皇马对阵莱加内斯

人工智能的發展和定義

首頁    人工智能    人工智能動態    人工智能的發展和定義

rengognzhienng

  • 人工智能的發展歷史

說起人工智能這詞,不得不提及人工智能的歷史。人工智能的概念主要由Alan Turing提出:機器會思考嗎?如果一臺機器能夠與人類對話而不被辨別出其機器的身份,那么這臺機器具有智能的特征。同年,Alan Turing還預言了存有一定的可能性可以創造出具有真正智能的機器。

  • AI誕生


1956年,在達特茅斯學院舉行的一次會議上,不同領域(數學,心理學,工程學,經濟學和政治學)的科學家正式確立了人工智能為研究學科。

第一次發展高潮(1955年—1974年)

達特茅斯會議之后是大發現的時代。對很多人來講,這一階段開發出來的程序堪稱神奇:計算機可以解決代數應用題、證明幾何定理、學習和使用英語。在眾多研究當中,搜索式推理、自然語言、微世界在當時最具影響力。


大量成功的AI程序和新的研究方向不斷涌現,研究學者認為具有完全智能的機器將在二十年內出現并給出了如下預言:


1958年,H. A. Simon,Allen Newell:“十年之內,數字計算機將成為國際象棋世界冠軍。” “十年之內,數字計算機將發現并證明一個重要的數學定理。”


1965年,H. A. Simon:“二十年內,機器將能完成人能做到的一切工作。”


1967年,Marvin Minsky:“一代之內……創造“人工智能”的問題將獲得實質上的解決。”


1970年,Marvin Minsky:“在三到八年的時間里我們將得到一臺具有人類平均智能的機器。”


美國政府向這一新興領域投入了大筆資金,每年將數百萬美元投入到麻省理工學院、卡耐基梅隆大學、愛丁堡大學和斯坦福大學四個研究機構,并允許研究學者去做任何感興趣的方向。


當時主要成就:


1人工神經網絡在30-50年代被提出,1951年Marvin Minsky制造出第一臺神經網絡機


2貝爾曼公式(增強學習雛形)被提出


3感知器(深度學習雛形)被提出


4搜索式推理被提出


5自然語言被提出


6首次提出人工智能擁有模仿智能的特征,懂得使用語言,懂得形成抽象概念并解決人類現存問題


7Arthur Samuel在五十年代中期和六十年代初開發的國際象棋程序,棋力已經可以挑戰具有相當水平的業余愛好者


8機器人SHAKEY項目受到了大力宣傳,它能夠對自己的行為進行“推理”;人們將其視作世界上第一臺通用機器人


9微世界的提出

第一次寒冬(1974年—1980年)

70年代初,AI遭遇到瓶頸。研究學者逐漸發現,雖然機器擁有了簡單的邏輯推理能力,但遭遇到當時無法克服的基礎性障礙,AI停留在“玩具”階段止步不前,遠遠達不到曾經預言的完全智能。由于此前的過于樂觀使人們期待過高,當AI研究人員的承諾無法兌現時,公眾開始激烈批評AI研究人員,許多機構不斷減少對人工智能研究的資助,直至停止撥款。


當時主要問題:


1計算機運算能力遭遇瓶頸,無法解決指數型爆炸的復雜計算問題


2常識和推理需要大量對世界的認識信息,計算機達不到“看懂”和“聽懂”的地步


3無法解決莫拉維克悖論


4無法解決部分涉及自動規劃的邏輯問題


5神經網絡研究學者遭遇冷落


第二次發展高潮(1980年—1987年)

80年代初,一類名為“專家系統”的AI程序開始為全世界的公司所采納,人工智能研究迎來了新一輪高潮。在這期間,卡耐基梅隆大學為DEC公司設計的XCON專家系統能夠每年為DEC公司節省數千萬美金。日本經濟產業省撥款八億五千萬美元支持第五代計算機項目。其目標是造出能夠與人對話、翻譯語言、解釋圖像、能夠像人一樣推理的機器。其他國家也紛紛作出了響應,并對AI和信息技術的大規模項目提供了巨額資助。


當時主要成就:


1專家系統的誕生


2AI研究人員發現智能可能需要建立在對分門別類的大量知識的多種處理方法之上


3BP算法實現了神經網絡訓練的突破,神經網絡研究學者重新受到關注


4AI研究人員首次提出:機器為了獲得真正的智能,機器必須具有軀體,它需要有感知、移動、生存,與這個世界交互的能力。感知運動技能對于常識推理等高層次技能是至關重要的,基于對事物的推理能力比抽象能力更為重要,這也促進了未來自然語言、機器視覺的發展。


