第二節(jié)　人工智能概述

人工智能是半個(gè)多世紀(jì)以來(lái)人類(lèi)科技史上發(fā)展最快的重大技術(shù)之一，它是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)技術(shù)科學(xué)。人工智能研究的主要目標(biāo)是使機(jī)器能夠勝任一些通常需要人類(lèi)智能才能完成的復(fù)雜工作，它在機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專(zhuān)家系統(tǒng)等領(lǐng)域取得了令人矚目的成就。[3]

人工智能是20世紀(jì)三大尖端技術(shù)之一，從它的概念提出到現(xiàn)在已經(jīng)有六十多年的發(fā)展歷史。人工智能誕生于1956年的達(dá)特茅斯會(huì)議，在五十多年發(fā)展歷程中經(jīng)歷了幾起幾落。1956年夏，麥卡錫、明斯基等科學(xué)家在美國(guó)達(dá)特茅斯學(xué)院開(kāi)會(huì)研討“如何用機(jī)器模擬人的智能”，首次提出“人工智能（Artificial Intelligence，簡(jiǎn)稱(chēng)AI）”這一概念，標(biāo)志著人工智能學(xué)科的誕生。人工智能的研究目的是促使智能機(jī)器會(huì)聽(tīng)（語(yǔ)音識(shí)別、機(jī)器翻譯等），會(huì)看（圖像識(shí)別、文字識(shí)別等），會(huì)說(shuō)（語(yǔ)音合成、人機(jī)對(duì)話(huà)等），會(huì)思考（人機(jī)對(duì)弈、定理證明等），會(huì)學(xué)習(xí)（機(jī)器學(xué)習(xí)、知識(shí)表示等），會(huì)行動(dòng)（機(jī)器人、自動(dòng)駕駛汽車(chē)等）。

1957年，羅森布拉特（F.Rosenblatt）發(fā)明了感知機(jī)（perceptron），第一次將神經(jīng)網(wǎng)絡(luò)研究從純理論變?yōu)閷?shí)踐；1982年，美國(guó)加州工學(xué)院的霍普菲爾德（J.Hopfield）提出了神經(jīng)網(wǎng)絡(luò)模型；1984年，黑頓（J.Hiton）等人提出了玻茲曼（Boltzmann）機(jī)，它是受統(tǒng)計(jì)力學(xué)啟發(fā)的多層學(xué)習(xí)機(jī)；1986年，拉孟哈特（D.E.Rumellhart）和麥克里蘭德（J.L.McClelland）提出了BP算法使得大規(guī)模神經(jīng)網(wǎng)絡(luò)的訓(xùn)練成為可能，它是目前應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)之一。

1997年，由IBM公司研制的超級(jí)計(jì)算機(jī)“Deep Blue”在與國(guó)際象棋冠軍卡斯帕羅夫的六盤(pán)對(duì)弈中，取得了三勝二和一負(fù)的戰(zhàn)績(jī)；2006年，杰夫·辛頓（Geoffrey Hinton）提出“深度學(xué)習(xí)”神經(jīng)網(wǎng)絡(luò)使得人工智能性能獲得突破性進(jìn)展；2013年，深度學(xué)習(xí)算法在語(yǔ)音和視覺(jué)識(shí)別上取得成功，識(shí)別率分別超過(guò)99%和95%，[4]進(jìn)入感知智能時(shí)代；2016年和2017年，谷歌Alpha Go分別以4:1和3:0戰(zhàn)勝李世石九段和柯潔九段，揭開(kāi)人工智能新篇章。

美國(guó)加州大學(xué)洛杉磯分校的朱松純教授認(rèn)為人工智能60多年的發(fā)展歷史存在分化和斷代現(xiàn)象，把人工智能的歷史分為邏輯表達(dá)與啟發(fā)式搜索階段（1956—1974）、專(zhuān)家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)階段（1980—1987），視覺(jué)、語(yǔ)言、認(rèn)知、學(xué)習(xí)和機(jī)器人階段（1987—2011），深度學(xué)習(xí)與博弈游戲階段（2012至今），其中人工智能在70年代有斷代現(xiàn)象，也可以說(shuō)是低谷期，而在80年代人工智能進(jìn)入分化階段，從數(shù)理基礎(chǔ)上說(shuō)可分為邏輯表達(dá)和推理階段、概率模型學(xué)習(xí)計(jì)算階段。同時(shí)，他認(rèn)為人工智能是一個(gè)非常廣泛的領(lǐng)域，涵蓋很多大的學(xué)科，根據(jù)應(yīng)用場(chǎng)景可以歸納為計(jì)算機(jī)視覺(jué)（包括模式識(shí)別、圖像處理等）、自然語(yǔ)言理解與交流（包括語(yǔ)音識(shí)別合成），認(rèn)知與推理、機(jī)器人學(xué)、博弈與倫理（多代理人交互對(duì)抗和合作）、機(jī)器學(xué)習(xí)（各種統(tǒng)計(jì)建模分析和計(jì)算方法）六個(gè)方面。

