人工智能的三次浪潮与三种模式
■史爱武
谈到人工智能，人工智能的定义到底是什么？
达特茅斯会议上对人工智能的定义是：使一部机器的反应方式就像是一个人在行动时所依据的智能。
百度百科上对人工智能的定义是：它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
尽管人工智能现在还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就可以叫作人工智能。
2017年7月，国务院印发了《新一代人工智能发展规划》。2017年12月，人工智能入选“2017年度中国媒体十大流行语”。这一国家级战略和社会流行趋势标志着，人工智能发展进入了新阶段，我国要抢抓人工智能发展的重大战略机遇，构筑人工智能发展的先发优势，加快建设创新型国家和世界科技强国。
人工智能的三次浪潮
自1956年开始，人工智能经历了三起三落，出现了几次浪潮，现在人工智能已经是处于第三次浪潮了。
第一次浪潮（1956-1976年，20年），最核心的是逻辑主义
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，比如用机器证明一个数学定理。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，也叫做逻辑证明。
早期的计算机人工智能实际上都是沿着这条路在走。当时很多专家系统，比如医学专家系统，用语言文字输入一些症状，在机器里面变换成逻辑表达，用符号演算的办法推理出大概得了什么病。所以当时的主要研究都集中在逻辑抽象、逻辑运算和逻辑表达等方面。
在第一次浪潮中，数学定理证明实际上是实现效果最好的，当时有很多数学家用定理思路证明了数学定理。为了更好地完成定理证明工作，当时出了很多和逻辑证明相关的逻辑程序语言，比如很有名的Prolog。
虽然当时的成果已经能够解开拼图或实现简单的游戏，却几乎无法解决任何实用的问题。
第二次浪潮（1976—2006年，30年），联结主义盛行
在第一次浪潮期间，逻辑主义和以人工神经网络为代表的联结主义相比，逻辑主义是完全占上风的，联结主义那时候不太吃香。然而逻辑主义最后无法解决实用的问题，达不到人们对它的期望，引起了大家的反思，这时候人工神经网络（也就是联结主义）就慢慢占了上风。
在70年代末，整个神经元联结网络、模型都有突飞猛进的进步，最重要的是BP前馈神经网络。1986年BP前馈神经网络刚出来的时候解决了不少问题，后来大家往更大的领域应用，实现了比较大的成果。在很多模式识别的领域、手写文字的识别、字符识别、简单的人脸识别也开始用起来，这个领域一下子就热起来，一时之间，人们感觉人工智能大有可为。随后十几年人们发现神经网络可以解决一些单一问题，解决复杂问题却有些力不从心。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。
这时期所进行的研究，是以灌输“专家知识”作为规则，来协助解决特定问题的“专家系统”为主。虽然有一些实际的商业应用案例，应用范畴却很有限，第二次热潮也就慢慢趋于消退。
第三次浪潮（2006—现在），基于互联网大数据的深度学习的突破
如果按照技术分类来讲，第二次和第三次浪潮都是神经网络技术的发展，不同的是，第三次浪潮是多层神经网络的成功，也就是深度学习取得突破。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。
若观察脑的内部，会发现有大量称为“神经元”的神经细胞彼此相连。一个神经元从其他神经元那里接收的电气信号量达某一定值以上，就会兴奋（神经冲动）；在某一定值以下，就不会兴奋。兴奋起来的神经元，会将电气信号传送给下一个相连的神经元。下一个神经元同样会因此兴奋或不兴奋。简单来说，彼此相连的神经元，会形成联合传递行为。我们透过将这种相连的结构来数学模型化，便形成了人工神经网络。
经模型化的人工神经网络，是由“输入层”“隐藏层”及“输出层”等三层构成。深度学习往往意味着有多个隐藏层，也就是多层神经网络。另外，学习数据则是由输入数据以及相对应的正确解答来组成。
为了让输出层的值跟各个输入数据所对应的正解数据相等，会对各个神经元的输入计算出适当的“权重”值。通过神经网络，深度学习便成为了“只要将数据输入神经网络，它就能自行抽出特征”的人工智能。
伴随着高性能计算机、云计算、大数据、传感器的普及，以及计算成本的下降，“深度学习”随之兴起。它通过模仿人脑的“神经网络”来学习大量数据的方法，使它可以像人类一样辨识声音及影像，或是针对问题做出合适的判断。在第三次浪潮中，人工智能技术及应用有了很大的提高，深度学习算法的突破居功至伟。
深度学习最擅长的是能辨识图像数据或波形数据这类无法符号化的数据。自2010年以来，Apple、Microsoft及Google等国际知名IT企业，都投入大量人力物力财力开展深度学习的研究。例如AppleSiri的语音识别，Microsoft搜索引擎Bing的影像搜寻等等，而Google的深度学习项目也已超过1500项。
深度学习如此快速的成长和应用，也要归功于硬件设备的提升。图形处理器（GPU）大厂英伟达（NVIDIA）利用该公司的图形适配器、连接库（Library）和框架（Frame⁃work）产品来提升深度学习的性能，并积极开设研讨课程。另外，Google也公开了框架TensorFlow，可以将深度学习应用于大数据分析。
人工智能的3种模式
