人工智能60余载发展简史

（1）史前：代数几何计算

一、算法

1、无

二、算力

1、1945年，根据冯诺依曼实际研制出ENIAC，人类历史上第一台计算机。

三、数据

1、无

四、典型运用

1、计算：1855年，英国发明家巴贝奇发明差分机。

（2）50年代末尾：数学推理

一、算法

1、1950年，图灵提出图灵机、图灵测试构想。

2、1956年，达特茅斯会议，约翰麦卡锡（1971年图灵奖得主、LISP言语发明人）提出“人工智能”一词。

二、算力

1、无

三、数据

1、无

四、典型运用

1、搜索用于推理，运用于下棋游戏：1956年，机器学习之父亚瑟塞缪尔的西洋棋程序打败了美国康涅狄格州冠军。“推理就是搜索”，是这个时期次要研讨方向。

（3）人工智能的第一次热潮（60年代）与寒冬（70年代）：视觉辨认与语音辨认

一、算法

1、无

二、算力

1、1973年，英国数学家莱特希尔报告，称视觉辨认和听觉辨认需求的计算量太大、数据处理量太大，当前无法满足。人工智能进入第一次寒冬。

三、数据

1、无

四、典型运用

1、智能问答：1966年，美国军方委托麻省理工学院的人工智能学院编写了ELIZA智能问答系统。这是自然言语对话技术的末尾。

2、视觉辨认和听觉辨认运用于机器人：1967年，日本早稻田大学发明WABOT-1机器人原型，有摄像头视觉和麦克风听觉安装。这是视觉辨认和听觉辨认的末尾。

（4）人工智能的第二次热潮（80年代）与寒冬（90年代）：专家系统

一、算法

1、1982年，英国迷信家霍普尔德发明了具有全新学习才能的Hopfield神经网络算法。与此同时，杰佛里辛顿（深度学习之父）和大卫鲁梅哈特发明了可以训练的反向传播神经网络。

2、1988年，美国迷信家朱迪亚皮尔（贝叶斯网络算法发明人），将概率论方法引入人工智能推理。

他们将人工智能的“智能性”又往前推进了一步。

二、算力

1、1982年，日本希冀研发大规模多CPU并行计算机，来处理人工智能所需的计算量成绩。当时曾经可以做到512颗CPU并行计算。但其不通用性，很快被Intel的x86芯片架构超越。

三、数据

1、无

四、典型运用

1、基于规则的引荐技术运用于专家系统：1980年，卡耐基梅隆大学研发的XCON垂直专家系统投入运用，具有2500条规则，专门用于自动选配计算机配件。由于垂直运用，所以计算量和数据处理量大大收敛。

但当时，神经网络、概率统计方法，与专家规则系统并未整合，这让专家系统并未具有自学习才能，而且维护专家系统规则越来越复杂。人工智能硬件又遇到了第二次寒冬。

（5）90年代视觉辨认和语音辨认的打破

一、算法

1、1997年，两位德国迷信霍克赖特和施米德赫伯 提出了长期短期记忆（LSTM）， 适用于手写辨认和语音辨认的递归神经网络

二、算力

1、1997年，IBM用480块x86 CPU搭建深蓝Deep blue计算机打败了人类世界象棋冠军卡斯帕罗夫。

三、数据

1、1995年，理查德华莱士开发了新的聊天机器人程序Alice，它可以应用互联网不断添加本身的数据集，优化内容。

四、典型运用

1、手写文字图像辨认：1989年，贝尔实验室的雅恩乐昆运用卷积神经网络技术，完成了人工智能辨认手写邮政编码数字图像。

2、语音辨认：1992年，李开复用统计学方法，完成了延续语音辨认。

3、机器人：2000年，日本本田公司发明了机器人ASIMO，有着更高效果的视觉辨认与听觉辨认才能。

（6）2006年当前的深度学习

一、算法

1、2006年，杰弗里辛顿出版了《Learning Multiple Layers of Representation》奠定了神经网络的全新架构。

2、2007年，在斯坦福任教的华裔迷信家李飞飞，发起创建了ImageNet项目。自2010年末尾，ImageNet每年举行大规模视觉辨认应战赛。2012年由多伦多大学在应战赛上设计的深度卷积神经网络算法，被业内以为是深度学习革命的末尾。

