人工智能的歷史變遷

人工智能具有悠久的歷史，可以追溯到20世紀50年代。早期人工智能的發展極其緩慢，其主要原因在于各領域對人工智能具有領域內獨特的定義和理解，所研究的內容和方法也相對獨立，缺乏技術和信息層面的交流和共享。在1956年夏季的達特茅斯人工智能研究會上，約翰·麥卡錫等人首次將不同領域中出現的“類人計算”“機器智能”等描述進行了統一，正式提出了“人工智能”這一術語，明確了人工智能的首要使命，即運用算法構建動態計算環境來模擬人類智能，從而奠定了人工智能發展的基礎。在接下來的20年間，人工智能在語音處理和問題求解等方面均取得了不俗的表現。其中，較為成功的人工智能案例是“通用解題機”和“LISP人工智能語音”。盡管如此，早期的人工智能技術仍存在很大的局限性，只能處理一些簡單的問題，在實際應用中的表現不盡如人意。另一方面，代表神經網絡先進成果的感知機理論也一度受到了強烈抨擊，導致了第一波人工智能熱潮的迅速降溫，包括政府在內的各路投資者對人工智能項目的資助相繼停止，從而使人工智能進入了第一輪寒冬。這波低潮一直持續到20世紀80年代末，專家系統作為人工智能領域一項極具商業價值的研究應運而生，解鎖了人工智能的第一輪寒冬。

受符號主義的影響，專家系統的研究者希望讓機器像人類一樣進行邏輯推理，進而模仿人的認知過程，這也促使了很多面向邏輯演算的編程語言的誕生，如Prolog。不幸的是，這一波熱潮未能持續很久。因為專家系統需要昂貴的計算平臺，隨著個人計算機性能的不斷提升，專家系統逐漸被價格低廉的個人計算機所取代。最終，人工智能硬件市場急劇萎縮，人工智能也進入了第二輪寒冬。從20世紀90年代中期開始，遵循摩爾定律，計算機的運算能力呈指數級增長，各種機器學習算法得以快速驗證、訓練和應用，直接引發了人工智能的復興。在該階段，支持向量機（Support Vector Machine，SVM）、Boosting、KernelMethod等機器學習方法在手寫數字識別、股票預測、情感分類、點擊率預測等實際應用中取得了優異的表現。1997年由IBM公司制造的深藍（Deep Blue）計算機系統戰勝了當時的國際象棋世界冠軍卡斯帕羅夫，引起了社會各界對人工智能的高度關注，重燃了人們對人工智能的信心。自此，人工智能的新一波熱潮逐步席卷了全球。

在本輪人工智能熱潮中，最具價值也最具影響力的一項研究當屬深度學習。作為機器學習的代表性方法，深度學習以人工神經網絡為基本框架，在數據表征、特征提取、特征交互等多個方面取得了顛覆性的成果。深度學習得益于大數據的不斷積累和計算機的飛速發展，其中，海量數據解決了神經網絡訓練的過擬合問題，而高性能的硬件設備讓模型訓練成為可能。近年來，隨著深度學習研究的不斷深入，我們目睹了Google AlphaGo成功擊敗人類世界圍棋冠軍，以及包括無人車在內的各項智能技術的蓬勃發展，仿佛再一次看到人工智能趕超人類的希望。總而言之，人工智能正在逐步改變人類的日常生活模式，并憑借其驚人的效果和迅猛的發展勢頭，廣泛融入各個行業的實際應用中，涉及計算機視覺、自然語言理解、語音識別、智能游戲等多個領域。深度學習，作為人工智能的一項嶄新技術，從海量數據中汲取知識，并與外界環境進行互動，通過反饋學習交互策略，無論在理論方法上還是現實應用中，都取得了顛覆性的成果。接下來，將聚焦深度學習，探討深度學習的定義和現實應用。

EI企業智能 AI

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。