人工智能歷史、核心技術和應用

1人工智能歷史、核心技術和應用一、概述202220購人工智能初創(chuàng)公司。巨額投資、計算機導致失業(yè)等問題也開頭消滅，計算機比人更加聰明并有可能威逼到人類生存這類論斷被媒體四處引用并引發(fā)廣泛關注。IBM10Watson化。谷歌在最近幾年里的投資主要集中在人工智能領域，比方收購81FacebookYannLeCun來創(chuàng)立人工智能試驗室。牛津大學爭論人47%的工作由于機器認知技術自動化而變得岌岌可危。紐約時報暢銷書《TheSecondMachineAge》論斷，數(shù)字科技和人工智能帶來巨大樂觀轉變的時代已經到來，但是隨之而來的也有引發(fā)大量失業(yè)等負面效應。ElonMusk則通過不斷投資的方式來保持對人工智能的關注。他甚至認為人工智能的危急性超過核武器。著名理論著人類歷史的終結，“除非我們知道如何躲避風險?！倍?、人工智能與認知科技描述根底性的核心技術。1、人工智能的定義NilsNilsson通用的定義?！币槐救缃褚呀浶抻喨娴臋嗤匀斯ぶ悄芙炭茣o出了八項定義，但書中并沒有透露其作者到底傾向于哪種定義。實用的定義為——人工智能是對計算機系統(tǒng)如何能夠履行那些只有例如，視覺感知、語音識別、在不確定條件下做出決策、學習、還有語言翻譯等。繞開神經機制層面對才智進展精準定義從而直接探討它的實際應那些所謂需要依靠人類才智才能解決的任務的定義門檻也越來越概括起來就是“人工智能就是要實現(xiàn)全部目前還無法不借助人類才智才能實現(xiàn)的任務的集合?！?、人工智能的歷史2050喧囂與渴望、挫折與無望交替消滅的時代。2050206070爭論工程，這些工程說明，計算機能夠完成一系列所本只屬于人類力量范疇之內的任務，例如證明定理、求解微積分、通過規(guī)劃來響應命令、履行物理動作，甚至是模擬心理學家、譜曲這樣的活動。但是，過分簡潔的算法、匱乏的難以應對不確定環(huán)境〔這種情形在生活中無處不在〕的理論，以及計算力量的限制嚴峻阻礙了我們使用人工智能來解決更加困難和多樣的問題。伴隨著對缺乏連續(xù)20702080人工智能領域處于領先的計算機構造。西方開頭擔憂會在這個領域2080Intellicorp、SymbolicsTeknowledge。2080500家系統(tǒng)”，這是一項通過對人類專家的問題求解力量進展建模，來模擬人類專家解決該領域問題的人工智能技術。對于專家系統(tǒng)潛力的過高期望徹底掩蓋了它本身的局限性，包括明智能爭論再一次脫離軌道。2090寥。反而是神經網絡、遺傳算法等科技得到了的關注，這一方面是由于這些技術避開了專家系統(tǒng)的假設干限制，另一方面是由于算法讓它們運行起來更加高效。量來產生的解決方案，從而“進化”出解決問題的最正確方案。3、人工智能進步的催化劑2110進程的要素，尤其是一些核心技術。下面將對這些重要的因素和技術進展具體說明。摩爾定律IntelGordonMoore智能爭論人員使用的計算類型。數(shù)年以前，先進的系統(tǒng)設計只能在理論上成立但無法實現(xiàn)，由于它所需要的計算機資源過于昂貴或者計算機無法勝任。今日，我們已經擁有了實現(xiàn)這些設計所需要的計算資源。舉個夢幻般的例子，現(xiàn)在最一代微處理器的性能是1971年第一代單片機的400大數(shù)據得益于互聯(lián)網、社交媒體、移動設備和廉價的傳感器，這個世界產生的數(shù)據量急劇增加。隨著對這些數(shù)據的價值的不斷生疏，用來治理和分析數(shù)據的技術也得到了進展。