智能意味著“獲取和應(yīng)用知識(shí)和技能的能力”。如今，機(jī)器可以做到這一點(diǎn)，通過機(jī)器學(xué)習(xí)和深度學(xué)習(xí)，它們甚至可以通過應(yīng)用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，但這些并不會(huì)使它們像人類一樣，也許它們只擁有人類擁有的無數(shù)集合中的一個(gè)子集。

人工智能這個(gè)術(shù)語的關(guān)鍵在于“智能”這個(gè)詞。它誤導(dǎo)了人們，這會(huì)讓人們聯(lián)想到可以思考的機(jī)器，就像著名影星阿諾德?施瓦辛格在電影中所說：“我會(huì)回來的。”誰會(huì)知道未來會(huì)帶來什么，但就目前而言，無論出于何種意圖和目的，人們可能會(huì)混淆智慧和感知，而這兩者都沒有明確定義。人類被認(rèn)為是有感知的，而機(jī)器沒有，而且據(jù)人們所知，機(jī)器可能永遠(yuǎn)不會(huì)有感知。

智能意味著“獲取和應(yīng)用知識(shí)和技能的能力”。如今，機(jī)器可以做到這一點(diǎn)，通過機(jī)器學(xué)習(xí)和深度學(xué)習(xí)，它們甚至可以通過應(yīng)用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，但這些并不會(huì)使它們像人類一樣，也許它們只擁有人類擁有的無數(shù)集合中的一個(gè)子集。

人工智能的起源

要找到一個(gè)起源絕非易事——?dú)v史上的每一件事都有其誕生的原因。那么人工智能是什么時(shí)候開始的呢?是艾倫?圖靈(Alan Turing)定義現(xiàn)在所謂的圖靈測(cè)試時(shí)開始的嗎?早在1951年，圖靈就在一篇名為“計(jì)算機(jī)與智能”的論文中設(shè)想了三個(gè)房間。其中一個(gè)是男人，另一個(gè)是女人，第三個(gè)是法官。男人和女人被問到一系列問題，法官必須從答案中辨別出男人在哪個(gè)房間，女人在哪個(gè)房間。而這二人其中的一人被計(jì)算機(jī)取代。那么法官會(huì)得出不同的結(jié)論嗎?

也許我們可以回溯到古希臘和塔羅斯(Talos)的神話，這是一個(gè)巨大的機(jī)械人形機(jī)器人，也許是第一個(gè)配備了我們現(xiàn)在稱之為人工智能的機(jī)器人。

但是為了找到第一次使用這個(gè)術(shù)語的起源，我們需要將時(shí)間回溯到1956年，在新罕布什爾州的達(dá)特茅斯學(xué)院。這是由美國著名計(jì)算機(jī)和認(rèn)知科學(xué)家約翰?麥卡錫組織的達(dá)特茅斯研討會(huì)的舉辦地。正是在這個(gè)長達(dá)八周的活動(dòng)中，麥卡錫創(chuàng)造了這樣一個(gè)術(shù)語：“人工智能”。

有趣的是，麥卡錫最初并沒有在創(chuàng)始人的名單中，最終出現(xiàn)的名單是一些人工智能故事中偉大而優(yōu)秀的人物：Marvin Minsky，Allen Newell和Herbert A Simon。這些人一起被稱為“人工智能的創(chuàng)始人”。順便說一下，以博弈論著稱的數(shù)學(xué)家、諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主、影片《美麗心靈》的主角約翰?納什也出席了這次會(huì)議。

麥卡錫后來說：“我們的最終目標(biāo)是讓項(xiàng)目像人類一樣有效地從他們的經(jīng)驗(yàn)中學(xué)習(xí)。”

如今，許多人認(rèn)為人工智能和機(jī)器學(xué)習(xí)是可以互換的，在嚴(yán)格意義上來說這并不確切，可能更確切地說機(jī)器學(xué)習(xí)是人工智能的一個(gè)子集，例如超級(jí)智能的兄弟——“深度學(xué)習(xí)”。

機(jī)器學(xué)習(xí)和深度學(xué)習(xí)

人工智能的早期版本，例如IBM公司的深藍(lán)(Deep Blue)在一系列的比賽中擊敗了世界頂級(jí)國際象棋選手加里?卡斯帕羅夫，最終在1997年取得了決定性的勝利。深藍(lán)可以分析每一個(gè)動(dòng)作和所有潛在的排列和組合。

