人工智能：从图灵到未来

前几天，有报道**要求A和B两家公司停止向中国市场*顶级AI芯片。可以预见，科技领域的*，将在很长一段时间内持续存在。中国在AI领域内，也将面临更加*的*。

那么，话说回来，人工智能（AI）到底是什么？它的发展历史是怎样的？为什么人工智能会这么火？它能做什么？回答了这一系列问题，也就可以回答为啥*会特意*中国的人工智能发展。今天，借此机会，*一点相关的内容。

我们先说说人工智能的史前时代。如果跟这个东西沾点边的故事都算的话，那么人工智能的历史可以说存在的时间就长了去了。在不知道计算机是何物的时候，人类就已经设想过机器的智能化。今天我们略过这段时期，从正式沾点边的事件开始，这就是：图灵1950年发表的系统论述人工智能论文《计算机与智能》。论文中，图灵就如何判断智能设计了一个测试场景，将机器和人放到小黑屋，如果无法区分是机器还是人，就说明机器具有了智能。

阿兰图灵图片来自百度百科

对于图灵，内行人可能都有点纳闷，为啥会把他的位置抬得那么高？我们在教科书中都基本见不到由图灵贡献的具体知识，除了跟历史有关的或者图灵奖三个字。因为现在计算机领域最重量级的奖项就是图灵奖。关于这一点，我觉得可以从三个方面来谈谈。

首先，在计算机体系结构领域，图灵的贡献是巨大的，被称为是体系结构之父。到现在为止，所有的计算机还都没有超出图灵机的理论模型范围。这个领域的里程碑人物被认为是冯洛伊曼。冯洛伊曼架构是我们常听到的一个词，它只是图灵机的一种工程实现。冯洛伊曼很推崇图灵，曾经也邀请图灵做他的助教。其实，我们所熟知的冯洛伊曼架构，并不是冯诺伊曼创造的，而是由另外两名美国科学家发明的。只不过当时提交给美国军方的报告里，负责人只听过冯诺伊曼的名字（不知道是不是因为曼哈顿计划的原因），所以就顺手在报告上面写了冯诺伊曼架构，自此这一架构的说法就流行开来，历史往往就是这样。

冯洛伊曼图片来自百度百科

其次，在算法方面，图灵也做出了巨大的贡献，特别是对人类的和平。我们知道，图灵本身是一个数学家，数学是他的本质工作。二战时期，图灵在帮助盟军破解纳粹的密码方面，做出了巨大贡献，为此还得了爵位。今天来看，算法方面，里程碑试的人物，是一个叫高德纳的美国人。高德纳写了一本书，叫《计算机程序设计的艺术》，他这辈子的目标就是把这本书写完。他也因为写作此书获得了图灵奖。高德纳这个名字是姚期智的夫人帮他起的。姚期智大家可能都有所了解，特别是清华大学的姚班，现在也有了智班，智班主要就是人工智能方向。姚期智在2000年获得了图灵奖。巧合的是，他的研究方向跟图灵挺相似，是密码学与随机理论方面的集大成者，这也是他获奖的原因。他应该也是目前唯一一位华裔图灵奖获得者。姚期智于2004年回国（据说跟杨振宁有关），后来放弃了美国国籍，致力于推动中国计算机事业的发展，为此做出了很多贡献。

高德纳图片来自百度百科

姚期智图片来自百度百科

最后，就是在人工智能方面，图灵也有巨大的贡献，被称为人工智能的先驱。前面也说了他的论文，大家有时间可以去看看。这个论文现在看起来应该是很简单了，这并不奇怪。你现在去看牛顿的三定律也很简单，但在当时是创造性的，一个道理。这里也再顺便插一个中国人，这就是吴文俊院士。中国有一个吴文俊人工智能奖，是以吴老的名字命名的。吴文俊院士获得了2000年的国家最高科学技术奖。关于吴老，有一个细节值得搞研究的人学习。年近花甲的吴老，在大年三十还在上机研究自己的机器证明，据说就是在春节期间取得了突破性的进展。

吴文俊图片来自百度百科

这就是人工智能的史前时代，主要是跟图灵有关。

真正人工智能历史的开始，标志性的事件是1956年在美国达特茅斯小镇召开的达特茅斯会议。这次会议，是由许多青年科学家发起的，可以说是一群毛头小子主导的。但是名字起的很好，很有想象空间，人工智能，一听就是高大上的。可以说，正是这个成功的概念，成功的吸引了军方和企业家的注意，但只有概念还不够，得有足够重量级的人来背书。这帮人很聪明，找到了业内顶级大牛参会，这就是信息论的开创者：香农。香农当时已经是贝尔实验室的负责人。贝尔实验室，如雷贯耳，我们现在很多的科技产品，都是出自这个实验室的成果转化。

香农图片来自百度百科

有了这两点，钱就哗啦啦的流进来。

之后，人工智能就进入了第一个十年高潮期。但是，结果不尽如人意，做了十多年，没做出什么可用的东西。主要是方向不对，用中国话说，就是天时地利人和不具备。至少天时地利是不具备的，虽然研究热情很高。当时主要走的是符号的方向，对语言文字来讲，就是通过语法结构了解语言含义，这太难了。我们可以举两个简单的例子来说明。

