科普-大學(xué)公選課-《探秘人工智能》-1-序言課件

ArtificialIntelligenceQuest第一講序言探秘人工智能2019ArtificialIntelligenceQuest探課程介紹課程性質(zhì)：公選課、32課時(shí)、記2學(xué)分課程目標(biāo)：讓學(xué)生了解人工智能的基本背景和發(fā)展情況，理解特征提取的數(shù)學(xué)化方法，掌握分類任務(wù)、神經(jīng)網(wǎng)絡(luò)、聚類和機(jī)器學(xué)習(xí)的基本原理，知悉應(yīng)用場(chǎng)景概要，啟發(fā)學(xué)生對(duì)人工智能的興趣，具備一定的創(chuàng)新思維課程要求：紀(jì)律、考查課程計(jì)劃：見右表章節(jié)序號(hào)章節(jié)名稱學(xué)時(shí)備注總學(xué)時(shí)課堂講授實(shí)踐實(shí)驗(yàn)第一章序言33第二章人工智能概述1293專題討論第三章關(guān)鍵技術(shù)及熱點(diǎn)應(yīng)用領(lǐng)域99第四章人工智能系統(tǒng)分析與實(shí)踐532研發(fā)實(shí)驗(yàn)第五章課程回顧與未來展望33合計(jì)32275課程介紹課程性質(zhì)：章節(jié)序號(hào)章節(jié)名稱學(xué)時(shí)備注總學(xué)時(shí)課堂講授實(shí)踐05人工智能的發(fā)展?fàn)幾hControversyoverthedevelopmentofAI04人工智能的未來ThefutureofA.I.03人工智能面臨的考驗(yàn)ThefacingproblemsofAI02人工智能的發(fā)展與應(yīng)用DevelopmentandapplicationofArtificialIntelligence01人工智能綜述WhatisArtificialIntelligence？CONTENT

目錄05人工智能的發(fā)展?fàn)幾hControversyoverth人工智能綜述PART01人工智能綜述PART01引言：宇宙、地球、人類、人工智能引言：宇宙、地球、人類、人工智能引言：人工智能的幾個(gè)驚艷瞬間引言：人工智能的幾個(gè)驚艷瞬間引言：生活中的人工智能（手機(jī)APP+AI）引言：生活中的人工智能（手機(jī)APP+AI）引言：人工智能將取代人的工作人工/腦力勞動(dòng)：翻譯、記者...人工/體力勞動(dòng)：保安、保姆...引言：人工智能將取代人的工作人工/腦力勞動(dòng)：翻譯、記者...人工智能的意義將引領(lǐng)人類第四次工業(yè)革命–智能化時(shí)間18世紀(jì)末工業(yè)1.0創(chuàng)造了機(jī)器工廠的“蒸汽時(shí)代”20世紀(jì)初電力廣泛應(yīng)用蒸汽機(jī)信息物聯(lián)系統(tǒng)1970年代初今天工業(yè)2.0將人類帶入分工明確、大批量生產(chǎn)的流水線模式和“電氣時(shí)代”工業(yè)3.0應(yīng)用電子信息技術(shù)，進(jìn)一步提高生產(chǎn)自動(dòng)化水平自動(dòng)化、信息化工業(yè)4.0開始應(yīng)用信息物理融合系統(tǒng)（CPS）復(fù)雜度悄悄來臨互聯(lián)網(wǎng)時(shí)代正在終結(jié)人工智能機(jī)器人交通工具（即無人機(jī)、無人駕駛等）VR（虛擬現(xiàn)實(shí)）人工智能的意義將引領(lǐng)人類第四次工業(yè)革命–智能化時(shí)間1人工智能的定義人工智能（ArtificialIntelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語言識(shí)別、圖像識(shí)別、自然語言處理和專家系統(tǒng)等。人工智能從誕生以來，理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴(kuò)大，可以設(shè)想，未來人工智能帶來的科技產(chǎn)品，將會(huì)是人類智慧的“容器”。人工智能是對(duì)人的意識(shí)、思維的信息過程的模擬。人工智能不是人的智能，但是能像人那樣思考、也可能超過人的智能。人工智能的定義人工智能（ArtificialIntell?“要使計(jì)算機(jī)能夠思考......意思就是：有頭腦的機(jī)器”（JohnHaugeland,1985)像人一樣思考的系統(tǒng)Man-Thing?“通過利用計(jì)算模型來進(jìn)行心智能力的研究”(Chamiak和McDermott,1985)理性地思考的系統(tǒng)Rationality?“一種技藝，創(chuàng)造機(jī)器來執(zhí)行人需要智能才能完成的功能”(Kurzweil,1990))像人一樣行動(dòng)的系統(tǒng)Action?“計(jì)算智能是對(duì)設(shè)計(jì)智能化智能體的研究”(AlanMackworth等，1998)理性地行動(dòng)的系統(tǒng)Reason計(jì)算機(jī)學(xué)家們對(duì)人工智能的定義?“要使計(jì)算機(jī)能夠思考......意思就是：有頭腦的機(jī)器”弱人工智能認(rèn)為一些“思維型”特征可以添加到計(jì)算機(jī)中，使它們成為更有用的工具。弱人工智能WeakA.I.強(qiáng)人工智能宣稱計(jì)算機(jī)可以在與人類同等的水平上進(jìn)行思考。強(qiáng)人工智能StrongA.I.

