公需科目資料1
【字體:
公需科目資料1
作者:chenyong    通知公告來源:本站原創    點擊數:    更新時間:2019/9/27

第一章 人工智能的發展變遷

世界上第一臺通用計算機埃利亞克(ENIAC)于1946214日在美國賓夕法尼亞大學誕生,這個用來進行彈道計算的龐然大物帶來了一場席卷全球的信息革命,隨著ITInformation Technology )技術的發展,信息產業開始壯大。

上個世紀70年代開始,美國創建的新一代通信網絡實現了全球計算機的互聯互通,覆蓋全球的計算機網絡——國際互聯網(Internet)誕生,互聯網改變了整個IT行業。

200719日美國的個人計算機生產商蘋果公司發布了他們的第一代iPhone智能手機,這部能直接連接到互聯網的手機使移動互聯網迅速普及,移動互聯網顛覆了整個通信業。

2016年我國大數據達到ZB量級,正式邁入大數據時代,龐大的數據信息流,不僅為我們提供了極具個性化的服務變革,也開創了人工智能的新紀元。

第一節  人工智能的發展歷史

1932年,年僅20歲的劍橋大學國王學院大一學生艾倫·麥席森·圖靈,榮獲英國著名的史密斯數學獎。在大學畢業前夕,24歲的圖靈研發了圖靈機(計算機的理論模型架構,對計算機的發明起到了積極作用),被美國普林斯頓大學看重,受邀進入其高級研究院學習,并攻讀博士學位。1938年圖靈學成歸國,在劍橋大學國王學院任數學研究員時,參與了二戰盟軍的恩格碼(Enigma)破譯行動,圖靈改進后的“炸彈”破譯機成功破譯了德軍在二戰后期的大部分軍事機密,為二戰的提前結束立下了汗馬功勞,成為了國家英雄,因而于1945年獲政府的最高獎——大英帝國榮譽勛章(OBE.勛章)、大不列顛帝國勛章。1950年圖靈在曼切斯特大學(University of Manchester )計算實驗室工作時,發表的論文《計算機與智能》(Computingmachiery and intelligence)當中提出疑問——機器能思考嗎?并提出圖靈測試,這是第一次提出人工智能的概念。艾倫·麥席森·圖靈被譽為人工智能之父。

一、人工智能AI的誕生

1956年夏天,美國漢諾斯小鎮達特茅斯學院的數學助理教授,約翰·麥卡錫(John McCarthy)邀請一幫年青科學家參加一個討論會。后來這些年青的科學家在各自領域都獲得了極高榮譽,包括馬文·閔斯基(Marvin Minsky,人工智能與認知學專家)、克勞德·香農(Claude Shannon,信息論的創始人)、艾倫·紐厄爾(Allen Newell,計算機科學家)、赫伯特·西蒙(Herbert Simon,諾貝爾經濟學獎得主)等。在達特茅斯學院內,科學家們聚在一起,討論著一個完全不食人間煙火的主題:用機器來模仿人類學習以及其他方面的智能。會議足足開了兩個月的時間,雖然大家沒有達成普遍的共識,但是卻為會議討論的內容起了一個名字:Artificial Intelligence,(人工智能,簡稱AI)。1956年也就成為了人工智能元年。

二、AI的熱潮與低谷

人工智能的發展經歷了起伏,上世紀60年代到70年代,AI經歷了誕生以來第一次熱潮,機器定理被證明,具有策略的智能程序被開發,在挑戰人類跳棋比賽中獲得成功。

1974年以后,人工智能開始涉足機器翻譯領域,因定理證明乏力,缺乏更好的算法,加上計算機小型化進程受阻,AI發展幾乎停滯,第一次低谷期到來。

上世紀80年代,隨著IBM和蘋果公司的個人計算機量產,計算機迎來了高速發展階段,由英特爾(Intel)創始人戈登·摩爾(Gordon Moore)提出來的摩爾定律影響了近半個世紀的IT發展。在這個階段人工智能借助大型數據庫,開始發力專家系統領域,醫療、化學、生物、動力學等應用科學人工智能專家系統得于建立,并發揮作用。第二次AI熱潮到來。

1987年以后,AI專家系統發展乏力,而更加有發展優勢的人工智能神經網絡研究又受到瓶頸限制,AI研究進展緩慢,第二次低谷期到來。

進入90年代,人工智能研究開始復蘇。1997IBM的超級計算機“深藍”挑戰人類國際象棋第一人俄羅斯的蓋瑞·卡斯帕絡夫,最終“深藍”以213和的比分獲得勝利。2011年,歷經四年培訓的IBM人工智能系統“沃森”,決定向人類集大成者的智力問答發起挑戰,在當時北美最熱門的電視智力搶答節目“危險邊緣”中與兩位人類頂尖選手同堂競技,最終沃森憑借四年多的語言識別強化訓練,加上龐大的后臺知識庫的儲備,以絕對優勢戰勝人類。在這個階段,人工智能受到深度學習算法的影響,開始初步具有自我學習能力,大數據與云計算更是為AI系統帶來了強勁的動力支持,第三次發展熱潮悄然來臨。

