ai已经发展到什么程度了？现在ai发展到什么程度了

现在人工智能发展到什么程度了

2017-11-30请点蓝字＞慎思行慎思行

文章来源中国人工智能学会，罗兰贝格公司

个人微信 helloSSX

人工智能概念介绍

人工智能是什么？人工智能是一门利用计算机模拟人类智能行为科学的统称，它涵盖了训练计算机使其能够完成自主学习、判断、决策等人类行为的范畴。人工智能、机器学习、深度学习是我们经常听到的三个热词。关于三者的关系，简单来说：机器学习是实现人工智能的一种方法，深度学习是实现机器学习的一种技术。机器学习使计算机能够自动解析数据、从中学习，然后对真实世界中的事件做出决策和预测；深度学习是利用一系列“深层次”的神经网络模型来解决更复杂问题的技术。

人工智能从其应用范围上又可分为专用人工智能(ANI)与通用人工智能(AGI)。专用人工智能，即在某一个特定领域应用的人工智能，比如会下围棋并且也仅仅会下围棋的AlphaGo；通用人工智能是指具备知识技能迁移能力，可以快速学习，充分利用已掌握的技能来解决新问题、达到甚至超过人类智慧的人工智能。

通用人工智能是众多科幻作品中颠覆人类社会的人工智能形象，但在理论领域，通用人工智能算法还没有真正的突破，在可见的未来，通用人工智能既非人工智能讨论的主流，也还看不到其成为现实的技术路径。专用人工智能才是真正在这次人工智能浪潮中起到影响的主角。我们的讨论范围将聚焦在更具有现实应用意义的专用人工智能技术，具体讨论现有专用人工智能技术能带来的商业价值。

人工智能发展历史与现状

人工智能的发展历史

人工智能的概念形成于20世纪50年代，其发展阶段经历了三次大的浪潮。第一次是50-60年代注重逻辑推理的机器翻译时代；第二次是70-80年代依托知识积累构建模型的专家系统时代；这一次是2006年起开始的重视数据、自主学习的认知智能时代。在数据、算法和计算力条件成熟的条件下，本次浪潮中的人工智能开始真正解决问题，切实创造经济效果。

本次人工智能浪潮的驱动因素

近年来，人工智能应用领域市场规模、人工智能领域的资金投入都迅速增长，反映了社会与市场整体对其认知程度与信心的高涨。驱动认知程度提高的一方面因素是技术本身的提高，包括数据、算法、算力，使得人工智能技术真正为商业应用创造了价值；另一方面，大数据、物联网、云计算等技术为人工智能的发展打下了良好基础。

高质量、大规模的大数据成为可能。1986—2007年，全球单日信息交换量增长了约220倍，全球信息储存能力增加了约120倍。海量数据为人工智能技术的发展提供了充足的原材料。

计算力提升突破瓶颈：以GPU为代表的新一代计算芯片提供了更强大的计算力，使得运算更快，同时在集群上实现的分布式计算帮助人工智能模型可以在更大的数据集上运行。

机器学习算法取得重大突破：以多层神经网络模型为基础的算法，使得机器学习算法在图像识别等领域的准确性取得了飞跃性的提高。

社会理解与接受程度广泛提升：随着社会信息化及互联网/移动互联网的普及，以及受AlphaGo等大量热点舆论事件影响，全社会对人工智能的态度已逐渐从怀疑、恐惧转变为好奇、接受和认同。

物联网、大数据、云计算技术提供了人工智能的发展基础

物联网、大数据、云计算技术为人工智能技术的发展提供了其所需要的关键要素。物联网为人工智能的感知层提供了基础设施环境，同时带来了多维度、及时全面的海量训练数据。大数据技术为输入数据在储存、清洗、整合方面做出了贡献，帮助提升了深度学习算法的性能。云计算的大规模并行和分布式计算能力带来了低成本、高效率的计算力，并降低了计算成本。