譚鐵牛將人工智能的發(fā)展歷程劃分為六個(gè)階段：一是起步發(fā)展期：1956年—20世紀(jì)60年代初。人工智能概念提出后，相繼取得了一批令人矚目的研究成果，如機(jī)器定理證明、跳棋程序等，掀起人工智能發(fā)展的第一個(gè)高潮。二是反思發(fā)展期：20世紀(jì)60年代—70年代初。人工智能發(fā)展初期的突破性進(jìn)展大大提升了人們對(duì)人工智能的期望，人們開(kāi)始嘗試更具挑戰(zhàn)性的任務(wù)，并提出了一些不切實(shí)際的研發(fā)目標(biāo)。然而，接二連三的失敗和預(yù)期目標(biāo)的落空（例如，無(wú)法用機(jī)器證明兩個(gè)連續(xù)函數(shù)之和還是連續(xù)函數(shù)、機(jī)器翻譯鬧出笑話(huà)等），使人工智能的發(fā)展走入低谷。三是應(yīng)用發(fā)展期：20世紀(jì)70年代初—80年代中。20世紀(jì)70年代出現(xiàn)的專(zhuān)家系統(tǒng)模擬人類(lèi)專(zhuān)家的知識(shí)和經(jīng)驗(yàn)解決特定領(lǐng)域的問(wèn)題，實(shí)現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用、從一般推理策略探討轉(zhuǎn)向運(yùn)用專(zhuān)門(mén)知識(shí)的重大突破。專(zhuān)家系統(tǒng)在醫(yī)療、化學(xué)、地質(zhì)等領(lǐng)域取得成功，推動(dòng)人工智能走入應(yīng)用發(fā)展的新高潮。四是低迷發(fā)展期：20世紀(jì)80年代中—90年代中。隨著人工智能的應(yīng)用規(guī)模不斷擴(kuò)大，專(zhuān)家系統(tǒng)存在的應(yīng)用領(lǐng)域狹窄、缺乏常識(shí)性知識(shí)、知識(shí)獲取困難、推理方法單一、缺乏分布式功能、難以與現(xiàn)有數(shù)據(jù)庫(kù)兼容等問(wèn)題逐漸暴露出來(lái)。五是穩(wěn)步發(fā)展期：20世紀(jì)90年代中—2010年。由于網(wǎng)絡(luò)技術(shù)特別是互聯(lián)網(wǎng)技術(shù)的發(fā)展，加速了人工智能的創(chuàng)新研究，促使人工智能技術(shù)進(jìn)一步走向?qū)嵱没?997年國(guó)際商業(yè)機(jī)器公司（簡(jiǎn)稱(chēng)IBM）深藍(lán)超級(jí)計(jì)算機(jī)戰(zhàn)勝了國(guó)際象棋世界冠軍卡斯帕羅夫，2008年IBM提出“智慧地球”的概念。六是蓬勃發(fā)展期：2011年至今。隨著大數(shù)據(jù)、云計(jì)算、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等信息技術(shù)的發(fā)展，在感知數(shù)據(jù)和圖形處理器等計(jì)算平臺(tái)推動(dòng)以深度神經(jīng)網(wǎng)絡(luò)為代表的人工智能技術(shù)飛速發(fā)展，大幅跨越了科學(xué)與應(yīng)用之間的“技術(shù)鴻溝”，諸如圖像分類(lèi)、語(yǔ)音識(shí)別、知識(shí)問(wèn)答、人機(jī)對(duì)弈、無(wú)人駕駛等人工智能技術(shù)實(shí)現(xiàn)了從“不能用、不好用”到“可以用”的技術(shù)突破，迎來(lái)爆發(fā)式增長(zhǎng)的新高潮。[5]