三、AI的爆發

20163Google公司的人工智能AlphaGO挑戰當時世界圍棋排名第二的韓國棋手李世石九段,在大家都不看好人工智能的情況下,AlphaGO41的絕對優勢戰勝人類棋手。20175AlphaGO二代以30的比分戰勝世界圍棋人類排名第一的中國棋手柯潔。至此人工智能系統終于在人類引以為傲的純智力領域拔得頭籌。

2016年以后,人工智能在多個領域相繼獲得關鍵性技術的突破,產業體系開始形成,爆發性增長已成必然,AI將會對人類工作生活帶來深遠的影響。

第二節  現階段人工智能三要素

人工智能在經過了兩次低谷期,終于在2016年迎來了AI的爆發。現階段AI的高速發展離不開人類幾十年的科學研發,醫學上多層神經網絡的發現,催生了計算機深度學習算法的研究;基于分布式技術的非結構性數據庫的研發成功,使得互聯網上的所有數據均能被存儲和利用;基于云計算的非單一性運算單元,大大的提高了計算機的運算能力。這些新興技術在AI上的應用,使得人工智能開始真正走入我們的生活。

一、深度學習算法

機器學習(Machine Learning)早期主要采用大量 “如果-就” (If - Then) 規則定義,自上而下的思路,這就是所謂的“專家系統”。人工神經網絡 ( Artifical Neural Network),標志著另外一種自下而上的思路。神經網絡沒有一個嚴格的正式定義。它的基本特點,是試圖模仿大腦的神經元之間傳遞,處理信息的模式。

1981年的諾貝爾醫學獎獲得者David HubelTorsten Wiesel發現了人的視覺系統信息處理是多層分級的(Deep)。比如看到一張人臉的照片:第一步是視網膜獲取基本圖像像素信息,第一層神經網絡處理這些信息,對應顏色、形狀邊緣和方向,然后抽象為物體的形狀,比如是橢圓形。第二層神經網絡根據第一層處理的結果,進一步判定形狀,并抽象出對應的物體,知道了這是一張人臉。第三層神經網絡接受這張人臉,做最后的識別工作。

這種分層的神經網絡系統也被引入機器學習中,2006年,加拿大多倫多大學教授杰弗里·辛頓(Geoffrey Hinton)對深度學習的提出以及模型訓練方法的改進打破了BP神經網絡發展的瓶頸。Hinton在世界頂級學術期刊《科學》上的一篇論文正式開啟了人工智能深度學習算法的研究。為表彰杰弗里·辛頓(Geoffrey Hinton)給人工智能帶來的重大突破,他與約書亞·本吉奧(Yoshua Bengio)和楊樂昆(Yann LeCun)兩位深度學習專家一同獲得了美國計算機協會(ACM2018ACM A.M.圖靈獎。

考慮這樣一個計算集合,它可以被允許在每一個節點和可能的圖結構中,并定義了一個函數族。輸入節點沒有父節點,輸出節點沒有子節點。這種流向圖的一個特別屬性是深度(depth):從一個輸入到一個輸出的最長路徑的長度。把學習結構看作一個網絡,則深度學習的核心思路是:無監督學習用于每一層網絡的pre-train;每次用無監督學習只訓練一層,將其訓練結果作為其高一層的輸入;用自頂而下的監督算法去調整所有層。

深度學習(Deep Learning)是一種多層人工神經網絡學習方法,是仿人類大腦神經感知外部世界的算法,現階段的人工智能系統大多都會采用深度學習算法,它使得AI有較強的自我學習和糾錯能力。

二、本源大數據

隨著大規模并行處理(MPP)數據庫、分布式文件系統、云計算平臺、基于云端可擴展的存儲系統等互聯網技術的研發應用,現如今網絡上的大部分數據均能被存儲。這種具有海量的數據規模、快速的數據流轉、多樣的數據類型和精確價值密度的,規模上大到在獲取、存儲、管理、分析方面大大超出了傳統數據庫軟件工具能力范圍的數據集合,就是大數據(Big data)。

很顯然,大數據需要新處理模式才能使其具有更大的價值,而基于深度學習算法的人工智能系統則具有更強的決策力、洞察發現力和流程優化能力,AI更加適應處理這種海量、高增長率和多樣化的數據信息。

