“百度百科”定义人工智能（二）：你的理解？

:JSPI_雪哥

“百度百科”定义

人工智能（ ），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

“维基百科”定义

人工智能（英语： , AI）亦称机器智能，是指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序的手段实现的类人智能技术。该词同时也指研究这样的智能系统是否能够实现，以及如何实现的科学领域。

“我的理解”

人工智能是涵盖了计算机科学、统计学、脑神经学、社会科学等诸多领域的一门交叉学科。

“你的理解？”

希望当你畅游在人工智能的海洋中，你能够有自己对人工智能的特别理解。

人工智能的发展历程

在过去的70年里，“人工智能”的发展可谓跌宕起伏，回看历史，我们大致可以将其分为三个周期。

上古时期

1942年，科幻作家艾萨克·阿西莫夫完成了他的永恒著作《我，机器人》，他可能也没有预料到这本科幻小说会成为定义人类与机器人交互规律的主要理论来源。

1943年，麦卡洛克和皮特斯发表的《神经活动中内在思想的逻辑演算》标志着人类实现“人工智能”的第一步。

阿西莫夫和他的小说《我，机器人》

1950年，图灵发表《 and 》

艾伦.图灵和图灵测试示意图第一个夏天

艾伦.图灵发表论文的6年后，即1956年，在达特茅斯学院的一次数学和计算科学的会议上，约翰.麦卡锡第一次提出了“人工智能”的概念。

1957年，当时心理学家、研究人员弗兰克·罗森布拉特（Frank ，被认为是深度学习之父）在哈佛大学建造了Mark I感知机，他建立了一个模拟神经网络，具有通过反复试验学习的能力。

1958年，约翰·麦卡锡（John ）引入了人工智能专用编程语言LISP，这一语言成为未来三十年的主流人工智能编程语言。

1959年，IBM的纳撒尼尔·罗切斯特和赫伯特·盖伦特开发了一个几何定理证明程序。

1960年，第一个工业机器人的出现，名为“”的机械臂，并且用于汽车生产的焊接过程中。

MARK I 感知机

1963年，科学家能够通过程序计算闭式微积分问题。

1964年，Tom Evans的类比算法，用于解决IQ测试问题和几何问题。

1966年，世界上第一个聊天机器人在麻省理工学院开发完成。

第一次寒冬

经历了短暂的爆发之后，人工智能实际的产出远远低于人们的期望，当时英美两个国家对人工智能的投资迅速降低，导致了第一次寒冬。

从现在的眼光来看，当时人工智能的发展进入寒冬的原因有三：

所有研究都是以“人性化思维”来解决问题，本质上还是“模仿”并非是“智能”

没有认识到“智能”的复杂性，算法和模型都过于简单，并不能解决实际复杂问题

数据和算力的缺乏

第二次夏天

1971年，斯坦福大学研究的霉素系统，能够快速准确的鉴别出引起败血症的细菌；

1980年，第一个卷积神经网络架构“”被提出；

1982年，人工智能第一次应用到了商业中，被用于数字设备的订单处理，在此后的10年中，大多数的美国公司都能够从中受益。

鉴于此，美国、欧洲、日本政府投资数百亿美元来推动人工智能的发展，人工智能迎来了第二个夏天。

第二次冬天

尽管在20世纪80年代，欧美日等国家做出了巨大的投资，但是大多数的企业并没有实现他们预期的目标，以至于很多科学家都失去了信心，甚至科学界都在避免使用“人工智能”这个词语。

20世纪90年代，人工智能的科学家转变了发展思路，更多的去研究理论基础，并且是基于统计学的成熟理论，这也为之后的大爆发埋下了伏笔。

大爆发

1997年，IBM开发的国际象棋人工智能软件，称为“深蓝”，最终赢得了伟大的国际象棋大师世界冠军加里·卡斯帕罗夫，第一次让全世界认识到了“人工智能”的威力;

2011年，IBM的沃森在广受欢迎的电视智力竞赛节目《危险》（）[82]中击败了人类冠军，大大提高了公众对人工智能最先进技术的印象；

2016年3月，阿尔法围棋与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜；

2016年末2017年初，该程序在中国棋类网站上以“大师”（）为注册账号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩；

2017年5月人工智能，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶尖水平。

时间回到现在，智能驾驶，人脸识别，推荐算法，智能翻译，机器人......等等人工智能产品进入了我们的日常生活中，我们相信这不是人工智能的终点，而是刚刚开始！

人工智能的层次

基础设施

回顾人工智能发展史，每次基础设施的发展都显著地推动了算法层和技术层的演进。从20世纪70年代的计算机兴起、80年代的计算机普及，到90年代计算机运算速度和存储量的增加、互联网兴起带来的数据电子化，均产生了较大的推动作用。而到了21世纪，这种推动效果则更为显著，互联网大规模服务集群的出现、搜索和电商业务带来的大数据积累、GPU（图形处理器）和异构/低功耗芯片兴起带来的运算力提升，促成了深度学习的诞生人工智能，点燃了人工智能的这一波爆发浪潮。

截止到今天为止，人工智能最大的瓶颈和推动力依旧是算力+数据。

算法（我们学习的重点）

机器学习：利用算法使计算机能够像人一样从数据中挖掘出信息，传统的机器学习是分步骤来进行的，每一步的最优解不一定带来最终结果的最优解，并且特征选取是由人来决定的，那就要求人有很强的专业知识，并且费时费力，很大程度上依赖经验和运气。

深度学习：深度学习是机器学习的子集，但是从原始特征出发，自主学习高级特征组合，整个过程是端到端，直接保证最终输出结果是最优的，但是中间的隐层是一个暗箱，我们并不知道机器从海量数据中提取到了什么特征。

技术方向

我们能分享什么？编程基础（海尔）数据分析与数据处理C++ PIL 图形处理Hanlp jieba 自然语言处理机器学习算法/数学深度学习项目实战AI算法集成和发布平台搭建C++高性能部署模型参考资料：