人工智慧的主流技術的發展大致經歷了三個重要的歷程

2020-12-20 電子發燒友

人工智慧的主流技術的發展大致經歷了三個重要的歷程

李倩 發表於 2018-08-01 17:00:27

摘要： 人工智慧的主流技術的發展大致經歷了三個重要的歷程。

人工智慧的主流技術的發展大致經歷了三個重要的歷程。1956-1965年，人工智慧的形成期，強調推理的作用。一般認為只要機器被賦予邏輯推理能力就可以實現人工智慧。不過此後人們發現，只是具備了邏輯推理能力，機器還遠遠達不到智能化的水平。1965-1990年，人工智慧的「知識期」。這一時期，人們認為要讓機器變得有智能，就應該設法讓機器具有知識。

後來人們發現，知識獲取相當困難。1990年至今，人工智慧進入「機器學習期」。隨著各種機器學習算法的提出和應用，特別是深度學習技術的發展，人們希望機器能夠通過大量數據分析，從而自動學習出知識並實現智能化水平。這一時期，隨著計算機硬體水平的提升，大數據分析技術的發展，機器採集、存儲、處理數據的水平有了大幅提高。特別是深度學習技術對知識的理解比之前淺層學習有了很大的進步，Alpha Go和中韓圍棋高手過招大幅領先就是人工智慧的高水平代表之一。

人工智慧發展的62年中，有高潮，有低潮，呈現波浪式前進，螺旋式提升。1960年代，人工智慧大發展， 1970年代，人工智慧處於低潮，特別是神經網路、機器翻譯等的研究項目大量取消。1980年代，人工智慧發展迎來了「日本五代機」大好時光。但是到1988年，「日本五代機」研究沒有達到預期的目標，引起人們反思人工智慧的研究。1991年，人工智慧頂級刊物「Artificial Intelligence」第47卷發表了人工智慧基礎專輯，指出了人工智慧研究的趨勢。Kirsh在專輯中提出了人工智慧的五個基本問題：

(1) 知識與概念化是否是人工智慧的核心？

(2) 認知能力能否與載體分開來研究？

(3) 認知的軌跡是否可用類自然語言來描述？

(4) 學習能力能否與認知分開來研究？

(5) 所有的認知是否有一種統一的結構？

這些問題都是與人工智慧有關的認知問題, 必須從認知科學的基礎理論進行探討。基礎理論研究是為獲得關於現象和可觀察事實的基本原理及新知識而進行的實驗性和理論性工作，它不以任何專門或特定的應用或使用為目的。

在過去的幾年間，由於神經網絡，或者「深度學習」方法的飛速發，人工智慧已經發生了一場變革，這些人工智慧方法的起源都直接來自神經科學。1943年，心理學家麥克洛奇(W S McCulloch) 和數理邏輯學家皮茲 (W Pitts) 在《數學生物物理公報 (Bulletin ofMathematical Biophysics)》上發表了關於神經網絡的數學模型，提出了MP神經網絡模型，開創了人工神經網絡的研究。

神經計算的研究以建設人工的神經網絡作為開端，這些神經網絡能計算邏輯函數。不久之後，有人提出了另外的一些機制，認為神經網絡中的神經元可能可以逐步地從監督式的回饋或者非監督方法中有效的編碼環境統計下進行學習。這些機制打開了人工神經網絡研究的另一扇大門，並且提供了當代對深度學習進行研究的基礎。費爾德曼(Feldmann) 和 巴拉德(Ballard) 的連接網絡模型指出了傳統的人工智慧計算與生物的「計算"的區別, 提出了並行分布處理的計算原則。

1985年，欣頓(Hinton)和塞傑諾斯基(Sejnowsky) 提出了一個可行的算法，稱為玻耳茲曼(Boltzmann) 機模型。他們借用了統計物理學的概念和方法,首次提出了多層網絡的學習算法。1986年，魯梅爾哈特(Rumelhart) 和 麥克萊倫德(McClelland) 等人提出並行分布處理(Parallel Distributed Processing, 簡稱PDP) 的理論。一群神經科學和認知科學家意識到，他們的研究屬於平行分布式處理（PDP）。