大數(shù)據是人工智能進展的助推劑，這是由于有些人工智能技術使用統(tǒng)計模型來進展數(shù)據的概率推算，比方圖像、文本或者語音，通過把這些模型暴露在數(shù)據的海洋中，使它們得到不斷優(yōu)化，或者稱之為“訓練”——現(xiàn)在這樣的條件隨處可得?；ヂ?lián)網和云計算和大數(shù)據現(xiàn)象嚴密相關，互聯(lián)網和云計算可以被認為是人工智能基石有兩個緣由，第一，它們可以讓全部聯(lián)網的計算機設備都能獲得海量數(shù)據。這些數(shù)據是人們推動人工智能研發(fā)所需要的，因此它可以促進人工智能的進展。其次，它們?yōu)槿藗児┙o了一種可行的合作方式——有時顯式有時隱式——來幫助人工智能系統(tǒng)進行訓MechanicalTurk算的眾包效勞來雇傭成千上萬的人來描繪數(shù)字圖像。這就使得圖像以及使用者的無償奉獻來提高它自動翻譯的質量。算法算法是解決一個設計程序或完成任務的路徑方法。最近幾年，算法的進展極大提高了機器學習的力量，這些算法本身很重要，同時也是其他技術的推動者，比方計算機視覺〔這項科技將會在后文描述〕。機器學習算法目前被開源使用，這種情形將促成更大進步，由于在開源環(huán)境下開發(fā)人員可以補足和增加彼此的工作。4、認知技術工智能刻畫為跟人一樣聰明的或比人更聰明的計算機的降臨。而各項技術則在以往只有人能做到的特定任務上面表現(xiàn)得越來越好。我們稱這些技術為認知技術〔以下圖〕，認知技術是人工智能領域的產物，它們能完成以往只有人能夠完成的任務。而它們正是商業(yè)和公共部門的領導者應當關注的。下面我們將介紹幾個最重要的認知技術，它們正被廣泛承受并進展快速，也獲得大量投資。計算機視覺是指計算機從圖像中識別出物體、場景和活動的力量。計算機視覺技術運用由圖像處理操作及其他技術所組成的序列來將圖像分析任務分解為便于治理的小塊任務。比方，一些技術能夠從圖像中檢測到物體的邊緣及紋理。分類技術可被用作確定識別到的特征是否能夠代表系統(tǒng)的一類物體。計算機視覺有著廣泛應用。其中包括，醫(yī)療成像分析被用來提高疾Facebook里的人物；在安防及監(jiān)控領域被用來指認嫌疑人；在購物方面，消費者現(xiàn)在可以用智能手機拍攝下產品以獲得更多購置選擇。710機器視覺作為一個相關學科，泛指在工業(yè)自動化領域的視覺應用。在這些應用里，計算機在高度受限的工廠環(huán)境里識別諸如生產零件一類的物體，因此相對于尋求在非受限環(huán)境里操作的計算機視覺來說目標更為簡潔。計算機視覺是一個正在進展中的爭論，而機器視覺則是“已經解決的問題”，是系統(tǒng)工程方面的課題而非爭論層面的課題。由于應用范圍的持續(xù)擴大，計算機視覺領域的初創(chuàng)公司自2022機器學習指的是計算機系統(tǒng)無需遵照顯式的程序指令而只是依靠暴露在數(shù)據中來提升自身性能的力量。其核心在于，機器學習是從數(shù)據中自動覺察模式，模式一旦被覺察便可用于做推測。比方，賜予機器學習系統(tǒng)一個關于交易時間、商家、地點、價格及交易是否正值等信用卡交易信息的數(shù)據庫，系統(tǒng)就會學習到可用來推測信用卡欺詐的模式。處理的交易數(shù)據越多，推測就會越好。機器學習的應用范圍格外廣泛，針對那些產生浩大數(shù)據的活動，它幾乎擁有改進一切性能的潛力。除了欺詐甄別之外，這些活動還包括銷售推測、庫存管理、石油和自然氣勘探、以及公共衛(wèi)生。機器學習技術在其他的認知技術領域也扮演著重要角色，比方計算機視覺，它能在海量圖像中通過不斷訓練和改進視覺模型來提高其識別對象的力量。現(xiàn)如今，機器學習已經成為認知技術中最炙手可熱的2022-2022元的風險投資。