人工智能的三次沉浮，和可能的寒冬人工智能的三次浪潮

发表时间：2023-07-03 15:58:16

人工智能的三次沉浮，和可能的寒冬

手机前瞻网

选择栏目

人工智能的三次沉浮，和可能的寒冬图灵TOPIA2021-11-3018:32

作者|图灵来源|图灵TOPIA(ID：turingtopia)

如果将眼光放长远一点，历史上已经经历了三次发展浪潮，也经历了两次低谷。换言之，人工智能的泡沫已经破灭两次了。让我们先来回顾一下人工智能这三起两落的历史，从历史中来找寻现在的意义，推导出我们可能面临的未来。

第一次浪潮和第一次低谷：

达特茅斯会议推动了全球第一次人工智能浪潮的出现，这次浪潮从1956年一直持续到1974年。当时乐观的气氛弥漫着整个学界，在算法方面出现了很多世界级的发明，其中包括一种叫做增强学习的雏形（即贝尔曼公式），增强学习就是谷歌AlphaGo算法核心思想内容。

70年代初，AI遭遇了瓶颈。人们发现逻辑证明器、感知器、增强学习等等只能做很简单、非常专门且很窄的任务，稍微超出范围就无法应对。当时的计算机有限的内存和处理速度不足以解决任何实际的AI问题。研究者们很快发现，要求程序对这个世界具有儿童水平的认识这个要求都太高了——1970年没人能够做出人工智能需要的巨大数据库，也没人知道一个程序怎样才能学到如此丰富的信息。另一方面，有很多计算复杂度以指数程度增加，这成为了不可能完成的计算任务。

第二次浪潮和第二次低谷：

在80年代，一类名为“专家系统”的AI程序开始为全世界的公司所采纳，而“知识处理”成为了主流AI研究的焦点。专家系统的能力来自于它们存储的专业知识，知识库系统和知识工程成为了80年代AI研究的主要方向。但是专家系统的实用性仅仅局限于某些特定情景，不久后人们对专家系统的狂热追捧转向巨大的失望。另一方面，1987年到1993年现代PC的出现，其费用远远低于专家系统所使用的Symbolics和Lisp等机器。相比于现代PC，专家系统被认为古老陈旧而非常难以维护。于是，政府经费开始下降，寒冬又一次来临。

第三次浪潮：

1993年后，出现了新的数学工具、新的理论和摩尔定律。人工智能也在确定自己的方向，其中一个选择就是要做实用性、功能性的人工智能，这导致了一个新的人工智能路径。深度学习为核心的机器学习算法获得发展，积累的数据量极大丰富，新型芯片和云计算的发展使得可用的计算能力获得飞跃式发展，现代AI的曙光又再次出现了。一个标志性事件发生在2016年3月，谷歌DeepMind研发的AlphaGo在围棋人机大战中击败韩国职业九段棋手李世乭。随后，大众开始熟知人工智能，各个领域的热情都被调动起来了。

深度学习的发展，让人工智能进入新的发展高潮。技术尤其是算法层面的局限，决定了这次人工智能浪潮的“天花板”。深度学习算法带来的“技术红利”，将支撑我们再发展5~10年时间，随后就会遇到瓶颈。在人工智能领域，技术的进步不是线性的，而是线性积累和间断式突破交替进行的。我们必须要达到一个“技术奇点”，才能实现根本上的突破，达到通用人工智能甚至是超级人工智能的水平。大概率的可能性，未来几年人们对人工智能怀有巨大的热情和非理性的期待，但同时会渐渐发觉推进起来越来越费劲，仿佛有个无形的“天花板”挡在那里，迟迟不能获得突破，人们的耐心被渐渐耗尽，人工智能的下一个冬天也就来临了。

就一般产业而言，线性发展的成分更重一些，即使产业不能再往前推进了，依然能够保持比较高的产业成熟度。人工智能产业则不同，如果以百分制来衡量一个产业的发展程度，人工智能不是从1慢慢发展到100，而是要么是90分以上，要么是10以下。试想一下，你有一个智能助手，如果他的智力水平一直在10岁以下，你能接受么？那样的智能助手更多的是个玩具，不能委以重任，毕竟谁也不会将重要的事情交给一个小孩子来做。再比如翻译领域，一旦智能系统能够达到人类水平的翻译能力，那将是一次彻底的颠覆，人类翻译员将彻底消失；但是，在没达到那种水平之前，翻译系统基本就是个摆设，你不能通过那套系统来与外国人顺畅的交流，也不能将看到的整段材料马上转换成另一种语言。

人工智能的泡沫，更多的是产业化和商业应用层面的。很多做人工智能应用的企业，如果发现将方案落地的期待落空，那他整个商业价值存在的根基就不存在了，整个产业将会消失，大量企业也会倒闭。