人工智能产业发展状况

技术方向方面

人工智能方向的企业目前主要分为两类：专注于技术研发的通用型人工智能企业，如DeepMind、 Facebook AI Research、Google Brain与Baidu AI等，以及专注于人工智能技术应用的专用型人工智能企业。通用型人工智能由于研发技术难度大，目前多由巨头互联网公司在进行布局，短期内没有明确的技术突破前景。专用型人工智能企业数量众多，但其发展仍然受制于需要人工标注的数据限制。

应用方向方面

从应用方向上来看，金融、医疗、汽车、零售等数据基础较好的行业方向应用场景目前相对成熟，相关方向企业的融资热度也较高。以自动驾驶领域为例，谷歌、百度、特斯拉、奥迪等科技和传统巨头纷纷加入；人工智能在金融领域的智能风控、智能投顾、市场预测、信用评级等领域都有了成功的应用；在医疗领域，人工智能算法被应用到新药研制，提供辅助诊疗、癌症检测等方面都有突破性进展，凡此种种，不一而足。

地域发展方面

纵观全球人工智能产业的发展，我们可以发现：全球领先的创新高点散落在各个国家，如美国纽约与硅谷、英国伦敦、以色列，以及中国的北京、上海与深圳。人工智能技术本身具有高流通、易传导的性质，在全球信息流通开放的大环境下，人工智能的发展不再受限于国家或地域。

借助于良好的人才基础、巨大的应用市场、强有力的风投基金支持，中国人工智能企业的发展势头良好，在全球处在优势领先地位。中国的人工智能企业数量、专利申请数量以及融资规模均仅次于美国，位列全球第二。在国内，计算机视觉、服务机器人、自然语言处理方向的人工智能企业占据了人工智能企业个数的一半以上。北京、上海、深圳作为国内人工智能创新的高地，其相关企业数量占据了国内企业总数的近80%。

人工智能未来发展的预测

我们认为，短期内构建大型的数据集将会是各企业与研究机构发展的重要方向。同时，机器学习技术会更注重迁移学习与小样本学习等方向，近期AlphaGo Zero在无监督模式下取得的惊人进步充分体现了此方向的热度。长期来看，通用型人工智能的发展将依赖于对人脑认知机制的科学研究，其发展前景目前尚处于无法预测的状态。

在商业应用方面，短期内，专用型人工智能将会在数据丰富的行业、应用场景成熟的业务前端(如营销、服务等)取得广泛的应用。长期来看，正如国际人工智能领域著名学者Michael I.Jordan所说，人工智能技术将能在边际成本不递增的情况下将个性化服务普及到更多的消费者与企业，从细分行业的特定应用场景应用到更加普世化的情景。

编辑 Yibin.P

推荐阅读

AI技术发展到什么程度会被取代

现在AI已经被运用到各个领域当中，了解AI的一些局限性，我们就会知道有些工作也是AI无法替代的，能替代的工作如下

1．工厂生产线工人取代的可能是百分之百的：工厂生产线上的工人主要进行重复性劳动，例如装配、质检等。这些工作可以通过机器人和自动化系统来实现，从而节约成本并提高效率。

2．数据处理员：随着大数据时代的到来，数据处理员在大型公司和机构中扮演着重要的角色。但是， AI技术在数据分析和处理方面的能力已经很强，可以更加快捷和准确地完成这些工作。

3．银行柜员：随着移动支付和网上银行的兴起，越来越多的人们通过自助终端进行银行业务。这意味着，银行柜员的工作将会减少，其任务可以通过 AI智能客服系统和自助终端实现。

4．电话客服人员：许多公司都拥有自电话客服中心，以便顾客可以在有需获得帮助。但是， AI技术已经可以通；能客服系统接听电话并回答常见问题，这意味着某些电话客服人员的工作可能会被取代。

