人工智能導論——人工智能的發展歷史、現狀及發展趨勢

初學者學習人工智能有時候須要瞭解一些背景知識，我從網上簡單蒐集總結了下分享給你們。

1、人工智能的發展歷史

　　人工智能的發展並不是一路順風，整體呈「三起兩落」趨勢，現在算是邁進人工智能發展的新時代。

　　（1）夢的開始(1900--1956)。1900年，希爾伯特在數學家大會上莊嚴的向全世界數學家宣佈了23個未解的難題。這23道難題中的第二個問題和第十個問題則和人工智能密切相關，並最終促進了計算機的發明。圖靈根據第十個問題構想出了圖靈機，它是計算機的理論模型，圓滿的刻畫了機械化運算過程的含義，並最終爲計算機的發明鋪平了道路。1954年，馮諾依曼完成了早期的計算機EDVAC的設計，並提出了「馮諾依曼體系結構」。總的來講，圖靈、哥德爾、馮諾依曼、維納、克勞德香農等偉大的先驅者奠基了人工智能和計算機技術的基礎。

　　（2）黃金時代(1956--1974)。1965年，麥卡錫、明斯基等科學家舉辦的「達茅斯會議」，首次提出了「人工智能(Artificial Intelligence，簡稱AI)」這一律念，標誌着人工智能學科的誕生。其後，人工智能研究進入了20年的黃金時代，相繼取得了一批使人矚目的研究成果，如機器定理證實、跳棋程序等，掀起人工智能發展的第一個高潮。在這個黃金時代裏，約翰麥卡錫開發了LISP語音，成爲之後幾十年來人工智能領域最主要的編程語言；馬文閔斯基對神經網絡有了更深刻的研究，也發現了簡單神經網絡的不足；多層神經網絡、反向傳播算法開始出現；專家系統也開始起步。

　　（3）第一次AI寒冬——反思發展(1974--1980)。人工智能發展初期的突破性進展大大提高了人們對人工智能的指望，過分高估了科學技術的發展速度。然而，連續不斷的失敗和預期目標的落空，令人工智能的發展走入低谷。1973年，萊特希爾關於人工智能的報告，拉開了人工智能寒冬序幕。此後，科學界對人工智能進行了一輪深刻的拷問，使AI的遭受到嚴厲的批評和對其實際價值的質疑。隨後，各國政府和機構也中止或減小了資金投入，人工智能在70年代陷入了第一次寒冬。計算能力有限、缺少大量常識數據使發展陷入瓶頸，特別是過度依賴於計算力和經驗數據量神經網絡技術，長時期沒有取得實質性的進展，特別是《感知器》一書發表事後，對神經網絡技術產生了毀滅性的打擊，後續十年內幾乎沒人投入更進一步的研究。專家系統在這個時代的末尾出現，並開啓了下一個時代。

　　（4）應用發展(1980--1987)。專家系統模擬人類專家的知識和經驗解決特定領域的問題，實現了人工智能從理論研究走向實際應用、從通常推理策略探討轉向運用專門知識的重大突破。專家系統在醫療、化學、地質等領域取得成功，推進人工智能走入應用發展的新高潮。1980年卡耐基梅隆大學（CMU）研發的XCON正式投入使用，這成爲一個新時期的里程碑，專家系統開始在特定領域發揮威力，也帶動整我的工智能技術進入了一個繁榮階段。沉寂10年以後，神經網絡又有了新的研究進展，具備學習能力的神經網絡算法的發現，這使得神經網絡一路發展，在後面的90年代開始商業化，被用於文字圖像識別和語音識別。

　　（5）第二次AI寒冬——低迷發展(1987--1993)。隨着人工智能的應用規模不斷擴大，專家系統存在的應用領域狹窄、缺少常識性知識、知識獲取困難、推理方法單1、缺少分佈式功能、難以與現有數據庫兼容等問題逐漸暴露出來。人工智能領域當時主要使用約翰麥卡錫的LISP編程語言，逐步發展的LISP機器被蓬勃發展的我的電腦擊敗，專用LISP機器硬件銷售市場嚴重崩潰，人工智能領域再一次進入寒冬。硬件市場的潰敗和理論研究的迷茫，加上各國政府和機構紛紛中止向人工智能研究領域投入資金，致使了數年的低谷，但另外一方面也取得了一些重要成就。1988年，美國科學家朱迪亞·皮爾將機率統計方法引入人工智能的推理過程當中這對後來人工智能的發展起到了重大影響。IBM的沃森研究中心把機率統計方法引入到人工智能的語言處理中；1992年，李開復使用統計學的方法，設計開發了世界上第一個揚聲無關的連續語音識別程序；1989年，AT＆T貝爾實驗室的雅恩·樂昆和團隊使用卷積神經網絡技術，實現了人工智能識別手寫的郵政編碼數字圖像。