如果真的要面对那样一个未来，我们应该怎么应对呢？我提出几点参考建议：

第一，适度降低对人工智能的技术期待，理性设定商业模式。企业要仔细评估技术的发展潜力，不要抱有不切实际的幻想。寻找并设计一些智能水平不是太高就能具有商业价值的应用模式，并基于此来构建竞争壁垒。比如在自动驾驶领域，我们要做好L4在10年内无法实现的心理准备，寻找一些L3级别就能具有商业价值的应用领域。

第二，现在就开始准备“过冬的粮草”。泡沫破灭之后，融资会变得越来越难，依据公司本身的造血能力维持基本没戏。所以，现在尽可能的多融资吧，并且在未来几年省着点花，争取能挨过寒冬。

第三，实行曲线救国策略，发展一些“伪智能”业务，拓展业务领域。如果哪天发现“纯人工智能”这条路走不通，可以考虑发展一些周边产业，只要能带来现金流就行。虽然挂羊头卖狗肉有点缺德，但能保存“革命的火种”，也算一件好事。

编者按：本文转载自微信公众号：图灵TOPIA（ID：turingtopia），作者：图灵

本文作者信息

图灵TOPIA(人工智能)

关注(1441)赞(3)

邀请演讲

广告、内容合作请点这里：寻求合作

咨询·服务

研究报告

产业规划

园区规划

产业招商

项目可研

市场调研

投资选址

IPO咨询

第三次人工智能浪潮来袭，认知AI兴起

自1956年AI的概念首次被提出，至今已有60多年的发展史。如今，随着相关理论和技术的不断革新，AI在数据、算力和算法“三要素”的支撑下越来越多地走进我们的日常生活。

但是，这一系列惊喜的背后，却是大多数AI在语言理解、视觉场景理解、决策分析等方面的举步维艰：这些技术依然主要集中在感知层面，即用AI模拟人类的听觉、视觉等感知能力，却无法解决推理、规划、联想、创作等复杂的认知智能化任务。

当前的AI缺少信息进入“大脑”后的加工、理解和思考等，做的只是相对简单的比对和识别，仅仅停留在“感知”阶段，而非“认知”，以感知智能技术为主的AI还与人类智能相差甚远。

究其原因在于，AI正面临着制约其向前发展的瓶颈问题：大规模常识知识库与基于认知的逻辑推理。而基于知识图谱、认知推理、逻辑表达的认知图谱，则被越来越多的国内外学者和产业领袖认为是“目前可以突破这一技术瓶颈的可行解决方案之一”。

近日，英特尔实验室副总裁、被评为AI领域50位全球思想领袖和影响者之一的GadiSinger发表了一篇题为TheRiseofCognitiveAI的文章，探讨了人工智能的第三次浪潮：认知人工智能的兴起。在不改变原文大意的情况下，学术头条对文章进行了精心的编译，内容如下：

深度学习（DL）正取得巨大的进步，并在我们生活的各个方面革新整个行业，包括医疗保健、零售、制造业、自动驾驶汽车、安全和防诈骗以及数据分析。但是，为了构建人工智能（AI）的未来，推动新一代技术进一步发展，我们要对其设定一组目标和期望——到2025年，人工智能将会发生质的飞跃，机器也将明显变得更加智能。

目前，基于深度学习算法的很多应用都解决了相关的感知任务，如对象识别、自然语言处理（NLP）、翻译以及其他涉及数据广泛关联处理的任务（比如推荐系统）。深度学习系统依靠微分编程和复杂的基于数据的相关性做出了出色的成果，并有望在未来几年内推动整个行业的转型。但与此同时，我们必须克服深度学习本身固有的限制，以进一步帮助机器学习或者更广泛地说是人工智能实现其潜力。要实现非增量创新，需要在以下三个方面共同努力：

✮实质性地提高模型效率；

✮大大增强模型的稳健性、可扩展性和可伸缩性；

✮全面提高机器的认知能力。

基于深度学习的语言模型中参数数量呈指数级增长（来源：microsoft）

虽然剪枝、稀疏性、压缩、蒸馏和图神经网络（GNN）等技术可以提高模型效率，但最终也同时产生了增量改进。在不影响结果的前提下，将模型大小降低几个数量级，可能需要对捕获和表示信息本身的方法以及深度学习模型中的学习能力方面进行更根本的改变。此外，持续性进步也需要更具计算效率的深度学习方法或者转向其他机器学习方法。现在，一类具有前景的人工智能系统正通过在辅助信息库中进行检索来代替大量事实和数据的嵌入，从而迅速受到人们的青睐。

与此同时，统计机器学习方法基于这样的假设——训练样本的分布代表了推理过程中必须处理的内容，在现实生活的使用中存在重大缺陷。尤其在遇到训练数据集采样稀疏，甚至缺乏样本的情况时，深度学习模型就会受到挑战。

除此之外，迁移学习和小样本/零样本推理方面取得的结果也不尽人意。模型的低效扩展性使得人工智能无法扩展到数据集和数据科学家缺乏的许多领域。此外，深度学习还非常容易受到数据变化的影响，从而产生低信度分类，但这一问题可以通过提高模型的稳健性和可扩展性得到解决。