第二次寒冬(1987年—1993年)

1987年,AI硬件的市場需求突然下跌。科學家發現,專家系統雖然很有用,但它的應用領域過于狹窄,而且更新迭代和維護成本非常高。同期美國Apple和IBM生產的臺式機性能不斷提升,個人電腦的理念不斷蔓延;日本人設定的“第五代工程”最終也沒能實現。人工智能研究再次遭遇了財政困難,一夜之間這個價值五億美元的產業土崩瓦解。


當時主要問題:


1受到臺式機和“個人電腦”理念的沖擊影響


2商業機構對AI的追捧和冷落,使AI化為泡沫并破裂


3計算機性能瓶頸仍無法突破


4仍然缺乏海量數據訓練機器


第三次發展高潮(1993年至今)

在摩爾定律下,計算機性能不斷突破。云計算、大數據、機器學習、自然語言和機器視覺等領域發展迅速,人工智能迎來第三次高潮。


摩爾定律起始于Gordon Moore在1965年的一個預言,當時他看到因特爾公司做的幾款芯片,覺得18到24個月可以把晶體管體積縮小一半,個數可以翻一番,運算處理能力能翻一倍。沒想到這么一個簡單的預言成真了,下面幾十年一直按這個節奏往前走,成為了摩爾定律。


主要事件:


1997年:IBM的國際象棋機器人深藍戰勝國際象棋世界冠軍卡斯帕羅夫


2005年:Stanford開發的一臺機器人在一條沙漠小徑上成功地自動行駛了131英里,贏得了DARPA挑戰大賽頭獎;


2006年:Geoffrey Hinton提出多層神經網絡的深度學習算法;Eric Schmidt在搜索引擎大會提出“云計算”概念


2010年:Sebastian Thrun領導的谷歌無人駕駛汽車曝光,創下了超過16萬千米無事故的紀錄


2011年:IBM Waston參加智力游戲《危險邊緣》,擊敗最高獎金得主Brad Rutter和連勝紀錄保持者Ken Jennings;蘋果發布語音個人助手Siri;Nest Lab發布第一代智能恒溫器Nest。它可以了解用戶的習慣,并相應自動地調節溫度


2012年:Google發布個人助理Google Now


2013年:深度學習算法在語音和視覺識別率獲得突破性進展


2014年:微軟亞洲研究院發布人工智能小冰聊天機器人和語音助手Cortana;百度發布Deep Speech語音識別系統


2015年:Facebook發布了一款基于文本的人工智能助理“M”


2016年:Google AlphaGo以比分4:1戰勝圍棋九段棋手李世石;Chatbots這個概念開始流行;Google發布為機器學習定制的第一代專用芯片TPU;Google發布語音助手Assistant


2017年:AlphaGO在圍棋網絡對戰平臺以60連勝擊敗世界各地高手;Google 開源深度學習系統Tensorflow 1.0正式發布;Google AlphaGo以比分3:0完勝世界第一圍棋九段棋手柯潔;默默深耕機器學習和機器視覺的蘋果在WWDC上發布Core ML,ARKit等組件;Google發布了ARCore SDK;百度AI開發者大會正式發布Dueros語音系統,無人駕駛平臺Apollo1.0自動駕駛平臺;華為發布全球第一款AI移動芯片麒麟970;iPhone X配備前置 3D 感應攝像頭(TrueDepth),臉部識別點達到3W個,具備人臉識別、解鎖和支付等功能;配備的A11 Bionic神經引擎使用雙核設計,每秒可達到運算6000億次。


很多專家學者對此次人工智能浪潮給予了肯定,認為這次人工智能浪潮能引起第四次工業革命。人工智能逐漸開始在保險,金融等領域開始滲透,在未來健康醫療、交通出行、銷售消費、金融服務、媒介娛樂、生產制造,到能源、石油、農業、政府……所有垂直產業都將因人工智能技術的發展而受益,那么我們現在講的人工智能究竟是什么?

  • 人工智能是什么?

