睿祺無(wú)鎖孔智能防盜門(mén)：人工智能與認知科技

1、人工智能的定義

人工智能領(lǐng)域苦于存在多種概念和定義，有的太過(guò)有的則不夠。作為該領(lǐng)域創(chuàng )始人之一的Nils Nilsson先生寫(xiě)到：“人工智能缺乏通用的定義?！?一本如今已經(jīng)修訂三版的權威性人工智能教科書(shū)給出了八項定義，但書(shū)中并沒(méi)有透露其作者究竟傾向于哪種定義。對于我們來(lái)說(shuō)，一種實(shí)用的定義即為——人工智能是對計算機系統如何能夠履行那些只有依靠人類(lèi)智慧才能完成的任務(wù)的理論研究。例如，視覺(jué)感知、語(yǔ)音識別、在不確定條件下做出決策、學(xué)習、還有語(yǔ)言翻譯等。比起研究人類(lèi)如何進(jìn)行思維活動(dòng)，從人類(lèi)能夠完成的任務(wù)角度對人工智能進(jìn)行定義，而非人類(lèi)如何思考，在當今時(shí)代能夠讓我們繞開(kāi)神經(jīng)機制層面對智慧進(jìn)行確切定義從而直接探討它的實(shí)際應用。值得一提的是，隨著(zhù)計算機為解決新任務(wù)挑戰而升級換代并推而廣之，人們對那些所謂需要依靠人類(lèi)智慧才能解決的任務(wù)的定義門(mén)檻也越來(lái)越高。所以，人工智能的定義隨著(zhù)時(shí)間而演變，這一現象稱(chēng)之為“人工智能效應”，概括起來(lái)就是“人工智能就是要實(shí)現所有目前還無(wú)法不借助人類(lèi)智慧才能實(shí)現的任務(wù)的集合?！?

2、人工智能的歷史

人工智能并不是一個(gè)新名詞。實(shí)際上，這個(gè)領(lǐng)域在20世紀50年代就已經(jīng)開(kāi)始啟動(dòng)，這段探索的歷史被稱(chēng)為“喧囂與渴望、挫折與失望交替出現的時(shí)代”——最近給出的一個(gè)較為恰當的評價(jià)。

20世紀50年代明確了人工智能要模擬人類(lèi)智慧這一大膽目標，從此研究人員開(kāi)展了一系列貫穿20世紀60年代并延續到70年代的研究項目，這些項目表明，計算機能夠完成一系列所本只屬于人類(lèi)能力范疇之內的任務(wù)，例如證明定理、求解微積分、通過(guò)規劃來(lái)響應命令、履行物理動(dòng)作，甚至是模擬心理學(xué)家、譜曲這樣的活動(dòng)。

但是，過(guò)分簡(jiǎn)單的算法、匱乏的難以應對不確定環(huán)境（這種情形在生活中無(wú)處不在）的理論，以及計算能力的限制嚴重阻礙了我們使用人工智能來(lái)解決更加困難和多樣的問(wèn)題。伴隨著(zhù)對缺乏繼續努力的失望，人工智能于20世紀70年代中期逐漸淡出公眾視野。

20世紀80年代早期，日本發(fā)起了一個(gè)項目，旨在開(kāi)發(fā)一種在人工智能領(lǐng)域處于領(lǐng)先的計算機結構。西方開(kāi)始擔心會(huì )在這個(gè)領(lǐng)域輸給日本，這種焦慮促使他們決定重新開(kāi)始對人工智能的投資。20世紀80年代已經(jīng)出現了人工智能技術(shù)產(chǎn)品的商業(yè)供應商，其中一些已經(jīng)上市，例如Intellicorp、Symbolics、和Teknowledge。

20世紀80年代末，幾乎一半的“財富500強”都在開(kāi)發(fā)或使用“專(zhuān)家系統”，這是一項通過(guò)對人類(lèi)專(zhuān)家的問(wèn)題求解能力進(jìn)行建模，來(lái)模擬人類(lèi)專(zhuān)家解決該領(lǐng)域問(wèn)題的人工智能技術(shù)。

