走进人工智能
2017年第3期
第一次寒冬
但是在第一次高潮之后，人工智能的发展却远远滞后于当年的预测。一方面，人们发现人工智能所基于的数学模型和数学手段有一定的缺陷，如逻辑证明器、感知器、增强学习等只能做非常简单、专业且很窄的任务，稍微超出范围就无法应对。另一方面，有很多计算复杂度以指数程度增加，成了不可能完成的计算任务。1973年，《莱特希尔报告》用详实的数据说明，几乎所有的人工智能研究都远未达到早前承诺的水平。于是在1974年到1980年，人工智能的发展迈入第一次寒冬。
第二次高潮
20世纪80年代，随着第五代计算机的研制成功，人工智能获得了进一步的发展。误差反向传播算法（Error Back Propaga-
tion,BP）和Hopfield 多层神经网络模型的提出，使人工神经网络研究与应用再度出现了欣欣向荣的景象，人工智能走出寒冬迎来第二次高潮。
然而，1987年到1993年，个人计算机的出现，却让人工智能的热潮降温。当时苹果、IBM 公司开始推广第
一代台式机，计算机开始进入寻常百姓家，其费用远远低于人工智能专家系统所使用的Symbolics 和Lisp 等机器。相比于个人计算机，专家系统
被认为古老陈旧且难以维护。20世纪90年代中后期，人工智能走入一个平缓发展的时期。
近年来，随着科技的不断进步，特别是互联网的蓬勃发展与大数据概念的出现，极大地加速了人工智能的发展。不过，任何智能的发展都需要一个学习的过程，依赖于大量数据
的训练。由于各类感应器和数据采集技术的发展，我们开始拥有以往难以想象的海量数据。同时，也开始在某一领域拥有深度、细致的数据。如果把人工智能看成一个婴儿，某一领域专业、海量、深度的数据就是喂养
这个婴儿的奶粉。那么，奶粉的数量决定了婴儿是否能长大，而奶粉的质量则决定了婴儿后续的智力发育水平。
避免下一个寒冬
很多从事人工智能领域开发的科学家均乐观地认为，我们
儿童入学年龄
已经处于人工智能的第三次高
2006年达特茅斯会议当事人重聚，左起：摩尔、麦卡锡、明斯基、塞弗里奇、所罗门诺夫。
达特茅斯学院
第一代电脑
苹果公司第一代预组装电脑——Apple-1
2017年第3期
潮期，且在未来相当长的一段时间内，人工智能的发展不会再遭遇新的寒冬。然而，在乐观预期的同时，困境和挑战也始终存在。
中国科学院副院长、中国科学院院士谭铁牛就提出，要警惕人工智能进入下一个寒冬。因为一方面，人工智能热门技术目前正处于“期望膨胀期”，接下来可能进入“幻灭期”；另一方面，当前的研究热点过于集中在深度学习，但是深度学习不等于AI，它只是人工智能领域机器学习方向的一种方法，也存在明显的局限性。如果不能到新的更优模型的研究方向，那么将来必定会成为人工智能研发的新瓶颈。
苟日新 日日新 又日新人工智能走向未来
毋庸置疑，研发技术突飞猛进中的人工智能，正逐渐被应用于人类生产、生活的方方面面。从Windows10自带的人工智能小娜，到Google无人驾驶汽车，拜人工智能所赐，曾经科幻电影中的场景正在一步步走入我们的生活。
那么，将来人工智能的发展方向是什么呢？简单地说，就是人工智能会逐渐向人类的智慧水平看齐。
而想实现这个目的，人工智能就需要从目前比较成熟的监督学习，更多地向无监督学习发展。
这两者有什么区别呢？学习的过程，用一个成语来概括就是举一反三。以高考为例，高考的题目在上考场前我们从来没有做过，但在高中我们做过很多题目，懂得解题方法，因此在考场上面对陌生问题也能获解。人工智能的学习思路也类似：利
用一些训练数据，到方法分析未知
数据。最简单也是最普遍的一类人
工智能学习算法，就是分类。
对于分类，输入的训练数据有特方力申邓丽欣演唱会
征，有标签。所谓的学习，其本质就
是到特征和标签间的关系。这样，
当有特征而无标签的未知数据输入
时，我们就可以通过已有的关系得到
未知数据的标签。在上述的分类过
程中，如果所有训练数据都有标签，
则为有监督学习。如果数据没有标
签，显然就是非监督学习了，即聚犹如怎么造句
类。目前，分类算法的效果还是不错
的，但相对而言，聚类算法就有些惨
不忍睹了。正如我们做题时，答案
（标签）是非常重要的。假设两个智
力完全相同的人参加高考，一人正常
答题，另一人做的所有题目都没有答
案，那么想必第一个人会取得较好的
高考成绩，第二个人则会发疯。
因此，在监督学习的模式下，人工
智能会表现出很好的分类与预测能
力。而非监督学习本身的特点使其难
以得到如分类一样近乎完美的结果。
但是对人工智能来说，只有在非监督
学习下，才有可能实现如人类一样自
主思考，实现知识的表示与推理。
这是一种结合存储系统和二元系统的循环神经网络。它采用反馈连接，考虑输出与输入在时间上的传输延迟，所表示的是一个动态过程，需要用差分或
微分方程来描述，保证了向局部极小的收敛，但收敛到错误的局部极小值，而非
全局极小的情况也可能发生。即便如此，Hopfield神经网络毕竟提供了模拟人哪的组词
类记忆的模型，
怎么下载歌曲
是神经网络发展历史上的一个重要的里程碑。
这是一种用于多层神经网络训练的著名算法。其基本思想是，学习过程由信号的正向传播与误差的反向传播两个过程组成，具有理论依据坚实、推导过
程严谨、物理概念清楚、通用性强等优点。直到今天，BP算法仍然是自动控制上
最重要、应用最多的有效算法。但是人们在使用过程中发现，BP算法存在收敛
速度缓慢、易陷入局部极小等缺点。
谷歌的自主驾驶汽车原型

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。