.1.4人工智能的發(fā)展歷程與主要流派1.人工智能的發(fā)展歷程神秘又令人神往的人工智能的發(fā)展并不是一帆風順，在充滿未知的探索道路上經歷了繁榮與低谷，然而，它又以新的面貌迎來了新一輪的發(fā)展?？梢詫⑷斯ぶ悄艿陌l(fā)展歷程劃分為以下6個階段：第一次繁榮期、第一次低谷期、第二次繁榮期、第二次低谷期、復蘇期和增長爆發(fā)期。人工智能發(fā)展歷程如圖1所示。圖1人工智能發(fā)展歷程（1）第一次繁榮期（1956—1976年）1959年，亞瑟·塞繆爾(ArthurSamuel)創(chuàng)造了“機器學習”一詞，其研制的跳棋程序打敗了Samuel本人。在此期間，機器翻譯、機器定理證明、機器博弈開始興起，掀起人工智能發(fā)展的第一個高潮。（2）第一次低谷期（1976—1982年）人工智能發(fā)展初期的突破性進展大大提升了人們對人工智能的期望，人們開始嘗試更具挑戰(zhàn)性的任務。由于當時計算機運算能力的不足，程序的計算復雜度較高，導致機器翻譯等項目失敗。同時，一些學術報告對人工智能研究提出的理論質疑以及人工智能威脅論使得人工智能的研究經費普遍減少。使人工智能的發(fā)展走入低谷。（3）第二次繁榮期（1982—1987年）1985年，出現了具有更強可視化效果的決策樹模型，以及突破早期感知機局限的多層人工神經網絡；日本國際貿易和工業(yè)部投資第五代計算機的發(fā)展；具備邏輯規(guī)則推演和特定領域回答的專家系統(tǒng)開始盛行，專家系統(tǒng)在醫(yī)療、化學、地質等領域取得成功，推動人工智能走入應用發(fā)展的新高潮。（4）第二次低谷期（1987—1997年）1987年，LISP機的市場崩塌，人工智能研究的技術領域再一次陷入瓶頸，抽象推理不再繼續(xù)被人關注，基于符號處理的模型遭到諸多人工智能研究者的反對。（5）復蘇期（1997—2010年）1997年5月11日，“深藍”戰(zhàn)勝國際象棋世界冠軍。國際商業(yè)機器公司（簡稱IBM）研發(fā)的國際象棋電腦“深藍”(DeepBlue)戰(zhàn)勝了國際象棋世界冠軍加里·卡斯帕羅夫（CarryKasparov）。“深藍”的運算速度為每秒2億步棋，并存有70萬份大師對戰(zhàn)的棋局數據，可搜尋并估計隨后的12步棋。成為人工智能史上的一個重要里程碑。圖2為當時的對弈場景。圖2“深藍”戰(zhàn)勝卡斯帕羅夫（右邊為“深藍”操作者）2006年，杰弗里·辛頓（GeoffreyHinton）提出“深度學習”的神經網絡。2008年IBM提出“智慧地球”的概念。復蘇期間，計算機性能與互聯(lián)網技術快速普及，促進了AI的發(fā)展。（6）增長爆發(fā)期（2010年至今）2010年宣告了大數據時代的到來，新一代的信息技術引發(fā)信息環(huán)境與數據基礎的變革，海量的圖像、語言、文本等非結構化數據不斷出現，計算機的計算能力不斷增強。2011年，沃森（Watson）參加智力問答節(jié)目。IBM開發(fā)的人工智能程序“沃森”（Watson）在一檔智力問答節(jié)目中戰(zhàn)勝了兩位人類冠軍。沃森存儲了2億頁數據，能夠將與問題相關的關鍵詞從看似相關的答案中抽取出來。這一程序已被IBM廣泛應用于醫(yī)療診斷領域。2012年，谷歌（Google）無人駕駛汽車上路，人工智能迎來爆發(fā)式增長的新高潮。2014年，微軟公司發(fā)布全球第一款個人智能助理微軟小娜。2016年3月，AlphaGo以4:1戰(zhàn)勝世界圍棋冠軍李世石。AlphaGo是由GoogleDeepMind開發(fā)的人工智能圍棋程序，具有自我學習能力，它能夠搜集大量圍棋對弈數據和名人棋譜，可以自主學習并模仿人類下棋。圖3為AlphaGo挑戰(zhàn)李世石現場。圖3AlphaGo挑戰(zhàn)李世石現場（左邊為“AlphaGo”操作者）2017年，深度學習大熱。AlphaGoZero（第四代AlphaGo），從空白狀態(tài)學起，在無任何人類輸入的條件下，迅速自學圍棋，經過3天的訓練便以100：0的戰(zhàn)績擊敗了第二個版本的AlphaGoLee，經過40天的訓練便擊敗了第三個版本AlphaGoMaster。新一代人工智能隨著互聯(lián)網的普及、傳感器的涌現、大數據的助力、電子商務的充分發(fā)展，數據和知識在人類社會、物理空間和信息空間之間交叉融合、相互作用，人工智能已經進入一個新的發(fā)展階段。