談到人工智能，人工智能的定義到底是什么？

達(dá)特茅斯會(huì)議上對(duì)人工智能的定義是：使一部機(jī)器的反應(yīng)方式就像是一個(gè)人在行動(dòng)時(shí)所依據(jù)的智能。

百度百科上對(duì)人工智能的定義是：它是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等。

盡管人工智能現(xiàn)在還沒(méi)有非常嚴(yán)格準(zhǔn)確或者所有人都接受的定義，但是有一些約定俗成的說(shuō)法。通常人工智能是指機(jī)器智能，讓機(jī)器達(dá)到人智能所實(shí)現(xiàn)的一些功能。人工智能既然是機(jī)器智能，就不是機(jī)械智能，那么這個(gè)機(jī)器是指什么呢？ 是指計(jì)算機(jī)，用計(jì)算機(jī)仿真出來(lái)的人的智能行為就可以叫作人工智能。

2017年7月，國(guó)務(wù)院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》。2017年12月，人工智能入選“2017年度中國(guó)媒體十大流行語(yǔ)”。這一國(guó)家級(jí)戰(zhàn)略和社會(huì)流行趨勢(shì)標(biāo)志著，人工智能發(fā)展進(jìn)入了新階段，我國(guó)要搶抓人工智能發(fā)展的重大戰(zhàn)略機(jī)遇，構(gòu)筑人工智能發(fā)展的先發(fā)優(yōu)勢(shì)，加快建設(shè)創(chuàng)新型國(guó)家和世界科技強(qiáng)國(guó)。

自1956年開(kāi)始，人工智能經(jīng)歷了三起三落，出現(xiàn)了幾次浪潮，現(xiàn)在人工智能已經(jīng)是處于第三次浪潮了。

第一次浪潮（1956-1976年，20年），最核心的是邏輯主義

邏輯主義主要是用機(jī)器證明的辦法去證明和推理一些知識(shí)，比如用機(jī)器證明一個(gè)數(shù)學(xué)定理。要想證明這些問(wèn)題，需要把原來(lái)的條件和定義從形式化變成邏輯表達(dá)，然后用邏輯的方法去證明最后的結(jié)論是對(duì)的還是錯(cuò)的，也叫做邏輯證明。

早期的計(jì)算機(jī)人工智能實(shí)際上都是沿著這條路在走。當(dāng)時(shí)很多專家系統(tǒng)，比如醫(yī)學(xué)專家系統(tǒng)，用語(yǔ)言文字輸入一些癥狀，在機(jī)器里面變換成邏輯表達(dá)，用符號(hào)演算的辦法推理出大概得了什么病。所以當(dāng)時(shí)的主要研究都集中在邏輯抽象、邏輯運(yùn)算和邏輯表達(dá)等方面。

在第一次浪潮中，數(shù)學(xué)定理證明實(shí)際上是實(shí)現(xiàn)效果最好的，當(dāng)時(shí)有很多數(shù)學(xué)家用定理思路證明了數(shù)學(xué)定理。為了更好地完成定理證明工作，當(dāng)時(shí)出了很多和邏輯證明相關(guān)的邏輯程序語(yǔ)言，比如很有名的Prolog。

雖然當(dāng)時(shí)的成果已經(jīng)能夠解開(kāi)拼圖或?qū)崿F(xiàn)簡(jiǎn)單的游戲，卻幾乎無(wú)法解決任何實(shí)用的問(wèn)題。

第二次浪潮（1976—2006年，30年），聯(lián)結(jié)主義盛行

在第一次浪潮期間，邏輯主義和以人工神經(jīng)網(wǎng)絡(luò)為代表的聯(lián)結(jié)主義相比，邏輯主義是完全占上風(fēng)的，聯(lián)結(jié)主義那時(shí)候不太吃香。然而邏輯主義最后無(wú)法解決實(shí)用的問(wèn)題，達(dá)不到人們對(duì)它的期望，引起了大家的反思，這時(shí)候人工神經(jīng)網(wǎng)絡(luò)（也就是聯(lián)結(jié)主義）就慢慢占了上風(fēng)。

