1950年图灵提出的“图灵测试”就严肃地提出了具有人类特性的机器人的可能性,而1956年约翰·麦卡锡就定义了“人工智能”作为这个领域的专有名词。可是,我们这一代的人重新认识AI,却是在2016年Alpha GO第一次在围棋上战胜了人类顶级选手之后。
在此之后,AI突然重新成为了一个炙手可热的话题,而最近的人工智能发展速度越来越快,除了变身语音助手,自动驾驶汽车,会下围棋,还能在图像识别和声音识别上超越人类,还可以在某些疾病诊断方面超越人类医生,甚至能自己作曲、自己写书——很多曾经看似不可能完成的任务都在逐渐被完成。
那么,人工智能是为什么在沉寂已久之后又迅速崛起了?
事实上,人工智能的发展依赖三个元素:优秀的算法、强大的计算能力、足够的训练数据。人工智能依仗“机器学习“算法,所谓机器学习,举其中一类“有监督式学习”的例子来说:我需要培训电脑识别某个人的脸,那么我就给电脑大量的这个人的图片,通过不断的识别运算,我只告诉电脑识别正确还是失败,电脑能逐渐自主调整自己算法中的参数,从而自主提高识别率。
虽然在1920年-1990年期间提出了大量的浅层机器学习模型,但模型本身有效性是有限的,识别率并不高。而同时虽然也有试图探索深层机器学习的模型,可是电脑的运算能力却跟不上。同时,由于互联网尚未普及,获取数据本身也并非容易的事情。
而到了2000年以后,这一切都逐渐得到了改变。2006年的三篇论文:Hinton的Deep Belief Nets,Bengio团队的Greedy Layer-Wise Training of Deep Networks,LeCun团队的Efficient Learning of Sparse Representations with an Energy-based Model开启了深度神经网络即深度学习在学术界和工业界的浪潮,而同时GPU被证明比CPU要更加适合运行深度学习模型。
再者,因为2000年以后搜索引擎的发展,互联网的成熟,使得整个互联网积累了曾经无法想象的数据量(也即现在很火的“大数据”概念)。现在能够把“大数据”交给GPU,用非常复杂的深度神经网络算法进行“机器学习”,这才点燃了AI的迅猛发展。