人工智能的概念很宽泛，根据人工智能的实力可以分成3大类，也称为3种模式。
（1）弱人工智能：擅长于单个方面的人工智能，也叫专业人工智能。比如战胜世界围棋冠军的人工智能AlphaGo，它只会下围棋，如果让它下国际象棋或分辨一下人脸，它可能就会犯迷糊，就不知道怎么做了。当前我们实现的几乎全是弱人工智能。
（2）强人工智能：是指在各方面都能和人类比肩的人工智能，这是类似人类级别的人工智能，也叫通用人工智能。人类能干的脑力活，它都能干，创造强人工智能比创造弱人工智能难得多，目前我们还做不到。
（3）超人工智能：知名人工智能思想家NickBostrom把超级智能定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能”。超人工智能可以是各方面都比人类强点，也可以是各方面都比人类强很多倍。超人工智能现在还不存在，很多人也希望它永远不要存在。否则，可能像好莱坞大片里面的超级智能机器一样，对人类也会带来一些威胁或者颠覆。
我们现在处于一个充满弱人工智能的世界。比如，垃圾邮件分类系统是个帮助我们筛选垃圾邮件的弱人工智能；Google翻译是可以帮助我们翻译英文的弱人工智能等等。这些弱人工智能算法不断地加强创新，每一个弱人工智能的创新，都是迈向强人工智能和超人工智能的进步。正如人工智能科学家AaronSaenz所说，现在的弱人工智能就像地球早期软泥中的氨基酸，可能突然之间就形成了生命。如世界发展的规律看来，超人工智能也是未来可期的！
人工智能有那三样核心要素痛点又在那里呢
『转载-铂链Bottos文案组霍锦威原创』
BOTTOS-人工智能新生态：铂链是一个专门为人工智能生态设计的公有链。它提供分布式数据市场、模型市场、存储、算力共享网络和AI项目代币管理。铂链致力于运用区块链技术提供AI发展所需的基础设施和支持服务，加速AI时代的到来。BOTTOS铂链今年获得了国际区块链基金——DraperDragonDigitalFund的投资。DraperDragonDigitalFund是硅谷风投教父TimDraper旗下的风险投资体系DraperVentureNetwork里的核心基金之一。
——引用【宋欣先生Bottos铂链联合创始人兼CEO】
「 人工智能的三个核心要素 」
1.AI第一个核心要素：算力算力不是瓶颈，因为现在有云计算，但是有成本的考虑因素在里面，算力的成本在整个AI模型中占到了10-20%，区块链在这块也是可以贡献一些力量的，所以有些区块链项目做的就是AI的算力共享网络和市场。2.AI第二个核心要素：算法算法在AI行业里现在大部分算法是开源的，你想拿到什么样的资源其实都可以拿到，基本没有算法写不出来这个说法。深度学习、多层次神经网络算法目前都已经比较成熟了。算法的核心问题是没有一个公开的市场，因为模型又需要一定的隐私权的保护，同时又要吸引大家都来用，目前来说市场是比较小的，所以也有一些区块链公司做的就是帮助模型的发布，发一个token，来激励大家用这个模型。
3.AI第三个核心要素：数据市场算力算法都不是问题之后，数据就成为了核心问题，你没有数据的话，AI模型是不可能落地的，这就跟原尖叫项目机器人外骨骼例子是一样的，因为没人穿，而它的数据可能需要10000组数据之后才可以展开商业应用，找不到10000个老人或者病人，也拿不到现成的数据，所以那个AI模型就不能成熟落地。
「铂链 BOTTOS如何解决AI痛点 」
1.搭建体系能整套地帮助AI解决问题铂链做的是一个满足AI需求的公有链，从共识机制上来说铂链用的是DPOS，速度至少会达到EOS这种级别的速度。公有链符合普遍AI行业的基本需求，速度、效率、以及对于节点灵活的管理。铂链还将会陆续做出很多不同种类的节点，全节点、数据存储类的节点、交易节点、镜像节点，这也是跟其他链核心的区别。
2.构建服务AI的基础设施AI行业很注重数据，训练AI模型的数据、存储就会比其他公有链的需求大，这也是铂链考虑到的地方。在基础设施层面，AI需要什么功能，铂链就建设什么功能、提高某方面的性能，来满足AI的需求。
3.多币种数据流转机制与一站式服务在服务层面，铂链有一种多币种的机制，每一个AI都可以发布一个你自己的token，这个token可以兑换社区用户所贡献他们自己训练模型用的数据，换来的数据可以用来训练AI模型。多币种机制也为这些AI项目带来了融资的可能。一开始token用来兑换数据，之后还可以用来兑换服务。自建一个市场，所以铂链在应用层也会给AI用户直接搭建一个数据市场和模型市场，以及数据存储和算力共享的一个网络，铂链的目标是用户使用BOTTOS之后就不需要再找别的应用了，如果“找数据、共享我的模型（寻找用户、实现我的价值）、把我的数据共享出去、算力共享网络来降低算力的成本”全部在不同的平台上实现，其实是很不方便的。所以铂链是从底层链到服务层再到应用层，对于AI相关的需求全部都设计好，做个一站式的服务。
小结
区块链和AI结合是一个非常重要趋势。AI这个行业已经存在了6、70年了，却仍旧没有大规模的应用，很大原因是由于缺乏了数据和激励机制，所以人工智能和区块链结合将可以有跨越式的发展。
AI和区块链都将有高速发展，例如铂链后续会有很多应用场景，它可以帮助AI拿到数据、早日落地、快速发展，其次因为AI发展都跟区块链结合，它的模型、每一步升级用的的数据都在区块链进行注册、登记，身份的认证、数据和模型都不能篡改，某种程度上也可以防止AI超出控制范围。区块链和AI未来的结合是大势所趋。