最后，在大多数情况下，神经网络无法正确提供认知，推理和可解释性。深度学习缺乏认知机制，无法进行抽象、上下文语境、因果关系、可解释性和可理解性的推理。

下一阶段：认知人工智能

人工智能有望达到人类理解水平。依靠DanielKahneman在《快思慢想》一书中定义的范式，YoshuaBengio将当代深度学习的功能等同于他所描述的“系统1”的特点——直觉的、快速的、无意识的、习惯性并完全处于自主控制状态。与此相反，他指出，人工智能系统的下一个挑战在于实现“系统2”的功能——缓慢的、有逻辑的、有序列的、有意识和算法化，例如实现计划和推理所需的功能。

FrancoisChollet以类似的方式在广泛概括的基础上描述了人工智能发展中的新兴阶段（“FlexibleAI”），它能够适应广泛领域内的未知事件。这两个特征都与DARPA（美国国防部高级研究计划局）的“人工智能的第三次浪潮”的内容一致，其特征是语境顺应（contextualadaptation）、抽象、推理和可解释性。实现这些功能的一种可能途径是将深度学习与符号推理和深度知识结合起来。下面，我将使用术语“认知人工智能”（CognitiveAI）来指代人工智能的这一新阶段。

尽管我们无望实现开放式通用人工智能（AGI），但具有较高认知能力的人工智能也能在技术和商业领域中发挥更大的作用。一旦人工智能可以在不可预测的环境中做出可靠的决策，它最终将获得更高的自主权，并在机器人技术、自动运输以及物流、工业和金融体系的控制点等领域中发挥重要作用。

结构化知识在认知人工智能中的作用

在人工智能领域，有些人认为可以通过进一步发展深度学习来实现更高级别的机器智能，而另一些人则认为这需要合并其他基本机制。对此，我赞同后者的观点，原因如下：

深度学习掌握了从嵌入空间中的多维结构的输入到预测输出的基于统计的映射。这让它在区分宽数据和浅数据（例如，图像中的单词或像素/体元序列）方面表现出色。此外，深度学习在索引资源（如维基百科）和从语料库中最匹配的地方检索答案方面同样有效——正如在NaturalQA或EffiicentQA等基准测试中所表现的那样。根据Bengio的定义，系统1的任务依赖于训练期间创建的统计映射功能。而深度学习可以为完成这些任务提供帮助。

相比之下，结构化、显性和可理解的知识可以为实现更高级机器智能或系统2的功能提供途径。一种基本的知识构建就是能够捕获有关元素和概念的声明性知识并编码抽象概念（例如，类之间的分层属性遗传）。例如，有关鸟类的知识，加上有关雀形目鸟类的信息，再加上有关麻雀的详细信息，即使没有特别的说明，也能提供大量有关栗麻雀的隐含信息。除此之外，其他知识构建还包括因果模型和预测模型。

这样的构建依赖于显性的概念和定义明确的关系，而不是潜在空间中的嵌入式机器，并且因此所得模型将具有更广泛的解释和预测潜力，远远超过了统计映射的功能。

人类大脑有“想象”、模拟和评估潜在未来事件的能力，这些能力是经验或观察都无法企及的。同时，这些功能为人类智能提供了进化优势。在不受明确规则限制的环境中，对未来可能发生事件进行心理模拟是基于世界动力的基本模型，这在计划和解决问题方面具有很大的适应性价值。

过程建模机制基于隐式的数学、物理或心理原理，而不是从输入到输出的可观察的统计相关性，这对于实现更高的认知能力至关重要。例如，物理模型可以捕获滑水现象，并对各种条件下汽车的运动进行简单预测。这样的过程模型可以与基于深度学习的方法结合使用以扩展当前人工智能的功能。

知识库可以捕获（或隐式）常识性假设和底层逻辑，这些假设和逻辑并不总是公开地呈现在深度学习系统的训练数据中。这表明，对世界及其动力的理解有助于解决更高级机器智能的任务。最后，合理的结构化知识可以在上下文语境和聚合内容方面消歧（将“俱乐部”的属性分为棒球类，武器类，纸牌类或聚会场所）。

认知人工智能与知识时代

在未来的几年中，随着浅层映射功能变得更加丰富，计算处理变得更加经济和快捷，基于深度学习的系统1有望取得重大进展。认知人工智能也将带来更多更高级的功能。

总而言之，我相信，到2025年，将出现一批新的认知人工智能，它们不仅具有更强的解释力，而且比当前基于深度学习的系统更接近人类的自主推理水平。

我们已经在英特尔实验室建立了认知计算研究部门，来推动英特尔在机器智能和认知交叉点上的创新，并不断提高新兴认知人工智能的能力。我们努力将深度学习的最新成果与知识构建和神经符号人工智能的集成结合起来，来构建能在复杂情景中做出明智决策的自主学习人工智能。