人工智能按實(shí)力分類弱人工智能認(rèn)為一些“思維型”特征可以添加到計(jì)算機(jī)中，使它們成強(qiáng)人工智能VS弱人工智能強(qiáng)人工智能與弱人工智能區(qū)別長(zhǎng)期存在兩種不同的目標(biāo)或者理念。一種是希望借鑒人類的智能行為，研制出更好的工具以減輕人類智力勞動(dòng)，一般稱為“弱人工智能”，類似于“高級(jí)仿生學(xué)”。另一種是希望研制出達(dá)到甚至超越人類智慧水平的人造物，具有心智和意識(shí)、能根據(jù)自己的意圖開展行動(dòng)，一般稱為“強(qiáng)人工智能”，實(shí)則可謂“人造智能”。強(qiáng)人工智能VS弱人工智能強(qiáng)人工智能與弱人工智能區(qū)別長(zhǎng)期存在兩哲學(xué)數(shù)學(xué)基礎(chǔ)學(xué)科指導(dǎo)學(xué)科人工智能自然科學(xué)技術(shù)科學(xué)社會(huì)科學(xué)人工智能（AI：ArtificialIntelligence）是一門前沿學(xué)科，是在哲學(xué)和認(rèn)知科學(xué)、數(shù)學(xué)、神經(jīng)生理學(xué)、心理學(xué)、計(jì)算機(jī)科學(xué)、信息論、控制論、不定性論、仿生學(xué)、社會(huì)結(jié)構(gòu)學(xué)、語言學(xué)等多種學(xué)科的基礎(chǔ)上發(fā)展起來的一門交叉學(xué)科。最多學(xué)科交叉的前沿領(lǐng)域哲學(xué)數(shù)學(xué)基礎(chǔ)學(xué)科指導(dǎo)學(xué)科人工智能自然科學(xué)技術(shù)科學(xué)社會(huì)科學(xué)人工人工智能的三大學(xué)派符號(hào)學(xué)派聯(lián)結(jié)學(xué)派行為學(xué)派神經(jīng)網(wǎng)絡(luò)知識(shí)表示機(jī)器人模擬人的心智模擬腦的結(jié)構(gòu)模擬人的行為聰明的AI有學(xué)識(shí)的AI深度學(xué)習(xí)知識(shí)圖譜感知識(shí)別判斷思考語言推理貝葉斯學(xué)派進(jìn)化學(xué)派類推學(xué)派人工智能的三大學(xué)派符號(hào)學(xué)派聯(lián)結(jié)學(xué)派行為學(xué)派神經(jīng)網(wǎng)絡(luò)知識(shí)表示Machinelearning機(jī)器學(xué)習(xí)是人工智能的一個(gè)分支。人工智能的研究歷史有著一條從以“推理”為重點(diǎn)，到以“知識(shí)”為重點(diǎn)，再到以“學(xué)習(xí)”為重點(diǎn)的自然、清晰的脈絡(luò)。Naturallanguageprocessing自然語言處理（NLP）是計(jì)算機(jī)科學(xué)，信息工程和人工智能的子領(lǐng)域，涉及計(jì)算機(jī)與人類（自然）語言之間的交互，特別是如何對(duì)計(jì)算機(jī)進(jìn)行編程以處理和分析大量自然語言數(shù)據(jù)。Computervision計(jì)算機(jī)視覺是一門研究如何使機(jī)器“看”的科學(xué)，更進(jìn)一步的說，就是指用攝影機(jī)和計(jì)算機(jī)代替人眼對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測(cè)量等機(jī)器視覺，并進(jìn)一步做圖像處理，用計(jì)算機(jī)處理成為更適合人眼觀察或傳送給儀器檢測(cè)的圖像Patternrecognition模式識(shí)別（就是通過計(jì)算機(jī)用數(shù)學(xué)技術(shù)方法來研究模式的自動(dòng)處理和判讀。我們把環(huán)境與客體統(tǒng)稱為“模式”。隨著計(jì)算機(jī)技術(shù)的發(fā)展，人類有可能研究復(fù)雜的信息處理過程。信息處理過程的一個(gè)重要形式是生命體對(duì)環(huán)境及客體的識(shí)別。Expertsystem專家系統(tǒng)是早期人工智能的一個(gè)重要分支，它可以看作是一類具有專門知識(shí)和經(jīng)驗(yàn)的計(jì)算機(jī)智能程序系統(tǒng)，一般采用人工智能中的知識(shí)表示和知識(shí)推理技術(shù)來模擬通常由領(lǐng)域?qū)＜也拍芙鉀Q的復(fù)雜問題人工智能的主要應(yīng)用領(lǐng)域Machinelearning機(jī)器學(xué)習(xí)是人工智能的一個(gè)分支人工智能的發(fā)展與應(yīng)用PART02人工智能的發(fā)展與應(yīng)用PART02人工智能的發(fā)展簡(jiǎn)史人工智能的發(fā)展簡(jiǎn)史人工智能的發(fā)展簡(jiǎn)史1980-1987繁榮期?1000BC?1946先驅(qū)時(shí)代1956-1974黃金年代1974-1980第一次AI低谷1943-1956人工智能的誕生1987-1993第二次AI低谷2011-至今ABC新時(shí)代1993-2010穩(wěn)健時(shí)代人工智能的發(fā)展簡(jiǎn)史1980-1987繁榮期?1000BC先驅(qū)時(shí)代希臘神話中已經(jīng)出現(xiàn)了機(jī)械人和人造人，如赫淮斯托斯的黃金機(jī)器人和皮格馬利翁。