回溯，然後再從另一條路繼續嘗試。

當時，樂觀的氣氛瀰漫著整個學界，在演算法方面出現了很多世界級的發明，包括一種叫做增強學習的雛形（即貝爾曼公式），增強學習就是谷歌AlphaGo演算法的核心思想內容。至於現在經常聽到的深度學習模型，其雛形也是在那幾年間發明的。

除了方法論和演算法有了新的進展，在第一次浪潮中，科學家們還造出了聰明的機器。其中有一台叫做STUDENT的機器能證明應用題，還有一台叫做ELIZA的機器可以實現簡單人機對話。

東芝正是在這一時期（1967年）製成了世界上第一台郵政自動分揀機，首次實現了由機器分揀郵件的能力。據悉，這台郵政分揀機採用當時尖端水平的OCR（光學字元識別）技術，可自動讀取手寫郵政編碼，達到每秒完成6封郵件的分揀速度，即便當時手寫文字不能像列印字體一樣清晰工整，針對筆畫潦草、字跡模糊的郵件，這台分揀機亦能清晰準確識別。由此，東芝被稱為「AI技術發展的先驅」。

當時，包括走迷宮、下象棋之類貌似需要人類智慧的問題都被人工智慧攻克，但人工智慧的第一次「寒冬」也很快隨之而來。隨著時間的推移，人們漸漸發現邏輯證明器、感知器、增強學習等等只能做很簡單、集中於某一狹窄知識領域的任務，稍微超出範圍就無法應對。但現實生活中的問題往往要複雜的多，比方如何確定某個人患有什麼病，某家公司需要開發什麼產品比較好等等，面對這些更貼近生活的問題人工智慧就變得束手無策。當這種局限性暴露出來後，眾人的熱情也開始消退。

「專家系統」和第二次人工智慧浪潮

進入20世紀80年代，卡耐基·梅隆大學為DEC公司製造出了專家系統，這個專家系統可幫助DEC公司每年節約4000萬美元左右的費用，特別是在決策方面能提供有價值的內容。受此鼓勵，很多國家包括日本、美國都再次投入巨資開發所謂第5代計算機，當時叫做人工智慧計算機。

人們因而開始重拾對人工智慧的熱情，這就是所謂的第二次熱潮。在這一時期誕生了許多重要的人工智慧數學模型，其中包括著名的多層神經網路和BP反向傳播演算法等。

與利用推理等簡單規則的第一次人工智慧浪潮技術不同，新一輪的人工智慧技術開始走向專業化，它會借用某個領域專家的知識來武裝自己。例如，如果你想要取代醫生，那麼只需要將大量的病理知識輸入計算機即可；如果你想取代律師，同理給它輸入法律知識即可。上文提到的「專家系統」就是其中的典型。在這一時期，東芝製造出了第一批實現假名漢字轉換的文字處理器和可自動翻譯文字的電話。

但後來隨著技術的發展，人們發現為了給計算機提供知識，就必須先傾聽專家的意見，這樣做不僅成本大，操作也十分困難。另外，隨著知識量的不斷增加，知識之間經常出現矛盾和前後不一致的現象。在這樣的現實面前，眾人不禁搖頭嘆息，人工智慧再次步入第二次「寒冬」。

「大數據」和第三次人工智慧浪潮

寒冬和低潮並不可怕，相反，它會讓狂熱的人們沉靜下來，開始去真正思考一些更實質的問題。過去，人工智慧一直存在兩種發展路徑：其一是通過對人類大腦的逆向工程模擬，讓機器具有人類的智能，但這一研發路徑受制於人類大腦科學、生理心理科學的突破，目前發展陷入瓶頸；其二則是通過對海量數據的積累與深度的學習能力，使得計算機可以對一些事物提供類似智能化的決策、判斷和應對解決方案。