　　（6）穩健發展(1993--2011)。因爲網絡技術特別是互聯網技術的發展，加速了人工智能的創新研究，促令人工智能技術進一步走向實用化。1995年，理查德華萊士開發了新的聊天機器人程序Alice，它可以利用互聯網不斷增長自身的數據集，優化內容。1997年，IMB的計算機深藍Deep blue打敗了人類世界象棋冠軍卡斯帕羅夫。1997年，德國科學霍克賴特和施米德赫伯 提出了長期短時間記憶（LSTM） 這是一種今天仍用於手寫識別和語音識別的遞歸神經網絡，對後來人工智能的研究有着深遠影響。2004年，美國神經科學家傑夫·霍金斯出版的《人工智能的將來》一書中提出了全新的大腦記憶預測理論，指出了依照此理論如何去建造真正的智能機器，這本書對後來神經科學的深刻研究產生了深入的影響。2006年，傑弗裏辛頓出版了《Learning Multiple Layers of Representation》奠基了後來神經網絡的全新的架構，至今仍然是人工智能深度學習的核心技術。

　　（7）新時代(2012--至今)。隨着移動互聯網技術、雲計算技術的爆發，積累了歷史上超乎想象的數據量，這爲人工智能的後續發展提供了足夠的素材和動力，以深度神經網絡爲表明的人工智能技術飛速發展，大幅跨越了科學與應用之間的「技術鴻溝」，迎來爆發式增加的新高潮。。人工智能，大數據，雲計算，物聯網技術，共同構成了21世紀第二個十年的技術主旋律。2012年，由多倫多大學在ImageNet舉辦的視覺識別挑戰賽上設計的深度卷積神經網絡算法，被業內認爲是深度學習革命的開始。2014年，伊恩·古德費羅提出GANs生成對抗網絡算法，這是一種用於無監督學習的人工智能算法，這種算法由生成網絡和評估網絡構成，這種方法很快被人工智能不少技術領域採用。2016年和2017年，谷歌發起了兩場轟動世界的圍棋人機之戰，其人工智能程序AlphaGo連續打敗曾經的圍棋世界冠軍韓國李世石，以及現任的圍棋世界冠軍中國的柯潔，引發巨大轟動。語音識別、圖像識別、無人駕駛等技術不斷深刻。

2、人工智能的發展示狀 

主要表如今如下幾個方面：

　　（1）專用人工智能取得重要突破。從可應用性看，人工智能大致可分爲專用人工智能和通用人工智能。人工智能的近期進展主要集中在專用智能領域。例如，阿爾法狗在圍棋比賽中打敗人類冠軍，人工智能程序在大規模圖像識別和人臉識別中達到了超越人類的水平等。面向特定任務（好比下圍棋）的專用人工智能系統因爲任務單1、需求明確、應用邊界清晰、領域知識豐富、建模相對簡單，在局部智能水平的單項測試中能夠超越人類智能，造成了人工智能領域的單點突破。

　　（2）通用人工智能尚處於起步階段。目前，雖然專用人工智能領域已取得突破性進展，人工智能系統在信息感知、機器學習等「淺層智能」方面進步顯著，可是在概念抽象和推理決策等「深層智能」方面的能力還很薄弱。通用人工智能領域的研究與應用仍然任重而道遠，人工智能整體發展水平仍處於起步階段。整體上看，目前的人工智能系統可謂有智能沒智慧、有智商沒情商、會計算不會「算計」、有專才而無通才。所以，人工智能依舊存在明顯的侷限性，與人類智慧還相差甚遠。

　　（3）人工智能創新創業如火如荼。全球產業界充分認識到人工智能技術引領新一輪產業變革的重大意義，紛紛調整發展戰略。各國及大型互聯網公司在人工智能領域的投資日益攀升，全球和中國人工智能行業投融資規模都呈上漲趨勢。好比，谷歌在其2017年年度開發者大會上明確提出發展戰略從「移動優先」轉向「人工智能優先」，微軟2017財年年報首次將人工智能做爲公司發展願景。2018年，中國人工智能領域融資額高達1311億元。人工智能領域處於創新創業的前沿。