中世紀(jì)出現(xiàn)了使用巫術(shù)或煉金術(shù)將意識(shí)賦予無生命物質(zhì)的傳說。19世紀(jì)的幻想小說中出現(xiàn)了人造人和會(huì)思考的機(jī)器之類題材,雷爾·恰佩克的《羅素姆的萬能機(jī)器人》。神話，幻想和預(yù)言中的AI許多文明中都有創(chuàng)造自動(dòng)人偶的杰出工匠，例如偃師（中國(guó)西周），希羅（希臘），加扎利和WolfgangvonKempelen等等。人工智能的基本假設(shè)是人類的思考過程可以機(jī)械化。對(duì)于機(jī)械化推理（即所謂“形式推理（formalreasoning）”）的研究已有很長(zhǎng)歷史。用于計(jì)算的機(jī)器古已有之；歷史上許多數(shù)學(xué)家對(duì)其作出了改進(jìn)。19世紀(jì)初，查爾斯·巴貝奇設(shè)計(jì)了一臺(tái)可編程計(jì)算機(jī)（“分析機(jī)”）自動(dòng)人偶形式推理計(jì)算機(jī)科學(xué)先驅(qū)時(shí)代希臘神話中已經(jīng)出現(xiàn)了機(jī)械人和人造人，如赫淮斯托斯的黃人工智能的誕生：1943-1956達(dá)特茅斯會(huì)議符號(hào)推理與“邏輯理論家”程序圖靈測(cè)試游戲AI控制論與早期神經(jīng)網(wǎng)絡(luò)人工智能的誕生：1943-1956達(dá)特茅斯會(huì)議符號(hào)推理與“邏一、1943年：第二次世界大戰(zhàn)引發(fā)了新思維第二次世界大戰(zhàn)期間，許多學(xué)科領(lǐng)域都出現(xiàn)了優(yōu)秀的科學(xué)家，包括新興的神經(jīng)科學(xué)和計(jì)算機(jī)領(lǐng)域。在英國(guó)，數(shù)學(xué)家艾倫·圖靈(AlanTuring)和神經(jīng)學(xué)家格雷·沃爾特(GreyWalter)是首先向智能機(jī)器發(fā)起挑戰(zhàn)的人。沃爾特制造了有史以來的第一個(gè)機(jī)器人。圖靈接著發(fā)明了圖靈測(cè)試，為智能機(jī)器設(shè)置了標(biāo)準(zhǔn)：一種可以欺騙某人以為自己在和另一個(gè)人說話的電腦。左側(cè)漫畫對(duì)話1、昨天我做了一次圖靈測(cè)試2、回：好像很有趣，結(jié)果如何?3、我失敗了，機(jī)器認(rèn)為我是個(gè)愚蠢的人類4、回：堅(jiān)持住。一、1943年：第二次世界大戰(zhàn)引發(fā)了新思維第二次世界大戰(zhàn)期間1950年，科幻作家艾薩克·阿西莫夫出版了《我的機(jī)器人》短篇小說集。阿西莫夫最著名的是提出了機(jī)器人學(xué)的三大定律，旨在阻止發(fā)明創(chuàng)造對(duì)人類產(chǎn)生不良影響。他也提出了一些似乎非常有先見之明的想法——比如設(shè)計(jì)一臺(tái)能夠存儲(chǔ)所有人類知識(shí)的計(jì)算機(jī)，任何人都可以問任何問題。二、1950年：科幻小說引導(dǎo)行業(yè)發(fā)展1950年，科幻作家艾薩克·阿西莫夫出版了《我的機(jī)器人》短篇“人工智能”一詞是由一名年輕的計(jì)算機(jī)科學(xué)家約翰·麥卡錫(JohnMcCarthy)，在達(dá)特茅斯大學(xué)舉辦的夏季會(huì)議上創(chuàng)造的。三、1956年：達(dá)特茅斯會(huì)議“人工智能”一詞是由一名年輕的計(jì)算機(jī)科學(xué)家約翰·麥卡錫(Jo黃金年代：1956-1974自然語言微世界樂觀思潮搜索式推理經(jīng)費(fèi)60年代后期，麻省理工大學(xué)AI實(shí)驗(yàn)室的馬文·閔斯基和西摩爾·派普特建議AI研究者們專注于被稱為“微世界”的簡(jiǎn)單場(chǎng)景。他們指出在成熟的學(xué)科中往往使用簡(jiǎn)化模型幫助基本原則的理解第一代AI研究者們?cè)鞒隽巳缦骂A(yù)言:1958年，艾倫·紐厄爾和赫伯特·西蒙：“十年之內(nèi)，數(shù)字計(jì)算機(jī)將成為國(guó)際象棋世界冠軍。”“十年之內(nèi)，數(shù)字計(jì)算機(jī)將發(fā)現(xiàn)并證明一個(gè)重要的數(shù)學(xué)定理?！?965年，赫伯特·西蒙：“二十年內(nèi)，機(jī)器將能完成人能做到的一切工作。許多AI程序使用相同的基本算法。