想要了解人工智能的發(fā)展，或者了解人工智能的基本應(yīng)用，就需要先了解一些基本概念，首當其沖的就是對人工智能的理解。 

[[405767]]

一、人工智能的發(fā)展

首先要明白人工智能并不是這幾年才出現(xiàn)的一個新概念，人工智能最早誕生于1956年美國的達特茅斯會議上，它的發(fā)展也經(jīng)過了多次起起伏伏。只是這幾年人工智能的落地應(yīng)用比較廣泛，所以才會出現(xiàn)在普通民眾眼前。按照人工智能的字面意思是人創(chuàng)造的智能，人工固然好理解，那么什么才算是智能？眾說紛紜。

二、人工智能的分類

按照人工智能的廣義概念分析，最早的計算機也是是人工智能的一種，只是計算機剛被發(fā)明出來的時候是被用來存儲和計算數(shù)據(jù)的，所以那個時代的智能被稱為運算智能。隨著后期技術(shù)的發(fā)展，來到了感知智能時代，也就是我們目前所處的時期，感知智能的特點是對外界所看的事物能夠自我感知，并且給出反饋。但是這還遠遠達不到真正的智能，因為真正的智能是需要自我思考，擁有一定的推理認知能力的，所以接下來的時代被稱為認知智能時代，之所以稱之為認知智能，就是要計算機程序擁有一定的認知能力，這個時候的計算機不但能夠?qū)ν饨绲氖挛镞M行感知，而且還具有一定的推理決策能力，可以根據(jù)當前感知到的圖像、語音、語言等信息進行綜合考慮，選擇接下來要執(zhí)行的行為。當然這依然不是人工智能的最終形態(tài)，人工智能的最終形態(tài)被稱為創(chuàng)建智能，顧名思義，這個時候的人工智能擁有一切人類所擁有和沒有的智能，它不但本身是一個超級智能體，而且還能創(chuàng)造出數(shù)個智慧等同于自己的智能體。不同階段的智能在行業(yè)中的薪資待遇也是大不一樣。

當然人工智能的分類從智慧等級上還可以分為弱人工智能、強人工智能、超人工智能。既然有弱有強又有超強，參照對象是什么？不然怎么能夠得出強弱的結(jié)果呢？既然叫做人工智能，就是人造出的智能，那么參考對象也就是人類了。一般來說整體能力比人類弱的被稱為弱人工智能，整體能力和人類一樣的被稱為強人工智能，整體能力超過人類的被稱為超人工智能。注意這里說的是整體能力，而非單項能力，2016年由谷歌（Google）旗下DeepMind公司戴密斯·哈薩比斯領(lǐng)銜的團隊開發(fā)的阿爾法圍棋（AlphaGo），在下圍棋這個單項技能上已經(jīng)遠超人類，但是它依然算不上是強人工智能，因為在其他方面，它依然比不過人類。

可能有人會說，我可以讓它再學(xué)習(xí)畫畫、寫字等等，反正等它學(xué)會了人類所有的技能不就能超越人類了，理想確實是豐滿的，但現(xiàn)實往往很骨感。由深度學(xué)習(xí)主導(dǎo)的深度神經(jīng)網(wǎng)絡(luò)雖然非常強大，強大到在一些領(lǐng)域已經(jīng)超越人類，但是由于龐大的矩陣參數(shù)是通過學(xué)習(xí)而慢慢調(diào)整固定下來的，而這個固定的目標就是給它指定的結(jié)果。一旦這個指定的結(jié)果發(fā)生了變化，模型就要重新學(xué)習(xí)，參數(shù)也會發(fā)生變化，所以最終的結(jié)果就是你給它學(xué)習(xí)畫畫，它確實學(xué)會了畫畫，但是由于參數(shù)發(fā)生了變化，它現(xiàn)在只會畫畫了，之前學(xué)到的下棋技能已經(jīng)不復(fù)存在了，也就是說它學(xué)會了畫畫，遺忘了下棋，這種現(xiàn)象在業(yè)內(nèi)被稱為災(zāi)難性遺忘，目前還沒有哪一家公司或者研究機構(gòu)能夠解決這個問題，因為這個問題一旦被解決了，人類也就跨向強人工智能時代了，所以現(xiàn)在我們還處于弱人工智能時代，對于整個人工智能發(fā)展階段而言，我們所處的階段正處于人工智能的嬰幼兒時期。

至于超人工智能，有人說，到那時人類所設(shè)的規(guī)則對于AI來說都是有漏洞的，最終人類將會被AI所奴役，就像機器人三定律一樣，對于認知遠超人類的AI來說，推翻整個定律是很輕松的。當然目前我們面臨的問題是怎么進入到強人工智能時代。這就像一個人還處于少年時期就思考老年時怎么生活一樣，那不是我們目前該考慮的問題。

三、人工智能的實現(xiàn)方法

實現(xiàn)人工智能方法目前可以大概分為兩類，有基于傳統(tǒng)統(tǒng)計學(xué)的統(tǒng)計學(xué)模型（也稱傳統(tǒng)機器學(xué)習(xí)方法），基于仿生學(xué)神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)模型，前者曾在上世紀九十年代大放異彩，但是隨著21世紀以來，硬件的加速迭代和海量數(shù)據(jù)的增加，給了深度學(xué)習(xí)發(fā)展的機會，2006年由Hinton等人研究出的一些新的模型應(yīng)用正式揭開了人工智能時代發(fā)展的新篇章，由深度學(xué)習(xí)為代表的一眾算法模型在效果和效率上都首次超過了傳統(tǒng)的統(tǒng)計學(xué)模型，而且深度學(xué)習(xí)在落地應(yīng)用上更是大放異彩，不像以前的統(tǒng)計學(xué)模型，大多只能拿來做一些實驗，一旦使用到具體的落地應(yīng)用上，效果往往就不太理想。這主要是由于傳統(tǒng)的統(tǒng)計學(xué)更看重專家對于數(shù)據(jù)特征的設(shè)定，而深度學(xué)習(xí)采用的是讓計算機自己去學(xué)習(xí)數(shù)據(jù)的特征，少了人為因素的干預(yù)，計算機學(xué)習(xí)到的數(shù)據(jù)特征更加豐富完整。效果自然也更好，唯一的缺點就是對數(shù)據(jù)量要求更大，對硬件算力要求也更高。這也是為什么深度學(xué)習(xí)在直到現(xiàn)在才真正走向臺前的原因之一。

四、人工智能的行業(yè)應(yīng)用

目前對于人工智能的行業(yè)應(yīng)用基本可以分為四大類：分別是圖像視覺處理方向、語音信號處理方向、自然語言處理方向、自動化處理方向。圖像視覺處理方向有圖像檢測、圖像識別、圖像生成、圖像分割等分支方向；語音信號處理方向有語音喚醒、語音命令、聲紋識別、語音識別、語音合成等分支方向；自然語言處理方向有文本分類、文章摘要、閱讀理解、智能對話、機器翻譯、文章生成等分支方向；自動化處理方向有游戲娛樂、家居生活、自動駕駛、生命科學(xué)、工業(yè)多設(shè)備應(yīng)用、金融投資等分支方向。

當然了，人工智能行業(yè)的發(fā)展是日新月異的，想要了解更多的人工智能行業(yè)知識，是需要主動關(guān)注行業(yè)發(fā)展的。如果沒有太多的時間關(guān)注人工智能的發(fā)展，可以關(guān)注本公眾號，我們會長期更新人工智能行業(yè)的新技術(shù)和應(yīng)用發(fā)展。