在60年代,AI研究人員認為人工智能是一臺通用機器人,它擁有模仿智能的特征,懂得使用語言,懂得形成抽象概念,能夠對自己的行為進行推理,它可以解決人類現存問題。由于理念、技術和數據的限制,人工智能在模式識別、信息表示、問題解決和自然語言處理等不同領域發展緩慢。


80年代,AI研究人員轉移方向,認為人工智能對事物的推理能力比抽象能力更重要,機器為了獲得真正的智能,機器必須具有軀體,它需要感知、移動、生存,與這個世界交互。為了積累更多推理能力,AI研究人員開發出專家系統,它能夠依據一組從專門知識中推演出的邏輯規則在某一特定領域回答或解決問題。


1997年,IBM的超級計算機深藍在國際象棋領域完勝整個人類代表卡斯帕羅夫;相隔20年,Google的AlphaGo在圍棋領域完勝整個人類代表柯潔。劃時代的事件使大部分AI研究人員確信人工智能的時代已經降臨。


可能大家覺得國際象棋和圍棋好像沒什么區別,其實兩者的難度不在同一個級別。國際象棋走法的可能性雖多,但棋盤的大小和每顆棋子的規則大大限制了贏的可能性。深藍可以通過蠻力看到所有的可能性,而且只需要一臺計算機基本上就可以搞定。相比國際象棋,圍棋很不一樣。圍棋布局走法的可能性可能要比宇宙中的原子數量還多,幾十臺計算機的計算能力都搞不定,所以機器下圍棋想贏非常困難,包括圍棋專家和人工智能領域的專家們也紛紛斷言:計算機要在圍棋領域戰勝人類棋手,還要再等100年。結果機器真的做到了,并據說AlphaGo擁有圍棋十幾段的實力(目前圍棋棋手最高是9段)。


那么深藍和AlphaGo在本質上有什么區別?簡單點說,深藍的代碼是研究人員編程的,知識和經驗也是研究人員傳授的,所以可以認為與卡斯帕羅夫對戰的深藍的背后還是人類,只不過它的運算能力比人類更強,更少失誤。而AlphaGo的代碼是自我更新的,知識和經驗是自我訓練出來的。與深藍不一樣的是,AlphaGo擁有兩顆大腦,一顆負責預測落子的最佳概率,一顆做整體的局面判斷,通過兩顆大腦的協同工作,它能夠判斷出未來幾十步的勝率大小。所以與柯潔對戰的AlphaGo的背后是通過十幾萬盤的海量訓練后,擁有自主學習能力的人工智能系統。


這時候社會上出現了不同的聲音:“人工智能會思考并解決所有問題”、“人工智能會搶走人類的大部分工作!”“人工智能會取代人類嗎?”那么已來臨的人工智能究竟是什么?


人工智能目前有兩個定義,分別為強人工智能和弱人工智能。


普通群眾所遐想的人工智能屬于強人工智能,它屬于通用型機器人,也就是60年代AI研究人員提出的理念。它能夠和人類一樣對世界進行感知和交互,通過自我學習的方式對所有領域進行記憶、推理和解決問題。這樣的強人工智能需要具備以下能力:


1存在不確定因素時進行推理,使用策略,解決問題,制定決策的能力

2知識表示的能力,包括常識性知識的表示能力

3規劃能力

4學習能力

5使用自然語言進行交流溝通的能力

6將上述能力整合起來實現既定目標的能力

說明:以上結論借鑒李開復所著的《人工智能》一書。


這些能力在常人看來都很簡單,因為自己都具備著;但由于技術的限制,計算機很難具備以上能力,這也是為什么現階段人工智能很難達到常人思考的水平。


由于技術未成熟,現階段的人工智能屬于弱人工智能,還達不到大眾所遐想的強人工智能。弱人工智能也稱限制領域人工智能或應用型人工智能,指的是專注于且只能解決特定領域問題的人工智能,例如AlphaGo,它自身的數學模型只能解決圍棋領域的問題,可以說它是一個非常狹小領域問題的專家系統,以及它很難擴展到稍微寬廣一些的知識領域,例如如何通過一盤棋表達出自己的性格和靈魂。


弱人工智能和強人工智能在能力上存在著巨大鴻溝,弱人工智能想要進一步發展,必須具備以下能力:


1跨領域推理

2擁有抽象能力

3“知其然,也知其所以然”

4擁有常識

5擁有審美能力

6擁有自我意識和情感

說明:以上結論借鑒李開復所著的《人工智能》一書。


在計算機理念來說,人工智能是用來處理不確定性以及管理決策中的不確定性。意思是通過一些不確定的數據輸入來進行一些具有不確定性的決策。從目前的技術實現來說,人工智能就是深度學習,它是06年由Geoffrey Hinton所提出的機器學習算法,該算法可以使程序擁有自我學習和演變的能力。

  • 機器學習和深度學習是什么?