行業(yè)媒體采訪了IBM公司的一名員工Murray Campbell，他曾經(jīng)參與深藍(lán)的開發(fā)與應(yīng)用工作。

他說：“1997年版的深藍(lán)可以快速搜索棋盤的落點(diǎn)位置，具體取決于位置的類型。在某些情況下，深藍(lán)系統(tǒng)可以搜索六到八對(duì)棋子移動(dòng)的步驟，其中一對(duì)白子，一對(duì)黑子，最多可達(dá)20對(duì)甚至更多對(duì)。”

很多專家參與了深藍(lán)的開發(fā)計(jì)劃，例如國際象棋大師，以幫助開發(fā)該計(jì)劃。

相比之下，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的共同之處在于，他們按照自己的含義行事，也就是學(xué)習(xí)。其差異在很大程度上與人類參與的數(shù)量有關(guān)，人類程序員和設(shè)計(jì)師在定義機(jī)器學(xué)習(xí)中的參數(shù)方面發(fā)揮了更積極的作用。而通過深度學(xué)習(xí)，計(jì)算機(jī)通常從多個(gè)數(shù)據(jù)源中學(xué)習(xí)，從非常不相關(guān)的區(qū)域推斷數(shù)據(jù)。

像人類一樣學(xué)習(xí)

機(jī)器學(xué)習(xí)和傳統(tǒng)形式的人工智能之間的一個(gè)很好的類比可能與體育運(yùn)動(dòng)有關(guān)。如果你參加一項(xiàng)體育運(yùn)動(dòng)，比如網(wǎng)球或壁球，你的大腦就不會(huì)使用先進(jìn)的數(shù)學(xué)公式計(jì)算球的運(yùn)動(dòng)軌跡，或應(yīng)用幾何規(guī)則。大腦會(huì)了解到如果以某種方式擊球，那么它會(huì)以某種方式作出反應(yīng)。如果你以稍微不同的方式回?fù)羲姆磻?yīng)會(huì)有所不同。然后，如果你以一種介于這兩個(gè)練習(xí)之間的方式擊球，那么可以從中推斷球?qū)⑷绾伟l(fā)生近似反應(yīng)。總之，我們一直在學(xué)習(xí)。如果一臺(tái)計(jì)算機(jī)將數(shù)學(xué)應(yīng)用于計(jì)算球的軌跡，這取決于它被擊中的角度、擊球的速度，用來計(jì)算彈跳的表面紋理以及無數(shù)其他不同的變量，那么所需的計(jì)算能力將是巨大的。相反，如果它是從研究先前的鏡頭(并從數(shù)據(jù)構(gòu)建預(yù)測(cè)模型)中學(xué)到的，那么所需的處理能力將會(huì)少得多。

棋類高手

在深藍(lán)擊敗卡斯帕羅夫多年之后，IBM Watson在美國測(cè)驗(yàn)游戲Jeopardy中擊敗了世界上最好的游戲玩家，那是在2011年。令人印象深刻的是，這些參賽者所問的問題是游戲的一部分，其問題通常很模糊。這是Watson的一次著名的勝利(這是以IBM公司首席執(zhí)行官Thomas Watson的名字命名)。但顯然，Watson并不理解其答案。事實(shí)上，“風(fēng)格元素”是一本描述寫作指南的書，美國詩人多蘿西?帕克(Dorothy Parker)曾經(jīng)推薦它。

Watson在Jeopardy游戲中的勝利令人印象深刻，但是Alpha成為一臺(tái)可以戰(zhàn)勝圍棋冠軍的計(jì)算機(jī)更是令人激動(dòng)，這是一個(gè)2×10170次方排列的抽象棋盤游戲，其步數(shù)遠(yuǎn)遠(yuǎn)超出了已知宇宙中的原子數(shù)量，而Watson 贏得Jeopardy的勝利似乎更像小孩子的游戲。這就是Alpha的成就，這是由Alphabet的子公司DeepMind公司創(chuàng)建的計(jì)算機(jī)程序。

雖然Watson采用了機(jī)器學(xué)習(xí)，但AlphaGo應(yīng)用了深度學(xué)習(xí)。 2016年3月，AlphaGo在一系列五場(chǎng)比賽中擊敗了曾經(jīng)18次獲得世界冠軍的Lee Sedol。

