人工智能的历史

我们正处在人工智能（AI）开始挖掘其真正潜力的时代。人工智能不仅创造了颠覆行业和改变工作场所的可能性，而且还可以解决社会上一些最大的挑战。自动驾驶汽车可以挽救成千上万人的生命，并提高老年人和残疾人的机动性。精密药物可能会解锁量身定制的个体治疗方法，从而延长寿命。智能建筑可以帮助减少碳排放并节省能源。这些只是AI所承诺并正在实现的一些潜在好处。

Gartner估计，到2018年，机器将占所有业务内容的20％，预计将有60亿个与IoT连接的设备产生大量数据。人工智能对于理解这一切至关重要。AI不再局限于科幻电影；人工智能和机器学习正在发现现实世界的适用性和采用性。

自从艾伦·图灵（Alan Turing）在1950年发表开创性的论文“计算机与智能”以来，人工智能一直是许多人的梦想。在图灵的论文中，他问了一个基本问题：“机器可以思考吗？”并考虑了计算机是否可以像人类。AI领域的诞生真正始于1956年夏天，当时一群研究人员聚集在达特茅斯学院，发起了一系列旨在将计算机编程为像人类一样的研究项目。在达特茅斯，“人工智能”一词首次被创造出来，会议的概念也逐渐形成，形成了一个合法的跨学科研究领域。

在接下来的十年中，随着新算法的发展受到现代技术的局限性的限制，人工智能的发展经历了兴衰周期。1968年，科幻电影《2001：太空漫游》帮助一台有感觉的计算机HAL 9000说出了著名的话：“对不起戴夫，我怕我做不到，这使AI在主流意识中留下了不可磨灭的印象。在1970年代后期，当双人机器人（C-3PO和R2-D2）帮助拯救星系时，星球大战进一步巩固了AI在主流文化中的地位。

但是直到1990年代后期，人工智能才开始从科幻小说的传说过渡到现实世界的适用性。从1997年IBM的Deep Blue国际象棋计划开始，击败了当时的世界冠军Garry Kasparov，1990年代后期迎来了AI的新时代，其进步开始加速。研究人员开始关注AI的子问题，并利用它来解决诸如图像识别和语音等现实应用。研究人员没有尝试构建由专家的知识确定的逻辑规则，而是开始研究算法如何自己学习逻辑规则。这种趋势有助于将研究重点转移到人工神经网络（ANN）。人工神经网络在1940年代首次被概念化，其发明是“宽松地”模仿人脑的学习方式。反向传播梯度下降得到改善。反向传播方法减少了ANN中所需的大量排列，因此是减少AI训练时间的更有效方法。

即使在新算法方面取得了进步，神经网络在过去数十年来一直困扰着其采用技术的局限性。直到2000年代中期，人工智能的另一波发展浪潮才开始形成。2006年，多伦多大学的杰弗里·欣顿（Geoffrey Hinton）对ANN进行了修改，他将其称为深度学习（Deep learning）。Hinton将多层添加到ANN中，并在数学上优化了每一层的结果，从而使学习在层堆栈中的积累速度更快。2012年，斯坦福大学的安德鲁·伍（Andrew Ng）使用图形处理单元（GPU）构建了粗略的深度神经网络实现，从而使深度学习又走了一步。由于GPU具有大规模并行架构，其中包含数千个旨在同时处理多个任务的内核，因此 Ng发现，GPU集群可以比通用CPU更快地训练深度学习模型。他无需花数周的时间就可以使用传统的CPU生成模型，而是可以使用GPU在一天之内执行相同的任务。

本质上，这种融合-软件算法的进步与高性能硬件的结合-已经酝酿了数十年，并将迎来AI当前正在经历的快速进步。

为什么AI现在开始起飞？

今天，有四个主要因素推动了AI的采用。

1.更多数据

人工智能需要大量的数据来学习，而社会的数字化正在提供可用的原材料来推动其发展。来自物联网（IoT）传感器，社交和移动计算，科学与学术界，医疗保健等来源的大数据生成了可用于训练AI模型的数据。毫不奇怪，在AI上投资最多的公司（亚马逊，苹果，百度，谷歌，微软，Facebook）是拥有最多数据的公司。

2.便宜的计算

过去，即使AI算法得到了改进，硬件仍然是一个制约因素。硬件和新计算模型的最新进展，尤其是围绕GPU的进展，加速了AI的采用。GPU能够处理高度的并行运算并以有效的方式执行矩阵乘法，因此在AI社区中受到欢迎，这对于深度学习算法的迭代性质都是必需的。随后，CPU在AI应用程序方面也取得了进步。最近，英特尔在其至强和至强融核处理器中添加了新的深度学习指令，以实现更好的并行化和更高效的矩阵计算。再加上其软件开发库中改进的工具和软件框架。随着AI的采用，硬件供应商现在也有芯片需求，以证明并分摊开发，设计和制造专为AI量身定制的产品所需的大量资金成本。这些进步导致更好的硬件设计，性能和电源使用情况。

3.更复杂的算法

更高的性能和更便宜的计算能力还使研究人员能够开发和训练更高级的算法，因为它们不受过去硬件限制的限制。结果，深度学习现在正以惊人的准确性解决特定的问题（即语音识别，图像分类，手写识别，欺诈检测），并且更高级的算法继续推动AI技术的发展。

4.更广泛的投资

在过去的几十年中，人工智能的研发主要限于大学和研究机构。资金短缺，再加上与AI相关的问题的巨大难度，导致进展最小。如今，人工智能投资已不再局限于大学实验室，而是在许多领域无处不在，包括政府，风险资本支持的初创企业，互联网巨头以及各个行业的大型企业。

来源: 智能甄选