機器學習簡單點說就是通過一個數學模型將大量數據中有用的數據和關系挖掘出來。機器學習建模采用了以下四種方法:


1監督學習與數學中的函數有關。它需要研究學者不斷地標注數據從而提高模型的準確性,挖掘出數據間的關系并給出結果。

2非監督學習與現實中的描述(例如哪些動物有四條腿)有關。它可以在沒有額外信息的情況下,從原始數據中提取模式和結構的任務,它與需要標簽的監督學習相互對立。

3半監督學習,它可以理解為監督學習和半監督學習的結合。

4.增強學習,它的大概意思是通過聯想并對比未來幾步所帶來的好處而決定下一步是什么。

目前機器學習以監督學習為主。


深度學習屬于機器學習下面的一條分支。它能夠通過多層神經網絡以及使用以上四種方法,不斷對自身模型進行自我優化,從而發現出更多優質的數據以及聯系。


目前的AlphaGo正是采用了深度學習算法擊敗了人類世界冠軍,更重要的是,深度學習促進了人工智能其他領域如自然語言和機器視覺的發展。目前的人工智能的發展依賴深度學習,這句話沒有任何問題。

  • 人工智能基礎能力

在了解人工智能基礎能力前,我們先聊聊更底層的東西——數據。計算機數據分為兩種,結構化數據和非結構化數據。結構化數據是指具有預定義的數據模型的數據,它的本質是將所有數據標簽化、結構化,后續只要確定標簽,數據就能讀取出來,這種方式容易被計算機理解。非結構化數據是指數據結構不規則或者不完整,沒有預定義的數據模型的數據。非結構化數據格式多樣化,包括了圖片、音頻、視頻、文本、網頁等等,它比結構化信息更難標準化和理解。

1

音頻、圖片、文本、視頻這四種載體可以承載著來自世界萬物的信息,人類在理解這些內容時毫不費勁;對于只懂結構化數據的計算機來說,理解這些非結構化內容比登天還難,這也就是為什么人與計算機交流時非常費勁。

2

全世界有80%的數據都是非結構化數據,人工智能想要達到看懂、聽懂的狀態,必須要把非結構化數據這塊硬骨頭啃下來。學者在深度學習的幫助下在這領域取得了突破性成就,這成就為人工智能其他各種能力奠定了基礎。


如果將人工智能比作一個人,那么人工智能應該具有記憶思考能力,輸入能力如視覺、聽覺、嗅覺、味覺以及觸覺,以及輸出能力如語言交流、軀體活動。以上能力對相應的術語為:深度學習、知識圖譜、遷移學習、自然語言處理、機器視覺、語音識別、語音合成(觸覺、嗅覺、味覺在技術研究上暫無商業成果,軀體活動更多屬于機器人領域,不在文章中過多介紹)


簡單點說,知識圖譜就是一張地圖。它從不同來源收集信息并加以整理,每個信息都是一個節點,當信息之間有關系時,相關節點會建立起聯系,眾多信息節點逐漸形成了圖。知識圖譜有助于信息存儲,更重要的是提高了搜索信息的速度和質量。


遷移學習把已學訓練好的模型參數遷移到新的模型來幫助新模型訓練數據集。由于大部分領域都沒有足夠的數據量進行模型訓練,遷移學習可以將大數據的模型遷移到小數據上,實現個性化遷移,如同人類思考時使用的類比推理。遷移學習有助于人工智能掌握更多知識。


自然語言處理是一門融語言學、計算機科學、數學于一體的學科,它是人工智能的耳朵-語音識別和嘴巴-語音合成的基礎。計算機能否理解人類的思想,首先要理解自然語言,其次擁有廣泛的知識,以及運用這些知識的能力。自然語言處理的主要范疇非常廣,包括了語音合成、語音識別、語句分詞、詞性標注、語法分析、語句分析、機器翻譯、自動摘要等等、問答系統等等。


