人工智慧發展現狀及未來

  人工智慧的發展究竟是如何的一個過程,那麼人工智慧未來的發展又是如何呢?下面是小編為你整理的,供大家閱覽!

  文章

  未來: 1、人工智慧的進步速度是驚人的,未來我們將開始與人工智慧並肩工作。

  AlphaGo火了,五場億人圍觀的“人機大戰”,最終它依託大資料與深度學習的技術優勢以4:1的勝利者姿態告訴人們,人工智慧真的來了,不再只是電影中的場景,而是現實世界裡正在上演的又一輪產業變革,然而這種變革讓不少人感到惶恐,一時間各種人工智慧威脅人類的聲音鋪天蓋地,據英國科學協會委託網路調研公司YouGov進行的一項調查顯示,大約36%的人認為人工智慧技術的興起會對人類長期生存構成威脅。人們在各種人工智慧會帶來大波“失業潮”的言論中深感憂慮,同時也在如此強悍的AlphaGo會不會被惡意利用等問題上擔心不已,那麼真實情況到底是怎樣的?我們不妨聽一下業內的大咖們都持怎樣的看法。

  AlphaGo被壞人利用怎麼辦?AlphaGo無思維能力,不必對其擔憂

  韓國著名棋手李世石九段不敵AlphaGo,不得不承認這是一件讓人感到有點可怕的事情,如此強悍的AlphaGo倘若遭到壞人的惡意利用,後果豈不是很嚴重?

  對此創新工場聯合創始人汪華在驚蟄論壇中表示,這個擔心其實是完全沒有必要的,因為無論是自動控制機器人還是AlphaGo的技術進展都是來自於2006年、2007年在深度學習方面的一些突破,但這個東西其實不是真正的人工智慧,它只能進行簡單重複的模式識別,相當於腦力裡面的機械運動,而在真正的所謂的人類思維方面,到目前為止連基礎理論都還沒有發現和突破,更何談工程應用,因此沒必要擔心。此外汪華也表示,以前人類發明的工具大部分都是降低人在體力上的機械重複運動,而現在則是人類歷史上第一次有可能發明出一種能降低人類在腦力方面的機械重複勞動的工具,因此他認為對於基礎技術的研發不應該在它還沒有真正出來的時候就做太多的道德或者價值等方面的限制與干涉。

  未來五年人工智慧將導致千萬人失業?是的!但更應警惕的是讓人類喪失鬥志

  人工智慧技術的崛起將導致“失業潮”的發生已基本成為行業的共識。“世界經濟論壇”2016年年會,基於對全球企業戰略高管和個人的調查釋出的報告稱,未來五年,機器人和人工智慧等技術的崛起,將導致全球15個主要國家的就業崗位減少710萬個,2/3將屬於辦公和行政人員。萊斯大學計算機工程教授摩西·瓦迪近日同樣表示,今後30年,電腦可以從事人類的所有工作,他預計,2045年的人類失業率將超過50%。

  創新工場董事長兼執行長李開復表示,這些強大的機器帶給人類的“下崗潮”還不是最可怕的,因為這些機器會產生巨大的商業價值,養活著這些下崗者,進而養活著人類。人類最應該擔心的是“人工智慧”機器真正可能帶來的危機,不是奴役人類,而是讓人類喪失鬥志,無所事事。

  人工智慧只有“智商”沒“情商”?已誕生情感社交機器人

  如果你認為人工智慧只能完成高超的邏輯思考,而不會理解人類的情感情緒,包括喜、怒、哀、樂、愛、恨、貪、痴,那就錯了。事實上,越來越精準的影象、聲音和麵部識別系統均能讓計算機更好地探查人的情感狀態。《福布斯》雜誌近期刊文稱,隨著人工智慧技術的發展,基於人工智慧的裝置不僅可以完成邏輯思考,還將出現類似人類的情感。

  而目前也已經出現了情感社交機器人如在北京誕生的“公子小白”,其獨有的情感表達系統,能夠識別人類情緒,同時能夠表達自身情緒。強大的語義識別分析能力及知識庫,能夠更好地理解人類不同語義及語義中表達的不同情感,並通過資料分析做出最富“人性化”的迴應。製造出公子小白機器人的狗尾草智慧科技CEO邱楠表示“無論科技如何發展,迴歸人性、迴歸情感、重塑連線將依舊是情感機器人所需要努力的方向。”

  國內外人工智慧技術差距有多大?技術本身差距不大,此外目前討論該問題無意義 在國外,全球網際網路領域的幾大巨頭谷歌、微軟、蘋果和Facebook等都在積極進行人工智慧方面的研發,那麼國內的情況又是怎樣的?與國外的差距又有多大?