AI会取代我们一部分智能工作，但是那些重复的，简单的工作是可以被取代的。

AI已经进展到怎样的程度

W?格雷?瓦尔特的“乌龟”是20世纪50年代早期制造的第一批人工智能仪器之一。在电池快用光前，它会以自己的动力在地面上四处爬行，然后它跑到离得最近的电插座那儿，把自己插上给电池充电。当充满了电以后，自己又会从插座拔出，并重新在地面上爬行！从那时起人们制造出来许多类似的东西（例如，参见瓦尔兹1982）。另一独立发展的线索是以特雷?维诺格拉德在1972年设计的电脑程序为例子，它在模拟中可以和一堆不同形状和颜色的木块打交道，以不同的顺序和排列把一块放在另一块的上面。尽管早期获得这类成功，人们证明了，要设计甚至一个简单的能操纵自如的、避开人类看来“显然”需要动作来躲开的障碍物的、连接的“机器人手臂”是何等的困难。视场的解释通常也是AI步骤在目前根本无法接近人脑（以及绝大多数其他动物的头脑）似乎能“轻而易举”做到的那种程度的领域。

K?M?柯尔贝在20世纪60年代中期发展的电脑程序也许更和图灵检验相连贯。它成功地模拟成一位精神疗法专家，以至于某些病人发现自己宁愿要电脑而不要人类的医疗家，并且对电脑比对人类的对手更愿把自己的内心袒露得更多些。

电脑下棋也许为机器能显示可认为是“智慧行为”的最好例子。现在（1989）一些机器在与人对奕时实际已达到极受尊敬的水平，达到了“国际大师”的水准。

下棋机除了精确的计算能力外，还大大地依赖于“博学多闻”。值得评论的是，只要落子动作要求非常快，下棋机总的来说比相当的奕手高明一些。如果每一步允许的时间更长，则奕手的表现相对地比机器好。在玩困难的东方围棋时，这一差别就更显著，那里每一步的可能数目比国际象棋大得多。

人工智能宣称为理解精神品质，譬如快乐、痛苦、饥渴等等提供了途径。让我们举格雷?瓦尔特的乌龟为例子。它在电池快用完时会自动去补充自己的能量存储。这和人类或任何动物感到饥饿时的行为非常类似。因此说它饥饿了并没十分歪曲语言。

类似地，某些AI的支持者摹想，可以这种方式来适当模拟诸如痛苦和快乐的概念。让我们把情形简化，并只考虑从极端“痛苦”（分数-100）到极端“快乐”（分数为+100）的单独的“感觉”测度。想象我们有一台仪器，譬如讲是某种电子的、具有记录它自己的（假想的）“快乐——痛苦”度量，我们把它称作“苦乐表”。这一仪器具有一定的行为模式和一定的内部的（譬如它的电池状态）或外部的输入。其想法是把它开动以使其苦乐度取最大值。（可能会有许多影响苦乐度的因素。）我们肯定可以做这样的安排，使得电池中的电荷就是其中的一个因素，低电荷算作负的，而高电荷算作正的，但是还有其他因素。也许我们的仪器装有某些太阳光电池，这是获取能量的另一种手段。这样，当光电池起作用时就不消耗电池的能量。我们可以把光电池朝向光线以增加其苦乐度。这就是不存在其他因素时它所要做的事。（在实际上，格雷?瓦尔特乌龟通常避开光线！）我们需要某种实行计算的手段，使得它能弄清它上面部分的不同动作最终在它的苦乐度上的可能效应。可以引进概率权重，使得计算在苦乐度表上具有更大或更小的效应，依其所根据的数据的可靠性而定。

