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