世界各國紛紛將人工智能作為搶抓下一輪科技革命先機的重要舉措。例如人工智能成為“中國制造2025”、德國“工業(yè)4.0”、美國“工業(yè)互聯(lián)網”、日本“超智能社會”等重大國家戰(zhàn)略的核心技術。2017年7月20日,我國國務院發(fā)布了《新一代人工智能發(fā)展規(guī)劃》,開啟了我國新一代人工智能的新征程?！缎乱淮斯ぶ悄馨l(fā)展規(guī)劃》中預計，到2025年，人工智能基礎理論實現重大突破，部分技術和應用達到世界領先水平，核心技術規(guī)模超過4000億元。認識現在：新一代人工智能的主要驅動因素當前，隨著移動互聯(lián)網、大數據、云計算等新一代信息技術的加速迭代演進，人類社會與物理世界的二元結構正在進階到人類社會、信息空間和物理世界的三元結構，人與人、機器與機器、人與機器的交流互動愈加頻繁。人工智能發(fā)展所處的信息環(huán)境和數據基礎發(fā)生了深刻變化，愈加海量化的數據，持續(xù)提升的運算力，不斷優(yōu)化的算法模型，結合多種場景的新應用已構成相對完整的閉環(huán)，成為推動新一代人工智能發(fā)展的四大要素。（1）人機物互聯(lián)互通成趨勢，數據量呈現爆炸性增長互聯(lián)網、社交媒體、移動設備和傳感器的大量普及，大數據技術的廣泛應用為通過深度學習訓練人工智能提供了良好的土壤。目前，全球數據總量每年都以倍增的速度增長。海量的數據將為人工智能算法模型提供源源不斷的素材，人工智能正從監(jiān)督式學習向無監(jiān)督學習演進升級，不斷優(yōu)化機器學習算法，從而積累經驗、發(fā)現規(guī)律。（2）數據處理技術加速演進，運算能力實現大幅提升人工智能領域富集了海量數據，傳統(tǒng)的數據處理技術難以滿足高強度、高頻次的處理需求，然而人工智能芯片的出現，加速了深層神經網絡的訓練迭代速度，極大地促進了人工智能行業(yè)的發(fā)展。（3）深度學習研究成果卓著，帶動算法模型持續(xù)優(yōu)化全球科技巨頭紛紛成立實驗室，開源算法框架，打造生態(tài)體系等方式推動算法模型的優(yōu)化和創(chuàng)新。目前，深度學習等算法已經廣泛應用在自然語言處理、語音處理以及計算機視覺等領域，并在某些特定領域取得了突破性進展。（4）資本與技術深度耦合，助推行業(yè)應用快速興起在技術突破和應用需求的雙重驅動下，人工智能技術已走出實驗室，迅速向各個產業(yè)領域滲透，產業(yè)化水平大幅提升。在此過程中，資本成為產業(yè)發(fā)展的加速器發(fā)：一方面，跨國科技巨頭以資本為杠桿，展開投資并購活動，不斷完善產業(yè)鏈布局；另一方面，各類資本對初創(chuàng)型企業(yè)的支持，使得優(yōu)秀的技術型公司迅速脫穎而出。目前，人工智能已在智能機器人、無人機、金融、醫(yī)療、安防、駕駛、搜索、教育等領域得到了較為廣泛的應用。認識現在：新一代人工智能的主要發(fā)展特征在數據、運算能力、算法模型、多元應用的共同驅動下，人工智能的定義正從用計算機模擬人類智能演進到協(xié)助引導提升人類智能，通過推動機器、人與網絡相互連接融合，更為密切地融入人類生產生活，從輔助性設備和工具進化為協(xié)同互動的助手和伙伴，新一代人工智能主要發(fā)展特征如圖4所示。圖4新一代人工智能主要發(fā)展特征（1）大數據成為人工智能持續(xù)快速發(fā)展的基石隨著新一代信息技術的快速發(fā)展，計算能力、數據處理能力和處理速度極大提升，機器學習算法快速演進，大數據的價值逐漸凸顯。新一代人工智能以大數據驅動的，基于給定的學習框架，不斷優(yōu)化參數設置及環(huán)境信息，具有高度的自主性。（2）文本、圖像、語音等信息實現跨媒體交互計算機圖像識別、語音識別和自然語言處理等技術的不斷發(fā)展，在準確率及效率方面取得了明顯進步，在無人駕駛、智能搜索等垂直行業(yè)得到了廣泛應用。與此同時，文本、圖像、語音、視頻等信息突破了各自的局限，實現跨媒體交互，智能化搜索、個性化推薦的需求進一步的發(fā)展。（3）基于網絡的群體智能技術開始萌芽隨著互聯(lián)網、云計算等新一代信息技術的快速應用及普及，人工智能研究的焦點，已從打造具有感知智能及認知智能的單個智能體向打造多智能體協(xié)同的群體智能轉變。