新书人工智能简史|人工智能发展简史
【新书人工智能简史|人工智能发展简史】lot物联网小编为你整理了的相关内容，希望能为你解答。
ChatGPT在2个月内实现用户破亿，关注度极高，其产业革命的潜在机遇使得人工智能成为今年A股的领涨板块。
今天为大家带来约翰· 马尔科夫（John Markoff）所著的《人工智能简史》一书，其从多个维度描绘了人工智能从爆发到遭遇寒冬再到野蛮生长的发展历程，直击了工业机器人、救援机器人、无人驾驶汽车、语音助手Siri等前沿领域。
01
人工智能的两面性
未来随着技术的发展，人工智能毫无疑问会成为我们生活的一部分。一方面人工智能用日益强大的计算机硬件和软件组合替代人类，另一方面则其在脑力、经济、社会等方面拓展人类的能力，成为最佳的辅助工具。作者坚信人工智能的发展最终会成为我们希望的模样。
02
达特茅斯会议：人工智能的缘起
1956年8月，在美国达特茅斯学院中，麦卡锡、明斯基和香农等科学家正聚在一起，讨论着的主题:用机器来模仿人类学习以及其他方面的智能，虽然大家没有达成普遍的共识，但是却为会议讨论的内容起了一个名字:人工智能。因此，1956年也就成为了人工智能的起点。
人工智能的历史有一个很有趣的现象，AI的历史发展伴随着斗争和不同的观点和流派，科学技术历史中的对立的议题如数字和模拟，串行和并行，语法和语义，工程和科学，也正是这些斗争进一步加速了人工智能的发展。
03
人工智能的发展脉络
人工智能自从诞生起，就一直有两派观点：一派认为实现人工智能必须用逻辑和符号系统来模拟人的心智，由此确立了人工智能领域的符号派或者说逻辑派，这一派看问题是自上而下的；另一派认为通过仿造大脑可以达到人工智能，由此确立了人工智能领域的统计学派或神经网络派。这一派是自下而上的，他们认为如果能造一台机器，模拟大脑中的神经网络，这台机器就有智能了。
随着人工智能技术的发展，模拟大脑的神经网络技术渐成主流。
04
知识图谱的诞生
斯坦福大学费根鲍姆教授等三人提出的第一个专家系统，输入的是质谱仪的数据，输出是给定物质的化学结构，他们把化学知识提炼成规则，继而形成专家系统。
费根鲍姆提议建立国家知识技术中心,建议把人类有史以来的知识建库，这其实就是最早的知识图谱。后来万维网发明者之一伯纳斯提出“语义网”，后来谷歌在收购维基百科后台的支持系统后，为它取了一个响亮的名字，就是如今大名鼎鼎的“知识图谱”。
05
神经网络和深度学习
中文里“电脑”一开始就拥有了“脑”的头衔，但事实上与真正的智能相去甚远。图灵提出了几个标准来评估一台机器是否可以被认为是智能的，从而被称为“图灵测试”。当时科学家认为神经元及其连接里也许藏着智能的隐喻，沿着这条路线前进的人被称为连接主义。
哈佛神经生物学家胡贝尔对视网膜和视觉皮层中神经细胞的信息处理模式做了深入研究，为此获得了1981年的诺贝尔医学奖，为视觉信息处理建立数学模型，影响了后来视觉识别CV技术发展。
20世纪80年代的“神经网络” 就像20世纪90年代的互联网和眼下的“GPT”，各家公司纷纷加入。神经网络的光芒被后来的互联网掩盖了，但这几年恰恰又是互联网产生的海量数据给了神经网络更大的机会。
近年来人工智能领域最火的词儿就是“深度学习”。神经网络由一层层的神经元构成，层数越多，就越深，所谓深度学习就是用很多层神经元构成的神经网络达到机器学习的功能。
06
人工智能技术从0-1
下棋一直就是人类智能的挑战，自然也成了人工智能的标志之一。图灵1947年就编了第一个下棋程序。IBM上世纪90年代开发下棋机，把对手锁定为当时的世界冠军卡斯帕罗夫， 1997年5月11日，老卡认输，“深蓝”成了第一位战胜当时世界冠军的机器，这是一个标志性的事件。
相对于计算机在国际象棋中的胜利，中国象棋的进展直到2006年，中国象棋程序开始击败特级大师级别的人类棋手，围棋是更具挑战性的项目，终于AlphaGo横空出世，战胜了韩国棋手李世石，计算机下棋达到了顶峰。
07
自然语言处理
1972年知识库的发展使得聊天机器人更加实用，后来苹果Siri的聊天软件使得聊天机器人实用化，它是ChatGPT诞生前应用最广泛的聊天机器人。
在1988年的计算语言学会议上，IBM 发表了统计机器翻译的论文，并推出法语/英语的翻译系统。统计学派的金句是：“我每开除一名语言学家, 我的语音识别系统的性能就提高一点。”统计方法的另一个好处是工程师根本不需要语言学知识，也不需要懂源语言或目标语言，就可从事机器翻译。
2016年，谷歌发布神经机器翻译系统，再次大幅提高机器翻译的水平。中国科大讯飞的语音输入的应用技术也渐趋成熟。
08
算力“大跃进”
从人类的生物学里找计算的模型，一直是人工智能的研究方向之一，学术上大致有两条传承的脉络：一条是神经网络，演化到今天成为了深度学习；另一条是细胞自动机，历经遗传算法、遗传编程，其中一条支线最后演变成了今天的强化学习。
强化学习的理论基础之一是马尔科夫决策过程，二是动态规划。遗传算法和强化学习有一个共同点：效果要等到多步以后才能看到，这是和监督式学习的主要不同。强化学习作为机器学习的一个分支，一直没得到重视。谷歌的 AlphaGo赢了李世石之后，强化学习作为AlphaGo的核心算法，一夜之间成为显学。
科学就是我们能给予计算机明确指令的，而余下的都叫艺术。
全社会的算力作为文明的测度，我们可以用社会的计算能力来测度文明，与计算机能力同时提升的是数据量。最近十几年时间里产生的数据量，足以使之前人类历史积累的数据量忽略不计。
如果我们把大脑神经元数量、能源消耗、学术出版物总数、人工智能融资金额与算力的增速做个对比，可以看到一个有趣的现象，能源消耗的增长速度比大脑神经元数量的增长速度更快，而学术出版物总数的增长 速度又比能源消耗的增长速度更快;人工智能融资规模与算力的增长速度相当，均高于其他几个维度的增速。
未来人工智能的发展与算力需求的“大跃进”是密不可分的。
风险提示：基金有风险，投资需谨慎。富国基金不保证基金投顾组合策略一定盈利及最低收益，也不作保本承诺，投资者参与基金投顾组合策略存在无法获得收益甚至本金亏损的风险。基金投资顾问业务尚处于试点阶段，基金投资顾问机构存在因试点资格被取消不能继续提供服务的风险。
以上内容为【新书人工智能简史|人工智能发展简史】的相关内容，更多相关内容关注lot物联网。