機器視覺通過攝影機和計算機代替人的眼睛對目標進行識別、跟蹤和測量,并進一步對圖像進行處理。這是一門研究如何使機器“看懂”的技術,是人工智能最重要的輸入方式之一。如何通過攝像頭就能做到實時、準確識別外界狀況,這是人工智能的瓶頸之一,深度學習在這方面幫了大忙。現在熱門的人臉識別、無人駕駛等技術都依賴于機器視覺技術。


語音識別的目的是將人類的語音內容轉換為相應的文字。機器能否與人類自然交流的前提是機器能聽懂人類講什么,語音識別也是人工智能的最重要輸入方式之一。由于不同地區有著不同方言和口音,這對于語音識別來說都是巨大的挑戰。目前百度、科大訊飛等公司的語音識別技術在普通話上的準確率已達到97%,但方言準確率還有待提高。


目前大部分的語音合成技術是利用在數據庫內的許多已錄好的語音連接起來,但由于缺乏對上下文的理解以及情感的表達,朗讀效果很差。現在百度和科大訊飛等公司在語音合成上有新的成果:16年3月百度語音合成了張國榮聲音與粉絲互動;17年3月本邦科技利用科大訊飛的語音合成技術,成功幫助小米手機實現了一款內含“黑科技”的營銷活動H5。它們的主要技術是通過對張國榮、馬東的語音資料進行語音識別,提取該人的聲紋和說話特征,再通過自然語言處理對講述的內容進行情緒識別,合成出來的語音就像本人在和你對話。新的語音合成技術不再被數據庫內的錄音所限制語言和情感的表達。


經過多年的人工智能研究,人工智能的主要發展方向分為:計算智能感知智能認知智能,這一觀點也得到業界的廣泛認可。


計算智能是以生物進化的觀點認識和模擬智能。有學者認為,智能是在生物的遺傳、變異、生長以及外部環境的自然選擇中產生的。在用進廢退、優勝劣汰的過程中,適應度高的(頭腦)結構被保存下來,智能水平也隨之提高。機器借助大自然規律的啟示設計出具有結構演化能力和自適應學習能力的智能。計算智能算法主要包括神經計算、模糊計算和進化計算三大部分,神經網絡和遺傳算法的出現,使得機器的運算能力大幅度提升,能夠更高效、快速處理海量的數據。計算智能是人工智能的基礎,AlphaGo是計算智能的代表。


感知智能是以視覺、聽覺、觸覺等感知能力輔助機器,讓機器能聽懂我們的語言、看懂世界萬物。相比起人類的感知能力,機器可以通過傳感器獲取更多信息,例如溫度傳感器、濕度傳感器、紅外雷達、激光雷達等等。感知智能也是人工智能的基礎,機器人、自動駕駛汽車是感知智能的代表。


認知智能是指機器具有主動思考和理解的能力,不用人類事先編程就可以實現自我學習,有目的推理并與人類自然交互。人類有語言,才有概念、推理,所以概念、意識、觀念等都是人類認知智能的表現,機器實現以上能力還有漫長的路需要探索。


在認知智能的幫助下,人工智能通過發現世界和歷史上海量的有用信息,并洞察信息間的關系,不斷優化自己的決策能力,從而擁有專家級別的實力,輔助人類做出決策。認知智能將加強人和人工智能之間的互動,這種互動是以每個人的偏好為基礎的。認知智能通過搜集到的數據,例如地理位置、瀏覽歷史、可穿戴設備數據和醫療記錄等等,為不同個體創造不同的場景。認知系統也會根據當前場景以及人和機器的關系,采取不同的語氣和情感進行交流。


假如能像設想的一樣實現認知智能,那么底層平臺必須足夠寬廣和靈活,以便在各領域甚至跨領域得到應用。因此研發人員需要從全局性出發,打造這個健壯的底層平臺,它應該包括機器學習、自然語言處理、語音和圖像識別、人機交互等技術,便于上層應用開發者的開發和使用。

2018年5月3日 12:59
?瀏覽量:0
?收藏
本網站由阿里云提供云計算及安全服務 Powered by CloudDream
皇马对阵莱加内斯 幸运28走势预测 桑普多利亚跟ac米兰的关系 今天阿曼里尔对人民币 球球大作战嘉年华 月光宝盒返水 广东11选5开奖信息 三国全面战争1.9a朝廷官职 汉诺威96足球俱乐部 北京pk10七码全年可用 尼姆达网500 剑的秘密电子游艺 旺旺重庆时时彩计划制作