搜索
人工智能的发展XXXXX大学目录一、人工智能的定义二、人工智能的过去三、人工智能的现在四、人工智能的未来目录一、人工智能的定义二、人工智能的过去三、人工智能的现在四、人工智能的未来移动互联网时代结束了，下一幕是人工智能！---李彦宏何为人工智能？百度定义：•人工智能（Artificialintelligence，AI），它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。通俗的说法：•人工的方法在机器（计算机）上实现的智能交叉学科目录一、人工智能的定义二、人工智能的过去三、人工智能的现在四、人工智能的未来195619741980198719932006AI的诞生1956达特矛斯会议，“人工智能”正式诞生孕育期电子计算机机器翻译与NLP图灵测试计算机下棋早期神经网络搜索式推理聊天机器人乐观思潮所有的AI程序都只是“玩具”运算能力计算复杂性常识与推理专家系统知识工程五代机神经网络重生未达预期削减投入摩尔定律统计机器学习AI广泛应用大数据计算能力应用增多深度学习人工智能2016人工智能发展历程艾伦·麦席森·图灵1912年－1954年“人工智能之父”萌芽期图灵测试破解德国的著名密码系统Enigma电子计算机---AI的物质基础世界上第一台电子计算机阿塔纳索夫教授和他的研究生贝瑞在1937年至1941年间开发的“阿塔纳索夫-贝瑞计算机。莫科里与埃克特一起制造了“ENIAC”（1946年）阿塔纳索夫-贝瑞计算机•冯·诺依曼1956年夏出席达特茅斯会议的部分代表于50年后重逢2006，AI50周年会议（美国）莫尔，麦卡锡，明斯基，塞尔夫里奇，索罗蒙夫第一次正式使用了人工智能(AI)这一术语,从而开创了人工智能的研究方向和学科。从此在美国形成了以人工智能为研究目标的几个研究组,并有了AI的第一个发展期(兴旺期)。第一个兴旺期（1956-1966年）一些较有代表性的工作：•机器翻译•定理证明•博弈……•机器翻译里程碑事件：•1953年，美国乔治敦大学组织了第一次机器翻译的实际实验。•1954年7月，IBM公司在701计算机上做了俄译英的公开表演。此后包括英国、苏联、中国在内的许多国家纷纷开展机器翻译的研究。从语料库大量的翻译实例中自动学习翻译知识，然后利用这些翻译知识自动翻译其他句子。•定理证明利用计算机证明数学定理是又一项大胆的设想。•1956年，Newell，Shaw和Simon给出了一个称为“逻辑机器”的程序，证明了罗素、怀德海所著《数学原理》中的许多定理，这标志着自动定理证明的开端。•1959年，Gelernter给出了一个称为“几何机器”的程序,能够做一些中学的几何题，速度与学生相当。•美籍华裔王浩在IBM704计算机上以3-5分钟证明了《数学原理》有关命题演算的全部220条定理，还用了几分钟证明了该书中带等式的谓词演算的150条定理中的85%，1959年再接再厉，仅用了8.4分钟就证明了以上全部定理。•博弈博弈同样是AI第一个时期的研究热点，1956年Samuel研制了跳棋程序，它在1959年击败了Samuel本人，又在1962年打败了美国一个州的跳棋冠军而荣获州级冠军。•符号积分程序1963年Slagle发表了符号积分程序SAINT，用86道积分题做实验（其中54道选自麻省理工学院的大学考题），结果做出了其中的84道。•机器视觉1965年Roberts编制了可以分辨积木构造的程序，开创了计算机视觉的新领域。乐观的预言:一连串的胜利使人们盲目乐观，醉心于AI远景的专家们做出了种种乐观的预言，58年，Newell和Simon充满自信地说：•不出十年，计算机将成为世界冠军；•不出十年，计算机将要发现和证明重要的数学定理；•不出十年，计算机将能谱写具有优秀作曲家水平的乐曲；•不出十年，大多数心理学理论将在计算机上形成。•有人甚至断言：照此趋势下去，80年代将是全面实现AI的年代；到了2000年，机器的智能就可以超过人了。