當時，大多數的人工智慧研究都集中在基於序列計算建立邏輯處理系統，這一概念部分是受到這樣一種思路的啟發——人類的智能包含了對符號表徵的處理。但是，在有一些領域，越來越多的人意識到，純粹的符號方法可能過於脆弱，並且在解決人類習以為常的現實問題時，可能不夠靈活。取而代之的是，關於大腦基礎知識的不斷增加，指出了一個非常不一樣的方向，強調動態和高度平行信息處理的重要性。基於此，PDP興起提出了一個思路：人類的認知和行為來自動態的、分布式交互，並且基於神經網絡內單一類神經元的處理單元，通過學習進程來對交互進行調整，他們通過調整參數，以將誤差最小化，將反饋最大化。在各個地方，神經科學為架構和算法的範圍提供了初步指導，從而引導人工智慧成功應用神經網絡。

除了在深度學習發展中的神經科學發揮重要作用之外，神經科學還推動了強化學習（RL）的出現。 強化學習方法解決了如何通過將環境中的狀態映射到行動來最大化未來獎勵的問題，並且是人工智慧研究中使用最廣泛的工具之一。深度 Q 網絡（DQN）通過學習將圖像像素的矢量轉換為用於選擇動作（例如操縱杆移動）的策略，在 Atari 2600 視頻遊戲中展現出專家級的水平。DQN 的一個關鍵因素是「體驗重播」（experience replay），其中網絡以基於實例的方式存儲訓練數據的一部分，然後「離線重播」，從過去新發現的成功或失敗中學習。體驗重播對於最大限度地提高數據效率至關重要，避免了從連續相關經驗中學習的不穩定的影響，使網絡即使在複雜、高度結構化的順序環境中，也能學習可行的價值函數。

體驗重播直接受理論的啟發，這些理論旨在了解哺乳動物大腦中的多個記憶系統如何相互作用。動物的學習行為是由海馬和新皮質中互補學習系統為基礎。DQN 中的重播緩衝區可以被視為一個非常原始的海馬，使計算機能夠進行輔助學習，就像在生物大腦裡發生的那樣。後續工作表明，當具有高度獎勵價值的事件重播被優先考慮時，DQN 中體驗重播的好處得到了增長，正如海馬重播似乎更偏好能夠帶來高水平強化的事件一樣。

存儲在內存緩衝區中的體驗不僅可以用於逐漸將深度網絡的參數調整為最佳策略（就像在 DQN 中那樣），還可以根據個人經驗支持快速的行為變化。事實上，理論神經科學已經證明了情景控制的潛在好處，在生物大腦的海馬中，獎勵動作序列能夠在內部從快速可更新的記憶庫中被重新激活。此外，當獲得的環境經驗有限時，情景控制特別優於其他的學習機制。最近的人工智慧 研究已經吸取了這些想法來克服深度強化學習網絡學習慢的特性，開發了實現情景控制的架構。這些網絡存儲特定的體驗，並且基於當前情況輸入和存儲在存儲器中的先前事件之間的相似性來選擇新的動作，考慮與之前的事件相關聯的獎勵。

智能科學是由腦科學、認知科學、人工智慧等構建的前沿交叉學科，研究智能的基本理論和實現技術。腦科學從分子水平、細胞水平、行為水平研究人腦智能機理，建立腦模型，揭示人腦的本質。認知科學是研究人類感知、學習、記憶、思維、意識等人腦心智活動過程的科學。人工智慧研究用人工的方法和技術，模仿、延伸和擴展人的智能, 實現機器智能。智能科學是實現人類水平的人工智慧的重要途徑，引領新一代人工智慧的發展。