还必须为我们仪器提供仅仅为了维持它的能量供应以外的其他“目的”，否则我们就没有办法去把“痛苦”从“饥饿”中区别出来。在此刻要求我们仪器有生育等等机能无疑是太过分了，性的问题不予考虑！但是，我们也许能对它注入一种和其他同类仪器相陪伴的“需求”和它们相遇就得到正的苦乐值。我们或者可以为了其自身的缘故“渴望”学习，使得只要储存有关外部世界的事实即能在苦乐表上得正分（我们可以更自私地安排在为我们作各种服务时得到正分，正如一个人在制造机器仆人时所要做的那样！）也许有人会论争道，由于凭一时高兴这种“目的”加到我们的仪器上显得有些做作。但是，这和自然选择加在作为个体的我们身上的，在很大程度上是由于传宗接代的需求所支配的一定“目标”，并没有什么非常大的差别。

现在，假设我们的仪器按照所有这一切已被成功地造出。我们有什么权利去宣称它的苦乐值为正时它确实感到快乐，而苦乐值为负时感到痛苦呢？AI（或行为主义）的观点是，我们简单地从仪器行为的方式来判断。由于它以一种尽可能增加其正值的（并且尽可能久地）以及相应地尽量避免负值的方式行为，那么我们可以合理地把它的正值定义为快乐的感觉，而相应地把负值定义为痛苦的感觉。人们会说，此定义的“合理性”正是来自于人类对于快乐和痛苦以目标方式反应的这一事实。当然，人类的事情实际上并不像这么简单：我们有时似乎特地招惹痛苦，故意回避某种快乐。

我们应该问：在我们的仪器的苦乐度为负或为正时，它是否真正地感觉到了痛苦或快乐呢?我们的仪器在根本上是否能感觉到什么呢？行为主义者或者会斩钉截铁地说“显然如此”，或者把这一问题斥为无稽之谈。但是，这里很清楚地存在一个要考虑的、严肃的困难问题。它对我们自己具有不同种类的影响。有些像痛苦或快乐可意识的，但是还有其他我们不直接知道的。这可由一个人触摸到热火炉的经验得到清楚的阐明。他在甚至还未感到痛楚之前就采取了抽手回来的不情愿的动作。事情似乎变成这种不情愿的动作比痛苦或快乐的实际效应更接近于我们仪器对自己的苦乐度的反应。

人们经常用一种拟人化的语言，以一种叙述性的、通常是滑稽的方法来描述机器的行为，比如“今天早晨我的车仿佛不想开拔”；或“我的手表仍然认为这是加利福尼亚时间”；或“我的电脑宣布，它不理解上一条指令，而且不知道下一步要做什么”。我们当然不是真正地表明车实际上会要什么，或者手表在思维，或者那台电脑真的宣布任何事情，或者它理解甚至知道自己在做什么。尽管如此，假使我们仅仅在它们企图的意义上而不是按字面宣布上接受这样的陈述，则它们可以是描述性的，并且对我们自己的理解有真正的帮助。这个学科还很年轻。“AI”电脑会变得更快速，具有更大的可快速存取的空间、更多的逻辑元，并可并行地进行更大数目的运算。在逻辑设计和程序技术方面将会有所改善。这些机器，这种AI哲学的载体将在它们的技术能力方面得到大幅度的改善。此外，该哲学本身也不是固有的荒谬的。也许电脑，也就是当代的电脑的确能非常精确地模拟人类的智慧。这种基于今天被理解的原则，但是具有更伟大得多的能力、速度等等的电脑一定会在近年内被制造成功。也许甚至这样的仪器将真正是有智慧的；也许它们会思维、会感觉以及具有精神。或者它们也许还制造不出来，还需要一些目前完全缺乏的原则。这些都是不能轻易排斥的问题。

既然宇宙目前只有一个地球才能养育人类，那么，人类就要倍加爱护地球，保护地球。

最近，一批世界上卓越的科学家担心人类的活动正在把我们推向与自然界发生冲突的过程，并联合签署了一份“科学家对人类的忠告”，进而提出了建立一门第二环境科学——人类与环境相互作用学的必要性和重要性，旨在通过这一领域的研究，帮助人们更多地了解他们所面临的环境问题的本质以及人类活动给环境最终带来的严重后果，从而为促使人类同自然界“和睦”相处，协调发展而奋斗。