危机此时，兴奋的人们并未意识到初期的研究虽然很有成效，但并未抓到本质，危机正潜伏在初战告捷的欢乐中。萧条波折期（1967年-70年代初期）当人们进行了比较深入的工作后，发现人工智能研究碰到的困难比原来想象的要多得多。困难重重Samuel的下棋程序当了州冠军之后没能进一步当上全国冠军更不要说世界冠军。65年世界冠军Helmann与Samuel的程序对弈了四局获得全胜，仅有的一个和局是因为世界冠军“匆忙地同时和几个人对弈”的结果；困难重重已过去了十年，计算机并未证明出重要的人还未证明出的定理困难重重最糟糕的还是机器翻译，最初采用的主要办法是依靠一部词典的词到词的简单映射方法，结果没有成功，还出现了笑话，如英语和俄语之间的翻译：句子“outofsight,outofmind(眼不见心不烦)”译成俄文时却成了“又瞎又疯”；困难重重•从神经生理学角度研究AI的人发现他们遇到了几乎是不可逾越的困难：以电子线路模拟神经元及人脑都并没有成功。•人的脑子有1011（千亿）以上的神经元，生理学家认为，每个神经元可能不只是一个信息存储转送单位，而是一台完整的自动机，当时的计算技术要把1011（千亿）台机器组成一个联合运行的网络是不可能的。问题求解中的组合爆炸问题，例如国际象棋走第一步有10120种可能，用原有的计算机速度要1090年，而宇宙的年龄是1010年，所以有人讲，计算机下棋走第一步要走到“世界的末日”，由此可见不能光靠把所有可能性存入计算机，而要研究人的思维方法。困难重重敢问路在何方?这一切都说明：由于50年代的盲目乐观和期望值过高，没有充分估计困难，没有抓到本质，因此，AI的发展要比平时慢得多，而且遇到了严重的困难。第二个兴旺期(70年代中期-80年代中期)知识就是力量!1977年费根鲍姆教授提出“知识工程”的概念.至此人工智能的研究又有新的转折.知识作为智能的基础开始受到重视,知识工程的方法很快渗透了AI各个领域,促使AI从实验室研究走向实际应用。基于能力的策略基于知识的方法研究蓬勃发展的专家系统带动AI•RI系统用作VAX计算机的组装每年为DEC公司节约2000万美元;•斯坦福大学1976年开始研制的用于地质勘探的专家系统PROSPECTOR在1982年预测了华盛顿州的一个勘探地段的钼矿位置,其开采价值超过了一亿美元;•由于智能机器人和第五代计算机研制计划的产生,使人工智能研究从萧条期转入第二个兴旺期并进入黄金时代。•机器翻译研究全面复苏并从实验室走向实用走向市场。•数百家计算机公司卷入了计算机视觉系统的研制,已有很多可以满足简单的视觉应用的商用产品面世。•智能机器人的研制形成高潮。否定之否定规律---再次反思十年过去了，日本的第五代机计划未能达到预期效果而不了了之。八十年代中期、后期，人们想研究通用的智能机器或专家系统的设想或计划开始出现危机，引起反思。顶天立地人工智能研究人员开始做“顶天立地”的工作。•“顶天”是指研究和解决AI的一系列关键技术问题，例如常识性知识表示、非单调推理、不确定推理、机器学习、分布式人工智能、智能机器体系结构等基础性研究，以期取得突破性进展。•“立地”是指研究人工智能的实际应用，特别是专家系统、自然语言理解、计算机视觉、智能机器人、机器翻译系统都朝实用化迈进。新的神经元网络时代（80年代中～90年代初）•BP网（算法），解决了多层网的学习问题•Hopfield网，成功求解了货郎担问题•存在问题：•理论依据•解决大规模问题的能力网络化、智能化•90年代，计算机发展趋势为小型化、并行化、网络化、智能化。•人工智能技术逐渐与数据库、多媒体等主流技术相结合，并融合在主流技术之中，旨在使计算机更聪明、更有效、与人更接近。数据与网络时代（90年代初～现在）•网络给AI带来无限的机会•知识发现与数据挖掘•AI走向实用化1997年5月11日，IBM深蓝计算机打败了当时世界国际象棋冠军加里·卡斯帕罗夫，这成为了载入史册的历史性事件。