在人工智能產(chǎn)業(yè)化方面，蔡自興首先回顧國(guó)際人工智能產(chǎn)業(yè)化的歷史發(fā)展階段，接著歸納出人工智能產(chǎn)業(yè)化的現(xiàn)狀是產(chǎn)業(yè)化基礎(chǔ)好、起點(diǎn)高、投融資環(huán)境空前看好、各國(guó)出臺(tái)政策助推行業(yè)發(fā)展機(jī)遇、感知智能領(lǐng)域相對(duì)成熟、人工智能人才緊缺爭(zhēng)奪激烈、人工智能的社會(huì)和倫理問(wèn)題引人關(guān)注等特征，最后分析人工智能產(chǎn)業(yè)化的發(fā)展趨勢(shì)包括人工智能核心技術(shù)加速突破、產(chǎn)業(yè)強(qiáng)勁發(fā)展、智能化應(yīng)用場(chǎng)景從單一向多元發(fā)展、人工智能和實(shí)體經(jīng)濟(jì)深度融合進(jìn)程進(jìn)一步加快、智能服務(wù)呈現(xiàn)線下和線上的無(wú)縫銜接、逐步實(shí)現(xiàn)全產(chǎn)業(yè)鏈布局、重視開(kāi)發(fā)人工智能共享平臺(tái)和加緊人工智能法律研究與建設(shè)等。[6]

目前各種人工智能技術(shù)在許多領(lǐng)域都獲得了廣泛應(yīng)用，已滲透到人類(lèi)社會(huì)的方方面面，也開(kāi)發(fā)出了許多實(shí)用系統(tǒng)，如語(yǔ)言翻譯、人臉識(shí)別、車(chē)牌識(shí)別、智慧駕駛、智慧交通等領(lǐng)域出現(xiàn)了大量的軟件產(chǎn)品，持續(xù)改變著人類(lèi)的生活、學(xué)習(xí)和工作，極大地改善和提高了社會(huì)生產(chǎn)力。

深度學(xué)習(xí)是一種層次較深的神經(jīng)網(wǎng)絡(luò)模型，其深度網(wǎng)絡(luò)主要體現(xiàn)為對(duì)象特征的多次變換，G.辛頓（Geoffrey Hinton）于2006年提出：常用的深度學(xué)習(xí)模型為多層神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)的每一層都將輸入非線性映射，通過(guò)多層非線性映射的堆疊，可以在深層神經(jīng)網(wǎng)絡(luò)中計(jì)算出非常抽象的特征來(lái)幫助分類(lèi)。深度學(xué)習(xí)的出現(xiàn)使得人們?cè)诤芏鄳?yīng)用中不再需要單獨(dú)對(duì)特征進(jìn)行選擇與變換，而是將原始數(shù)據(jù)輸入到模型中，由模型通過(guò)學(xué)習(xí)給出適合分類(lèi)的特征表示。當(dāng)前，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域最熱門(mén)的分支，并且有多個(gè)高度集成化的方法平臺(tái)可以讓使用者無(wú)須對(duì)方法原理充分了解就可以搭建程序進(jìn)行實(shí)驗(yàn)和應(yīng)用。[7]

孫志遠(yuǎn)等人認(rèn)為深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域一個(gè)新興的研究方向，它通過(guò)模仿人腦結(jié)構(gòu)，實(shí)現(xiàn)對(duì)復(fù)雜輸入數(shù)據(jù)的高效處理，智能地學(xué)習(xí)不同的知識(shí)，而且能夠有效地解決多類(lèi)復(fù)雜的智能問(wèn)題。近年來(lái)，隨著深度學(xué)習(xí)高效學(xué)習(xí)算法的出現(xiàn)，機(jī)器學(xué)習(xí)界掀起了研究深度學(xué)習(xí)理論及應(yīng)用的熱潮。實(shí)踐表明，深度學(xué)習(xí)是一種高效的特征提取方法，它能夠提取數(shù)據(jù)中更加抽象的特征，實(shí)現(xiàn)對(duì)數(shù)據(jù)更本質(zhì)的刻畫(huà)，同時(shí)深層模型具有更強(qiáng)的建模和推廣能力。鑒于深度學(xué)習(xí)的優(yōu)點(diǎn)及其廣泛應(yīng)用，孫志遠(yuǎn)對(duì)深度學(xué)習(xí)進(jìn)行了較為系統(tǒng)的介紹，詳細(xì)闡述了其產(chǎn)生背景、理論依據(jù)、典型的深度學(xué)習(xí)模型、具有代表性的快速學(xué)習(xí)算法、最新進(jìn)展及實(shí)踐應(yīng)用，最后還探討了深度學(xué)習(xí)在未來(lái)值得研究的方向。[8]

現(xiàn)在深度學(xué)習(xí)已經(jīng)在圖像識(shí)別、語(yǔ)音識(shí)別[9]和圍棋對(duì)弈[10]方面都超過(guò)了人類(lèi)，伴隨著人類(lèi)探索未知領(lǐng)域的腳步，可以預(yù)見(jiàn)，深度學(xué)習(xí)技術(shù)在人類(lèi)生活中的應(yīng)用將更加廣泛。