事實(shí)上，在人們所了解的各種宣傳炒作中，人們很容易忘記人工智能并不是什么新鮮事物。在上個世紀(jì)，人工智能已經(jīng)走出了科幻小說，進(jìn)入了現(xiàn)實(shí)世界。而使其成為可能的理論和基礎(chǔ)計(jì)算機(jī)科學(xué)也已經(jīng)存在數(shù)十年的時間。

人工智能(AI)已經(jīng)成為當(dāng)下技術(shù)領(lǐng)域的熱門話題，也是近年來大多數(shù)重大技術(shù)突破背后的驅(qū)動力。

事實(shí)上，在人們所了解的各種宣傳炒作中，人們很容易忘記人工智能并不是什么新鮮事物。在上個世紀(jì)，人工智能已經(jīng)走出了科幻小說，進(jìn)入了現(xiàn)實(shí)世界。而使其成為可能的理論和基礎(chǔ)計(jì)算機(jī)科學(xué)也已經(jīng)存在數(shù)十年的時間。

迄今為止最令人驚嘆的人工智能里程碑

自20世紀(jì)初計(jì)算開始出現(xiàn)以來，科學(xué)家和工程師已經(jīng)明白，最終的目標(biāo)是建立能夠像人類大腦(已知宇宙中最復(fù)雜的決策系統(tǒng))一樣進(jìn)行思考和學(xué)習(xí)的機(jī)器。

如今使用人工神經(jīng)網(wǎng)絡(luò)的尖端深度學(xué)習(xí)是當(dāng)前最先進(jìn)的技術(shù)，而在這條道路上有許多里程碑。以下是人們通常認(rèn)為最具里程碑意義事件的概述。

1637年-笛卡爾為創(chuàng)造人工智能奠定思想基礎(chǔ)

早在機(jī)器人成為科幻小說的特征之前，科學(xué)家、哲學(xué)家勒內(nèi)?笛卡爾就開始思考機(jī)器有一天將會思考和做出決定的可能性。雖然他錯誤地認(rèn)為這些機(jī)器永遠(yuǎn)不會像人類那樣說話，但他確定了機(jī)器之間的一種劃分，有一天機(jī)器可能學(xué)會執(zhí)行一項(xiàng)特定的任務(wù)，并且可能會適應(yīng)任何工作。如今，這兩個領(lǐng)域被稱為專業(yè)人工智能和通用人工智能。因此在許多方面，可以說，笛卡爾的想法為創(chuàng)造人工智能奠定了思想基礎(chǔ)。

1956年-達(dá)特茅斯會議

隨著神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)等理念的出現(xiàn)，達(dá)特茅斯學(xué)院教授約翰?麥卡錫創(chuàng)造了“人工智能”這一術(shù)語，并組織了一次夏季研討會，匯集了該領(lǐng)域的頂尖專家。

在這個頭腦風(fēng)暴會議期間，專家試圖建立一個框架，以便開始學(xué)習(xí)探索和開發(fā)可以“思考”的機(jī)器。許多技術(shù)領(lǐng)域是當(dāng)今先進(jìn)人工智能技術(shù)發(fā)展的基礎(chǔ)，其中包括自然語言處理、計(jì)算機(jī)視覺和神經(jīng)網(wǎng)絡(luò)，這都是會議議程的一部分。

1966年- ELIZA開始為計(jì)算機(jī)帶來聲音

ELIZA是由Joseph Weizenbaum在麻省理工學(xué)院開發(fā)的，這可能是世界上第一個聊天機(jī)器人，它也是Alexa和Siri等聊天機(jī)器人的直系祖先。ELIZA代表了自然語言處理的早期實(shí)現(xiàn)，其目的是教會計(jì)算機(jī)采用人類語言與人們交流，而不是要求人們采用計(jì)算機(jī)代碼對它們進(jìn)行編程，或通過用戶界面進(jìn)行交互。ELIZA不能像Alexa那樣說話，而通過文本進(jìn)行交流，而且它無法從與人類的對話中學(xué)習(xí)。盡管如此，它為以后突破人類與機(jī)器之間的溝通障礙的努力鋪平了道路。

