网站首页

b体育产品中心

智能终端处理器 智能云服务器 软件开发环境

b体育新闻中心

关于b体育

公司概况 核心优势 核心团队 发展历程

联系我们b体育

官方微信 官方微博
b体育·(中国)官方入口在线登录网站 > b体育产品中心 > 智能终端处理器

人工智B体育能简史

发布时间:2023-09-27 10:15浏览次数: 来源于:网络

  B体育人工智能 (Artificial Intelligence,AI) 是计算机科学的一个分支领域,致力于让机器模拟人类思维,执行学习、推理等工作B体育。人工智能的发展经历了以下五个阶段。

  1942年,科幻作家阿西莫夫(Isaac Asimov)在小说《我, 机器人》中提出了机器人三定律:

  第一:机器人不得伤害人,也不得见人受到伤害而袖手旁观;第二:机器人应服从人的一切命令,但不得违反第一定律;第三:机器人应保护自身的安全,但不得违反第一、第二定律。

  但机器人三定律中隐含着两个逻辑悖论:机器人可以杀害正在行凶杀人的人吗?人类自我伤害时而不自知时,机器人该怎么做?

  2004年,威尔•史密斯主演的同名电影《我,机器人》,对这两个悖论进行了深度的探索。在电影中,中央电脑Viki为了人类的整体利益,控制部分机器人“保护”人类,不允许他们出门,不允许他们做任何事情。最终人类与少数“正义”的机器人联手反抗Viki并取得成功。

  艾伦•图灵(Alan Turing,1912~1954)是英国数学家、逻辑学家,被称为计算机科学之父,人工智能之父。二战中协助军方破解德军密码系统Enigma,帮助盟军取得胜利。

  1950年,图灵写出了研究论文“计算机器与智能”,深入探讨了智能的本质,以及机器智能能否实现。论文的开篇第一句话是:我提议考虑这个问题,“机器能够思考吗?”。而结尾最后一句是:我们只能看到前面一小段距离,但可以看到有大量要做的事情。

  在论文中,图灵提出了“模仿游戏”(即图灵测试)的概念,用来检测机器智能水平。 图灵测试有两个版本。

  第一是图灵原论文中的“模仿游戏”。在模仿游戏中,A是男性机器人,但要假装是女人;B是真人女性,要向C证明自己是女人;C是质问者,只能通过书面问答考察。如果质问者无法区分男女,则称机器人具有智能。

  第二个是比较流行的图灵测试标准版本:其中,A是计算机,但要假装是真人;B是真人,要向C证明自己是真人;C是质问者B体育,只能通过书面问答来考察。通过图灵测试的条件是:质问者无法区分计算机和真人。

  图灵测试,用图灵的话总结起来就是:”如果一台计算机可让人误认为它是人,则可称它具有智能 “。1966年设立了以图灵名字命名的图灵奖,这被称为计算机界的“诺贝尔奖”

  1955年,达特茅斯学院的教师,约翰•麦卡锡(John McCarthy),首次提出了“人工智能”的概念,来概括神经网络、自然语言等“各类机器智能”技术。1956年,麦卡锡推动召开了达特茅斯会议,也叫“人工智能夏季研究项目”。

  会议的主题是:让机器使用语言,形成抽象与概念,解决目前只有人类才能求解的问题,以及不断自我提升B体育。会上讨论了七大议题:自动计算机;如何为计算机编程,使其能够使用语言;神经网络;计算规模理论;自我改进;抽象;随机性与创造性。最终会议形成了一个共识:人工智能(AI)对人类具有很大的价值。

  达特茅斯会议上的主要参会者,后来都成为了人工智能史上鼎鼎有名的人物。其中就有四位获得过图灵奖,西蒙还是诺贝儿经济学奖的获得者。

  1958年,纽厄尔和西蒙说到:十年之内,数字计算机将成为国际象棋世界冠军,数字计算机将发现并证明一个重要的数学定理。但直到39年后的1997年,IBM深蓝才战胜国际象棋世界冠军卡斯帕罗夫。18年后的1976年,计算机通过暴力计算证明了四色定理。

  1965年,西蒙说到:二十年内,机器将能完成人能做到的一切工作。显然,这个预言直到目前为止,也远远没有实现。

  但是,纽厄尔和西蒙的豪言壮语,得到了官方的认可。DARPA(美国国防部高等研究计划局)对纽厄尔和西蒙在卡内基梅隆大学(CMU)的工作组进行了资助。

  1967年,明斯基说到:一代之内,创造“人工智能”的问题将获得实质上的解决。1970年,他又乐观地说到:在三到八年的时间里我们将得到一台具有人类平均智能的机器。

  当然,这些豪言壮语,离真正的实现还有很长的路要走。但这种乐观的情绪,在1963年至70年代也吸引了DARPA每年投入300万美元资助MIT的AI研究,其中就包括明斯基的AI团队。