1 比如我们常说的“好”、“很好”，“非常好”，其真实表达的意义不一定是好，就好比我在这里分享，你说很好，那我还要看你的语气，环境气氛，以便做出判断，是真的好，还是说了一句反话。但这对机器来讲，要识别这一点，就太难了。

2 再比如，我吃饭，这是很简单的一句话，符号语法结构，主谓宾。但是，如果一个老外站在你的面前，艰难的挤出“我饭吃”三个字的时候，你八九成也能猜出来他是想说吃饭，但对机器来讲，要识别这一点，同样很困难。当时退出的很多问答系统，都无法适应人类的刁钻问题，闹出不少尴尬和笑话。

但是，机器对逻辑方面的处理就比较得心应手。比如说谓词逻辑里典型的例子“所有人都会死，苏格拉底是人，所以苏格拉底会死”，机器很容易处理。

再比如，最近很火的他二舅，那么问你，他二舅的姐姐的女儿的妈妈的弟弟有没有可能是他二舅。人需要脑子绕一绕的，但是对机器而言，就是非常简单的。

因为没有实用成果，导致资金短缺，人工智能进入了第一个十年低潮。

但是，从七十年代末期到八十年代中期，人工智能再次崛起，进入了第二次十年高潮。这时候的典型代表就是专家系统。之前你不是说没有实用的东西吗，这次就搞个实用的让你看看。存储和搜索是计算机擅长的事情，所以专家系统的出现，似乎也是水到渠成的事情。

大家也都听过，IBM的沃森机器人在知识问答上战胜了人类，可以说专家系统知识渊博。沃森这个招牌并没有被抛弃，IBM现在的把它用在医疗上，还在继续往前走。

但是很快，专家系统也遇到了瓶颈。主要是信息收集很困难，靠人手工录入，几乎是不现实的。所以，人工智能进入了第二个低潮期。但是可以看出，这个时候，已经有了统计的味道了。

大概又过了十年寒冬，人工智能再次迎来了曙光。这个时候可以说是天时、地利、人和都像那么回事了。我们来具体看看。

第一个标志性的事件是网络的出现。这让信息的收集变得十分简单。大家都可以参与到信息的提供着和创造者中；著名的斯坦福大学人工智能华裔科学家李飞飞教授组织发起的ImageNet项目，收集了成千上万图片，并对图片进行分类、标注，极大地方便了图像识别领域的机器学习研究。

李飞飞图片来自百度百科

第二个标志性的事件是搜索引擎的成功。这让信息的查找变得不再昂贵。Google在这一领域成为领跑者。

还有一个方面，就是机器的性能经历了前摩尔时代，已经不可同日而语了。体系结构领域也在不断的推陈出新，大数据、云计算正在成为突破单机物理限制的屠龙刀倚天剑。

屠龙刀倚天剑 m.sohu.com/n/430545065/

综合这些因素，基于机器学习方法的人工智能方法逐渐占据主流。出现了新的热点事件：

2012年的图像识别大赛ILSVRC，辛顿团队基于深度学习的super vision横空出世，将错误率降低到20%以内，一举夺魁，从此引领了深度学习的潮流。这是一次里程碑式的成就。

2015年的阿法狗，又成功的吸引了全球的目光。李世石唯一获胜的第四局的神之一手，也许就成为人类战神机器的绝唱了。在此之前，人是瞧不起机器的，但是，一夜之间，乾坤轮转了，机器将超越人类的论调再次占据了舆论头条。大家也都把人工智能作为未来的科技方向，投入巨大的资金和人力，推动这一领域的发展。可以说，谷歌是成功的。

其实，为这两次事件立下大功的神经网络，很早就已经出现了。上世纪六十年代就产生了模拟神经元的做法，只不过天时地利不具备。因为神经网络的底层本质是矩阵乘法运算，需要大量的算力支撑，当时的机器还不足以满足这一点。

到这里，我们有必要解释一下上面提到的概念的关系了。可以看到，整个范围是逐渐缩小的，首先是无所不包的人工智能，到基于统计规律的机器学习方法，再到其中的宠儿神经网络方法，再到实用专家多层神经网络，也就是深度学习（深度神经网络）。

前面我们多提到的是识别，人工智能并不仅仅满足于识别。创造也是它的使命之一。如果有一天，人工智能可以写诗、写文章、画画、创作音乐…，那么我们的生活就是另一番景象了。其实，在这一方面，人工智能也已经取得了不小的成就。非常有名的生成对抗网络，就被用来实现这一梦想。

生成对抗网络模型其实很简单，由一个生成器和一个判别器构成。简单来说，就是一个专门造假（生成器），一个专门鉴定（判别器）。最开始造的假比较假，很容易看出破绽，那造假器就要不断提高造假水平，直到判别器鉴定不出来。但是鉴定器也不会原地不动，同样会提升自己的判定水平。就这样，二者相互促进，最终达到以假乱真的地步。我们可以看出，这个过程就是魔和道的较量。到底是道高一尺魔高一丈还是魔高一尺道高一丈，就是训练过程中不断转换的。我第一次了解到这个网络模型时，感觉这有点像金庸武侠里的周伯通，通过左右手互搏来练功。