深度学习使人工智能系统在识别、感知、翻译和推荐系统任务方面成果卓越。下一波机器学习和人工智能技术的兴起，将创造出一种拥有更强理解力和认知力的新型人工智能，从而为我们的生活带来更大便利。

特别声明：以上文章内容仅代表作者本人观点，不代表新浪网观点或立场。如有关于作品内容、版权或其它问题请于作品发表后的30日内与新浪网联系。

人工智能简史：从两次低谷到三次崛起

如今人工智能已然成为香饽饽，在各行业都开始得到应用。然而大家可能不知道的是，人工智能并非近些年才兴起的，它经历了两次低谷和三次崛起，才发展成当下热门的技术。因此人工智能简史其实也是看做一段励志的崛起史。

人工智能的起源：人工智能在五六十年代时正式提出，1950年，一位名叫马文·明斯基(后被人称为“人工智能之父”)的大四学生与他的同学邓恩·埃德蒙一起，建造了世界上第一台神经网络计算机。这也被看做是人工智能的一个起点。

巧合的是，同样是在1950年，被称为“计算机之父”的阿兰·图灵提出了一个举世瞩目的想法——图灵测试。按照图灵的设想：如果一台机器能够与人类开展对话而不能被辨别出机器身份，那么这台机器就具有智能。而就在这一年，图灵还大胆预言了真正具备智能机器的可行性。1956年，在由达特茅斯学院举办的一次会议上，计算机专家约翰·麦卡锡提出了“人工智能”一词。

后来，这被人们看做是人工智能正式诞生的标志。就在这次会议后不久，麦卡锡从达特茅斯搬到了MIT。同年，明斯基也搬到了这里，之后两人共同创建了世界上第一座人工智能实验室——MITAILAB实验室。值得追的是，茅斯会议正式确立了AI这一术语，并且开始从学术角度对AI展开了严肃而精专的研究。在那之后不久，最早的一批人工智能学者和技术开始涌现。达特茅斯会议被广泛认为是人工智能诞生的标志，从此人工智能走上了快速发展的道路。

人工智能第一次低谷

70年代，人工智能进入了一段痛苦而艰难岁月。由于科研人员在人工智能的研究中对项目难度预估不足，不仅导致与美国国防高级研究计划署的合作计划失败，还让大家对人工智能的前景蒙上了一层阴影。与此同时，社会舆论的压力也开始慢慢压向人工智能这边,导致很多研究经费被转移到了其他项目上。

在当时，人工智能面临的技术瓶颈主要是三个方面，第一,计算机性能不足，导致早期很多程序无法在人工智能领域得到应用；第二，问题的复杂性，早期人工智能程序主要是解决特定的问题，因为特定的问题对象少，复杂性低，可一旦问题上升维度，程序立马就不堪重负了；第三，数据量严重缺失，在当时不可能找到足够大的数据库来支撑程序进行深度学习，这很容易导致机器无法读取足够量的数据进行智能化。

因此，人工智能项目停滞不前，但却让一些人有机可乘,1973年Lighthill针对英国AI研究状况的报告。批评了AI在实现“宏伟目标”上的失败。由此，人工智能遭遇了长达6年的科研深渊。

人工智能的崛起1980年，卡内基梅隆大学为数字设备公司设计了一套名为XCON的“专家系统”。这是一种，采用人工智能程序的系统，可以简单的理解为“知识库+推理机”的组合，XCON是一套具有完整专业知识和经验的计算机智能系统。

这套系统在1986年之前能为公司每年节省下来超过四千美元经费。有了这种商业模式后，衍生出了像Symbolics、LispMachines等和IntelliCorp、Aion等这样的硬件，软件公司。在这个时期，仅专家系统产业的价值就高达5亿美元。

人工智能第二次低谷

可怜的是，命运的车轮再一次碾过人工智能，让其回到原点。仅仅在维持了7年之后，这个曾经轰动一时的人工智能系统就宣告结束历史进程。到1987年时，苹果和IBM公司生产的台式机性能都超过了Symbolics等厂商生产的通用计算机。从此，专家系统风光不再。

人工智能再次崛起：上世纪九十年代中期开始，随着AI技术尤其是神经网络技术的逐步发展，以及人们对AI开始抱有客观理性的认知，人工智能技术开始进入平稳发展时期。1997年5月11日，IBM的计算机系统“深蓝”战胜了国际象棋世界冠军卡斯帕罗夫，又一次在公众领域引发了现象级的AI话题讨论。这是人工智能发展的一个重要里程。

2006年，Hinton在神经网络的深度学习领域取得突破，人类又一次看到机器赶超人类的希望,也是标志性的技术进步。

2016年，Google的AlphaGo赢了韩国棋手李世石，再度引发AI热潮。

AI不断爆发热潮，是与基础设施的进步和科技的更新分不开的，从70年代personal计算机的兴起到2010年GPU、异构计算等硬件设施的发展，都为人工智能复兴奠定了基础。