  :又称为仿生学派或生理学派,包含感知器,人工神经网络,深度学习等技术。代表人物有

  :又称为逻辑主义、心理学派或计算机学派。包含决策树,专家系统等技术。代表人物有西蒙和纽厄尔、马文·明斯基等。各类决策树相关的算法,均受益于符号主义流派。

  :又称为进化主义或控制论学派,包含控制论、马尔科夫决策过程、强化学习等技术。代表人物有萨顿(Richard Sutton)等。

  1957年,弗兰克•罗森布莱特(Frank Rosenblatt)提出感知器( Perceptron)概念,并建造了感知器的机电模型“Mark I”。感知器通过监督学习算法,迭代地解决线性的二分类问题,极大地拓展了机器可求解问题的种类。感知器的出现激起一股人工智能热潮。学术界和大众都给予厚望。

  罗森布莱特对人工智能的未来也非常乐观:“感知、识别和辨认周边环境,无需人工训练或控制,我们即将见证这样的机器的诞生。”

  人工智能的热潮B体育,也传导到了文艺界。《2001:太空漫游》于1968年上映,是由斯坦利·库布里克执导的科幻电影,也是人工智能主题电影的开创之作。马文·明斯基作为技术顾问。电影讲述了人类为了寻找“黑石”根源而进行木星登陆的故事。

  电影中的人工智能叫HAL 9000。Hal 9000掌控“发现者号”,是具有高度智能和情感的机器人。在HAL 9000背叛了Dave,拒绝执行他的指令后,Dave强行一个个拔掉Hal的记忆卡。Hal逐步失去智能并宕机。

  有意思的是,为什么Dave是以拔记忆卡的方式来关停HAL 9000?这和马文·明斯基的符号主义思想背景恐怕有着深刻的关联。根据符号主义的主张,知识是信息的一种形式,是构成智能的基础,知识表示、知识推理、知识运用是人工智能的核心,而知识是存储在“记忆卡”上面的。

  1969年,马文·明斯基和西蒙·派珀特(Seymour Papert)写了一本书《感知器》,对罗森布莱特的感知器提出了质疑。书中指出:单层感知器本质上是一个线性分类器,无法求解非线性分类问题,甚至连简单的异或(XOR)问题都无法求解。

  单层感知器的这一局限,使得连接主义备受质疑,再加上AI的实际应用止步不前,AI迎来第一次寒冬。符号主义和专家系统开始得到重视,并流行起来B体育。

  明斯基对感知器的批评导致神经网络研究停滞了十年。当然,这也一定程度上要归咎于AI研究者们低估了AI课题的研究难度,做出各种不切实际的承诺,而且当时的模型和硬件计算能力的限制,也使得这些承诺完全无法按预期实现。

  研究和应用上的停滞,直接导致了各国对人工智能方向研究经费的削减。1973年英国科学研究委员会消减对AI研究的资助。1973~1974 年,美国DARPA 大幅削减对AI研究的资助,到1974年,已经很难再找到对AI项目的资助了。

  AI的第一次寒冬,让研究者们的研究热点,转向了专家系统。专家系统,是模仿人类专家决策能力的计算机系统。依据一组从专门知识中推演出的逻辑规则,来回答特定领域中的问题。专家系统包含若干子系统:知识库,推理引擎,用户界面。

  知识库系统和知识工程成为80年代AI研究的主要方向,出现了许多有名的专家系统。

  专家系统的这一系列优势,吸引了新一轮的政府资助。1981年,日本经济产业省拨款八亿五千万美元支持第五代计算机项目,目标是造出能与人对话,翻译语言,解释图像,并像人一样推理的机器,英国开始了耗资三亿五千万英镑的Alvey工程。DARPA成立战略计算促进会,1988年向AI的投资是1984年的三倍。

  专家系统的这些劣势,使得商业化面临重重困境,从而直接引发了AI的第二次寒冬。

  彼时,“人工智能”一词俨然成为研究者的禁忌。研究人员害怕看起来像一个乞求经费的空想家。开始用“信息学”、“机器学习” 等新词来替代”人工智能“一词。

  在人工智能的第二次寒冬期,神经网络的研究出现了一系列的突破性进展,深度学习开始萌芽。主要有以下几个代表性成果:

