人工智能50年
互联网 / houtizong 发布于 3年前 100
livepine 写道 "编译自Wired News的报道和OSNews的讨论:
这个夏天人工智能(artificial intelligence, AI)满50岁了。然而尽管计算机能够打败世界上最好的国际象棋选手，我们仍然无法令一台机器像一个四岁小孩那样思考。
当“人工智能”这个词在一个达特茅斯研讨会上(Dartmouth workshop)被创造出来之时，当时的想法是用计算的方法来探索近似人的智能。但是这个词本身很快地引发了公众的想象，使得这个术语深深植根于流行文化中。当时的科学家们雄心勃勃地想要制造出一台能够通过图灵测试(Turing test)的机器，即能够长时间地与人类交谈而无法被认出是机器。图灵测试被提出的当年，艾萨克·阿西莫夫(Isaac Asimov)写出了著名的《我，机器人》，描绘了一个机器能够同人无障碍并且智能地互动的世界。 直到今天，AI机器甚至还没有足够判断力来描述一张照片的内容，更不要说与人交谈了。但是1997年IBM的超级计算机“深蓝”打败了世界象棋冠军卡斯帕罗夫，这个机器的胜利标志了AI界的研究从复制人类智能转向了专门领域的深层技术。今天这些成果已经遍布现代经济的各个角落——银行的防交易诈骗系统、手机语音识别、搜索引擎的数据检索，等等。在商业领域之外，AI的应用包括帮助医生诊断疾病、利用视觉识别系统监视海滩和泳池防溺水，等等。如今大多数的科学领域依赖某种形式的AI。比如在生物学领域，AI用来理解从人类基因中得到的大量数据的涵义。AI工具已经成为科学家的强大工具用来理解数据集，因为我们已经进入一个时代，能够轻易获得大量数据（比如互联网），但是分析它们却很困难。
最近，AI在DARPA的一项机器车穿越沙漠的挑战赛中发挥了巨大作用。这项挑战的成功预示着未来机车能够自动驾驶，避免相撞，让人从驾驶的疲劳中解放出来。尽管家家有一台机器人的时代还没来临，AI在这方面已经前进了一大步。如果未来的计算能力能够以指数级增长，真正的人工智能也许不远了——那可能是一个人和机器结合的时代，我们的认知能力将大大增强，身体将更加健康。
事实上“真正的人工智能”仍然困难重重。AI最初的目标没有实现是因为以前人们认为大脑像一个CPU那样工作是错误的。用AI机器来模拟大脑，不能像CPU那样来执行命令，而应当像大脑那样基于经验（光、声、味、触）的模式匹配。同时这台机器还应当像大脑那样并行处理大量信息。人类大脑有超过10^11个神经细胞，平均每个细胞有10^3数量级的突触与其它神经细胞相连。因而尽管神经网络模拟证明人工大脑是可能的，但是模拟规模如此之大的系统仍然难以想象。事实上最大的障碍在于我们甚至不知道我们要模拟的是什么。大脑不是一个二进制系统，每一个神经突触根据环境变量（化学元素、压力等）发生不同的变化（称为可塑性，plasticity）。我们不知道这种可塑性如何使大脑编码解码诸如神经信号的变化率、峰值、噪声、混乱等信息（难以捉摸的神经编码），从而具备不同功能。因为我们不知道这些大脑的最基本原理，模拟数以万亿计的神经就无从谈起。
除了以上的复杂性之外，还有对人工大脑的其它种种质疑。自从第一个生命诞生起，人脑经历了数亿年的进化。我们真能把这数亿年的漫长时间压缩到五十年吗？也有人怀疑智能究竟能否用数学模型来描述，抑或只能用造物的语言？这也许是为什么过了五十年的过度乐观和产出不足，AI仍然很受欢迎。
无论如何，现如今AI仍然处在婴儿期，很难预见将来的发展。五十年，AI没有告诉我们究竟智能是什么，大脑如何工作，但同时它也告诉我们大脑不是如何工作的（例如启发式搜索、符号逻辑等），这些都很有价值。也许AI的这第一个50年只是序章，再经过200年的发展我们回过头来就可以微笑着看这个时代的人们，如何懵懂蹒跚地寻找答案，茫然不知该向那个方向走。
这个夏天人工智能(artificial intelligence, AI)满50岁了。然而尽管计算机能够打败世界上最好的国际象棋选手，我们仍然无法令一台机器像一个四岁小孩那样思考。
