回首AI發(fā)展歷史上的十大里程碑時(shí)刻
將人工智能的發(fā)展歷史濃縮到十個(gè)瞬間并不是一件容易的事。這世界上有數(shù)以百計(jì)的研究實(shí)驗(yàn)室和數(shù)以千計(jì)的計(jì)算機(jī)科學(xué)家。如果我們要把所有的重要事件都記錄下來(lái)的話(huà)，估計(jì)只能寄希望于一個(gè)規(guī)劃精良的算法來(lái)幫助人們完成這一任務(wù)?？墒?，如果我們真的將視野固定在那最重要的十件事情上時(shí)，遍覽歷史書(shū)的小編認(rèn)為自己還是可以勝任的。所以以下是我們?yōu)槟憔姆钌系腁I發(fā)展極簡(jiǎn)史，希望你可以在閱讀過(guò)后，對(duì)于AI究竟是怎樣引發(fā)現(xiàn)今熱潮有一個(gè)更加深刻的認(rèn)識(shí)。 1. 神經(jīng)網(wǎng)絡(luò)的誕生 你應(yīng)該已經(jīng)聽(tīng)說(shuō)過(guò)神經(jīng)網(wǎng)絡(luò)這個(gè)概念吧。這個(gè)在“人腦“的啟發(fā)下被規(guī)劃出來(lái)的工具，驅(qū)動(dòng)了現(xiàn)今絕大部分最為先進(jìn)的AI技術(shù)。雖然深度學(xué)習(xí)這一類(lèi)的概念還比較新穎，但是他們背后依靠的數(shù)學(xué)理論可以追溯回1943年。 Warren McCullon和Walter Pitts的論文《A Logical Calculus of the Ideas Immanent in Nervous Activity》可能挺起來(lái)非常繞口，但是它對(duì)于世界的重要性絕不低于為谷歌提供了理論支持的《The PageRank Citation Ranking》。在McCullon和Pitts的論文中，兩位學(xué)者詳細(xì)描繪了人工神經(jīng)元網(wǎng)絡(luò)可以以怎樣的方式完成邏輯功能。AI夢(mèng)想從此起航。 2.人工智能（Artificial Intelligence）一詞的出現(xiàn) 如果需要明確地給出一個(gè)AI的官方起始時(shí)間的話(huà)，那么我會(huì)說(shuō)是1955年8月31日。因?yàn)檫@一天，研究者John McCarthy, Marvin Minsky, Nathaniel Rochester, and Claude Shannon提交了一份關(guān)于“兩個(gè)月，十個(gè)人共同研究人工智能（AI）”的研究計(jì)劃。 第二年，通過(guò)了這一份研究計(jì)劃的學(xué)術(shù)會(huì)議正式在達(dá)特茅斯大學(xué)舉行。遺憾的是，他們對(duì)自己研究項(xiàng)目的時(shí)間表太過(guò)樂(lè)觀(guān)了。在研究計(jì)劃中他們寫(xiě)到：“我們認(rèn)為，如果細(xì)心地選擇一群有能力的科學(xué)家一起工作一個(gè)暑假，就可以達(dá)成劃時(shí)代的學(xué)術(shù)突破。”但是事情比他們預(yù)想的要更加耗費(fèi)時(shí)間。 3.反向傳播算法的到來(lái) 不得不說(shuō)，反向傳播算法是機(jī)器學(xué)習(xí)理論歷史上最為重要的一個(gè)算法。它最初在1969年被人提出，可是要等到20世紀(jì)80年代中期他才成為了機(jī)器學(xué)習(xí)理論的主流。 反向傳播算法最主要的功能是允許一個(gè)神經(jīng)網(wǎng)絡(luò)在其實(shí)際輸出和其期待的不一致時(shí)，能夠主動(dòng)進(jìn)行自我調(diào)節(jié)。更簡(jiǎn)單的來(lái)說(shuō)，它意味著人們可以通過(guò)在每次神經(jīng)網(wǎng)絡(luò)犯錯(cuò)誤時(shí)都及時(shí)對(duì)其改正來(lái)對(duì)他們進(jìn)行訓(xùn)練。之后，反向傳播算法就可以修改神經(jīng)網(wǎng)絡(luò)的拼接，從而保證它能夠在下一次遇到同樣問(wèn)題是不會(huì)犯同樣的錯(cuò)誤。 4.和計(jì)算機(jī)對(duì)話(huà) 你有疑惑過(guò)亞馬遜的Alexa，谷歌助手和蘋(píng)果的Siri的祖先是誰(shuí)嗎？說(shuō)起來(lái)，這一切還要追溯到1960年代，一個(gè)MIT人工智能實(shí)驗(yàn)室的教授發(fā)明了一款名為Eliza的機(jī)器心理治療師。