随着人工智能的热度攀升 , 自动驾驶相关的项目也纷纷上马 。不过大家最熟悉的 , 要数这一时期拍摄的美剧《霹雳游侠》里 , 那台神奇的智能汽车KITT 。剧中 , KITT有一块每秒运算可达10亿次的CPU和5000兆字节容量的数据库 , 不仅能够自动驾驶 , 还能进行人机对话等等 。不过事实上 , 剧中畅想的CPU和数据库水平 , 甚至不如一台iPhone4 。
随着摸索的深入 , 专家系统的局限愈发凸显 。彼时研发语音识别的团队 , 花费大量金钱聘请很多的语言学专家 , 参与规则的制定 , 可惜语音识别的准确率 , 始终也只能徘徊在60%左右 。人类不可能穷尽所有规则的可能性 , 彼时计算机硬件水平也制约着人工智能的进步 。
历史的时钟还没能进入九十年代 , 人工智能在互联网、计算机的发展热潮中 , 黯然陷入了第二次寒冬 。
人工智能的第三次高潮和神经网络
1997年 , 国际象棋世界冠军卡斯帕罗夫面对去年的手下败将 , IBM开发的人工智能“深蓝”时 , 显得并不从容 。被当时媒体称为“人类智力的最后一道防线”的国际象棋 , 以卡斯帕罗夫的落败宣告失守 。
这一事件引发了社会热议 , 人工智能也从此时开始了缓慢的回温 。当然 , 各路媒体很快反应了过来 , “人类智力的最后一道防线”又被放在了横在人工智能面前的最后一种棋类游戏——围棋 。
让人工智能在围棋上战胜人类 , 这是个横在”专家系统“的天花板之上的挑战 。不是因为无法穷尽的规则 , 而是太多的可能性远超出计算机的算力极限 。答案我们今天都知道了 , 2016年 , 谷歌开发的人工智能AlphaGo战胜围棋世界冠军李世石 , 之后又接连挫败柯洁等围棋世界冠军 , 彻底宣告了人工智能的胜利 。
不过 , AlphaGo其实早已不再是专家系统 , 而是如今炙手可热的神经网络和深度学习 。
神经网络的诞生并不比专家系统更晚 , 同样在人工智能诞生的五十年代 , 模仿人类大脑通过计算机搭建神经网络 , 让机器能够自主学习就已经被提出 。不过在此后的半个多世纪 , 没有足够强大的硬件和充足的数据库 , 基于神经网络的人工智能虽然从未中断 , 却鲜有建树 。
七八十年代 , 正是IBM最辉煌的一段时期 , IBM内部有一大批人工智能相关的项目在推进 。其中Jelinek领导了一直很不起眼的小团队 , 单独开发了一套基于统计概率的语音识别系统 , 这与当时大量聘请语言学专家的专家系统背道而驰 。有趣的是 , 并不是这个团队有多么高明的远见 。Jelinek领导的团队只是IBM内部一直不是特别起眼的小团队 , 在专家系统火热的当时 , 这个团队小到甚至请不起想要的语言学专家 。
阴差阳错的 , 他们开发的系统识别准确率 , 甚至超过了不少专家系统 。这个系统框架对至今的语音和语言处理都有着深远的影响 , 可惜要等到二十多年后这个发明才得到广泛的应用 。2006年 , Hinton在卷积神经网络领域取得了新的突破 , 人工智能才终于在此后几年间迎来了第三次高潮 。
当然除了个人的成果 , 时代的发展才是促使人工智能高潮的更大原因 。2010年前后 , 芯片算力已经发展到上世纪无法比拟的高度 。1982年拍摄《霹雳游侠》时 , 对智能汽车KITT那每秒运算可达10亿次的CPU和5000兆字节容量的数据库已经是人们想象中无敌的存在 , 如今连最普通的入门智能手机都已经超越了其性能 , 更别说今天智能汽车需要的硬件水平了 。
同时移动互联网带来的社交媒体热潮 , 无意间在互联网上累积了海量的数据 。网络上海量的经过标记的数据 , 给深度学习的发展带来了优渥的环境 。
如今基于卷积神经网络设计的人工智能程序 , 人类不再干预计算机的思考 , 而是“喂”给计算机大量的数据 , 让计算机自己去学习、分析 。此时计算机不是被人的思维左右 , 而是形成计算机独立的认知概念 。
我们再回到开头的“猫”的问题 , 社交平台上无数的“猫奴” , 每天上传巨量的猫主子图片 。把这些带有猫标记的图片处理后统统“喂”给人工智能系统 , 人工智能便能够轻松的判断 , 图片里是不是有一只猫 。只是就算开发他的工程师 , 也并不完全清楚 , 她到底掌握了哪些具体特征进行的识别 。
推荐阅读
- 一切有为法,应作如是观到底是什么意思 一切有为法应作如是观是什么意思
- 椰青的药用价值与禁忌是什么 椰青的药用价值与禁忌
- 静以修身是什么文言句式
- 方凯晓晗乔煜是什么电视剧的人物?
- 冰晶体是什么
- 属兔的是什么年份,兔年份对照表
- 每年4月5日是什么节日中国 每年的4月5日是什么节日
- 你是什么星座 土情话
- 锂电子电池的工作原理是什么 锂硫电池的工作原理是什么
- 晚的音序和音节是什么