為實(shí)現(xiàn)一個(gè)目標(biāo)（例如贏得游戲或證明定理），它們一步步地前進(jìn)，就像在迷宮中尋找出路一般；如果遇到了死胡同則進(jìn)行回溯。這就是“搜索式推理”1963年6月，MIT從新建立的ARPA（即后來的DARPA，國(guó)防高等研究計(jì)劃局）獲得了二百二十萬美元經(jīng)費(fèi)，用于資助MAC工程，其中包括Minsky和McCarthy五年前建立的AI研究組。此后ARPA每年提供三百萬美元，AI研究的一個(gè)重要目標(biāo)是使計(jì)算機(jī)能夠通過自然語言（例如英語）進(jìn)行交流。早期的一個(gè)成功范例是DanielBobrow的程序STUDENT，它能夠解決高中程度的代數(shù)應(yīng)用題）研究工作黃金年代：1956-1974自然語言微世界樂觀思潮搜索式明斯基也影響了科幻小說。他在斯坦利·庫布里克(StanleyKubrick)的電影《2001：太空漫游》(2001：ASpaceOdyssey)中擔(dān)任顧問，這部電影的主角是一臺(tái)智能電腦——哈爾（HAL9000）。四、1968年：《2001：太空漫游》想象未來明斯基也影響了科幻小說。他在斯坦利·庫布里克(Stanley人工智能遠(yuǎn)遠(yuǎn)落后于明斯基等擁護(hù)者的崇高預(yù)言——這一點(diǎn)在機(jī)器人夏奇(Shakey)身上得到印證。夏奇是第一個(gè)通用移動(dòng)機(jī)器人，能夠通過對(duì)周圍環(huán)境的推理，決定自己的行為。但是，即使在一個(gè)幾乎沒有障礙的區(qū)域，它也慢得令人痛苦。五、1969年：破解的難題人工智能遠(yuǎn)遠(yuǎn)落后于明斯基等擁護(hù)者的崇高預(yù)言——這一點(diǎn)在機(jī)器人對(duì)McCarthy的做法持批評(píng)意見的還有他在MIT的同行們。反對(duì)派（thescruffies）感知器是神經(jīng)網(wǎng)絡(luò)的一種形式，由FrankRosenblatt于1958年提出。與多數(shù)AI研究者一樣，他對(duì)這一發(fā)明的潛力非常樂觀，預(yù)言說“感知器最終將能夠?qū)W習(xí)，作出決策和翻譯語言”。整個(gè)六十年代里這一方向的研究工作都很活躍。感知器與聯(lián)結(jié)主義遭到冷落一些哲學(xué)家強(qiáng)烈反對(duì)AI研究者的主張。其中最早的一個(gè)是JohnLucas，他認(rèn)為哥德爾不完備定理已經(jīng)證明形式系統(tǒng)（例如計(jì)算機(jī)程序）不可能判斷某些陳述的真理性，但是人類可以。來自大學(xué)的批評(píng)此由于缺乏進(jìn)展，對(duì)AI提供資助的機(jī)構(gòu)對(duì)AI研究逐漸停了資助。早在1966年自動(dòng)語言處理顧問委員會(huì)的報(bào)告中就有批評(píng)機(jī)器翻譯進(jìn)展的意味停止撥款70年代初，AI遭遇了瓶頸。即使是最杰出的AI程序也只能解決它們嘗試解決的問題中最簡(jiǎn)單的一部分，也就是說所有的AI程序都只是“玩具”。問題問題停止撥款反對(duì)派冷落批評(píng)第一次AI低谷：1974-1980對(duì)McCarthy的做法持批評(píng)意見的還有他在MIT的同行們。到了20世紀(jì)70年代初，人工智能陷入了困境。數(shù)以百萬計(jì)的錢被花掉了，卻沒什么可炫耀的成果。美國(guó)國(guó)會(huì)對(duì)此提出了強(qiáng)烈的批評(píng)。1973年，著名數(shù)學(xué)家詹姆斯萊特希爾爵士(SirJamesLighthill)，發(fā)表了一份關(guān)于英國(guó)人工智能現(xiàn)狀的健康報(bào)告。他的觀點(diǎn)是，機(jī)器永遠(yuǎn)只能下“經(jīng)驗(yàn)豐富的業(yè)余水平的”象棋。常識(shí)推理和像人臉識(shí)別這樣簡(jiǎn)單的任務(wù)，總是超出它們的能力范圍。在此觀點(diǎn)下，該行業(yè)的資金被大幅削減，隨之而來的就是眾所周知的“人工智能的冬天”。六、1973年：人工智能的冬天到了20世紀(jì)70年代初，人工智能陷入了困境。數(shù)以百萬計(jì)的錢被在80年代，一類名為“專家系統(tǒng)”的AI程序開始為全世界的公司所采納，而“知識(shí)處理”成為了主流AI研究的焦點(diǎn)1981年，日本經(jīng)濟(jì)產(chǎn)業(yè)省撥款八億五千萬美元支持第五代計(jì)算機(jī)項(xiàng)目。其目標(biāo)是造出能夠與人對(duì)話，翻譯語言，解釋圖像，并且像人一樣推理的機(jī)器重獲撥款：第五代工程專家系統(tǒng)是一種程序，能夠依據(jù)一組從專門知識(shí)中推演出的邏輯規(guī)則在某一特定領(lǐng)域回答或解決問題。專家系統(tǒng)獲得賞識(shí)專家系統(tǒng)的能力來自于它們存儲(chǔ)的專業(yè)知識(shí)。