Goodfellow 图片来自网络

前段时间，谷歌发布了图形生成模型Parti，可以输出以假乱真的图像。谷歌为这个模型训练了3.5亿到200亿参数的四个版本。你可以让它给你创作一系列的”大象站在老鹰的背上穿过喜马拉雅山“的图像，然后选择一幅满意的，静静欣赏。

Parti模型图片来自Parti: Pathways Autoregressive Text-to-Image Model

图片来自 https://parti.research.google/

也许以后，人工智能就可以自动将我们的名著转换成一部电影；我们也可以自己创作自己的电影了，只需大脑神游一番即可。

……

时间来到今天。我们看到人工智能的今天已经百花齐放了，不断有新的模型发布出来。也许，是时候真正讨论一下人工智能的未来了。不同于历史惯例的乐观派和悲观派，对于人工智能，更多是理性和感性的讨论。因为大家都乐见技术给人类带来的美好改变。

理性是从数学的角度来看待人工智能。这一点，在吴军的《计算之魂》中有论述。人类面对的问题有很多，数学只是其中的一小部分。数学中知道有答案的问题又占很小的一部分。这一小部分问题中，知道如何求解答案的问题，又只占了很小一部分。在知道如何求解的问题中，可以在工程上实现的，占比就更小了。而只有这部分微小的问题，才是人工智能可以发挥的天地。这就说人工智能不是无所不能的，我们完全不用担心。

感性是从非理想的角度出发。我个人的认为，对问题不一定都要解出精确的答案才有用。就像天气预报，不需要那么精确，也很有用。否则，这只能成为一个无解的问题，被放弃。再比如，对于围棋，精确计算需要很大的运算量，要么是很强的机器，要么是很久的时间。但是，我们看到，机器只需要战胜人类就很恐怖了，而不一定非要知道最正确的下一步。未来，机器是不是只要给出战胜人类的下一步即可？这是值得我们思考的。

人工智能：从图灵到未来相关推荐

ChatGPT通用人工智能：初心与未来
至少从 20 世纪 50 年代起,人们就开始大肆宣传可能很快就会创造出一种能够与人类智能的全部范围和水平相匹配的机器.现在,我们已经成功地创造出了能够解决特定问题的机器,其准确度达到甚至超过了人类,但 ...
微软 CEO 纳德拉访谈：人工智能的大方向与未来是什么？
来源:36氪概要:我们都对科技的发展抱有乐观的态度,我们坚信,人工智能带来的挑战是让我们和社会定义什么是真正的人类.未来将会是一个人工智能强化和增强人类能力的世界,而不是让人类变得更加无用. 人工智 ...
ai人工智能的本质和未来_人工智能的未来在于模型压缩
ai人工智能的本质和未来 The future looks towards running deep learning algorithms on more compact devices as an ...
P5 周志华：“数据、算法、算力”，人工智能三要素在未来还要加上“知识”
周志华:"数据.算法.算力",人工智能三要素在未来还要加上"知识" 算法在获得了大量数据和算力的情况下,可能会爆发出极大的威力,但这需要高昂的成本,周志华教授认 ...
人工智能的历史与未来，主要划分为了哪三个阶段
事物飞速发展之时,往往需要你停下脚步,回顾自己所处的位置,否则你会很容易陷入对细节的兴奋之中.构成人工智能基础的数据科技正以不同的方式向前发展,而且速度飞快.因此,在你改变职业之前,或者决定使用人工智 ...
ai人工智能的本质和未来_是人工智能手中的网络安全的未来AI 1
ai人工智能的本质和未来 Chinese philosophy yin and yang represent how the seemingly opposite poles can compleme ...
ai人工智能的本质和未来_人工智能手中的网络安全的未来
ai人工智能的本质和未来 A recent Synack Report claims that combining cybersecurity talent and AI-enabled techno ...
未来已来：大数据和人工智能浪潮下的未来进化
未来,99%的人属于无用阶级,他们的特性和能力都是多余的:另外1%的人则成为掌控算法.通过生物技术战胜死亡的神人,他们是未来世界的主宰者,是人类未来进化的新物种.--尤瓦尔•赫拉利<未来简史&g ...
大数据和人工智能浪潮下的未来进化【智库2861】
编辑整理/智库2861 未来,99%的人属于无用阶级,他们的特性和能力都是多余的:另外1%的人则成为掌控算法.通过生物技术战胜死亡的神人,他们是未来世界的主宰者,是人类未来进化的新物种. 尤瓦尔·赫拉 ...
ai人工智能的本质和未来_是人工智能手中网络安全的未来AI 3
ai人工智能的本质和未来 The Use of Artificial Intelligence for Cyber Defense 人工智能在网络防御中的应用 The possible cyber d ...

人工智能：从图灵到未来

人工智能：从图灵到未来相关推荐

最新文章

热门文章