打開APP閱讀更多精彩內容

聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容圖片侵權或者其他問題，請聯繫本站作侵刪。 侵權投訴

相關焦點

  • 人工智慧的歷程、現狀及未來發展趨勢
    本報告將全方位剖析人工智慧的發展歷程、發展現狀及未來發展趨勢，分析人工智慧發展帶來的到底是什麼。 01 人工智慧的基本概念和發展歷程 1. 人工智慧學科的起源 人工智慧發展歷程的重要啟示 尊重發展規律是推動科技健康發展的前提 基礎研究是科技可持續發展的基石 應用需求是科技創新的不竭之源 學科交叉是創新突破的」捷徑」 寬容失敗應是支持創新的題中應有之義 實事求是設定科學目標 02 人工智慧的發展現狀 人工智慧60餘年的發展道路雖然起伏曲折，但成就可謂碩果纍纍
  • 從認知無線電到人工智慧,詳解動態頻譜管理技術的發展歷程
    從認知無線電到人工智慧，詳解動態頻譜管理技術的發展歷程 工程師青青 發表於 2018-06-11 20:30:00 隨著無線電技術的迅速發展，有限的頻率資源已無法滿足日益增長的用頻需求
  • 人工智慧的應用與發展歷程
    人工智慧（AI）這一術語是指執行在人類決策領域內考慮的任務的計算系統。這些軟體驅動的系統和智能代理包含高級數據分析和大數據應用程式。人工智慧系統利用這個知識庫來制定決策，並開展近似認知功能的行動，其中包括學習和解決問題。人工智慧在20世紀50年代中期被作為一個科學領域引入，近年來發展迅速。
  • 盤點人工智慧發展的三個階段與四個智能場景
    打開APP 盤點人工智慧發展的三個階段與四個智能場景 胡薇 發表於 2018-08-16 17:34:09 事實上，人工智慧發展至今，有三個階段是大眾普遍認為的：
  • 人工智慧的發展歷程與未來方向
    這本書希望從物理學和化學原則的角度來解釋生命現象，它開啟了分子生物學的大門，也在人工智慧的早期發展中起到了重要作用。在1956年馬文•明斯基組織的達特茅斯會議裡，麥卡錫首次提出了「人工智慧」的概念，這被公認為是AI誕生的標誌。在這次會議中，大家一致認為「學習或者智能的任何其他特性的每一個方面都應能被精確地加以描述，使得機器可以對其進行模擬」。
  • 人工智慧的創新發展與社會影響
    人工智慧的目標是模擬、延伸和擴展人類智能，探尋智能本質，發展類人智能機器。人工智慧充滿未知的探索道路曲折起伏，如何描述1956年以來60餘年的人工智慧發展歷程，學術界可謂仁者見仁、智者見智。我們將人工智慧60餘年的發展歷程劃分為以下6個階段：一是起步發展期：1956年-20世紀60年代初。
  • 工學大儒鄭光廷教授:人工智慧發展歷程與未來展望
    他也曾共同創辦過三家科技新創公司。開創一個企業，以我的看法就是要生存，如果我們只看2、3年，即使成功, 也很可能幾年之內被取代，什麼階段掌握什麼技術是公司領導階層要仔細考量的。還有結盟時候關鍵技術可以共同擁有，我個人覺得「芯」是非常重要的。比如蘋果過去從來不是一個晶片公司，但是它今天有4000多個晶片設計師，因為晶片是一個非常重要的關鍵技術。
  • 《中國人工智慧發展報告2018》英文版發布會暨人工智慧國際對話在...
    《中國人工智慧發展報告2018》英文版發布會暨人工智慧國際對話在清華大學舉行清華新聞網10月10日電 9月27日下午，《中國人工智慧發展報告2018》英文版發布會暨人工智慧國際對話會在清華大學舉行。薛瀾表示，該報告從技術發展、市場應用、政策環境和社會影響四個角度闡述中國人工智慧發展歷程。報告還對中國與發達國家在人工智慧發展方面進行了多維度比較，並分析了中國在人工智慧發展方面的優劣勢以及國際競爭地位。薛瀾說，很高興能夠邀請不同領域的專家來到蘇世民書院，分享對於人工智慧發展及其影響的觀點。我們需要儘早思考如何應對潛在的社會治理以及倫理問題。
  • 縱觀人工智慧發展歷程 我們才能對這個未來朋友更加了解
    這些凝結著人類智慧的耕耘，積累到了上個世紀50年代，終於開出智慧之花。人類開始嘗試用計算的方式來理解智慧。 雖然今日「人工智慧」這個概念在我們的生活中隨處可見，但它仍然是高科技的代名詞。這個技術中蘊含的偉大力量，到現在才開始逐漸釋放。那麼，人工智慧這一概念究竟是由誰提出的呢？最初的人工智慧與今天的人工智慧又有哪些區別呢？
  • 人工智慧發展史:4張圖看盡AI重大裡程碑