人工智能在獲得更加優越的深度學習算法后,對數據的要求,特別是量級的要求,越來越大,即使是大型數據庫系統也不能滿足其需求,而基于互聯網的大數據越來越受到AI的青睞,現如今人工智能的數據本源就是大數據。

三、核心運算力

要讓機器具有人類的智能,計算能力顯得尤為重要,這和計算機技術的發展及網絡技術的發展密不可分,人工智能運算力正沿著服務器集群、云計算、量子計算的方向在發展。

早期的人工智能系統主要依靠大型計算機系統提供計算能力,1997年戰勝人類國際象棋大師蓋瑞·卡斯帕絡夫的IBM的“深藍”,其后臺就是一部超大型計算機。2011IBM新一代人工智能系統“沃森”的運算大腦則是一個大型的服務器集群。在這個階段人工智能的計算成本還十分高昂,只有大型的IT企業才能涉足AI的研發。

2016Google公司的人工智能AlphaGO是基于云計算技術的互聯網上的5千多臺普通服務器和計算機來完成計算的。200689日,Google首席執行官埃里克·施密特(Eric Schmidt)在搜索引擎大會(SES San Jose 2006)上首次提出“云計算”(Cloud Computing)的概念。云計算是通過將核心運算分布在大量的分布式計算機上,而非本地計算機或遠程服務器中,用戶在任意位置、使用各種終端獲取應用服務。所請求的資源來自“云”,而不是固定的有形的實體。應用在“云”中某處運行,但實際上用戶無需了解、也不用擔心應用運行的具體位置。只需要一臺筆記本或者一個手機,就可以通過網絡服務來實現我們需要的一切,甚至包括超級計算這樣的任務。云計算使人工智能技術真正走入了尋常百姓家,我們使用一部智能手機就能方便的使用各種AI應用。這是現階段人工智能系統的核心運算力。

量子計算是一種遵循量子力學規律調控量子信息單元進行計算的新型計算模式。對照于傳統的通用計算機,其理論模型是通用圖靈機,而通用的量子計算機,其理論模型是用量子力學規律重新詮釋的通用圖靈機。從可計算的問題來看,量子計算機只能解決傳統計算機所能解決的問題,但是從計算的效率上,由于量子力學疊加性的存在,目前某些已知的量子算法在處理問題時速度要快于傳統的通用計算機。加拿大量子計算公司D-Wave2011511日正式發布了全球第一款商用型量子計算機“D-Wave One”。D-Wave On采用了128-qubit(量子比特)的處理器,理論運算速度已經遠遠超越現有任何超級電子計算機。量子計算機能提供更加快速、高效的運算,是人工智能未來的核心運算力。

第三節  人工智能的發展趨勢

現階段的人工智能正處于從實驗室走向應用市場的技術拐點,技術創新和產業應用發展巨大。從長遠來看,人工智能還有很漫長的道路要走,不管是技術層面的革新還是對人類社會層面帶來的沖擊,亦或是道德法律方面的問題,短期內都不可能解決。對人工智能發展趨勢的判斷也是眾說紛紜,從計算機及網絡發展的角度,或者說從純技術角度出發,未來的人工智能大概會呈現三個階段:弱人工智能、強人工智能、超人工智能。

一、弱人工智能

這是人工智能真正實用化的第一個階段,各種具體的人工智能技術得以實現,每一個AI系統,都能在一個方面媲美人類智能,它們沒有固定的形態,可能是一個機械臂,也可能只是一個云端的計算機主機。擅長于單個方面的人工智能會逐漸進入我們的工作生活,取代我們的部分技能。現階段的人工智能水平就屬于弱人工智能階段。

二、強人工智能

這個階段的人工智能主要以仿生學為基礎,高度模仿人類的類人機器人會誕生,在智力方面已經和人類在同一水平線的基礎上,AI開始學習人類的行為動作,這個階段的人工智能將會全面提升運動能力,最終在智力和行動力方面達到人類的同等級別,強人工智能將會出現。

三、超人工智能

在強人工智能的基礎,AI系統進一步進化,幾乎在所有領域,人工智能都會超過人類的智慧水平,進化后更加實用的運動能力,使得它能在所有的地形健步如飛,能輕易到達人類不能到達的極端環境中,超人工智能是一種理想化的階段,能否真正實現還未能所知。

 

通知公告錄入:chenyong    責任編輯:chenyong 
  • 上一個通知公告:

  • 下一個通知公告:
  • 回到頂部
    自貢廣播電視大學 自貢市教師繼續教育中心 版權所有:蜀ICP備12000135
    自貢廣播電視大學教學與網絡資源處維護電話:0813-2402228
    建議使用IE6.0及以上版本 在1024*768及以上分辨率下瀏覽
    体彩新11选5遗漏