　　（4）創新生態佈局成爲人工智能產業發展的戰略高地。信息技術和產業的發展史，就是新老信息產業巨頭搶灘佈局信息產業創新生態的更替史。人工智能創新生態包括縱向的數據平臺、開源算法、計算芯片、基礎軟件、圖形處理器等技術生態系統和橫向的智能製造、智能醫療、智能安防、智能零售、智能家居等商業和應用生態系統。目前智能科技時代的信息產業格局尚未造成壟斷，所以全球科技產業巨頭都在積極推進人工智能技術生態的研發佈局，全力搶佔人工智能相關產業的制高點。

　　（5）人工智能的社會影響日益凸顯。一方面，人工智能做爲新一輪科技革命和產業變革的核心力量，正在推進傳統產業升級換代，驅動「無人經濟」快速發展，在智能交通、智能家居、智能醫療等民生領域產生積極正面影響。另外一方面，我的信息和隱私保護、人工智能創做內容的知識產權、人工智能系統可能存在的歧視和偏見、無人駕駛系統的交通法規、腦機接口和人機共生的科技倫理等問題已經顯現出來，須要抓緊提供解決方案。

3、人工智能的發展趨勢：

　　（1）從專用智能向通用智能發展。如何實現從專用人工智能向通用人工智能的跨越式發展，既是下一代人工智能發展的必然趨勢，也是研究與應用領域的重大挑戰。

　　（2）從人工智能向人機混合智能發展。借鑑腦科學和認知科學的研究成果是人工智能的一個重要研究方向。人機混合智能旨在將人的做用或認知模型引入到人工智能系統中，提高人工智能系統的性能，令人工智能成爲人類智能的天然延伸和拓展，經過人機協同更加高效地解決複雜問題。在我國新一代人工智能規劃和美國腦計劃中，人機混合智能都是重要的研發方向。

　　（3）從「人工+智能」向自主智能系統發展。當前人工智能領域的大量研究集中在深度學習，可是深度學習的侷限是須要大量人工干預，好比人工設計深度神經網絡模型、人工設定應用場景、人工採集和標註大量訓練數據、用戶須要人工適配智能系統等，很是費時費力。所以，科研人員開始關注減小人工干預的自主智能方法，提升機器智能對環境的自主學習能力。

　　（4）人工智能將加速與其餘學科領域交叉滲透。人工智能自己是一門綜合性的前沿學科和高度交叉的複合型學科，研究範疇普遍而又異常複雜，其發展須要與計算機科學、數學、認知科學、神經科學和社會科學等學科深度融合。隨着超分辨率光學成像、光遺傳學調控、透明腦、體細胞克隆等技術的突破，腦與認知科學的發展開啓了新時代，可以大規模、更精細解析智力的神經環路基礎和機制，人工智能將進入生物啓發的智能階段，依賴於生物學、腦科學、生命科學和心理學等學科的發現，將機理變爲可計算的模型，同時人工智能也會促進腦科學、認知科學、生命科學甚至化學、物理、天文學等傳統科學的發展。

　　（5）人工智能將推進人類進入普惠型智能社會。「人工智能+X」的創新模式將隨着技術和產業的發展日趨成熟，對生產力和產業結構產生革命性影響，並推進人類進入普惠型智能社會。2017年國際數據公司IDC在《信息流引領人工智能新時代》白皮書中指出，將來5年人工智能將提高各行業運轉效率。我國經濟社會轉型升級對人工智能有重大需求，在消費場景和行業應用的需求牽引下，須要打破人工智能的感知瓶頸、交互瓶頸和決策瓶頸，促進人工智能技術與社會各行各業的融合提高，建設若干標杆性的應用場景創新，實現低成本、高效益、廣範圍的普惠型智能社會。

　　（6）人工智能產業將蓬勃發展，人工智能領域的國際競爭將日益激烈。當前，人工智能領域的國際競賽已經拉開帷幕，而且將日趨白熱化。美國、中國、印度以及西歐等國紛紛佈局人工智能產業。中國在論文總量和高被引論文數量上都排在世界第一，中科院系統AI論文產出全球第一，中國在人才擁有量全球第二，但傑出人才佔比偏低。隨着人工智能技術的進一步成熟以及政府和產業界投入的日益增加，人工智能應用的雲端化將不斷加速，全球人工智能產業規模在將來10年將進入高速增加期。

　　（7）人工智能的社會學將提上議程。爲了確保人工智能的健康可持續發展，使其發展成果造福於民，須要從社會學的角度系統全面地研究人工智能對人類社會的影響，制定完善人工智能法律法規，規避可能的風險。

  

 

 

以上內容主要來自

《人工智能的歷史、現狀和將來》  譚鐵牛《求是》2019/04