  :1982年,由约翰·霍普菲尔德(John Hopfield)提出。离散霍普菲尔德网络是一个单层网络,各节点对称地连接,但没有自反馈,权重确定后,网络具有状态记忆功能。

  1985年,由杰弗里·辛顿 (Geoffrey Hinton)提出。受限玻尔兹曼机是一种二分图结构,包含可见单元和隐藏单元。其训练算法是基于梯度的对比分歧算法,可以用于降维、分类、回归和特征学习等任务。

  :1986,由鲁姆尔哈特(Rumelhart)提出。这是一种前向结构的人工神经网络。包含三层:输入层、隐藏层和输出层。模型训练的算法是反向传播算法。

  少数AI研究者在AI寒冬期以众人皆醉我独醒的态度,十年如一日地坚持坐冷板凳,开展神经网络方向的研究。其中代表人物是深度学习三巨头。他们在2018年因在深度学习方面的卓越贡献,一同被授予了图灵奖。

  我一直以来都确信,实现人工智能的唯一方式,就是按人类大脑的方式去进行计算。——杰弗里·辛顿

  :1989年使用反向传播和神经网络识别手写数字,用来读取银行支票上的手写数字,首次实现神经网络商业化

  我们之所以为人,是因为我们具有智能,而人工智能是这一能力的扩展。——杨乐昆

  :推动了循环神经网络的发展,带领开发出Theano框架,启发了Tensorflow等众多后续框架的发展,创办AI顶会ICLR,开创了基于神经网络的语言模型

  我一直认为“创造性”可通过计算的方式来实现。我们理解计算背后的原理。所以,只需找到更智能的神经网络或模型即可。——约书亚·本吉奥

  随着互联网的快速发展,人类进入了大数据时代。这一方面为人工智能的发展提供了广阔的应用空间,同时也提供了海量的数据。这些数据包括:

  :比如购物网站浏览、收藏、购买数据,社交网站关注、点赞、评论数据,视频网站浏览、观看、付费数据。这为人工智能在互联网企业的大规模应用提供了肥沃的土壤。

  :智能手机支持随手拍照并分享到网络,出现了图像识别、图像分割等需求,同时CIFAR、ImageNet、VisualQA等大型的图像数据集开始出现,推动了深度学习图像处理算法的快速演进。

  :新闻媒体每天各语种的新闻报道,自媒体平台产生大量文本作品,等记载大量结构化知识。这为自然语言算法的研究和应用提供了广阔的天地。

  :GPU原本主要用于图形图像的渲染,2006年,英伟达(NVIDIA)推出CUDA (统一计算架构) ,GPU开始用于解决商业、工业以及科学方面的复杂计算,GPU与深度学习结合,模型的训练速度有了数量级的提升。

  CPU和GPU的架构:CPU有更多控制单元,而GPU将更多的晶体管用于数据处理

  大数据量处理推动算力的革命,推动了GPU集群、大数据集群乃至专用的AI芯片的大踏步发展。算力提升拓宽了算法的探索空间,强化学习、AUTOML等算力密集型的算法不断取得突破。

  神经网络变体也不断涌现,卷积神经网络(CNN)、循环神经网络(RNN)、长短期记忆网络(LSTM)等等的复杂模型,对训练数据质量和数量的需求越来越迫切。

  而互联网的不断发展提供了大量数据源与高效标注工具与平台,由此产生了许多高质量公开数据集。

  2009年,辛顿(Hinton)和他的两名学生使用多层神经网络在语音识别方面取得了重大突破。

  2011年,IBM沃森在电视节目《危险边缘》中战胜人类辩手,苹果公司将Siri整合到iPhone4S中。

  2012年,辛顿的另两名学生在ImageNet挑战赛中取得突破性成绩,谷歌研发的无人驾驶汽车开始路测。

  2016年,DeepMind击败围棋冠军李世石,百度语音识别技术入选MIT十大突破技术。

  2018年,DeepMind的Alphafold破解了出现五十年之久的蛋白质分子折叠问题,谷歌推出BERT模型,将自然语言处理技术推进到新的时代。

  人工智能是一个很宽泛的概念,包含很多分支领域,各个领域的关系如下。现在不论学术还是工业界,研究和应用的重心主要在机器学习领域,特别是在深度学习和强化学习方面,仍然日新月异地不断取得突破。

下一篇:英伟达股票本月已下跌近17%分析师称人工智能热潮在降温B体育
上一篇:人工智能概念走高海天瑞声、万兴科技涨停中科信息B体育等大涨

咨询我们

输入您的疑问及需求发送邮箱给我们