    作者 | 王健宗 瞿曉陽 來源 | 大數據DT 01 人工智慧發展歷程圖1是人工智慧發展情況概覽。人工智慧的發展經歷了很長時間的歷史積澱，早在1950年，阿蘭·圖靈就提出了圖靈測試機，大意是將人和機器放在一個小黑屋裡與屋外的人對話，如果屋外的人分不清對話者是人類還是機器，那麼這臺機器就擁有像人一樣的智能。隨後，在1956年的達特茅斯會議上，「人工智慧」的概念被首次提出。
  • 人工智慧的起源與三次發展浪潮
    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。
  • 加快人工智慧發展的三個要素
    算法、算力和數據，是人工智慧快速發展的三個要素。首先在算法上的突破，才讓人工智慧的商業化發展看到了希望。其次，計算能力的提升，使得複雜的算法得以實現，快速得出訓練成果，降低成本。最後，大數據時代為人工智慧的訓練學習提供了大量的資料。離開其中任何一樣，人工智慧都無法實現大規模商業化應用。
  • 2020年人工智慧創新應用發展國際論壇在深圳舉行
    中國科學院鄭志明院士在致辭中梳理了人工智慧的發展歷程,權威解讀了人工智慧發展的技術邏輯,介紹了北京航空航天大學在人工智慧領域的科研布局情況,前瞻了人工智慧技術應用的宏大前景。
  • 人工智慧前沿技術應用趨勢與發展展望
    中國、美國、英國、德國、法國、日本等主要國家都紛紛將人工智慧上升為國家級戰略，積極搶佔人工智慧競爭的制高點。我國還進一步強調要加強人工智慧領域前沿技術布局，支持科學家勇闖人工智慧科技前沿的「無人區」。 　　現階段人工智慧技術發展特點 　　經歷了60多年的發展之後，人工智慧已經開始走出實驗室，進入到了產業化階段。
  • 人工智慧變革教育行業 吸引全球資本關注
    來源：經濟日報近年來，人工智慧技術發展迅速，正在改變生態圈各方的參與方式，目前已經步入商業化階段，開始對行業各參與方產生不同程度的影響。教育行業是人工智慧應用的重要場景。縱觀人工智慧教育行業的應用發展 歷程，起步階段主要集中在對人工智慧教育的規劃和初步探索中，20世紀50 年代，耐基梅隆大學教授艾倫·紐厄爾和赫伯特·西蒙作為人工智慧的奠基人，結合數學、工程和經濟學促進了人工智慧的發展。20世紀70年代，Jaime Carbonell創建智能教學系統，開始利用計算機輔助教學；1993年英國愛丁堡舉行第一屆人工智慧教育（AiED）國際會議。
  • 封裝天線技術發展歷程回顧
    另外，AiP技術將天線觸角伸向集成電路、封裝、材料與工藝等領域，倡導多學科協同設計與系統級優化。AiP技術已逐漸趨於常熟，在技術方面有很多論文和專利可供參考，但還沒有一篇回顧AiP技術發展歷程及其背後故事的文章，本文旨在填補這一方面的空白。在文中我將利用AiP技術發展歷程中起到重要推動作用的經典設計為例，加以自己親身經歷的故事，為大家勾勒出AiP技術發展的來龍去脈。
  • ...亞馬遜的簡單發展歷程三,飛輪理論解讀亞馬遜全球14個面向中國...
    內容大綱： 世界上主流的電商模式的區別是什麼？ 亞馬遜的簡單發展歷程 飛輪理論解讀 亞馬遜全球14個面向中國賣家招商的站點 一，目前世界上主流電商模式：亞馬遜模式和淘寶模式 1，淘寶模式：C2C或者B2C的典範。
  • 德勤全球AI發展白皮書出爐!八大新趨勢,三個關鍵技術一文掃盡
    從歷史的進程來看， 人工智慧自1956年提出以來， 經歷了三個階段， 這三個階段同時也是算法和研究方法更迭的過程： 第一個階段是20世紀60~70年代， 人工智慧迎來了黃金時期， 以邏輯學為主導的研究方法成為主流。 人工智慧通過計算機來實現機器化的邏輯推理證明， 但最終難以實現。
  • 人工智慧的技術結構是怎樣的
    一、 人工智慧技術發展概述 （一） 人工智慧技術流派發展簡析 讓機器實現人的智能，一直是人工智慧學者不斷追求的目標，不同學科背景或應用領域的學者，從不同角度，用不同的方法，沿著不同的途徑對智能進行了探索。其中，符號主義、連接主義和行為主義是人工智慧發展歷史上的三大技術流派。
  • 德勤全球AI發展白皮書出爐!八大新趨勢,三個關鍵技術一文掃盡【附...
    如果想收藏本文的報告（全球人工智慧發展白皮書），可以在智東西（公眾號：zhidxcom）回復關鍵詞「nc407」獲取。一、 AI創新融合新趨勢1、 人工智慧正全方位商業化當前人工智慧技術已步入全方位商業化階段， 並對傳統行業各參與方產生不同程度的影響， 改變了各行業的生態。 這種變革主要體現在三個層次。