人工智能从两次低谷到三次崛起充分证明了，是金子总会发光。也许当时的技术还不足以支撑人工智能这个想法的实现，但是通过历代IT人的努力，属于人工智能的时代终究是来了。这次，人工智能的浪潮终将把你我卷入其中，让我们张开双手，去拥抱这一天吧！

人工智能领域的发展历史总共经历了三次大浪潮

人工智能也被称为AI，是将新型机器赋予机器思维，代替人脑进行各种计算、决策和分析，有效解放人们双手的智能技术，倍受人们的欢迎和接纳。人工智能的发展历程曲折而漫长，但每一次研究的深入都使得人工智能产品的功能变得更加强大，使人类科技向前迈出更大的一步，让人们获得更多的便利和舒适，未来人工智能也将进一步发展与完善。现阶段人工智能在人们的生活领域中有着广泛的应用，其中在教育行业，教师非常依赖于各种智能系统完成各种评估与分析，高效完成自己的工作。文章从高中生的角度出发，结合自身所学相关知识，对人工智能发展历程与教育应用现状作一个探究。

进入21世纪以来，互联网信息技术高速发展，并得到广泛的应用，世界范围内的各个行业都处在交互共融的环境中，互联网也成为推动各领域变革的强大力量。2015年3月，李克强总理在十二届全国人大三次会议上提出了“互联网+”行动计划，从国家战略层面上，将“互联网+”提高到前所未有的高度，也进一步促进了各领域内的深度融合；在教育领域内，信息技术与教育的深度融合促进了教育信息化的建设与发展，而“互联网+”也教育领域带来了深刻的影响，学生的学习方式，教师的教学模式，以及师生的关系都发生了很大的变化。

人工智能的三次浪潮

纵观世界人工智能发展历史，人工智能领域的发展历史是短暂而曲折的，总共经历了三次大浪潮，但它点滴的进步都有效推动了社会的发展。在人工智能的发展历程中，人们将人工智能技术与计算机技术已经牢牢地结合在一起，因此在人们生产与生活的许多领域都能够得到广泛的应用，如教育行业，生产行业以及工业生产多个领域。要想了解人工智能在教育行业的应用现状，必须要对人工智能的发展历史有一个详细而深入的了解，才能够对人工智能在教育行业的应用现状有一个更加清晰明确的认知。尽管人工智能的发展历史短暂，但发展过程曲折而漫长，因此有着较多的介绍，在此根据相关研究将其主要分为以下三个阶段：

一、“人工智能”概念首次被提出

上个世纪五十年代以前，尽管许多机器能够代替人们进行体力劳动，但却没有一些机器可以代替人们进行脑力劳动，因此未来机器将被冠以“智能化”的标签，将代替人们完成更高难度的工作。在六七十年前，一群科学家在会议上讨论未来的机器应该如何更好地为人们服务，“人工智能”的概念被麦卡赛和明斯基等人提出，未来机器人将变得更加便捷化和智能化。“人工智能”这一概念提出后，无数的科学家前赴后继对此进行研究，为使机器智能化和人性化不断努力奋斗。

二、计算机技术的发展赋予了计算机的机器思维

计算机领域深入发展之前，几乎没有机器可以减少人类的脑力劳动，更没有办法代替人类的思维进行运算和判断。在计算机领域进一步发展后，人们研制出了能够代替人脑进行思考判断的程序和编码，装载特定的软件，能够代替人脑进行思考判断。举个例子，任何机器都不能代替人脑作出决策和判断，而计算机却能够模仿人类大脑，与人类下象棋和围棋等等，进行各种思维上的较量。此外，计算机还能够代替人脑进行繁琐复杂的计算，它能够以快速无误的方式转化编码进行计算，这是人脑不能够做到的。计算机的出现实现了部分人工智能的构想，但它也还不够人性化和智能化，需要人频繁地进行操控和运算。

三、许多高度智能化的机器人开始出现

随着人工智能领域的研究越来越深入，许多机器人也开始出现，它们代替了人手和人脑，开始逐渐普及到人们的日常生活中。这些机器人并非是高度智能化的产物，但确实也能够解放人们的双手和大脑，带给人们更加便捷舒适的生活，给人更加良好的体验。美中不足的是，人工智能领域的探索至此出现了较大的瓶颈，如何将人工智能机器人由低级智能转变为高度智能？这是许多科学家关系的命题，也是无数人梦寐以求想要实现的目标。

人工智能在教育应用的现状

现阶段人工智能在教育行业的应用是广泛的，能够帮助教师对学生进行各种测评，将枯燥的学习和记忆转化为趣味的教学游戏，并且可以利用智能机器人可以辅助学生学习。人工智能在教育应用的现状体现在多个方面，以下列举三个方面进行逐一分析：

一、智能导师系统

智能导师系统是人工智能技术发展的产物，是一种兼具智能化与人性化的计算机软件。这种系统被广泛应用在教育行业中，根据学生的各项指标和参数，生产各种特定的学生模型。建立学生模型是将学生的个人能力数字化客观化的一种有效途径，让学生得到个人化且有互动性的辅助，也是实现教师因材施教的重要手段，能够使教师直观快速地看到学生的不足，相对老师，智能导师系统起辅助教学的作用，能有效帮助学生更好地克自身服弱点。