這是70年代以來AI研究的一個(gè)新方向知識(shí)革命1982年，物理學(xué)家JohnHopfield證明一種新型的神經(jīng)網(wǎng)絡(luò)（現(xiàn)被稱為“Hopfield網(wǎng)絡(luò)”）能夠用一種全新的方式學(xué)習(xí)和處理信息。聯(lián)結(jié)主義的重生繁榮期：1980-1987在80年代，一類名為“專家系統(tǒng)”的AI程序開始為全世界的公司新的商用AI系統(tǒng)遠(yuǎn)沒有早期的人工智能那樣雄心壯志。這些“專家系統(tǒng)”不是試圖創(chuàng)造一種通用的智能，而是專注于更小范圍的任務(wù)。這意味著它們只需要按照特定問題的規(guī)則進(jìn)行編程即可。第一個(gè)成功的商用專家系統(tǒng)，被稱為RI，用于美國(guó)數(shù)字設(shè)備公司（DigitalEquipmentCorporation），它為新的計(jì)算機(jī)系統(tǒng)配置訂單。到1986年，該公司估計(jì)每年節(jié)省了4000萬美元。七、1981年：大企業(yè)的解決方案新的商用AI系統(tǒng)遠(yuǎn)沒有早期的人工智能那樣雄心壯志。這些“專家1982年，日本國(guó)際貿(mào)易工業(yè)部發(fā)起了第五代計(jì)算機(jī)系統(tǒng)研究計(jì)劃，預(yù)計(jì)投入8.5億美元，目的是搶占未來信息技術(shù)的先機(jī)，創(chuàng)造具有劃時(shí)代意義的超級(jí)人工智能計(jì)算機(jī)。第五代計(jì)算機(jī)計(jì)劃極大的推進(jìn)了日本工業(yè)信息化進(jìn)程，加速了日本工業(yè)的快速崛起；另一方面，這開創(chuàng)了并行計(jì)算的先河，至今我們使用的多核處理器和神經(jīng)網(wǎng)絡(luò)芯片，都受到了20多年前這個(gè)計(jì)劃的啟發(fā)。八、1982年：日本五代機(jī)計(jì)劃1982年，日本國(guó)際貿(mào)易工業(yè)部發(fā)起了第五代計(jì)算機(jī)系統(tǒng)研究計(jì)劃在德國(guó)的1986年，慕尼黑的聯(lián)邦國(guó)防軍大學(xué)把一輛梅賽德斯-奔馳面包車安裝上了計(jì)算機(jī)和各種傳感器，實(shí)現(xiàn)了自動(dòng)控制方向盤、油門和剎車。這是真正意義上的第一輛自動(dòng)駕駛汽車，叫做VaMoRs，開起來時(shí)速超過80公里。九、1986年：無人駕駛汽車在德國(guó)的1986年，慕尼黑的聯(lián)邦國(guó)防軍大學(xué)把一輛梅賽德斯-奔第二次AI低谷：1987-1993隨著對(duì)專家系統(tǒng)的狂熱追捧，不久后人們轉(zhuǎn)向失望。80年代也正是個(gè)人電腦崛起的時(shí)間，IBMPC和蘋果電腦快速占領(lǐng)整個(gè)計(jì)算機(jī)市場(chǎng)，它們的CPU頻率和速度穩(wěn)步提升，越來越快，甚至變得比昂貴的LISP機(jī)器更強(qiáng)大。直到1987年，專用LISP機(jī)器硬件銷售市場(chǎng)嚴(yán)重崩潰，AI遭遇了一系列財(cái)政問題。人工智能的低谷NouvelleAI與嵌入式推理80年代后期，一些研究者根據(jù)機(jī)器人學(xué)的成就提出了一種全新的人工智能方案。他們相信，為了獲得真正的智能，機(jī)器必須具有軀體-它需要感知，移動(dòng)，生存，與這個(gè)世界交互。他們號(hào)召“自底向上”地創(chuàng)造智能，這一主張復(fù)興了從60年代就沉寂下來的控制論。軀體的重要性：第二次AI低谷：1987-1993隨著對(duì)專家系統(tǒng)的狂熱追專家系統(tǒng)無法解決仿生學(xué)的問題。后來，人工智能科學(xué)家羅德尼·布魯克斯發(fā)表了一篇新論文：《大象不會(huì)下國(guó)際象棋》。布魯克斯的靈感來自神經(jīng)科學(xué)的發(fā)展，神經(jīng)科學(xué)已經(jīng)開始解釋人類認(rèn)知的奧秘。例如，視覺需要大腦中不同的“模塊”共同工作來識(shí)別模式，而不需要通過中央控制。布魯克斯認(rèn)為，用智能行為規(guī)則預(yù)先編程，這種自上而下的方法是錯(cuò)誤的。他推動(dòng)了自下而上的人工智能方法的復(fù)興，包括長(zhǎng)期不受歡迎的神經(jīng)網(wǎng)絡(luò)領(lǐng)域。十、1990年：回歸自然，尋找“自下而上”的靈感專家系統(tǒng)無法解決仿生學(xué)的問題。后來，人工智能科學(xué)家羅德尼·布研究者們開發(fā)的算法開始變?yōu)檩^大的系統(tǒng)的一部分。AI曾經(jīng)解決了大量的難題，這些解決方案在產(chǎn)業(yè)界起到了重要作用。應(yīng)用了AI技術(shù)的有數(shù)據(jù)挖掘，工業(yè)機(jī)器人，物流，語音識(shí)別，銀行業(yè)軟件，醫(yī)療診斷和Google搜索引擎等。