什么是人工智能现在人工智能非常热，讲深度学习会讲的比较多，讲其他的比较少，但是我们有必要知道它的历史、知道它的门派。人工智能到现在为止有60年的时间，有三大门派：
说到人工智能，人工智能的定义到底是什么？现在没有非常严格准确或者所有人都接受的定义，但是有一些约定俗成的说法。通常人工智能是指机器智能，让机器达到人智能所实现的一些功能。人工智能既然是机器智能，就不是机械智能，那么这个机器是指什么呢？是指计算机，用计算机仿真出来的人的智能行为叫作人工智能。
人工智能研究领域包括认知建模、知识表示、推理及应用、机器感知、机器思维、机器学习、机器行为和智能系统等。研究人工智能的动力包括推理，知识，规划，学习，交流，感知，移动和操作物体的能力等。我们说车联网里面要有人工智能，这个人工智能主要是做什么呢？这里包括了很多东西，包括它需要对周边环境的感知、对移动操作的控制、对整个行为的学习以及交互交流，所以整个都需要人工智能才可以做得好。 现在人工智能用得最好的领域是在搜索，这一轮我们说互联网热，现在叫“互联网+”，最大的进展其实就是搜索的进展。我们知道谷歌和百度的成功其实都是搜索的成功，原来的搜索都是基于关健字的搜索，现在的搜索除了关健字以外，还有很多基于云的搜索，比如说科大讯飞，这是语音的进展。另外，现在的搜索越来越智能，以前的搜索你输入几个关健词，现在的搜索可以理解整个句子，知道你想要问什么，然后搜索出你最想要的答案。下一个是什么？可能会是驾驶，和车联网的关系非常密切。 人工智能的60年人工智能能不能绕开人工智能的奠基人？人工智能的奠基人叫阿兰·图灵（Alan Turing），这是一个天才，他缔造了两个领域，是这两个领域之父：一个是计算机科学之父，没有图灵机就没有今天的计算机，我们今天所有的计算机模型都是基于图灵机的。图灵也是人工智能之父。图灵只活了四十几岁，在他的晚期对人工智能特别着迷，提出了图灵测试，这也是我们今天之所以能够研究人工智能，是因为图灵前面为我们开辟了一条道路。 图灵测试实际上是现在人工智能来判断一个机器是不是有智能的依据：有一台机器和一个人，都被放置在黑屋子里，测试员不知道哪个屋子是机器哪个屋子是人。然后由测试员就开始问问题，一直问到他能判断哪个屋子里是机器，哪个屋子里是人，那这个测试就完成了。当测试员把所有能够想出来的问题都问完了，他还判断不出来哪个是机器哪个是人，这个机器就具有智能了，这就叫图灵测试。当时在图灵那个年代，这个测试通常用声音提供，人和机器的声音一听就能知道，所以他要求通过键盘进行测试。 为了纪念图灵，图灵去世以后，后人有很多纪念图灵的办法，1966年由ACM学会设立图灵奖，被成为计算机学科的诺贝尔奖。这个奖共有60余人获奖，每年有1-3名，其中也有华人获奖者姚期智。获奖人可以共享一个奖励，这个奖励是由企业出钱来奖励计算机学会的人。这60多人中有8位是做人工智能的，大概1/8左右和人工智能有关。国内在讨论要不要把人工智能变成一级学科，从这个角度看人工智能是很重要的。 人工智能到去年刚好是60年，第一届人工智能最主要的讨论会发起是1956年，当时是由几个年轻人发起，有大概20多个人参加，在美国的达特茅斯开了一个暑期研究班。这个研究班当时有很多现在非常有名的人参加，但是当时都非常年轻。这些人聚在一起讨论了两星期，最后就把人工智能的框架给阐述出来了。这些人当中有很多都是今天耳熟能详的，后来大部分人都获得了图灵奖，很多都是人工智能的泰山鼻祖人物。这些人当时虽然不在斯坦福，但是后来都到斯坦福教学了，成了斯坦福的教授。
人工智能从1956年开始以后几起几落，出现了几次浪潮，现在人工智能已经是第三波浪潮了。第一波浪潮实际上是从1956年-1976年，最核心的是逻辑主义。就是上文提到的第一个学派。逻辑主义主要是用机器证明的办法去证明和推理一些知识，比如能不能用机器证明一个数学定理，这是机器证明的问题。要想证明这些问题，需要把原来的条件和定义从形式化变成逻辑表达，然后用逻辑的方法去证明最后的结论是对的还是错的，叫做逻辑证明。