  據中科院計算所研究員陳雲霽表示“中科院和教育部的很多高校以及訊飛、百度等公司都在進行人工智慧研究,且進展還是比較快的。事實上,中國在智慧這樣的新興領域和國外差距不大,甚至在智慧晶片上是引領世界的。例如我們的寒武紀,美國的哈佛、斯坦福、MIT、哥倫比亞等高校都跟在我們後面做。”圖靈機器人創始人兼CEO俞志晨同樣在有關人工智慧的討論中指出,對於人工技能技術本身,國內外差距並不是特別大。不過他表示“現在討論技術差距沒有太大意義,畢竟現在我們離真正的人工智慧時代還很遙遠”。《紐約時報》高階科技記者、普利策獎得主馬爾科夫也同樣表示從世界範圍內來看,目前的人工智慧還遠沒有達到我們想象的地步。他認為目前亟待解決的問題是製造出更好的感測器以及具備更好的演算法能力。

  科技的進步會使我們的生活更加方便,但我們也要有敬畏之心去面對。

  2、資料顯示,目前全球人工智慧企業已經超過了900家,總估值超過87億美元。而根據Tractica釋出的人工智慧產業的市場報告,預測AI市場規模會從2015年的兩億美元增長到2024年的110美元,年增長率到達56%。另外BBC則預測人工智慧市場2020年全球市場規模將達到183億美元,約合人民幣1190億元。在技術突破、應用領域拓展以及相關扶持政策推動下,人工智慧的大潮即將來襲,千億元的市場規模值得期待。

  數年前看起來還遙不可及的人工智慧,如今已經越來越大範圍深入的應用於大眾生活工作之中,無論人工智慧的發展會不會對人類造成威脅,其對人類生活起到的極大改變是

  毫無疑問的,正如凱文·凱利當年的預言:人工智慧會是下一個20年顛覆人類社會的技術,它的力量將堪比電與網際網路。可以說,得人工智慧者終將得天下。

  過去:1、1956年夏季,以麥卡賽、明斯基、羅切斯特和申農等為首的一批有遠見卓識的年輕科學家在一起聚會,共同研究和探討用機器模擬智慧的一系列有關問題,並首次提出了“人工智慧”這一術語,它標誌著“人工智慧”這門新興學科的正式誕生。

  2、先不管 Google 的 AlphaGo 人工智慧是否可以在即將到來的人機對戰中取勝,它的出現至少又掀起了一股人工智慧熱。一瞬間,彷佛身邊的人都開始習慣性地討論幾句人和機器誰更厲害的話題。其實,從上世紀 40 年代人工智慧誕生至今,這個領域經歷了一次又一次的繁榮與低谷。在 AlphaGo 即將創造新紀錄的時候,我們不妨來看看人工智慧在這半個多世紀的時間裡都有哪些值得回顧的瞬間。

  人工智慧的出現

  看過《模仿遊戲》這部電影的讀者,應該對劇中圖靈製造破譯德軍密碼機器的環節印象深刻。事實上,20 世紀 40 年代至 50 年代也是人工智慧真正誕生的時間。在這段時間內,數學、心理學、工程學、經濟學、政治學等領域的科學家們開始探索製造人工大腦的可行性。 1950 年,著名的圖靈測試誕生,按照艾倫·圖靈的定義:如果一臺機器能夠與人類展開對話通過電傳裝置而不能被辨別出其機器身份,那麼稱這臺機器具有智慧。同年,圖靈還預言了創造出具有真正智慧的機器的可能性。

  Benedict Cumberbatch as Alan Turing in THE IMITATION GAME

  1951 年,西洋跳棋程式和國際象棋程式相繼誕生。經過接近 10 年的發展後,國際象棋程式已經可以挑戰具有相當水平的業餘愛好者,而人工智慧遊戲也被當著衡量人工智慧進展的標準之一。