2011年，Watson在美国最受欢迎的智力问答电视节目《危险边缘》(Jeopardy)中亮相，一举打败了人类智力竞赛的冠军。目录一、人工智能的定义二、人工智能的过去三、人工智能的现在四、人工智能的未来大数据+云计算+深度学习大数据时代深度学习的概念由Hinton等人于2006年提出，源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。在人工智能研究领域，YannLeCun、GeoffreyHinton和YoshuaBengio一直被公认为深度学习三巨头。弱人工智能弱人工智能是擅长于单个方面的人工智能。比如有能战胜象棋世界冠军的人工智能，但是它只会下象棋，你要问它怎样更好地在硬盘上储存数据，它就不知道怎么回答你了。扫地机器人强人工智能人类级别的人工智能。强人工智能是指在各方面都能和人类比肩的人工智能，人类能干的脑力活它都能干。创造强人工智能比创造弱人工智能难得多，我们现在还做不到。超人工智能牛津哲学家，知名人工智能思想家NickBostrom把超级智能定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能。”超人工智能可以是各方面都比人类强一点，也可以是各方面都比人类强万亿倍的。•超人工智能——上帝谷歌人工智能程序阿尔法围棋（ALPHAGO）是基于深度学习技术研究开发的。为了测试阿尔法围棋的水平，谷歌于2016年3月份向围棋世界冠军、韩国顶尖棋手李世石发起挑战，最终以4-1胜出。•2017年5月，AlphaGoMaster战胜世界冠军柯洁。•2017年10月18日，DeepMind团队公布了最强版本AlphaGo，代号AlphaGoZero。•经过短短3天的自我训练，AlphaGoZero就强势打败了此前战胜李世石的旧版AlphaGo，战绩是100:0的。经过40天的自我训练，AlphaGoZero又打败了AlphaGoMaster版本。“Master”曾击败过世界顶尖的围棋选手，甚至包括世界排名第一的柯洁。手机中的AI面向知识图谱的搜狗搜索技术DeepMind的软件控制着数据中心的风扇、制冷系统和窗户等120个变量，使谷歌的用电效率提升了15%，几年内共为谷歌节约电费数亿美元。5Deepmind已为谷歌挣钱DeepMind算法减少了40%用于冷却的电量，即整体用电量效率提升15%各种穿戴设备、人—车共驾、脑控或肌控外骨骼机器人、人机协同手术等实现生物智能系统与机器智能系统的紧密耦合。人机一体化技术导向混合智能人脸识别无人驾驶共享汽车智慧城市虚拟现实（VR）医疗诊断用深度神经网络实现皮肤科医生水平的皮肤癌分类（2017.1.25）他们通过使用深度卷积神经网络，利用129450个临床图像的数据集，在21位经过认证的皮肤科医生的监督下学习，完成对角质形成细胞癌、良性脂溢性角化病、恶性黑色素瘤、普通痣等的识别，诊断准确率达91%以上。谷歌的科学家们做了一个尝试。由于单张切片的照片过于庞大，他们将这些图像分割成了数万至数十万个128x128像素的小区域，每个小区域内可能含有数个肿瘤细胞。随后，他们提供了许多肿瘤组织与正常组织的病理切片，供人工智能学习。最终，这款人工智能掌握了一项像素级的技巧——它能分辨出单个小区域内被标注为“肿瘤”的像素，从而将整个小区域标注为“肿瘤区”。这能有效将肿瘤组织与健康组织区分开来。与现有的计算机分析方案（中）相比，新型人工智能（右）能更准确地找到肿瘤病理学家30个小时73.3%人工智能88.5%vs.乳腺癌由张康教授领导的广州妇女儿童医疗中心和加州大学圣迭戈分校团队，于2018年2月22日在顶级期刊《细胞》上发表了一篇人工智能（AI）在医疗领域应用的重磅研究成果：基于深度学习开发出一个能诊断眼病和肺炎两大类疾病的AI系统，准确性匹敌顶尖医生。《细胞》以封面文章的形式，刊登了来自中国的这项AI研究。这不仅是中国研究团队首次在顶级生物医学杂志发表有关医学人工智能的研究成果；也是世界范围内首