二、自动化测评系统

自动化测评系统是一种测评软件，它被人们广泛地用于教育和教学中。自动化测评系统能够对学生的各种能力作出最标准的评价，并让学生能够清晰地认知到自己的不足，在加以改进后能力将有显著的提升。自动化测评系统与智能导师系统有异曲同工之妙，两者都可以准确有效地评价学生的能力，但自动化测评系统会比智能导师更加精确和全面一些，能够更好地指出学生的不足。

三、教育游戏

教育游戏也是以人工智能技术为依据研发出来的一种系统，这种系统能够将枯燥的学习变得趣味化，它集教育与娱乐于一身，使学生在游戏的同时进行知识的获取与学习，在游戏中学习可使学生感受到学习的快乐和趣味，即便在漫长枯燥的学习中也不容易厌倦。教育游戏的初衷是寓教于乐，使学生能够在轻松愉悦的氛围中轻松快乐地高效学习，收获快乐的学习体验。例如单词拼写游戏，游戏会为你随机配对一人进行对抗，在规定时间内拼写单词正确多的人获胜，这不仅可以让我们巩固单词还能让我们学习新单词，激发我们背单词的乐趣，在学习之余，玩一玩教育游戏，也算是一种有效休息。既能愉悦身心，又能进行学习，遗憾的是，教育游戏并没有在教学课堂中得到有效的普及，还需要学生自己使用该软件让学习变得趣味化。

四、教育机器人

教育机器人结合了多个领域的技术，是一种全新的高度智能化机器人，是一种创新的学习环境，也是提高学生学习动机和抽象概念理解的补充工具。教育机器人的产生是推动教育行业发展的重要技术支持，它在科学，技术和数学教育等方面发挥着巨大作用，能够代替教师高效地在教育行业行使职能，完成工作。教育机器人的出现是人工智能技术进步的重要体现，使人们的学习不再枯燥化和教条化，让人们的生活能够更加便捷和舒适，推进人类社会的进步和发展。

综上所述，人工智能领域的发展历史是短暂而曲折的，总共经历了三次大浪潮，但它点滴的进步都代表着科学技术的进步，都有效推动了社会的发展，为人们带来新的希望与期待。现阶段人工智能在教育行业的应用是广泛的，能够帮助教师对学生进行各种测评，将枯燥的学习和记忆转化为趣味的教学游戏，增加学生们的学习乐趣，并且可以利用智能机器人辅助学生学习等等

人工智能简史，从两次低谷到三次崛起

原创人工智能简史，从两次低谷到三次崛起发布时间：2019-07-2613:26:30浏览29187来源：博学谷资讯作者：照照

人工智能的起源：人工智能在五六十年代时正式提出，1950年，一位名叫马文·明斯基(后被人称为“人工智能之父”)的大四学生与他的同学邓恩·埃德蒙一起，建造了世界上第一台神经网络计算机。这也被看做是人工智能的一个起点。巧合的是，同样是在1950年，被称为“计算机之父”的阿兰·图灵提出了一个举世瞩目的想法——图灵测试。按照图灵的设想：如果一台机器能够与人类开展对话而不能被辨别出机器身份，那么这台机器就具有智能。而就在这一年，图灵还大胆预言了真正具备智能机器的可行性。1956年，在由达特茅斯学院举办的一次会议上，计算机专家约翰·麦卡锡提出了“人工智能”一词。后来，这被人们看做是人工智能正式诞生的标志。就在这次会议后不久，麦卡锡从达特茅斯搬到了MIT。同年，明斯基也搬到了这里，之后两人共同创建了世界上第一座人工智能实验室——MITAILAB实验室。值得追的是，茅斯会议正式确立了AI这一术语，并且开始从学术角度对AI展开了严肃而精专的研究。在那之后不久，最早的一批人工智能学者和技术开始涌现。达特茅斯会议被广泛认为是人工智能诞生的标志，从此人工智能走上了快速发展的道路。

人工智能的第一次高峰在1956年的这次会议之后，人工智能迎来了属于它的第一段HappyTime。在这段长达十余年的时间里，计算机被广泛应用于数学和自然语言领域，用来解决代数、几何和英语问题。这让很多研究学者看到了机器向人工智能发展的信心。甚至在当时，有很多学者认为：“二十年内，机器将能完成人能做到的一切。”人工智能第一次低谷：70年代，人工智能进入了一段痛苦而艰难岁月。由于科研人员在人工智能的研究中对项目难度预估不足，不仅导致与美国国防高级研究计划署的合作计划失败，还让大家对人工智能的前景蒙上了一层阴影。与此同时，社会舆论的压力也开始慢慢压向人工智能这边,导致很多研究经费被转移到了其他项目上。