  1956年,在達特茅斯學院舉行的一次會議上,電腦科學家約翰·麥卡錫說服與會者

  接受“人工智慧”一詞作為本領域的名稱。後來,這次會議也被大家看著是人工智慧正式誕生的標誌。

  人工智慧的第一次大發展

  1956 年達特茅斯會議之後的十幾年是人工智慧的黃金年代。在這段時間內,計算機被用來解決代數應用題、證明幾何定理、學習和使用英語,這些成果在得到廣泛讚賞的同時也讓研究者們對開發出完全智慧的機器信心倍增。當時,人工智慧研究者們甚至認為:“二十年內,機器將能完成人能做到的一切工作”、“在三到八年的時間裡我們將得到一臺具有人類平均智慧的機器”。

  達特茅斯學院

  伴隨著初期的顯著成果和樂觀情緒的瀰漫,在麻省理工、卡內基梅隆大學、斯坦福大學、愛丁堡大學建立的人工智慧專案都獲得了來自 ARPA國防高等研究計劃署等政府機構的大筆資金。不過,這些投入卻並沒有讓當時的樂觀預言得以實現。

  人工智慧的第一次低谷

  由於人工智慧研究者們對專案難度評估不足,這除了導致承諾無法兌現外,還讓人們當初的樂觀期望遭到嚴重打擊。到了 70 年代,人工智慧開始遭遇批評,研究經費也被轉移到那些目標明確的特定專案上。

  在當時,由於計算機效能的瓶頸、計算複雜性的指數級增長、資料量缺失等問題,一些難題看上去好像完全找不到答案。比如像今天已經比較常見的機器視覺功能在當時就不可能找到一個足夠大的資料庫來支撐程式去學習,機器無法吸收足夠的資料量自然也就談不上視覺方面的智慧化。

  專案的停滯不但讓批評者有機可乘——1973 年 lighthill 針對英國 AI研究狀況的報告

  批評了 AI 在實現其“巨集偉目標”上的完全失敗,也影響到了專案資金的流向。人工智慧遭遇了 6 年左右的低谷。

  人工智慧的第二次大發展

  小時候看電視時,不少節目都給我留下了“日本的機器人技術比中國先進”的印象,其實這並不是憑空發生的。1981年,日本經濟產業省撥款八億五千萬美元支援第五代計算機專案,目標是製造出能夠與人對話、翻譯語言、解釋影象,並且能像人一樣推理的機器。隨後,英國、美國也紛紛響應,開始向 AI 和資訊科技領域的研究提供大量資金。

  在這個階段,諸多公司開始採納一種名為“專家系統”的人工智慧程式。這套系統可以簡單理解為“知識庫+推理機”,是一類具有專門知識和經驗的計算機智慧程式系統,“知識處理”隨之也成為了主流 AI 研究的焦點。

  Symbolics 3640 lisp machine

  1980 年,卡內基·梅隆大學為數字裝置公司設計了一個名為 XCON 的專家系統,這套系統在 1986 年之前能為公司每年節省四千萬美元。有了商業模式,相關產業自然應運而生,比如 Symbolics、lisp Machines 等硬體公司和 IntelliCorp、Aion等軟體公司。這個時期,僅專家系統產業的價值就有 5 億美元。

  人工智慧的第二次低谷

  好景不長,持續 7 年左右的人工智慧繁榮很快就接近了尾聲。到 1987 年時,蘋果和 IBM 生產的桌上型電腦效能都超過了 Symbolics 等廠商生產的通用型計算機,專家系統自然風光不再。

  到 80 年代晚期,DARPA 的新任領導認為人工智慧並不是“下一個浪潮”;1991 年,人們發現日本人設定的“第五代工程”也沒能實現。這些事實情況讓人們從對“專家系統”的狂熱追捧中一步步走向失望。人工智慧研究再次遭遇經費危機。

  人工智慧最近的一個階段:從 1993 年到現在現在大家談到人工智慧、機器學習時,往往會說這並不是一個新概念,在上世紀 90 年代就有了。事實上,這只是人工智慧發展史上離大家最近的一個階段。深藍機組之一在這個階段,人工智慧其實取得了一些里程碑似的成果。比如在 1997 年,IBM 的深藍戰勝國際象棋世界冠軍卡斯帕羅夫;2009 年,洛桑聯邦理工學院發起的藍腦計劃聲稱已經成功地模擬了部分鼠腦