幕后的AI90年代，被稱為“智能代理”的新范式被廣泛接受。盡管早期研究者提出了模塊化的分治策略，但是直到JudeaPearl，AlanNewell等人將一些概念從決策理論和經(jīng)濟(jì)學(xué)中引入AI之后現(xiàn)代智能代理范式才逐漸形成智能代理越來越多的AI研究者們開始開發(fā)和使用復(fù)雜的數(shù)學(xué)工具。人們廣泛地認(rèn)識(shí)到，許多AI需要解決的問題已經(jīng)成為數(shù)學(xué)，經(jīng)濟(jì)學(xué)和運(yùn)籌學(xué)領(lǐng)域的研究課題?！昂?jiǎn)約派”的勝利1997年5月11日，深藍(lán)成為戰(zhàn)勝國(guó)際象棋世界冠軍卡斯帕羅夫的第一個(gè)計(jì)算機(jī)系統(tǒng)。2005年，Stanford開發(fā)的一臺(tái)機(jī)器人在一條沙漠小徑上成功地自動(dòng)行駛了131英里，贏得了DARPA挑戰(zhàn)大賽頭獎(jiǎng)里程碑和摩爾定律穩(wěn)健時(shí)代：1993-2010研究者們開發(fā)的算法開始變?yōu)檩^大的系統(tǒng)的一部分。AI曾經(jīng)解決了自上而下的人工智能的支持者，仍然擁有自己的冠軍：像超級(jí)計(jì)算機(jī)深藍(lán)，在1997年的標(biāo)準(zhǔn)國(guó)際象棋比賽中，戰(zhàn)勝了人類國(guó)際象棋冠軍加里·卡斯帕羅夫。IBM制造的這臺(tái)機(jī)器，理論上比卡斯帕羅夫優(yōu)秀得多——每秒可以計(jì)算2億次。但它能進(jìn)行戰(zhàn)略思考嗎？答案是肯定的。深藍(lán)贏得了這場(chǎng)被稱為“大腦的最后一戰(zhàn)”的比賽。一些人稱贊這是人工智能成熟的時(shí)刻。但在另一些人眼中，這只是AI在一個(gè)高度專業(yè)化、規(guī)則明確的問題上，展示了蠻力。十一、1997年：人與機(jī)器：20世紀(jì)的戰(zhàn)斗自上而下的人工智能的支持者，仍然擁有自己的冠軍：像超級(jí)計(jì)算機(jī)iRobot公司發(fā)明了這款家用機(jī)器人，這是為家庭而設(shè)計(jì)的第一款機(jī)器人——一個(gè)名為Roomba的自動(dòng)吸塵器。Roomba開創(chuàng)了自主機(jī)器人的新時(shí)代，專注于特定的任務(wù)。十二、2002年：第一個(gè)家用機(jī)器人iRobot公司發(fā)明了這款家用機(jī)器人，這是為家庭而設(shè)計(jì)的第一2008年11月，蘋果新推出的iPhone手機(jī)上出現(xiàn)了一個(gè)小功能——谷歌語音識(shí)別應(yīng)用?？雌饋砗?jiǎn)單，但這預(yù)示著一個(gè)重大突破，它的語音識(shí)別精確度達(dá)到了92%。十三、2008年：開始解決大問題2008年11月，蘋果新推出的iPhone手機(jī)上出現(xiàn)了一個(gè)小在2010年上海世博會(huì)上，20個(gè)機(jī)器人完美和諧地跳了一段8分鐘的舞蹈。十四、2010年：舞蹈機(jī)器人在2010年上海世博會(huì)上，20個(gè)機(jī)器人完美和諧地跳了一段8分ABC新時(shí)代：2012--隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)、云計(jì)算技術(shù)的爆發(fā)，積累了歷史上超乎想象的數(shù)據(jù)量，這為人工智能的后續(xù)發(fā)展提供了足夠的素材和動(dòng)力。AI人工智能、Bigdata大數(shù)據(jù)、Cloud云計(jì)算，以及正在深入展開的IoT物聯(lián)網(wǎng)技術(shù)，共同構(gòu)成了新的技術(shù)主旋律。ABC新時(shí)代：2012--隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)、云計(jì)算技術(shù)2011年，IBM的沃森(Watson)在美國(guó)智力競(jìng)賽節(jié)目《危險(xiǎn)邊緣》(Jeopardy)中，挑戰(zhàn)了人類大腦。沃森擊敗了對(duì)手——有史以來表現(xiàn)最好的兩位人類選手。這場(chǎng)勝利在網(wǎng)上瘋傳，被譽(yù)為人工智能的勝利。十五、2011年：人與機(jī)器：21世紀(jì)的戰(zhàn)斗2011年，IBM的沃森(Watson)在美國(guó)智力競(jìng)賽節(jié)目《2016年和2017年，谷歌發(fā)起了兩場(chǎng)轟動(dòng)世界的圍棋人機(jī)之戰(zhàn)，其人工智能程序AlphaGo連續(xù)戰(zhàn)勝曾經(jīng)的圍棋世界冠軍韓國(guó)李世石，以及現(xiàn)任的圍棋世界冠軍中國(guó)的柯潔。人類頂級(jí)圍棋智慧的代表紛紛敗在計(jì)算機(jī)高速的計(jì)算能力和優(yōu)秀的人工智能算法之下。十六、2016年：人與機(jī)器AlphaGo2016年和2017年，谷歌發(fā)起了兩場(chǎng)轟動(dòng)世界的圍棋人機(jī)之戰(zhàn)發(fā)展成果發(fā)展成果知識(shí)工程：

