螞蟻一樣的功效：AI的第一次浪潮浪

在AI的第一次浪潮中，成功來自全新的創造性思維，來自小部分專家的合作。跟隨第一次浪潮的，是1974-1980年的第一個“AI的冬天”，因為人們當時清晰得知，早期的AI只有如螞蟻般的商業功用。

從20世紀50年代中期起，人類發現了很多關鍵概念，開始發現、定義AI1955年，第一個啟發式編程程序誕生，它后來成為20世紀80年代和90年代的專家系統。1957年，感知算法被發明，它演變成今天的人工神經網絡和深度學習工具。1958年，LISP編程語言得到發展，研究員可以寫出人類可讀的人工智能代碼，而不只是1和0。

1960年，隱馬爾可夫模型算法被發明，最終成就了語音和圖像識別的人工智能新浪潮。今天，雖然仍有很多重要的概念被提出和開發，但大多數只是對早期發明的改進。

思維機器的落差：AI的第二次浪潮浪

AI第二次浪潮的成功，來自運用抽象數學和編程理論所創建的有用的、有價值的設備。AI這一次的目標，是要創造一些有用的東西、有價值的東西。于是，許多人工智能公司誕生了，其中的一些開始賺取可觀的利潤，而更多的公司則吸納了大量投資，并建立了令人印象深刻的估值。

IBM和紐昂斯的AI，就是這一波浪潮的典型代表。但是，這些早期的AI系統不能學習，因此需要一個昂貴的程序員團隊，一分一秒地添加、更新、修改一行行代碼。這似乎再次辜負了創造者們的期待，因為這與他們對高度、精度和高智能“思維機器”的設想和承諾不相匹配，結果導致了1990~200年，“AI的第二次冬季”。

1973年，IBM創建了一個可以組裝打字機零件的機器人。1974年庫茨韋爾計算機產品公司創造了第一臺光字符掃描器，它能自動將文本先轉換成計算機文件，再轉換成語音。1979年，第一輛自動化汽車誕生，它可以用視覺導航的方式搜索一個房間中的固定物件。

同年，第一個以知識為基礎的醫療診斷程序的“專家系統”被創建。專家系統”是AI的原型，使用“如果/然后”規則，該規則來自人類專家對大而不確定的知識的分類。在接下來的20年間，北美和歐洲最大的公司中有2/3都依賴于“專家系統”的A。1984年，庫茨韋爾應用智能公司創造了第一個基于聽寫轉錄裝置的AI系統，它能理解普通人的語音，并將其轉換成文本。

“越過雷池”與“黑厘子”：今天，AI的第三次浪潮浪

創新者最怕的是末路，因此他們永不言敗，掀起了A的第三次浪潮，將全球商界推進這場認知商業革命之中。這一次，AI的目標是提供有用的設備和服務，做人類不能做或不能高效、方便、高質完成的事。但是，即使在今天，AI的智能也沒能完全與人類匹配，而且，在全球范圍內，人們對AI的定義也仍沒有一個統一的標準。

技術是否成熟？

以凱文·凱利的說法，A現在只是聰明的工具，還不是真正意義上的智能。來自谷歌的世界頂尖的人工智能專家團隊將AI的智能發展劃分成了三級。第一級，現在是一種“弱人工智能”，只能夠專注在一個特定領域，如下圍棋。第二季，成為“強人工智能”，能夠達到或超過人類水準。與之相對應的，是第三級，用另一位谷歌專家蒂姆的定義，就是“從比人類聰明一點點到聰明1000萬倍的人工智能”。

全球人工智能引領者科大訊飛研究院則將AI劃分為計算智能、感知智能、認知智能三類。計算智能，即機器能存會算”的能力，其方法是窮舉和匹配搜索，通過太存儲和超算，展現其高智能特性。

感知智能，即機器具有能對會說會認”的能力，主要是通過數學建模和大數據學對類感知能力進行模擬，涉及語音合成、語音識別、圖像識別處理等技術。認知智能，即機器具有“能理解、會思考”的能力要對人類的推理、聯想、知識組織等能力，進行模擬研究，涉及人工神經網絡模型和深度學習技術等。

無論如定義，AI要在商業上取得成功，都必須建立強大面短雜的能系統，這個系統離不開以下4個方面的能力。

1、數百萬付的計算能力，能運算超級復雜和超級容量的問題

2、更高級的算法，讓機器可以學習，可以感知空間和時間可以檢測模式，可以實現大數據互聯。

3、在互聯網、物聯網等實現萬物連接后，能匯集和處理海量動態數據。

4、高容量、大帶寬的通信管道，能承載A1與數十億用戶的信息連接與流通，特別是與移動用戶高質量（無延遲等）的連接和信息暢通技術能力的成熟，是一個永無止境的創新、發明過程。但是技術的商業化通常需要一個臨界點的到來。
責任編輯：tzh