什么是人工智能？

author:JSPI_雪哥

“腾讯新浪网”表述

人工智慧（Artificial Intelligence），英文简写为AI。它是科学研究、合作开发用作演示、延展和扩充人的智能化的方式论、方式、控制技术及应用领域控制系统的两门捷伊控制技术自然科学。

“维基”表述

人工智慧（英文：Artificial Intelligence, AI）亦称电脑智能化，是指由人锻造出的电脑所整体表现出的智能化。一般来说人工智慧是指透过一般电脑程式的方式与此同时实现的类人智能化控制技术。专有名词与此同时也指科学研究这种的智能化控制系统与否能与此同时实现，和怎样与此同时实现的自然科学应用领域领域。

“我的认知”

人工智慧是囊括了计算机自然科学、语言学、脑干学、社会自然科学等众多应用领域领域的两门科学研究课题。

“你的认知？”

期望当你环游在人工智慧的极地中，你能有他们对人工智慧的不光认知。

人工智慧的产业发展心路历程

在往后的70年里，“人工智慧”的产业发展虽说跌宕，LX1发展史，他们大体能将其分成四个周期性。

远古末期

1942年，奇幻小说家汤玛士·基德

1943年，氏兵贝克和皮恩斯刊登的《脊髓公益活动中外在价值观的方式论编程》标志着人类文明与此同时实现“人工智能化”的第二步。

1950年，图灵刊登《computing machinery and intelligence》

第一个夏天

艾伦.图灵刊登论文的6年后，即1956年，在达特茅斯学院的一次数学和计算自然科学的会议上，约翰.氏兵锡第一次提出了“人工智慧”的概念。

1957年，当时心理学家、科学研究人员弗兰克·罗森布拉特（Frank Rosenblatt，被认为是深度学习之父）在哈佛大学建造了Mark I感知机，他建立了一个演示脊髓网络，具有透过反复试验学习的能力。

1958年，约翰·氏兵锡（John McCarthy）引入了人工智慧专用编程语言LISP，这一语言成为未来三十年的主流人工智慧编程语言。

1959年，IBM的纳撒尼尔·罗切斯特和赫伯特·盖伦特合作开发了一个几何定理证明程序。

1960年，第一个工业电脑人的出现，名为“Unimate”的机械臂，并且用作汽车生产的焊接过程中。

1963年，自然科学家能透过程序计算闭式微积分问题。

1964年，Tom Evans的类比算法，用作解决IQ测试问题和几何问题。

1966年，世界上第一个聊天机器人在麻省理工学院合作开发完成。

第一次寒冬

经历了短暂的爆发之后，人工智慧实际的产出远远低于人们的期望，当时英美两个国家对人工智慧的投资迅速降低，导致了第一次寒冬。

从现在的眼光来看，当时人工智慧的产业发展进入寒冬的原因有三：

第二次夏天

1971年，斯坦福大学科学研究的霉素控制系统，能快速准确的鉴别出引起败血症的细菌；

1980年，第一个卷积脊髓网络架构“neocognitron”被提出；

1982年，人工智慧第一次应用领域到了商业中，被用作数字设备的订单处理，在此后的10年中，大多数的美国公司都能从中受益。

鉴于此，美国、欧洲、日本政府投资数百亿美元来推动人工智慧的产业发展，人工智慧迎来了第二个夏天。

第二次冬天

尽管在20世纪80年代，欧美日等国家做出了巨大的投资，但是大多数的企业并没有与此同时实现他们预期的目标，以至于很多自然科学家都失去了信心，甚至自然科学界都在避免使用“人工智慧”这个词语。

20世纪90年代，人工智慧的自然科学家转变了产业发展思路，更多的去科学研究方式论基础，并且是基于语言学的成熟方式论，这也为之后的大爆发埋下了伏笔。

大爆发

1997年，IBM合作开发的国际象棋人工智慧软件，称为“深蓝”，最终赢得了伟大的国际象棋大师世界冠军加里·卡斯帕罗夫，第一次让全世界认识到了“人工智慧”的威力;

2011年，IBM的沃森在广受欢迎的电视智力竞赛节目《危险》（Jeopardy）[82]中击败了人类文明冠军，大大提高了公众对人工智慧最先进控制技术的印象；

2016年3月，阿尔法围棋与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜；

2016年末2017年初，该程序在中国棋类网站上以“大师”（Master）为注册账号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩；

2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。围棋界公认阿尔法围棋的棋力已经超过人类文明职业围棋顶尖水平。

时间回到现在，智能化驾驶，人脸识别，推荐算法，智能翻译，电脑人……等等人工智慧产品进入了他们的日常生活中，他们相信这不是人工智慧的终点，而是刚刚开始！

人工智慧的层次

基础设施

回顾人工智慧产业发展史，每次基础设施的产业发展都显著地推动了算法层和控制技术层的演进。从20世纪70年代的计算机兴起、80年代的计算机普及，到90年代计算机运算速度和存储量的增加、互联网兴起带来的数据电子化，均产生了较大的推动作用。而到了21世纪，这种推动效果则更为显著，互联网大规模服务集群的出现、搜索和电商业务带来的大数据积累、GPU（图形处理器）和异构/低功耗芯片兴起带来的运算力提升，促成了深度学习的诞生，点燃了人工智慧的这一波爆发浪潮。

截止到今天为止，人工智慧最大的瓶颈和推动力依旧是算力+数据。

算法（他们学习的重点）

电脑学习：利用算法使计算机能像人一样从数据中挖掘出信息，传统的电脑学习是分步骤来进行的，每一步的最优解不一定带来最终结果的最优解，并且特征选取是由人来决定的，那就要求人有很强的专业知识，并且费时费力，很大程度上依赖经验和运气。

深度学习：深度学习是电脑学习的子集，但是从原始特征出发，自主学习高级特征组合，整个过程是端到端，直接保证最终输出结果是最优的，但是中间的隐层是一个暗箱，他们并不知道电脑从海量数据中提取到了甚么特征。

控制技术方向

计算机视觉

自然语言处理

规划决策控制系统

大数据/统计分析

他们能分享甚么？

编程基础（海尔）

数据分析与数据处理

C++

OpenCV PIL 图形处理

Hanlp jieba gensim 自然语言处理

电脑学习算法/数学

深度学习

项目实战

AI算法集成和发布平台搭建

C++高性能部署模型

参考资料：

~:text=While%20the%20Queen%20is%20delivering,news%20in%20the%20digital%20age., December 2020. Accessed:

.

com/2021/3/5/22314980/tom-cruise-deepfake-tiktok-videos-ai-impersonator-chris-ume-miles-fisher, March 2021. Accessed:

,

.

Accessed: 2021-4-14.[9] Michael Chui, Martin Harrysson, James Manyika, Roger Roberts, Rita Chung, Pieter Nel, and Ashley Van Heteren. Applying

AI for social good | mc kinsey et al. Technical report.[10] S.J. Russell and P. Norvig. Artificial Intelligence: A Modern Approach. Pearson series in artificial intelligence. Pearson