專家系統(tǒng)，智能搜索引擎等模式識(shí)別：

2D/3D/多維識(shí)別系統(tǒng)航空：

Space自動(dòng)工程：獵鷹系統(tǒng)等發(fā)展成果發(fā)展成果知識(shí)工程：模式識(shí)別：航空：自動(dòng)工程：發(fā)展成果知識(shí)工程以知識(shí)本身為處理對(duì)象，研究如何運(yùn)用人工智能和軟件技術(shù)，設(shè)計(jì)、構(gòu)造和維護(hù)知識(shí)系統(tǒng)

專家系統(tǒng)智能搜索引擎計(jì)算機(jī)視覺和圖像處理機(jī)器翻譯和自然語言理解數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)發(fā)展成果知識(shí)工程發(fā)展成果模式識(shí)別主要有2D識(shí)別引擎、3D識(shí)別引擎，駐波識(shí)別引擎以及多維識(shí)別引擎。目前，2D識(shí)別引擎已推出指紋識(shí)別，人像識(shí)別，文字識(shí)別，圖像識(shí)別，車牌識(shí)別；駐波識(shí)別引擎已推出語音識(shí)別。發(fā)展成果模式識(shí)別人工智能發(fā)展的主要里程碑人工智能發(fā)展的主要里程碑人工智能面臨的考驗(yàn)PART03人工智能面臨的考驗(yàn)PART03數(shù)據(jù)分析問題大數(shù)據(jù)數(shù)據(jù)分析是指用適當(dāng)?shù)慕y(tǒng)計(jì)分析方法對(duì)收集來的大量數(shù)據(jù)進(jìn)行分析，提取有用信息和形成結(jié)論而對(duì)數(shù)據(jù)加以詳細(xì)研究和概括總結(jié)的過程。數(shù)據(jù)分析是數(shù)學(xué)與計(jì)算機(jī)科學(xué)相結(jié)合的產(chǎn)物，當(dāng)今的科研需要對(duì)規(guī)模巨大的數(shù)據(jù)進(jìn)行分析。大數(shù)據(jù)被視為驅(qū)動(dòng)新一輪技術(shù)革命的關(guān)鍵力量。在新形勢(shì)下，如何理性認(rèn)識(shí)大數(shù)據(jù)，如何實(shí)現(xiàn)大數(shù)據(jù)的價(jià)值，成為時(shí)下最熱的話題。人工智能需要不斷獲取新的數(shù)據(jù)、進(jìn)行持續(xù)且深度的學(xué)習(xí)，“越用越靈”可以說是人工智能發(fā)展的關(guān)鍵。由數(shù)據(jù)驅(qū)動(dòng)的人工智能時(shí)代已經(jīng)到來，大數(shù)據(jù)分析技術(shù)對(duì)人工智能應(yīng)用快速發(fā)展的推動(dòng)作用將越來越明顯。隨著人工智能時(shí)代的來臨，深度學(xué)習(xí)框架已成為人工智能跨越發(fā)展的核心突破口，依托深度學(xué)習(xí)框架構(gòu)建人工智能生態(tài)也必將成為未來發(fā)展方向。深度學(xué)習(xí)框架能夠提供進(jìn)行深度學(xué)習(xí)的底層架構(gòu)、接口，以及大量神經(jīng)網(wǎng)絡(luò)模型，減少重復(fù)編程的時(shí)間和精力，提高深度學(xué)習(xí)效率。深度學(xué)習(xí)框架+應(yīng)用場(chǎng)景，已成為當(dāng)今的主流發(fā)展模式，成為人工智能發(fā)展的基礎(chǔ)和核心，也是人工智能向下一個(gè)階段跨越的關(guān)鍵。數(shù)據(jù)量的豐富程度決定了是否有充足數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，進(jìn)而使人工智能系統(tǒng)經(jīng)過深度學(xué)習(xí)訓(xùn)練后達(dá)到強(qiáng)人工智能水平。因此，能否有足夠多的數(shù)據(jù)對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行深度訓(xùn)練，提升算法有效性是人工智能能否達(dá)到類人或超人水平的決定因素之一。數(shù)據(jù)分析問題大數(shù)據(jù)數(shù)據(jù)分析是指用適當(dāng)?shù)慕y(tǒng)計(jì)語義系統(tǒng)問題語義識(shí)別語義系統(tǒng)是個(gè)共時(shí)的體系，但又具有在歷史中存在并按一定規(guī)律不斷演化、發(fā)展的結(jié)果。