人工智慧發展歷程回顧

06-02

人工智慧發展歷程回顧

人工智慧目前已成為政、學、研、投、產等各界人士談論的最熱門話題，其重要性已經可以與前三次工業和科技革命相媲美，足見其將對人類社會帶來何等重要的影響，今天我們就來回顧一下人工智慧過往的發展歷程。

1950年，人工智慧之父英國人阿蘭·圖靈一篇里程碑式的論文《機器能思考嗎？》為人類帶來了一個新學科—人工智慧。為了證明機器是否能夠思考，他又發明了「圖靈測試」（Turing Test）。即當我與對面進行對話時，如果我分辨不出對面是一台機器還是一個人在與我對話，就說明機器具有了人的智能。

1956 年「人工智慧」首次在達特茅斯會議中被提出，John McCarthy, Marvin Minsky, Allen Newell,Arthur Samuel 以及 Herbert Simon 五人順勢成為當時這一領域的領軍人物。緊接著人工智慧開始醞釀其第一次浪潮，人工智慧實驗室在全球各地紮根。在那個人工智慧的風口浪尖上，AI 五大領袖們開始對這個領域的發展前景表現出極其的樂觀。

1973 年，以《萊特希爾報告》的推出為代表，象徵著人工智慧正式進入寒冬。這篇報告宣稱」AI 領域的任何一部分都沒有能產出人們當初承諾的有主要影響力進步「。各國政府勒令大規模削減人工智慧方面的投入。這之後的十年間，人工智慧鮮有被人提起。

而到了八十年代，由於專家系統的崛起人工智慧再次迎來一次久旱之後的甘霖期，也是一次新的高潮。

然而隨後人們意識到人工智慧的問題不是硬體問題，而更加是軟體以及演算法層面的挑戰沒有突破。在演算法欠佳的情況下，硬體也遭遇危機。隨著 1987 年基於通用計算的 Lisp 機器在商業上的失敗，人工智慧再次滑入了低迷期。

到了上世紀九十年代後期，由於計算機計算能力的不斷提高，人工智慧再次捲土重來。以數據挖掘和商業診斷為主要代表的應用非常成功，使人工智慧重回人們的視野。

2006年，以 GeoffreyHinton 為代表的研究人員發現了訓練高層神經網路的有效演算法。

2012年，Geoffrey Hinton團隊在ImageNet上首次使用深度學習技術完勝其它團隊，讓人們意識到深度學習相比於傳統機器學習的長處，讓深度學習重新回到主流技術舞台。

自此之後，隨著以圖形計算為代表的GPU在計算機視覺訓練中替代原來的CPU，大大提升了計算性能，讓原來需要幾個月才能完成的訓練縮短到幾天或幾個小時，加快了計算機視覺前期訓練和推理的迭代周期，帶來效率上的成倍提升。百度李彥宏曾說，百度前首席科學家吳恩俊之所以離開谷歌加入百度，就是因為谷歌不讓買GPU，他們之前一直使用CPU進行訓練。

Geoffrey Hinton在ImageNet 2012上的成功讓科學家開始更多的關注模型與演算法的創新突破以彌補訓練中數據的不足，從而帶來演算法上的快速迭代，

互聯網的興起為計算機訓練提供了更多的場景和海量的數據，從而讓計算機視覺訓練更加全面，準確率也更高。

當硬體、演算法、大數據這三個因素在各個領域的突破達到一定程度時，自然就帶來了人工智慧的大爆發。

2016年3月，谷歌AlphoGo 4：1擊敗韓國圍棋冠軍李世石就是三者結合的典型代表，讓人工智慧不再是高高在上的遙不可及，從此進入大眾視野，帶領人工智慧進入又一波高潮。

目前人工智慧技術已廣泛應用於智能駕駛、智慧安防、智慧金融、智慧零售等新的行業形態，並為人們的生活帶來很大的便利。