對于專(zhuān)家系統潛力的過(guò)高希望徹底掩蓋了它本身的局限性，包括明顯缺乏常識、難以捕捉專(zhuān)家的隱性知識、建造和維護大型系統這項工作的復雜性和成本，當這一點(diǎn)被越來(lái)越多的人所認識到時(shí)，人工智能研究再一次脫離軌道。

20世紀90年代在人工智能領(lǐng)域的技術(shù)成果始終處于低潮，成果寥寥。反而是神經(jīng)網(wǎng)絡(luò )、遺傳算法等科技得到了新的關(guān)注，這一方面是因為這些技術(shù)避免了專(zhuān)家系統的若干限制，另一方面是因為新算法讓它們運行起來(lái)更加高效。

神經(jīng)網(wǎng)絡(luò )的設計受到了大腦結構的啟發(fā)。遺傳算法的機制是，首先迭代生成備選解決方案，然后剔除最差方案，最后通過(guò)引入隨機變量來(lái)產(chǎn)生新的解決方案，從而“進(jìn)化”出解決問(wèn)題的**方案。

3、人工智能進(jìn)步的催化劑

截止到21世紀前10年的后期，出現了一系列復興人工智能研究進(jìn)程的要素，尤其是一些核心技術(shù)。下面將對這些重要的因素和技術(shù)進(jìn)行詳細說(shuō)明。

1）摩爾定律

在價(jià)格、體積不變的條件下，計算機的計算能力可以不斷增長(cháng)。這就是被人們所熟知的摩爾定律，它以Intel共同創(chuàng )辦人Gordon Moore命名。Gordon Moore從各種形式的計算中獲利，包括人工智能研究人員使用的計算類(lèi)型。數年以前，先進(jìn)的系統設計只能在理論上成立但無(wú)法實(shí)現，因為它所需要的計算機資源過(guò)于昂貴或者計算機無(wú)法勝任。今天，我們已經(jīng)擁有了實(shí)現這些設計所需要的計算資源。舉個(gè)夢(mèng)幻般的例子，現在**一代微處理器的性能是1971年**代單片機的400萬(wàn)倍。

2）大數據

得益于互聯(lián)網(wǎng)、社交媒體、移動(dòng)設備和廉價(jià)的傳感器，這個(gè)世界產(chǎn)生的數據量急劇增加。隨著(zhù)對這些數據的價(jià)值的不斷認識，用來(lái)管理和分析數據的新技術(shù)也得到了發(fā)展。大數據是人工智能發(fā)展的助推劑，這是因為有些人工智能技術(shù)使用統計模型來(lái)進(jìn)行數據的概率推算，比如圖像、文本或者語(yǔ)音，通過(guò)把這些模型暴露在數據的海洋中，使它們得到不斷優(yōu)化，或者稱(chēng)之為“訓練”——現在這樣的條件隨處可得。

3）互聯(lián)網(wǎng)和云計算

和大數據現象緊密相關(guān)，互聯(lián)網(wǎng)和云計算可以被認為是人工智能基石有兩個(gè)原因，**，它們可以讓所有聯(lián)網(wǎng)的計算機設備都能獲得海量數據。這些數據是人們推進(jìn)人工智能研發(fā)所需要的，因此它可以促進(jìn)人工智能的發(fā)展。第二，它們?yōu)槿藗兲峁┝艘环N可行的合作方式——有時(shí)顯式有時(shí)隱式——來(lái)幫助人工智能。

免責聲明：凡注明稿件來(lái)源的內容均為轉載稿或由企業(yè)用戶(hù)注冊發(fā)布，本網(wǎng)轉載出于傳遞更多信息的目的；如轉載稿和圖片涉及版權問(wèn)題，請作者聯(lián)系我們刪除，同時(shí)對于用戶(hù)評論等信息，本網(wǎng)并不意味著(zhù)贊同其觀(guān)點(diǎn)或證實(shí)其內容的真實(shí)性。