群體智能充分體現了“通盤考慮、統(tǒng)籌優(yōu)化”思想，具有去中心化、自愈性強和信息共享高效等優(yōu)點，相關的群體智能技術已經開始萌芽并成為研究熱點。（4）自主智能系統(tǒng)成為新興發(fā)展方向當前，隨著生產制造智能化改造升級的需求日益凸顯，通過嵌入智能系統(tǒng)對現有的機械設備進行改造升級成為更加務實的選擇，也是中國制造2025、德國工業(yè)4.0、美國工業(yè)互聯(lián)網等國家戰(zhàn)略的核心舉措。在此引導下，自主智能系統(tǒng)正成為人工智能的重要發(fā)展及應用方向。（5）人機協(xié)同正在催生新型混合智能形態(tài)人類智能在感知、推理、歸納和學習等方面具有機器智能無法比擬的優(yōu)勢，機器智能則在搜索、計算、存儲、優(yōu)化等方面領先于人類智能，兩種智能具有很強的互補性。人與計算機協(xié)同，互相取長補短將形成一種新的“1+1>2”的增強型智能，也就是混合智能，這種智能是一種雙向閉環(huán)系統(tǒng)，既包含人，又包含機器組件，人可以接受機器的信息，機器也可以讀取人的信號，兩者相互作用，互相促進。2.人工智能的主要流派目前人工智能的主要學派有下面三家：（1）符號主義(symbolicism)，又稱為邏輯主義(logicism)、心理學派(psychologism)或計算機學派(computerism)，其原理主要為物理符號系統(tǒng)(即符號操作系統(tǒng))假設和有限合理性原理。符號主義認為人工智能源于數理邏輯。數理邏輯從19世紀末起得以迅速發(fā)展，到20世紀30年代開始用于描述智能行為。計算機出現后，又再計算機上實現了邏輯演繹系統(tǒng)。其有代表性的成果為啟發(fā)式程序LT邏輯理論家，證明了38條數學定理，表了可以應用計算機研究人的思維多成，模擬人類智能活動。正是這些符號主義者，早在1956年首先采用“人工智能”這個術語。后來又發(fā)展了啟發(fā)式算法->專家系統(tǒng)->知識工程理論與技術，并在20世紀80年代取得很大發(fā)展。符號主義曾長期一枝獨秀，為人工智能的發(fā)展作出重要貢獻，尤其是專家系統(tǒng)的成功開發(fā)與應用，為人工智能走向工程應用和實現理論聯(lián)系實際具有特別重要的意義。在人工智能的其他學派出現之后，符號主義仍然是人工智能的主流派別。這個學派的代表任務有紐厄爾(Newell)、西蒙(Simon)和尼爾遜(Nilsson)等。（2）連接主義(connectionism)，又稱為仿生學派(bionicsism)或生理學派(physiologism)，其主要原理為神經網絡及神經網絡間的連接機制與學習算法。連接主義認為人工智能源于仿生學，特別是對人腦模型的研究。它的代表性成果是1943年由生理學家麥卡洛克(McCulloch)和數理邏輯學家皮茨(Pitts)創(chuàng)立的腦模型，即MP模型，開創(chuàng)了用電子裝置模仿人腦結構和功能的新途徑。它從神經元開始進而研究神經網絡模型和腦模型，開辟了人工智能的又一發(fā)展道路。20世紀60至70年代，連接主義，尤其是對以感知機(perceptron)為代表的腦模型的研究出現過熱潮，由于受到當時的理論模型、生物原型和技術條件的限制，腦模型研究在20世紀70年代后期至80年代初期落入低潮。直到Hopfield教授在1982年和1984年發(fā)表兩篇重要論文，提出用硬件模擬神經網絡以后，連接主義才又重新抬頭。1986年，魯梅爾哈特(Rumelhart)等人提出多層網絡中的反向傳播算法(BP)算法。此后，連接主義勢頭大振，從模型到算法，從理論分析到工程實現，為神經網絡計算機走向市場打下基礎。現在，對人工神經網絡(ANN)的研究熱情仍然較高，但研究成果沒有像預想的那樣好。（3）行為主義(actionism)，又稱為進化主義(evolutionism)或控制論學派(cyberneticsism)，其原理為控制論及感知-動作型控制系統(tǒng)。行為主義認為人工智能源于控制論?？刂普撍枷朐缭?0世紀40至50年代就成為時代思潮的重要部分，影響了早期的人工智能工作者。維納(Wiener)和麥克洛克(McCulloch)等人提出的控制論和自組織系統(tǒng)以及錢學森等人提出的工程控制論和生物控制論，影響了許多領域?？刂普摪焉窠浵到y(tǒng)的工作原理與信息理論、控制理論、邏輯以及計