当“人工智能”这个词在一个达特茅斯研讨会上(Dartmouth workshop)被创造出来之时，当时的想法是用计算的方法来探索近似人的智能。但是这个词本身很快地引发了公众的想象，使得这个术语深深植根于流行文化中。当时的科学家们雄心勃勃地想要制造出一台能够通过图灵测试(Turing test)的机器，即能够长时间地与人类交谈而无法被认出是机器。图灵测试被提出的当年，艾萨克·阿西莫夫(Isaac Asimov)写出了著名的《我，机器人》，描绘了一个机器能够同人无障碍并且智能地互动的世界。 直到今天，AI机器甚至还没有足够判断力来描述一张照片的内容，更不要说与人交谈了。但是1997年IBM的超级计算机“深蓝”打败了世界象棋冠军卡斯帕罗夫，这个机器的胜利标志了AI界的研究从复制人类智能转向了专门领域的深层技术。今天这些成果已经遍布现代经济的各个角落——银行的防交易诈骗系统、手机语音识别、搜索引擎的数据检索，等等。在商业领域之外，AI的应用包括帮助医生诊断疾病、利用视觉识别系统监视海滩和泳池防溺水，等等。如今大多数的科学领域依赖某种形式的AI。比如在生物学领域，AI用来理解从人类基因中得到的大量数据的涵义。AI工具已经成为科学家的强大工具用来理解数据集，因为我们已经进入一个时代，能够轻易获得大量数据（比如互联网），但是分析它们却很困难。
最近，AI在DARPA的一项机器车穿越沙漠的挑战赛中发挥了巨大作用。这项挑战的成功预示着未来机车能够自动驾驶，避免相撞，让人从驾驶的疲劳中解放出来。尽管家家有一台机器人的时代还没来临，AI在这方面已经前进了一大步。如果未来的计算能力能够以指数级增长，真正的人工智能也许不远了——那可能是一个人和机器结合的时代，我们的认知能力将大大增强，身体将更加健康。
事实上“真正的人工智能”仍然困难重重。AI最初的目标没有实现是因为以前人们认为大脑像一个CPU那样工作是错误的。用AI机器来模拟大脑，不能像CPU那样来执行命令，而应当像大脑那样基于经验（光、声、味、触）的模式匹配。同时这台机器还应当像大脑那样并行处理大量信息。人类大脑有超过10^11个神经细胞，平均每个细胞有10^3数量级的突触与其它神经细胞相连。因而尽管神经网络模拟证明人工大脑是可能的，但是模拟规模如此之大的系统仍然难以想象。事实上最大的障碍在于我们甚至不知道我们要模拟的是什么。大脑不是一个二进制系统，每一个神经突触根据环境变量（化学元素、压力等）发生不同的变化（称为可塑性，plasticity）。我们不知道这种可塑性如何使大脑编码解码诸如神经信号的变化率、峰值、噪声、混乱等信息（难以捉摸的神经编码），从而具备不同功能。因为我们不知道这些大脑的最基本原理，模拟数以万亿计的神经就无从谈起。
除了以上的复杂性之外，还有对人工大脑的其它种种质疑。自从第一个生命诞生起，人脑经历了数亿年的进化。我们真能把这数亿年的漫长时间压缩到五十年吗？也有人怀疑智能究竟能否用数学模型来描述，抑或只能用造物的语言？这也许是为什么过了五十年的过度乐观和产出不足，AI仍然很受欢迎。
无论如何，现如今AI仍然处在婴儿期，很难预见将来的发展。五十年，AI没有告诉我们究竟智能是什么，大脑如何工作，但同时它也告诉我们大脑不是如何工作的（例如启发式搜索、符号逻辑等），这些都很有价值。也许AI的这第一个50年只是序章，再经过200年的发展我们回过头来就可以微笑着看这个时代的人们，如何懵懂蹒跚地寻找答案，茫然不知该向那个方向走。
请勿发布不友善或者负能量的内容。与人为善，比聪明更重要！
技术博客集 - 网站简介：
前后端技术：
后端基于Hyperf2.1框架开发,前端使用Bootstrap可视化布局系统生成
网站主要作用：
1.编程技术分享及讨论交流，内置聊天系统;
2.测试交流框架问题，比如：Hyperf、Laravel、TP、beego;
3.本站数据是基于大数据采集等爬虫技术为基础助力分享知识，如有侵权请发邮件到站长邮箱，站长会尽快处理;
4.站长邮箱：[email protected];
文章归档
文章标签
友情链接