在70年代末，整個(gè)神經(jīng)元聯(lián)結(jié)網(wǎng)絡(luò)、模型都有突飛猛進(jìn)的進(jìn)步，最重要的是BP前饋神經(jīng)網(wǎng)絡(luò)。1986年BP前饋神經(jīng)網(wǎng)絡(luò)剛出來(lái)的時(shí)候解決了不少問(wèn)題，后來(lái)大家往更大的領(lǐng)域應(yīng)用，實(shí)現(xiàn)了比較大的成果。在很多模式識(shí)別的領(lǐng)域、手寫(xiě)文字的識(shí)別、字符識(shí)別、簡(jiǎn)單的人臉識(shí)別也開(kāi)始用起來(lái)，這個(gè)領(lǐng)域一下子就熱起來(lái)，一時(shí)之間，人們感覺(jué)人工智能大有可為。隨后十幾年人們發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)可以解決一些單一問(wèn)題，解決復(fù)雜問(wèn)題卻有些力不從心。訓(xùn)練學(xué)習(xí)的時(shí)候，數(shù)據(jù)量太大，有很多結(jié)果到一定程度就不再往上升了。

這時(shí)期所進(jìn)行的研究，是以灌輸“專家知識(shí)”作為規(guī)則，來(lái)協(xié)助解決特定問(wèn)題的“專家系統(tǒng)”為主。雖然有一些實(shí)際的商業(yè)應(yīng)用案例，應(yīng)用范疇卻很有限，第二次熱潮也就慢慢趨于消退。

第三次浪潮（2006—現(xiàn)在），基于互聯(lián)網(wǎng)大數(shù)據(jù)的深度學(xué)習(xí)的突破

如果按照技術(shù)分類來(lái)講，第二次和第三次浪潮都是神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展，不同的是，第三次浪潮是多層神經(jīng)網(wǎng)絡(luò)的成功，也就是深度學(xué)習(xí)取得突破。這里既有硬件的進(jìn)步，也有卷積神經(jīng)網(wǎng)絡(luò)模型與參數(shù)訓(xùn)練技巧的進(jìn)步。

若觀察腦的內(nèi)部，會(huì)發(fā)現(xiàn)有大量稱為“神經(jīng)元”的神經(jīng)細(xì)胞彼此相連。一個(gè)神經(jīng)元從其他神經(jīng)元那里接收的電氣信號(hào)量達(dá)某一定值以上，就會(huì)興奮（神經(jīng)沖動(dòng)）；在某一定值以下，就不會(huì)興奮。興奮起來(lái)的神經(jīng)元，會(huì)將電氣信號(hào)傳送給下一個(gè)相連的神經(jīng)元。下一個(gè)神經(jīng)元同樣會(huì)因此興奮或不興奮。簡(jiǎn)單來(lái)說(shuō)，彼此相連的神經(jīng)元，會(huì)形成聯(lián)合傳遞行為。我們透過(guò)將這種相連的結(jié)構(gòu)來(lái)數(shù)學(xué)模型化，便形成了人工神經(jīng)網(wǎng)絡(luò)。

經(jīng)模型化的人工神經(jīng)網(wǎng)絡(luò)，是由“輸入層”“隱藏層”及“輸出層”等三層構(gòu)成。深度學(xué)習(xí)往往意味著有多個(gè)隱藏層，也就是多層神經(jīng)網(wǎng)絡(luò)。另外，學(xué)習(xí)數(shù)據(jù)則是由輸入數(shù)據(jù)以及相對(duì)應(yīng)的正確解答來(lái)組成。

為了讓輸出層的值跟各個(gè)輸入數(shù)據(jù)所對(duì)應(yīng)的正解數(shù)據(jù)相等，會(huì)對(duì)各個(gè)神經(jīng)元的輸入計(jì)算出適當(dāng)?shù)摹皺?quán)重”值。通過(guò)神經(jīng)網(wǎng)絡(luò)，深度學(xué)習(xí)便成為了“只要將數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)，它就能自行抽出特征”的人工智能。