1980年- XCON和有用人工智能的興起

Digital Equipment Corporation的Xcon專家學(xué)習(xí)系統(tǒng)于1980年部署。到1986年，該公司每年可節(jié)省4000萬美元。這一點(diǎn)很重要，因?yàn)樽龅竭@些之前，人工智能系統(tǒng)通常被認(rèn)為是令人印象深刻的技術(shù)壯舉，其實(shí)際使用范圍有限?，F(xiàn)在很明顯，智能機(jī)器的商業(yè)化應(yīng)用已經(jīng)開始了，到1985年，企業(yè)每年在人工智能系統(tǒng)上花費(fèi)10億美元。

1988年- 一種統(tǒng)計(jì)方法

IBM公司研究人員發(fā)布了一種語言翻譯統(tǒng)計(jì)方法，將概率原理引入到機(jī)器學(xué)習(xí)的規(guī)則驅(qū)動領(lǐng)域。它解決了人類語言(法語和英語)之間自動翻譯的挑戰(zhàn)。

這標(biāo)志著重點(diǎn)轉(zhuǎn)向設(shè)計(jì)程序，以根據(jù)他們接受培訓(xùn)的信息(數(shù)據(jù))確定各種結(jié)果的概率，而不是訓(xùn)練它們來確定規(guī)則。在模仿人類大腦的認(rèn)知過程方面，這通常被認(rèn)為是一個巨大的飛躍，并構(gòu)成了當(dāng)今使用的機(jī)器學(xué)習(xí)的基礎(chǔ)。

1991年 - 互聯(lián)網(wǎng)的誕生

這一點(diǎn)的重要性不容小覷。1991年，歐洲原子核研究會(CERN)研究員蒂姆?伯納斯?李(Tim Berners-Lee)將全球第一個網(wǎng)站放在全球互聯(lián)網(wǎng)上，并公布了超文本傳輸協(xié)議(HTTP)的工作原理。幾十年來，計(jì)算機(jī)一直在連接以共享數(shù)據(jù)，主要是在教育機(jī)構(gòu)和大型企業(yè)進(jìn)行。但是，全球互聯(lián)網(wǎng)的到來是整個社會將人們帶入網(wǎng)絡(luò)世界的催化劑。在短短的幾年內(nèi)，來自世界各地的人們以前所未有的速度連接、生成和共享數(shù)據(jù)，而這是人工智能的燃料。

1997年 - 深藍(lán)擊敗了世界象棋冠軍加里卡斯帕羅夫

IBM公司國際象棋超級計(jì)算機(jī)并沒有使用當(dāng)今標(biāo)準(zhǔn)認(rèn)為是真正的人工智能的技術(shù)。從本質(zhì)上講，它依賴于“蠻力”的方法來高速計(jì)算每個可能的選項(xiàng)，而不是分析游戲并在游戲中學(xué)習(xí)。然而，從宣傳的角度來看，這一點(diǎn)很重要，引起了人們的注意，即計(jì)算機(jī)的發(fā)展非常迅速，并且越來越能夠勝任人類以前從未挑戰(zhàn)過的活動。

2005年- DARPA大挑戰(zhàn)賽

2005年是美國國防高級研究計(jì)劃局(DARPA)舉辦大型挑戰(zhàn)賽的第二年，這是一場在莫哈韋沙漠中超過100公里越野地形的自動駕駛車輛比賽。2004年，所有參賽者都沒有成功完成這項(xiàng)挑戰(zhàn)。然而，在接下來的一年里，有五輛自動駕駛車輛獲得成功，斯坦福大學(xué)開發(fā)團(tuán)隊(duì)的自動駕駛車輛以其最快到達(dá)而獲得殊榮。

其比賽的目的是促進(jìn)自主駕駛技術(shù)的發(fā)展，當(dāng)然也做到了這一點(diǎn)。到2007年，為自動駕駛車輛建造了一個模擬的城市環(huán)境，這意味著他們必須能夠處理交通規(guī)則和其他移動車輛。

2011年 - IBM Watson在Jeopardy!競爭中獲得勝利

認(rèn)知計(jì)算引擎Watson與電視游戲節(jié)目Jeopardy!的冠軍進(jìn)行競賽，并擊敗他們，獲得100萬美元的獎金。這一點(diǎn)意義重大，因?yàn)殡m然深藍(lán)計(jì)算機(jī)已經(jīng)在十多年前證明了一種可以用數(shù)學(xué)方式描述圍棋游戲，就像國際象棋可以通過蠻力計(jì)算來征服，計(jì)算機(jī)在基于語言的環(huán)境下?lián)魯∪祟悾@種創(chuàng)造性思維游戲是聞所未聞的。