谷歌也在20224Deepmind這家爭論機器學習技術的公司。自然語言處理是指計算機擁有的人類般文本處理的力量，比方，從文本中提取意義，甚至從那些可讀的、風格自然、語法正確的文本中自主解讀出含義。一個自然語言處理系統(tǒng)并不了解人類處理文本的方式，但是它卻可以用格外簡單與成熟的手段奇異處理文本，例如自動識別一份文檔中全部被提及的人與地點；識別文檔的核心議題；或者在一堆僅人類可讀的合同中，將各種條款與條件提取出來并制作成表。以上這些任務通過傳統(tǒng)的文本處理軟件根本不行能完成，后者僅能針對簡潔的文本匹配與模式進展操作。請思考一個老生常談的例子，它可以表達自然語言處理面臨的一個挑戰(zhàn)。在句子“光陰似箭〔Timeflieslikeanarrow〕”中每一個單詞的意義看起來都很清晰，直到系統(tǒng)遇到這樣的句子“果蠅寵愛香蕉〔Fruitflieslikea“香蕉〔banana〕”替代“箭〔arrow〕”，就轉變了“飛逝／飛著的〔like〕”與“像／寵愛〔like〕”這兩個單詞的意思。自然語言處理，像計算機視覺技術一樣，將各種有助于實現(xiàn)目標的多種技術進展了融合。建立語言模型來推測語言表達的概率分布，舉例來說，就是某一串給定字符或單詞表達某一特定語義的最大可能性。選定的特征可以和文中的某些元素結合來識別一段文字，通過識別這些元素可以把某類文字同其他文字區(qū)分開來，比方垃圾郵用來打算一封郵件是否屬于垃圾郵件。時間飛逝果蠅的區(qū)分是如此重要，所以自然語言處理技術的實際應用領域相對較窄，這些領域包括分析顧客對某項特定產品和效勞的反響、自動覺察民事訴訟或政府調查中的某些含義、以及自動書寫諸如企業(yè)營收和體育運動的公式化范文等。機器人技術將機器視覺、自動規(guī)劃等認知技術整合至微小卻高性能的傳感器、致動器、以及設計奇異的硬件中，這就催生了一代的機器人，它有力量與人類一起工作，能在各種未知環(huán)境中敏捷處理不同的任cobots”，還包括那些從玩具到家務助手的消費類產品。語音識別技術主要是關注自動且準確的轉錄人類的語音。該技術必需面對一些與自然語言處理類似的問題，在不同口音的處理、背景噪音、區(qū)分同同時還需要具有跟上正常語速的工作速度。語音識別系統(tǒng)使用一些與自然語言處理系統(tǒng)一樣的技術，再輔以其他技術，比方描述聲音和其消滅在特定序列和語言中概率的聲學模型等。語音識別的主要應用包括醫(yī)療聽寫、語音書寫、電腦系統(tǒng)聲控、客服等。比方Domino’sPizzaAPP。上面提到的認知技術進步飛速并吸引了大量投資，其他相對成熟的認知技術仍舊是企業(yè)軟件系統(tǒng)的重要組成局部。這些日漸成熟的認知技術包括決策最優(yōu)化——自動完成對簡單決策或者在資源有限的前提下做出最正確權衡；規(guī)劃和調度——使設計一系列行動流程來術，使用學問和規(guī)章的數(shù)據庫來自動完成從信息中進展推論的處理過程。三、認知技術的廣泛使用各種經濟部門已經把認知技術運用到了多種商業(yè)職能中。銀行業(yè)可以核實來電者的身份醫(yī)療安康領域美國有一半的醫(yī)院承受自動語音識別來幫助醫(yī)生自動完成醫(yī)囑抄X查和其他醫(yī)學影響的分析；IBM的Watson借助機器學習可以提高準確率。生命科學領域幫助制藥公司識別出最有前景的藥物。媒體與消遣行業(yè)據的的公文材料，比方公司營收狀況、體育賽事綜述等。石油與自然氣多方面。公共部門競選捐助表格的數(shù)字化，在這個過程中他們就承受了一套自動手寫識別系統(tǒng)。零售商促銷活動。