实际上早期的计算机人工智能都是沿着这条路在走，所以当时我们有很多专家系统，比如医学专家系统。医学专家系统输入的是什么呢？是输入一些症状。这些症状是用语言输进的，但机器里面可以变换成逻辑表达，用符号演算的办法推出来你大概是什么病或者肯定是什么病。所以当时在逻辑的抽象、逻辑的运算和逻辑表达方面，人们花了大量的工夫。 当时在1958年这个领域刚开了两年之后，就有两位计算机领域的大师，Herbert Simon和Allen Newell，他们的理论直接涉及到决策论，完全是一套逻辑主义的推理方法。他们对决策论经济学界很看好，很多人认为做经济学的判断是非常应该的。当时他们做了一个大胆的预言，十年之内计算机就可以写出优美的乐谱，十年之内计算机就能够实现大多数的心理学行为。当时他们判断这些事都可以迎刃而解，并不是什么问题，但事实证明这不是真的。包括国际象棋冠军一直到一九九几年才实现，围棋一直到去年才实现。 数学定理这件事是做通了，因为这件事是所有的事当中最容易用逻辑的办法解决的，所以学习推理证明是判断的十个可能有四个可能最贴近目标。计算机自动谱曲这件事，当然可以做很多，但是并不能达到随心所欲的程度。最后这个心理学行为，到现在也还没有完全做好，这是我们今后要做的事。 定理证明实际上是第一个浪潮当中实现效果最好的，当时有很多数学家用定理思路证明了数学定理。配合这些工作，当时出了很多和逻辑证明相关的计算机，我们把它叫做逻辑程序语言，比如很知名的Prolog。最关键的是要有一个很好的数据库，要有一个控制系统，进行逻辑推理和演算。 1976年前后，由于四大预言实现遥遥无期，关于人工智能方法论的争论风声渐紧。1977年，曾是Simon研究生的Feigenbaum提出知识工程的概念。在一开始逻辑主义和连接主义都在，第一个浪潮当中逻辑主义是完全占上风的，连接主义那时候不太吃香。然而逻辑主义最后没有实现目标，引起了大家的反思，这时候神经系统就慢慢占了上风。 在70年代末，整个神经元网络、模型都有突飞猛进的成绩，最重要的是有一个叫BP网络，这个模型能够解决神经元网络的学习。以前一个刺激对应一个输出，刺激和输出是一对，有什么样的刺激就有什么样的输出。1986年BP网络证明了神经元网络，后来大家往更大的领域应用，做出了比较大的贡献。后来在很多模式识别的领域、手写汉字的识别、字符识别、简单的人脸识别才开始慢慢用起来，这个领域一下就热起来。
第二个浪潮是连接主义。连接主义持续了十几年，从1976年到80年代中期属于低潮，大概到2006年又开始走下坡了。1986年BP网络刚出来的时候解决了不少问题，大家都认为人工智能是有希望的，后来十几年以后发现神经元网络解决单一问题可以，解决复杂问题不行。训练学习的时候，数据量太大，有很多结果到一定程度就不再往上升了。这时候就出现了现在的第三次浪潮。
第三个浪潮，是把一些技术、神经元网络和统计的方法结合在一起。最初人们并不知道到底要怎么做，2006年有一篇文章，作者现在是人工智能圈子里的大咖，认为现在的神经元系统能做到几千层都没有问题，有点类似BP网络。
人们可以认为现在是第三次浪潮，但是这三次浪潮的区分是很笼统的。如果按照技术分类来讲，第二次、第三次其实是一件事，依然是神经元网络，差别的是深度学习的成功。这里既有硬件的进步，也有卷积神经网络模型与参数训练技巧的进步。 它的弱点是整个网络可以做得很深，也很容易去训练，但是训练得出的结果和人是完全不一样的。因为人脑里面是有非常明确的定义，很容易举一反三推理，但是神经元系统不行。神经元网络本身实际它的物理意义没有了，怎么样把神经元网络和真人的智能概念的理解举一反三的能力运用起来，是它天然的障碍。这个障碍的解法在哪里，理论上是统计学的方法，现在神经元网络基本上更多的是靠连接来实现的这个功能，但不是靠统计来做。人们希望把连接和深层次的统计结合在一起，才有可能走出现在的环境。 目前为止，工程院将深度学习、逻辑推理称为AI 1.0，下一步希望从AI 1.0往AI 2.0发展，克服现在AI 1.0的不足，使人工智能更顺畅地发展，大概过几个月就会在很多层面有一些具体的行为。 自动驾驶将是下一个突破点关于车联网和人工智能，之前是在搜索方面有一个长足的进步，下一个进步是在自动驾驶，自动驾驶这件事将会对今后汽车产业有非常大的变革。这种变革需要一个出发点。任何一个东西都是有生态链的，目前整个系统都是以人为中心的。如果要过渡到自动的操作系统来驾驶车的话，人就不再是中心，原来的驾驶技术就不需要了。如果人不需要介入，它对信息获取的渠道已经不是眼睛和耳朵，而是会有很多的渠道获取信息。
比如现在我们说的雷达，还是在仿照人的眼睛，但如果不是人为中心，我们可以构造一个中心，让这个环境的信息通过车联网送给汽车，这时候汽车的判断在大多数情况下就够了。小部分情况下，车要有观察人，人不能发信号。如果汽车本身在发信号，你就知道这个汽车正在行驶、要变道、信号灯还有几秒会变。当这些信息都有的时候，整个系统和现在的无人车完全不是一个系统。我想自动驾驶、车联网会对整个汽车行业有非常大的改革冲击，这个冲击后面离不开人工智能，所有东西都需要决策最后完成。非常希望看到未来AI和车联网结合。 我就说这些，谢谢大家。
|
|
|