3、2014年，伊恩·古德费罗提出GANs生成对抗网络算法，用于无监督学习的人工智能算法。

4、2018年，Google推出BERT模型、OpenAI推出GPT-2模型，均刷新了自然言语阅读了解与生成的人类历史最高效果。

目前，GAN正在从视觉处理范畴走向更普遍范畴，强化学习也正在从游戏对抗训练范畴走向更普遍范畴，这会让数据无监督标注、无监督训练更行进一步。

二、算力

1、2006年，AWS云计算发布。2006年，Hadoop大数据存储与计算平台发布。2014年，Spark内存实时计算框架发布。

2、2009年，吴恩达末尾研讨运用图形处理器（GPU而不是CPU）停止大规模无监督式机器学习工作。2017年，Google推出TPU 人工智能计算公用芯片。

三、工具

1、2016年，Google开源推出Tesorflow深度学习平台。2016年和2017年，谷歌发起了两场惊动世界的围棋人机之战，其人工智能程序AlphaGo延续打败曾经的围棋世界冠军韩国李世石，以及现任的围棋世界冠军中国的柯洁。

2、2018年，Google开源推出Dopamine强化学习平台。

基于这两个开源平台产生了大量代码库，带来了人工智能运用的普及。

四、数据

1、2000年当前，爬虫与搜索、互联网运用、电子商务运用、SaaS运用、Open API开放平台被广泛运用，形成非结构化数据大爆炸。

2、2014年，4G大规模普及（数据传输功能）、智能手机（高清摄像头与麦克风）大规模普及，导致智能手机语音、图像、视频多媒体数据大爆炸。

3、2014年，IoT智能产品盛行，导致传感器时序数据大爆炸。

五、典型运用

1、智能会话：2014年，Amazon推出Echo智能音箱和智能会话Alexa。2016年，Apple公司推出Siri。

2、视觉辨认和听觉辨认运用于智能汽车：2009年，谷歌末尾机密测试无人驾驶汽车技术；2014年，谷歌成为第一个在经过美国州自驾车测试的公司。

3、机器人：谷歌2013年还曾收买了世界顶级机器人技术公司：波士顿动力学公司，2017年又出售给日本软银公司。

（7）运用场景总结

回顾人工智能发展这60多年，似乎典型运用并不多，我们就不提搞比赛搞秀的下棋游戏大战，真正商业运用的人工智能只要两类：

1、专家系统、智能问答、智能会话。这是典型的NLP范畴。假如说Google和百度搜索也算NLP，那么人工智能NLP过往，就是两个运用：智能问答和会话、搜索和引荐

2、可以视觉辨认和听觉辨认的硬件（消费者服务机器人、音箱、无人驾驶汽车、无人机、手机）。即便在中国人工智能这么热，也大多去抢海康威视大华工业级摄像头的市场，搞安防监控、交通监控、消防监控、安全消费监控、环保监控、金融刷脸认证、批发无人商店刷脸辨认、线下营销广告自动消费者辨认。

（8）尾巴：微软亚洲研讨院

微软亚洲研讨院，1998年成立（美国互联网在1994年末尾迸发），是全球独一的专门研讨人工智能的研讨院。成立曾经20年。

但似乎微软亚洲研讨院起了个大早、赶了个晚集。人才倒是培育了不少，但大多流落业界或者本人创业，并无给微软本人带来好处。我也在思索这个成绩到底出在哪里了？

如今的人工智能，是典型的数据迷信。但微软作为工具产品公司，错过了互联网时代、智能手机时代，手里没数据。

互联网公司几乎都是羊毛出在狗身上（广告形式），智能手机公司是一半狗毛一半羊毛（手机硬件赚钱，AppStore也挣钱）。微软是工具软件产品商业形式，是羊毛只能出在羊身上。所以微软对开源收费这事不断观望、犹犹疑豫。所以微软也开源，但不断不是很大力。这在工具方面就差强者意了。

另外，虽然微软看着AWS搞云，本人也于2008年也末尾搞云，但由于云计算是软硬一体化的、带运营运维服务的，这是微软作为工具软件产品公司从来没有干过的，而且其支出结构/成本结构/利润结构也不一样，所以微软对搞云也不断犹犹疑豫的，直到2014年纳德拉下台来才强力做云。这就在算力方面滞后了。

而且很奇异的是，微软亚洲研讨院也不断没有在算法方面有创始性的东西。虽然ResNet在2014年ImageNet比赛中获得图像分类第一名，但只是改进型，不是创始型。从2007年洪小文上任微软亚洲研讨院院长，按说是工夫点并不晚。

缺数据、平台与生态不给力、算力发展也滞后，算法也没有创始性研讨成果。

好不容易折腾了个微软小冰智能会话、Bing搜索，还外部一顿权利斗争，沈向洋的分开不言而喻。

不错！

分享了

分享了

分享了

分享了