科技公司產品，比方RoombaNest節(jié)約，這主要表達在：〔比方，自動欺詐檢測，打算和調度〕更好的結果〔比方，醫(yī)學診斷、石油探測、需求推測〕〔亦即，更好的利用高技能人才和昂貴設備〕，更低的本錢〔比方，自動客服削減了勞動本錢〕更大的規(guī)模〔亦即，開展人力無法執(zhí)行的大規(guī)模任務〕產品與效勞創(chuàng)〔從增加功能到制造產品〕四、認知技術影響力與日俱增的緣由在將來五年，認知技術在商業(yè)領域的影響力將顯著增長。緣由有二，首先，近些年來，技術性能有了實質進步，并處于持續(xù)研發(fā)狀態(tài)。其次，數(shù)億美元已經投入到技術商業(yè)化中，很多公司正致力于為各商業(yè)部門的廣泛需求供給定制化開發(fā)和打包方案，以使這些技術更易購置和配置。雖然并非全部的技術供給商都能幸存，但他們的努力將共同推動市場前進。技術性能的改善和商業(yè)化正在共同擴大著認知技術的應用范圍，這種狀況在將來幾年都將持續(xù)下去。1、技術提升擴展了應用范圍Google2022年的8498%。計算機視覺技術也取得了突飛猛進的進展。假設以計算機視覺技術爭論者設置的技術標準來看，202220224FacebookDeepFace〔譯者注：同行評審，是一種學術成果審查程序，即一位作者的學術著作或打算被同一領域的其他專家學者評審?！潮桓叨却_定，其臉部識別率的準確度達97%。2022IBM為了讓WatsonWatson比當時“智能”了2400%。出來，由語音識別技術延長出的醫(yī)療應用程序也很難得到真正普計算機視覺技術過去被狹隘的理解為部署在工業(yè)自動化方面，但現(xiàn)在，我們早已看到這一技術被廣泛運用到監(jiān)控、安全以及各種各樣的消費應用里。IBMWatson從醫(yī)療診斷到醫(yī)學爭論再到財務建議以及自動化的呼叫中心。并不是全部的認知技術都有如此令人矚目的進展。機器翻譯有了肯定進展，但幅度很小。一份調查覺察，從2022202213，但他們已經可以影響到專業(yè)機構的工作方式。很多專業(yè)翻譯人員依靠機器翻譯提升翻譯精準度，并把一些常規(guī)翻譯交給機器，自己專注在更具挑戰(zhàn)性的任務上。產品尤其是企業(yè)級產品里，以便利企業(yè)用戶購置和部署。2、對商業(yè)化進展的大規(guī)模投資20222022520100被兼并或收購，其中一些被互聯(lián)網巨頭如亞馬遜、蘋果、Google、IBMFacebook圖譜，這些公司正在加速認知技術的商業(yè)化進程。在這里，我們并不會供給關于某公司在認知技術商業(yè)化方面的細節(jié)，變，而是一個動態(tài)的，用于推動和培育市場的指標。這些工具利用自然語言處理來從非構造化的文本中提取出意思，或者借助機器學習幫助分析人員從大規(guī)模數(shù)據集中覺察深層含義。這ContextRelevant〔譯者注：美國的一家大數(shù)據挖掘和分析公司〕、PalantirTechnologies〔譯者注：這家公司稱要將數(shù)據、技術、人類和環(huán)境連接起來〕Skytree〔譯者注：一家借助機器學習進展市場分析并供給決策依據的大數(shù)據公司〕。認知技術的各個局部可以被整合到各種應用和商業(yè)決策中，分別起促進商業(yè)決策，比方客戶支持、營銷和銷售，這里面會用到機器學習模型來推測哪些客戶比較簡潔流失，以及哪些潛在客戶更加簡潔轉化。Nuance公司通過供給一種語音識別技術來幫助開發(fā)者進展APP人員。普及度比較高的應用領域包括廣告、營銷和銷售自動化、預測以及規(guī)劃。統(tǒng)一框架。3、興應用假設這些技術的表現(xiàn)和商業(yè)化趨勢連續(xù)進展，我們就能夠大膽推測認知技