人工智能的崛起1980年，卡内基梅隆大学为数字设备公司设计了一套名为XCON的“专家系统”。这是一种，采用人工智能程序的系统，可以简单的理解为“知识库+推理机”的组合，XCON是一套具有完整专业知识和经验的计算机智能系统。这套系统在1986年之前能为公司每年节省下来超过四千美元经费。有了这种商业模式后，衍生出了像Symbolics、LispMachines等和IntelliCorp、Aion等这样的硬件，软件公司。在这个时期，仅专家系统产业的价值就高达5亿美元。

人工智能第二次低谷：可怜的是，命运的车轮再一次碾过人工智能，让其回到原点。仅仅在维持了7年之后，这个曾经轰动一时的人工智能系统就宣告结束历史进程。到1987年时，苹果和IBM公司生产的台式机性能都超过了Symbolics等厂商生产的通用计算机。从此，专家系统风光不再。

2006年，Hinton在神经网络的深度学习领域取得突破，人类又一次看到机器赶超人类的希望,也是标志性的技术进步。

2016年，Google的AlphaGo赢了韩国棋手李世石，再度引发AI热潮。

同时，互联网及移动互联网的发展也带来了一系列数据能力，使人工智能能力得以提高。而且，运算能力也从传统的以CPU为主导到以GPU为主导，这对AI有很大变革。算法技术的更新助力于人工智能的兴起，最早期的算法一般是传统的统计算法，如80年代的神经网络，90年代的浅层，2000年左右的SBM、Boosting、convex的methods等等。随着数据量增大，计算能力变强，深度学习的影响也越来越大。2011年之后，深度学习的兴起，带动了现今人工智能发展的高潮。

就业前景人工智能— 申请免费试学名额 —在职想转行提升，担心学不会？根据个人情况规划学习路线，闯关式自适应学习模式保证学习效果讲师一对一辅导，在线答疑解惑，指导就业！

觉得不错，顺手分享一下上一篇：人工智能之人脸识别技术下一篇：现在参加Python人工智能培训能找到工作吗？相关推荐更多

人工智能编程培训学什么？学完好找工作吗？人工智能编程培训学什么？学完好找工作吗？目前，人工智能+Python是大的培训趋势，同时有价值的培训内容应该覆盖计算机原理、网络、Web前端、后端、架构、数据库、项目部署、数据获取、数据提取、数据清洗、数据分析、数据挖掘、机器学习、深度学习、图像识别等人工智能领域所需要的全部前沿知识和技术。在完成培训的时候，才能成为企业公司需要的人才，不愁找工作困难。

4667

2019-09-2515:49:38

Python开发就业前景人工智能培训

人工智能与智能控制是什么关系？随着人工智能的爆发式崛起，智能控制也被频繁地提及，许多人常常分不清人工智能和智能控制的定义，两者的概念似乎差不太多，真的是这样吗？人工智能与智能控制到底是什么关系？其实人工智能与智能控制既相互区别又彼此联系，简单来说，智能控制是人工智能的关键技术和具体应用。

12110

2019-10-3011:01:57

人工智能人工智能开发专业技能

为什么Google是人工智能发展的主要动力？Google一直以来都走在人工智能开发浪潮的最前沿，目前引领着人工智能技术的应用。可以说，谷歌的核心技术就是AI的机器学习和神经网络。那么为什么Google是人工智能发展的主要动力？主要是由于谷歌投资了大量资金在云平台能够高效运作的硬件开发上。下面我们来详细分析Google在人工智能开发上做出的努力和贡献。

6057

2019-11-1819:15:55

人工智能人工智能开发

未来人工智能领域发展方向在哪儿？人工智能发展前景广阔，但仍然面临着诸多的挑战与限制。人工智能作为一个处于快速发展阶段的技术，对于国家而言，加快发展人工智能是赢得全球科技竞争主动权的关键战略抓手，是推动科技发展、生产力整体提升的重要战略。

2986

2020-08-0416:00:23

人工智能应用场景

深度学习框架智能时代的操作系统是什么？深度学习框架智能时代的操作系统是什么？在AI领域深度学习框架被视为“AI操作系统”，基于深度学习框架，企业可以根据自身行业的特点和场景需要，更快更便捷地开发AI应用。

1358

2022-05-1315:16:09

机器学习人工智能

人工智能将替代人类第三次浪潮能带来什么?

