人工智慧的起源與三次發展浪潮

導讀講到人工智慧，我們首先要追本溯源，看一下人工智慧是怎麼起源的?「人工智慧」這一名詞的誕生並不是很久，由四位圖靈獎得主、資訊理論創始人和一位諾貝爾獎得主，於1956年在美國Dartmouth會議上，一起將人工智慧的名詞定義出來。  

人工智慧的起源與三次發展浪潮

講到人工智慧，我們首先要追本溯源，看一下人工智慧是怎麼起源的?「人工智慧」這一名詞的誕生並不是很久，由四位圖靈獎得主、資訊理論創始人和一位諾貝爾獎得主，於1956年在美國Dartmouth會議上，一起將人工智慧的名詞定義出來。

應該說人工智慧發展的這60年，起起伏伏，經歷了三次的浪潮。自從Dartmouth會議以後，人們陸續發明了第一款的感知神經網絡軟體和聊天軟體，證明了數學定理，那個時候大家都驚呼「人工智慧來了，再過十年機器要超越人類了」。不過，很快到了70年代後期，人們發現過去的理論和模型，只能解決一些非常簡單的問題，很快人工智慧進入了第一次的冬天。

隨著1982年Hopfield神經網絡和BT訓練算法的提出，大家發現人工智慧的春天又來了。80年代又興起一撥人工智慧的熱潮，包括語音識別、語音翻譯計劃，以及日本提出的第五代計算機。不過，到了90年代後期，人們發現這種東西離我們的實際生活還很遙遠。大家都有印象IBM在90年代的時候提出了一款語音聽寫的軟體叫IBM Viavoice，在演示當中效果不錯，但是真正用的時候卻很難使用。因此，在2000年左右第二次人工智慧的浪潮又破滅了。接下來是第三次人工智慧的浪潮，隨著2006年Hinton提出的深度學習的技術，以及在圖像、語音識別以及其他領域內取得的一些成功。大家認為經過了兩次起伏，人工智慧開始進入了真正爆發的前夜。

工業界人工智慧成功過的三大法寶

人工智慧在第三次最近十年浪潮中，工業界取得了一些進步的成果。首當其推深度神經網絡，其模型和算法和傳統的方法是有本質的不同，雖然它與我們人類的神經網絡相比，還有很多不足，但是確實在架構和描述方面有其強大之處;其次，大數據。隨著移動網際網路的迅猛發展，數據每天都是以指數級增加，通過手機和微信等，人們可以隨時隨地把視覺、聽覺上的這些數據輕鬆地傳到網上，匯聚起來形成大數據;第三，漣漪效應。隨著移動網際網路的發展，各種軟體、各種設備接觸用戶的門檻極大地降低了。例如，當一款新的APP找到第一批用戶時，他們使用的行為和記錄就被後臺記錄下來了，開發者再對這種行為和記錄進行迭代的改進，當再把APP投向第二批用戶的時候，軟體行為已經比第一代提升了，這就是漣漪效應。隨著迭代的波浪越來越大的時候，軟體會變得更加好用、更加智能。

漣漪效應推動語音辨識與圖片識別發展

語音識別實用化得益於「漣漪效應」。訊飛的語音識別2010年推出的時候，坦白說它的識別率只有60%左右水平，剛開始大家都覺得很難用，但是有一批嘗鮮的用戶。隨著技術的迭代、更新，以及數據持續的迭代，如今訊飛語音識別率已經達到了95%以上的水平，達到完全實用的狀態。圖片識別也同樣如此，在ImageNet圖像識別任務中，2012年的時候錯誤率高達26.2%，但是到2015年底已經降到了3.57%。基本上可以說這個技術使得我們只要通過一個攝像頭，就能將家中的各種物體很輕易地分辨出來。

除此以外，隨著這兩年的深度的學習的熱潮越來越大的時候，各行各業中各種應用都鋪面而來。最近最有影響力的當屬3月15日谷歌機器人AlphaGO四比一戰勝了圍棋世界冠軍李世石。AlphaGO也是利用深度學習模型，對局勢做了評估，並收藏了3000萬盤棋譜的特性，最後形成綜合方案。從而在圍棋這一規則相對比較固定的項目上，達到人類最頂尖的水平。回顧了這麼多人工智慧的進展和浪潮，回過頭想一下，我們所做的人工智慧還是從1到N這樣的事情，即「弱人工智慧」。