伴隨著高性能計(jì)算機(jī)、云計(jì)算、大數(shù)據(jù)、傳感器的普及，以及計(jì)算成本的下降，“深度學(xué)習(xí)”隨之興起。它通過(guò)模仿人腦的“神經(jīng)網(wǎng)絡(luò)”來(lái)學(xué)習(xí)大量數(shù)據(jù)的方法，使它可以像人類一樣辨識(shí)聲音及影像，或是針對(duì)問(wèn)題做出合適的判斷。在第三次浪潮中，人工智能技術(shù)及應(yīng)用有了很大的提高，深度學(xué)習(xí)算法的突破居功至偉。

深度學(xué)習(xí)最擅長(zhǎng)的是能辨識(shí)圖像數(shù)據(jù)或波形數(shù)據(jù)這類無(wú)法符號(hào)化的數(shù)據(jù)。自2010年以來(lái)，Apple、Microsoft及Google等國(guó)際知名IT企業(yè)，都投入大量人力物力財(cái)力開(kāi)展深度學(xué)習(xí)的研究。例如Apple Siri的語(yǔ)音識(shí)別，Microsoft搜索引擎Bing的影像搜尋等等，而Google的深度學(xué)習(xí)項(xiàng)目也已超過(guò)1500項(xiàng)。

深度學(xué)習(xí)如此快速的成長(zhǎng)和應(yīng)用，也要?dú)w功于硬件設(shè)備的提升。圖形處理器（GPU）大廠英偉達(dá)（NVIDIA）利用該公司的圖形適配器、連接庫(kù)（Library）和框架（Frame?work）產(chǎn)品來(lái)提升深度學(xué)習(xí)的性能，并積極開(kāi)設(shè)研討課程。另外，Google也公開(kāi)了框架TensorFlow，可以將深度學(xué)習(xí)應(yīng)用于大數(shù)據(jù)分析。

人工智能的概念很寬泛，根據(jù)人工智能的實(shí)力可以分成3大類，也稱為3種模式。

（1）弱人工智能：擅長(zhǎng)于單個(gè)方面的人工智能，也叫專業(yè)人工智能。比如戰(zhàn)勝世界圍棋冠軍的人工智能AlphaGo，它只會(huì)下圍棋，如果讓它下國(guó)際象棋或分辨一下人臉，它可能就會(huì)犯迷糊，就不知道怎么做了。當(dāng)前我們實(shí)現(xiàn)的幾乎全是弱人工智能。

（2）強(qiáng)人工智能：是指在各方面都能和人類比肩的人工智能，這是類似人類級(jí)別的人工智能，也叫通用人工智能。人類能干的腦力活，它都能干，創(chuàng)造強(qiáng)人工智能比創(chuàng)造弱人工智能難得多，目前我們還做不到。

（3）超人工智能：知名人工智能思想家Nick Bostrom把超級(jí)智能定義為“在幾乎所有領(lǐng)域都比最聰明的人類大腦都聰明很多，包括科學(xué)創(chuàng)新、通識(shí)和社交技能”。超人工智能可以是各方面都比人類強(qiáng)點(diǎn)，也可以是各方面都比人類強(qiáng)很多倍。超人工智能現(xiàn)在還不存在，很多人也希望它永遠(yuǎn)不要存在。否則，可能像好萊塢大片里面的超級(jí)智能機(jī)器一樣，對(duì)人類也會(huì)帶來(lái)一些威脅或者顛覆。

我們現(xiàn)在處于一個(gè)充滿弱人工智能的世界。比如，垃圾郵件分類系統(tǒng)是個(gè)幫助我們篩選垃圾郵件的弱人工智能；Google翻譯是可以幫助我們翻譯英文的弱人工智能等等。這些弱人工智能算法不斷地加強(qiáng)創(chuàng)新，每一個(gè)弱人工智能的創(chuàng)新，都是邁向強(qiáng)人工智能和超人工智能的進(jìn)步。正如人工智能科學(xué)家Aaron Saenz所說(shuō)，現(xiàn)在的弱人工智能就像地球早期軟泥中的氨基酸，可能突然之間就形成了生命。如世界發(fā)展的規(guī)律看來(lái)，超人工智能也是未來(lái)可期的！