在取得勝利的過程中，AlphaGo評(píng)估的棋盤位置比深藍(lán)在擊敗卡斯帕羅夫時(shí)的位置減少了大約一千倍。它通過評(píng)估游戲玩法獲得了勝利。

令人印象深刻的是，盡管如此，AlphaGo Zero在2017年也取得了令人印象深刻的成就。這一次，該計(jì)劃沒有通過評(píng)估人類競(jìng)爭(zhēng)對(duì)手的游戲來學(xué)習(xí)游戲，而是從頭開始學(xué)習(xí)游戲，就是與自己對(duì)抗，所需要的只是規(guī)則。最初的游戲玩法是隨機(jī)選擇的，通過反復(fù)試驗(yàn)和選擇最適合的游戲玩法，在三天內(nèi)它可以超越AlphaGo。在21天內(nèi)，它就達(dá)到了AlphaGo大師級(jí)的水平，后來的版本在線擊敗了60名圍棋專業(yè)人士和世界冠軍，并且在40天內(nèi)成為了可以說是世界上最好的圍棋棋手。

神經(jīng)網(wǎng)絡(luò)

深度學(xué)習(xí)和機(jī)器學(xué)習(xí)都適用于神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)一直都很流行。來自芝加哥大學(xué)的Warren McCullough和Walter Pitts在1944年首次提出了這個(gè)概念。它們?cè)?0世紀(jì)80年代開始流行，之后又變得過時(shí)，但現(xiàn)在又重新得到了人們的關(guān)注。

人工智能的復(fù)興可歸功于Alex Krizhevsky，他在2012年設(shè)計(jì)了一個(gè)人工神經(jīng)網(wǎng)絡(luò)，作為ImageNet挑戰(zhàn)的一部分。

可能直到最近，計(jì)算能力還不足以使神經(jīng)網(wǎng)絡(luò)正義化，可能是因?yàn)槿藗儗?duì)它們?nèi)绾喂ぷ鬟€不夠了解。

與人類大腦一樣，神經(jīng)網(wǎng)絡(luò)由數(shù)千甚至數(shù)百萬個(gè)形成節(jié)點(diǎn)的處理器組成，而人類大腦擁有超過1000億個(gè)節(jié)點(diǎn)。神經(jīng)網(wǎng)絡(luò)中的節(jié)點(diǎn)傾向于以層的形式組織，使得每個(gè)節(jié)點(diǎn)層可以被賦予特定任務(wù)。因此，可以說神經(jīng)網(wǎng)絡(luò)是人類大腦的不太先進(jìn)的版本。

人工智能的應(yīng)用

人工智能可以提供多種應(yīng)用，其中包括自動(dòng)駕駛汽車、語音輔助、語音識(shí)別、圖像/人臉識(shí)別、個(gè)性化健康監(jiān)測(cè)、廣告，以及網(wǎng)上購物等。例如根據(jù)數(shù)據(jù)分析識(shí)別客戶可能感興趣的產(chǎn)品、進(jìn)行搜索、實(shí)施金融交易，以及開展反網(wǎng)絡(luò)安全的戰(zhàn)爭(zhēng)。

人工智能還有以下應(yīng)用程序：

?人工智能分析

?人工智能業(yè)務(wù)流程

?人工智能數(shù)據(jù)管理。

根據(jù)麥肯錫公司最近發(fā)布的一份調(diào)查報(bào)告，到2030年，人工智能有可能在全球帶來約13萬億美元的價(jià)值，或者是當(dāng)今全球GDP的16%。

科幻小說能否成為現(xiàn)實(shí)?

科幻小說和人工智能的領(lǐng)域似乎在媒體的想象中得以滿足。但人們是否需要擔(dān)心科幻小說中更可怕的預(yù)測(cè)，那就是如果人工智能獲得意識(shí)那該怎么辦?就如斯蒂芬?霍金和伊隆?馬斯克所說，人工智能是對(duì)人類的威脅嗎?

大多數(shù)人工智能的專家都在嘲笑這個(gè)想法。但也許，當(dāng)詢問人工智能是否有一天具有自己的意識(shí)，并且比人類更聰明時(shí)，人們可能會(huì)認(rèn)為大多數(shù)人是錯(cuò)誤的。而隨著技術(shù)的進(jìn)步發(fā)展，在數(shù)字環(huán)境中，人工智能的能力將以數(shù)量級(jí)升級(jí)和進(jìn)化。