語音和語言為入口的認知革命

那什麼是「強人工智慧」?實際上，計算機什麼時候能夠自動從網際網路上無監督地汲取知識，進行學習甚至是思維，才可以稱為「強人工智慧」。如果我們想要做「強人工智慧」的突破，可以從哪些地方得到啟示?人類從200萬年前發展到如今經歷了農業革命、工業革命、信息革命，但實際上在此之前還有一次很關鍵的革命——認知革命。大約7萬年以前，有一種人發生了突破性的變化，使得整個進化和迭代的周期加快，產生認知革命的原因就是7萬年以前的這些人突然會說話了，發明了語言。語言的廣泛使用，可以表達非常複雜的信息;有了語言以後就可以反饋社會的信息，可以組織和形成更有凝聚力，更大的團體;語言可以傳遞一些虛構的或者是抽象的概念，有了這樣的概念，大量的陌生人就可以進行合作、進行創新，這就是語言的重要性。

反過頭來，如果機器想要從「弱的人工智慧」變成「強的人工智慧」怎麼辦?我們也需要一場認知革命。因為大量的知識和技能都被記載在人類的語言、文字、知識庫、網絡和各種說明書中。人工智慧想要突破，實現更長度的進化，也需要認知革命，把這些知識學習起來。

突破人工智慧認知技能發展

如今業界基本上將人工智慧分成三個階段：計算智能、感知智能和認知智能，計算智能就是計算機與人類比存儲、比記憶，在此方面已經遠遠超過人類了。不過，在感知層面，計算機在語音識別、圖象識別的方面，讓計算機真正能理解、會思考、進行自我學習，還是很欠缺的。科大訊飛在2014年8月20日，發布了訊飛超腦的計劃，現在從要能聽會說，能理解會思考。語音不僅通過傳感器和算法來感知世界，而且我們要能真正理解用戶的一些需求、行為和語言，再進行認知。認知智能其實不簡簡單單做一些基礎性工作，發現人在認識這個世界的時候，其實感知和認知是組合在一起的。當我們耳朵去聽一些話的時候，除了聽腦海中在運算，理解話中的意思，同時我們的認知技能也在發展，反過來又能推動像語音識別基礎任務的進步提升。

IT產業從上世紀60年代到現在經歷了五次浪潮，我們已經進入了萬物互聯的時代，在無屏、移動、遠場狀態下，以語音為主，鍵盤、觸摸等為輔的人機互動時代正在到來。為此，科大訊飛在2015年12月21日正式發布了AIUI的人機互動界面，來定義了這樣的一個萬物互聯時代的人機互動的標準。其目的是讓人和機器交互更加地自然和便捷。可以實現一鍵獲取，用形態豐富的麥克風陣列來進行試音，進行很輕鬆的SDK的計算開發，然後在雲端做深度的適配，做專署的貼心的服務，最終讓智能家居都能夠和人互動起來。

用人工智慧一起來改變世界

基於這樣的技術，我們搭建了人工智慧開發平臺，可以看到我們的合作夥伴和服務量都有非常迅猛地增長。這次浪潮中人工智慧的到來比想像中要來得更快。麥肯錫研究報告顯示，現在45%的活動可以當前技術實現自動化，不僅底薪工作甚至高薪工作中相當一部分的日常活動會被自動化。或許再過三五年，可能真的很多行業都可以通過人工智慧技術進行一次升級。日本軟銀公司總裁孫正義定義了復活方程式，即「生產性×勞動人口=競爭力」。眾所周知，中國經過30多年的計劃生育，勞動人口呈現下降的趨勢，那未來怎麼辦?如果保住競爭力，其實要讓更多的機器參與進來，來提高我們的生產總量。「未來的產業機器人將決定GDP的全球排名」這絕不是一句空話。我們的願景就是與大家一起，用人工智慧一起來改變世界，來提高我們的國家競爭力。

標籤：

 

  人工智慧^[31]    神經網絡^[4]    工業^[3]

[整理編輯：CK365測控網]
更多精彩文章請關注公眾號「CK365測控界」

免責聲明:凡註明來源CK365測控網的所有作品，均為本網合法擁有版權或有權使用的作品，歡迎轉載，請註明出處。非本網作品均來自網際網路，轉載目的在於傳遞更多信息，並不代表本網贊同其觀點和對其真實性負責。