2012年——深度學(xué)習(xí)的真正力量向世界展示——計(jì)算機(jī)學(xué)會識別貓

斯坦福大學(xué)和谷歌公司的研究人員(其中包括Jeff Dean和Andrew Ng)發(fā)表了名為 “使用大規(guī)模無監(jiān)督學(xué)習(xí)構(gòu)建高級特征”的論文，這是基于以前對多層神經(jīng)網(wǎng)絡(luò)(稱為深度神經(jīng)網(wǎng)絡(luò))的研究。

他們的研究探索了無監(jiān)督學(xué)習(xí)，這種學(xué)習(xí)可以在數(shù)據(jù)被用于訓(xùn)練機(jī)器學(xué)習(xí)算法之前，消除手工標(biāo)記數(shù)據(jù)的昂貴而耗時的任務(wù)。它將加快人工智能開發(fā)的步伐，并開辟一個新的可能性世界，當(dāng)涉及到建造機(jī)器來完成工作時，直到現(xiàn)在只能由人類完成。具體來說，他們特別指出其系統(tǒng)在識別貓的照片方面已頗具能力。

該論文描述了一種模型，該模型可以構(gòu)建包含大約10億個連接的人工網(wǎng)絡(luò)。并承認(rèn)，雖然這是向構(gòu)建“人工大腦”邁出的重要一步，但仍有一些路要走——人類大腦中的神經(jīng)元被認(rèn)為是由大約10萬億個連接器組成的網(wǎng)絡(luò)連接起來的。

2015年 -機(jī)器比人類“看得更清楚”

一年一度的ImageNet挑戰(zhàn)的研究人員宣稱機(jī)器目前在識圖方面的表現(xiàn)優(yōu)于人類。在這個挑戰(zhàn)中，算法競相展示它們對識別和描述1000張圖像庫的熟練程度。

自從2010年比賽開始以來，獲勝算法的準(zhǔn)確率從71.8%提高到97.3%，研究人員為此宣稱，計(jì)算機(jī)可以比人類更準(zhǔn)確地識別視覺數(shù)據(jù)中的物體。

2016年 – AlphaGo得到更加深入的發(fā)展

長期以來，棋類游戲一直是展示思維機(jī)器能力的一種選擇方法，2016年由Deep Mind(現(xiàn)為谷歌公司的子公司)創(chuàng)建的AlphaGo在五場比賽中擊敗了世界圍棋冠軍Lee Sedol，這一趨勢成為頭條新聞。雖然圍棋的步驟可以用數(shù)學(xué)來描述，但圍棋中下棋的各種變化的數(shù)量(圍棋中可能有10萬個以上的開局動作，而國際象棋中可能有400個開局動作)使得蠻力計(jì)算方法變得不切實(shí)際。AlphaGo使用神經(jīng)網(wǎng)絡(luò)研究游戲并在游戲中學(xué)習(xí)。

2018年 - 自動駕駛汽車上路行駛

自動駕駛汽車的開發(fā)是當(dāng)今虛擬現(xiàn)實(shí)的一個主要使用案例——這個應(yīng)用比其他任何一個都更能激發(fā)人們的想象力。就像那些為他們提供驅(qū)動力的人工智能一樣，它們不是一夜之間出現(xiàn)的東西，盡管對于那些沒有關(guān)注技術(shù)趨勢的人來說它可能會出現(xiàn)。而斯坦福公司開發(fā)月球車于1961年首次亮相，最初的目的是為了探索月球車輛的功能，后來又被重新設(shè)計(jì)成一種自動駕駛車輛。

毫無疑問，2018年是人工智能發(fā)展一個重要的里程碑，谷歌公司分拆出的Waymo公司在亞利桑那州鳳凰城提供自駕車出租服務(wù)。第一個商業(yè)自動駕駛汽車租賃服務(wù)Waymo One目前正為400名支付費(fèi)用的用戶提供服務(wù)，這些自動駕駛汽車將在100平方英里范圍內(nèi)的學(xué)校和工作場所中行駛。

雖然目前每一輛車都有一名工作人員監(jiān)控汽車的駕駛表現(xiàn)，并在緊急情況下采取控制措施，但這無疑標(biāo)志著邁向未來的重要一步，自動駕駛汽車將成為所有人所面臨的現(xiàn)實(shí)。