第二種思路其實源於一種很樸素的智慧，早在3000多年前的古埃及，法老們就通過在河邊石柱上留下的每年測量尼羅河水位的刻度，來預測來年的稅收數量。換言之，人類觀察數據並利用數據的事例自古有之，只不過那時數據積累的過程緩慢，但即便如此，在數據量達到一定程度後，人們依然能夠從中發現規律並以此指導自己的生產、生活。如今，隨著移動互聯網和物聯網時代的到來，數據量突然開始呈現指數級暴增，當人們獲得質變性的、海量的、具有代表性的數據之後，除了對規律的認識更深刻外，足以顛覆世界的創新得以產生——機器可以完成一些過去只有人類才能做到的事情，比如人工翻譯、自動駕駛、重大公共事件預測、消費行為預測等。新的數學工具、新的理論和新的演算法推動了第三次人工智慧浪潮的蓬勃發展。

在以大數據為導向的人工智慧時代，對海量數據的分析處理能力成為各家企業掘金的「戰略高地」。過去，計算機的「大腦」是中央處理器CPU，但是典型CPU的架構中需要大量的空間去放置存儲單元和控制單元，相比之下計算單元只佔據了很小的一部分，算力無法滿足深度神經網路（DNN）的計算需求，因而，適合大規模並行計算需求的AI晶元開始興起，典型的比如GPU、FPGA、ASIC、類腦晶元等……

東芝當然不會錯失這種良機。2016年，東芝開發出一款可用於人工智慧深度學習的腦型晶元。這款1.9毫米的腦型晶元，將3.2萬個像腦細胞一樣的電子迴路集成一體，這些迴路自帶計算單元及配套的存儲單元，可以並行處理大量連續模擬數據信號，對其中的數據特徵進行學習。同一腦型晶元中眾多迴路協調起來，最終形成像腦神經迴路一樣的系統，完成人工智慧所需的大量信息數據的複雜計算、處理和深度學習任務。

2017年，東芝又針對無人駕駛領域推出Visconti4系列圖像識別處理器，該處理器採用東芝獨創的高精度檢測技術，經過諸多演算法和圖像硬體加速器對可視物進行數據分析處理，可高效地辨別背景物體以及步行者之間的微妙色差，不僅在白天，即便是低光照射情況下或是在漆黑的夜晚，「Visconti4」圖像識別處理器亦可輕鬆對車輛和行人加以辨識，對交通信號、障礙物、行車線等信息加以識別，從而實現各種高級的駕駛員輔助應用，如入車道偏離警告、前方/後方防撞警告、前方/後方行人防撞警告、交通標識識別等等，從而大大提高車輛行駛安全性。要知道，這一切的發生並不需要在汽車內放置一台很大的計算機，一枚小小的晶元便能夠在行駛的瞬間完成上述工作。

東芝AI宗旨：為了人類和地球的明天

在人類社會經歷的三次人工智慧浪潮中，東芝始終用創造性的產品推動著這項足以改變人類世界的技術向前發展。未來，東芝將以「為了人類和地球的明天」為宗旨，加強對人工智慧技術的研發和應用，以解決人類社會面臨的一系列問題。

針對日常生活，東芝研發產品的出發點是怎樣為人們帶來便利，典型的比如其「RECAIUS」項目

想像一下，人們出國旅行，來到一家以美味著稱的餐館，卻往往被菜單上的異國文字搞得一頭霧水，如果菜單上又沒有圖片，根本不知道該如何點菜，而東芝的「RECAIUS」可幫你擺脫這個困境，拿起智能手機對準菜單進行拍攝，東芝「RECAIUS」可以瞬間把菜品翻譯成母語，讓你輕鬆點菜。

針對整個社會，東芝則著眼於人類的可持續發展。為此，東芝致力於將人工智慧領域的先進經驗和技術應用於其所覆蓋的電力、社會基礎設備、交通運輸等領域，使其在提升發電站效率，維護基建設備等各個方面發揮作用。未來，人工智慧技術還將不斷發展和完善，將對解決由於發達國家出生率下降和人口老齡化造成的勞動力減少、發展中國家人口增長和溫室效應等產生的一系列社會問題發揮極大作用。

半個世紀的堅持，讓東芝AI技術「厚積」沉澱，至於未來的「薄發」，且讓人拭目以待。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！