它可分為線性系統(tǒng)和非線性系統(tǒng)，由本義、引申義和假借義構(gòu)成的系統(tǒng)是線性系統(tǒng)，該系統(tǒng)展示了語言的完整性和統(tǒng)一性；由多個(gè)意義上無轉(zhuǎn)義聯(lián)系的語義成分疊合成的系統(tǒng)是非線性系統(tǒng)，其中“歧義”就是任意性的一個(gè)例子。所以，人類語言高維的、復(fù)雜的語義系統(tǒng)也是當(dāng)前人工智能領(lǐng)域所面臨的關(guān)鍵難題。語義識(shí)別是語義系統(tǒng)研究中的基本任務(wù)，它的核心除了理解文本詞匯的含義，還要理解這個(gè)詞語在句子、段落、篇章中所代表的意思，這意味著語義識(shí)別從技術(shù)上要做到：文本、詞匯、句法、詞法、段落、篇章層面的語義分析和歧義消除，以及對(duì)應(yīng)的含義重組，以達(dá)到識(shí)別本身的目的。語言本身詞性、詞性、詞義、表意、組成邏輯復(fù)雜等性質(zhì)，決定了語義識(shí)別的難度。因而語義識(shí)別技術(shù)也涉及計(jì)算機(jī)科學(xué)、認(rèn)知科學(xué)、語言學(xué)、邏輯學(xué)、生物學(xué)、統(tǒng)計(jì)學(xué)、數(shù)學(xué)等諸多廣泛的學(xué)科支撐，這些學(xué)科交叉將有可能成為人工智能的創(chuàng)新源泉。此外，人工智能中的語義分析是語義系統(tǒng)研究中的難題之一。它是自然語言處理技術(shù)的核心任務(wù)，也是理解信息資源內(nèi)涵的關(guān)鍵；它涉及理論語言學(xué)、計(jì)算語言學(xué)、認(rèn)知語言學(xué)，以及機(jī)器學(xué)習(xí)等多個(gè)學(xué)科，其任務(wù)有助于促進(jìn)其他自然語言處理任務(wù)的快速發(fā)展。語義分析技術(shù)，特別是深度學(xué)習(xí)技術(shù)近年來發(fā)展迅猛，已經(jīng)在圍棋對(duì)弈、自動(dòng)駕駛、圖像識(shí)別、語音識(shí)別、智能生活等多個(gè)領(lǐng)域取得了突破性進(jìn)展。而深度學(xué)習(xí)技術(shù)的應(yīng)用有助于突破語義處理的瓶頸，但還有待于增加語境語義的層次。順便一提的是，深度學(xué)習(xí)在一定程度上引起恐慌，有人認(rèn)為機(jī)器通過自己學(xué)習(xí)，可能會(huì)產(chǎn)生自己的意識(shí)，變得不受人類控制。谷歌AI識(shí)別語音處理設(shè)備語義系統(tǒng)問題語義識(shí)別語義系統(tǒng)是個(gè)共時(shí)的體系，但又具有在歷史中大腦結(jié)構(gòu)問題人工神經(jīng)網(wǎng)絡(luò)人類的大腦是人體所有器官中最復(fù)雜的一部份，并且是所有神經(jīng)系統(tǒng)的中樞；雖然它看起來是一整塊的樣子，但是通過神經(jīng)系統(tǒng)專家，可了解它的各個(gè)功能。人腦約有1000億個(gè)神經(jīng)元，神經(jīng)元之間約有上萬億的突觸連接，形成了迷宮般的網(wǎng)絡(luò)連接。它到底是怎么處理語言信息的，很大程度還是一個(gè)黑箱，這就是腦科學(xué)面臨的挑戰(zhàn)。目前強(qiáng)人工智能邁出的一步是在計(jì)算機(jī)上模擬人類大腦如何運(yùn)轉(zhuǎn)，以便研究人員能更深入地了解智能背后的內(nèi)在機(jī)理。然而，人類的大腦異常復(fù)雜，即使借助今天的大型超級(jí)計(jì)算機(jī)的強(qiáng)大功能，還是不可能模擬人腦1000億個(gè)神經(jīng)元與上萬億個(gè)突觸之間的所有相互關(guān)系。但現(xiàn)在這個(gè)目標(biāo)更接近了一步，人工智能的研究人員已開發(fā)出了一種算法，該算法不僅加快了現(xiàn)有超級(jí)計(jì)算機(jī)上的人腦模擬，還向未來的百億億次運(yùn)算超級(jí)計(jì)算機(jī)（每秒能執(zhí)行上百億億次運(yùn)算的計(jì)算機(jī)）上實(shí)現(xiàn)“全腦”模擬邁出了一大步。人類大腦與當(dāng)前的人工智能技術(shù)有許多相似點(diǎn)，這說明人工智能正在沿著正確的方向發(fā)展。不過在機(jī)器模擬人腦方面，人工智能顯然還有一個(gè)相當(dāng)長(zhǎng)的路要走。大腦結(jié)構(gòu)問題人工神經(jīng)網(wǎng)絡(luò)人類的大腦是人體所有器官人工智能的未來PART04人工智能的未來PART04凡爾納凡爾納筆下的科學(xué)。儒勒·凡爾納，是19世紀(jì)法國(guó)著名科幻小說家，被譽(yù)為“世界科幻小說之父"，代表作《海底兩萬里》等作品中充滿了瑰麗的想象及科學(xué)縝密的思考。凡爾納筆下的科學(xué)幻想無異于科學(xué)的預(yù)言。他作品中的想象如智產(chǎn)煜、直升機(jī)、霓虹燈、導(dǎo)彈、坦克等，在20世紀(jì)幾乎全部成為了現(xiàn)實(shí)凡爾納AI行業(yè)的七大發(fā)展趨勢(shì)1、更聰