Eliza在半個(gè)世紀(jì)以前就可以和運(yùn)用者通過(guò)文字進(jìn)行比較智能的交流。 Eliza的發(fā)明者注意到，當(dāng)人們開(kāi)始運(yùn)用這款人工智能使用來(lái)進(jìn)行心理治療時(shí)，他們甚至比平時(shí)更愿意進(jìn)行深入的交流。 5.奇點(diǎn) 別害怕，我是絕對(duì)不會(huì)讓你錯(cuò)過(guò)人工智能歷史上那個(gè)最大的頭條的。奇點(diǎn)，那個(gè)機(jī)器比人類(lèi)更聰明的時(shí)刻還并沒(méi)有到來(lái)。但是在1993年，計(jì)算機(jī)科學(xué)家兼知名作者Vernor Vinge發(fā)表了一篇引爆相關(guān)討論的文章。 在《即將到來(lái)的科技奇點(diǎn)》中，Vinge預(yù)測(cè)未來(lái)的三十年內(nèi)，人們將會(huì)有能力制造超乎人類(lèi)的智能?！霸诓痪弥螅祟?lèi)的時(shí)代將會(huì)終結(jié)，”他寫(xiě)道。而這一警告也被后來(lái)例如Elon Musk這樣的企業(yè)家不斷重復(fù)著。 6.怎么能少得了無(wú)人駕駛的汽車(chē) 認(rèn)為谷歌發(fā)明了世界上第一款無(wú)人駕駛的汽車(chē)？我給你個(gè)機(jī)會(huì)再想一次。 好吧，讓我?guī)慊氐?986年，一輛裝載著智能傳感器和攝像機(jī)的奔馳廂式貨車(chē)成功地在一條無(wú)人的街道上行駛著。而這輛車(chē)是由德國(guó)Bundeswehr University的研究者們合力研究的。 幾年之后，一位卡耐基梅隆的研究者，Dean Pomerleau成功制造了一輛自動(dòng)的龐蒂克迷你貨車(chē)，成功地從匹茨堡行駛到圣地亞哥，兩地相隔了2797英里的距離。雖然這輛龐蒂克以現(xiàn)今的標(biāo)準(zhǔn)來(lái)看非常的原始，但是卻展現(xiàn)出了這一技術(shù)未來(lái)的無(wú)限可能。 7.大腦的背水一戰(zhàn) 1997年注定是改寫(xiě)AI歷史的一年。因?yàn)檫@一年，IBM的深藍(lán)超級(jí)計(jì)算機(jī)贏過(guò)了國(guó)際象棋冠軍Garry Kasparov，使得人們重新評(píng)估了人腦與機(jī)器大腦的異同。在這場(chǎng)比賽之前，雖然人們都知道深藍(lán)可以比Kasparov更快的處理信息，但是更重要的是，人們并不相信它可以進(jìn)行戰(zhàn)略性的思維。但是這場(chǎng)勝利似乎說(shuō)明它也可以。這場(chǎng)勝利雖然依舊無(wú)法向研究者表明AI可以在沒(méi)有明確規(guī)則的領(lǐng)域搞定問(wèn)題獲得勝利，但已經(jīng)是整個(gè)人工智能領(lǐng)域非常大的飛躍。 8.它贏得了《危險(xiǎn)邊緣》 在那一場(chǎng)世紀(jì)大戰(zhàn)之后，IBM的人工智能在2011年面臨的另一個(gè)大挑戰(zhàn)是一個(gè)名叫《Jeopardy！》（危險(xiǎn)邊緣）的美國(guó)智力競(jìng)賽節(jié)目。IBM的Watson AI實(shí)驗(yàn)室將這一檔節(jié)目之前的贏家Brad Rutter和Ken Jennings請(qǐng)了回來(lái)和AI一戰(zhàn)高下。大概一個(gè)回合之后，崩潰的Ken Jennings笑稱(chēng)，“我，以自己的名義，歡迎我們的機(jī)器人霸主。” 9.AI也愛(ài)。。。鏟屎？ 2012年的6月，谷歌的研究人員Jeff Dean和Andrew Ng將他們從Youtube視頻上截取下來(lái)的一千萬(wàn)張沒(méi)有標(biāo)簽的圖片輸入了一個(gè)由一萬(wàn)六千臺(tái)計(jì)算機(jī)處理器組成的巨型神經(jīng)網(wǎng)絡(luò)中。雖然他們并沒(méi)有給出任何關(guān)于這些圖片的信息，AI卻已經(jīng)能夠通過(guò)深度學(xué)習(xí)的算法辨別出貓科動(dòng)物的圖片。所以，出乎意料的，AI，和人類(lèi)一樣，都很喜歡小貓的視頻。 10.AI打敗圍棋冠軍 2016年3月，谷歌的AlphaGo打敗了圍棋世界冠軍李世石。整場(chǎng)比賽有世界各地6千萬(wàn)人圍觀(guān)。而之所以這場(chǎng)比賽有著劃時(shí)代的意義，是因?yàn)閲暹x擇落子的可能性超過(guò)了這世界原子的數(shù)量。這，估計(jì)是AI至今為止最為令人目瞪口呆的一場(chǎng)勝利了。