第二种类型，仅仅有当前的输入信息还不够，还需要有经验判断，还需要有常识，还是要有不断迭代的专家知识，是人和机器耦合的，比如说教育，机器绝不可能替代所有老师，而是帮助老师更好地提高课堂效率，帮助孩子减轻课后的无效重复学习的时间，这是第二种场景，包括医疗，学习顶尖医疗专家的知识，并不断逼近他，还是需要人和机器的耦合。

第三种类型，是没有收录支撑的，是主要靠创意，靠想象力的，就像我们今天的艺术大师所做的成果一样，所以我们今天说机器可以作图、画画，可以写诗，但是他做出来的，我认为是工艺品，真正的艺术今天还很难做到，是靠我们人类无比充满灵感的想象来做的，真正的机器今天替代了大量的传统脑力劳动，这是要把人类释放得更加无比美好和广阔的创意空间中去，这是一个大的趋势，未来的世界应该是由顶尖专家和顶尖管理者协同管理人和机器的联合体的一个大的未来，这就是我们认为的人机协同的机制。

据记者了解，科大讯飞当前人工智能云平台上的总用户数，今天已经达到8.9亿。比去年同期增长48%。此外，第二个更重要的数据是，每天使用人次，一个人用一次叫一人次，去年这个时候每天是10亿人次的访问量使用量，今天已经突破30亿人次。第三围绕科大讯飞的创业团队，去年有7万家，现在已经达到21万家，这就是人工智能的产业生态。

刘庆峰强调，人类今天的工作会越来越多的由后台的学习系统不断地学习到机器中，由机器来代替我们，我们释放出来想象更大的未来，去做更有创意的事情，这就是科大讯飞认为今天的人机协同机制，而在这样一个人机协同机制下，人类智慧大爆炸时代正在到来。

人工智能第三次浪潮能带来什么?

自1956年的达特莫斯会上人工智能首次被提出，在1970年第一次浪潮达到顶峰的时候，就已经通过第一代的人工智能的神经网络算法可以证明，数学原理这本书中的绝大部分的数学原理。第二次浪潮在1984年的霍普菲尔德网络推出来，让人工智能的神经网络具备了历史记忆的功能。然而，由于神经网络本身算法的局限性，同时也受到当时整个运算能力和收敛的一些局限，前两次的大潮，后来都破灭了。是不是第三次浪潮也像前两次一样，很快也会大潮退去，是不是对人工智能的未来今天的预测过于乐观了，人工智能第三次浪潮究竟是一个真正的产业大潮还是概念的泡沫，能够给我们带来什么?

1、人机交互

人和机器的交互中最重要的一点是什么?答案是输入信息。

在2010年，科大讯飞发布了讯飞语音输入法，从此引领了整个中国在手机输入法方面潮流，在过去的6年过程中，我们可以看到讯飞的输入法已经超过了4亿的用户，每个月月活超过了一个亿，而且在手机上输入的速度，达到了每分钟400个字极致的速度，，并且输入的准确成功率已经达到97%。

新一代人工智能改变了我们和机器之间的交互，特别是输入，得益于讯飞最领先的离线手写输入的引擎，现在可以让各种各样的智能设备识别我们手写下的文字。当启动机器拍摄，通过一个比较简单、快速的一个扫描的过程，机器就已经可以准确的把我们手写的或者打印好的的文字录入进去了。此外，如果我们忘记某些要书写的内容，也可以当场补进去。记者发现，通过对机器做出一个手势的体感交互，来进行光标的定位，就像我们在手机上的触控以及电脑上的鼠标是一样的，定位到这里，接下来用手写进行录入，我们可以看到这个就跟我们在手机屏幕上的这种手写有点类似，但是它是有一个区别的，它是一个隔空手写的方式，需要补充的文字就在机器上显示出来。

如果我们要输入大段的文字，这时候一个字一个字写可能还是比较累的，最高效、最自然就是用语音进行输入，我们只要面对机器轻松的通过语音进行输入，就是这么方便。跟传统的手机输入不同的是，我们还可以纯粹通过语音去进行文字修改。在输入的过程中，如果说想到了去添加标点或者做翻译做修改，我们这样的整个过程通过语音都可以完全实现。

此外，在同屏的语音转文字的技术方面，这几年来发展的更快、更准确、也更多语种。针对各种各样的环境，不同的行业，医疗，司法，推出大量的定制工作，软、硬件一体化方案，有效的提高了工作的效率。可以随时携带的便携翻译机，更是增加了国际友人之间的互译，做到无障碍交流。中维的翻译系统，非常好的服务于很多援疆干部与现场的维族同胞他们之间的亲密交流。

在智能家居方面，科大讯飞已经有超过3000家的合作伙伴，利用其推出的aiui使这种设备更好的能够与其进行交互。在这个过程中，其中最重要的电视产品，讯飞电视助理已经占据了整个市场80%以上的份额，所有的著名的电视品牌的厂商，包括我们的机顶盒厂商，包括我们的运营商和广电，都与讯飞建立了非常紧密的合作关系。

据悉，讯飞从整个系统集成和用户体验的角度出发，提供了整套的从芯片到后台的本地引擎到后面的云传输、语音服务和整个遥控器的整体解决方案，不同的解决方案可以对不同的客户形成一个非常好的支持，可以看到利用自然语音交互方式做成了遥控器，可以很好地将语音交互与按键控制结合在一起，无论是远场识别还是通过电视遥控器，都可以用语音来控制各种家电，同时，也可以让我们的电视点播变得更加方便和快捷。比如安徽卫视、中央一台、锦绣未央第十集、除了语音点播电视，还可以用语音打开音乐、教育、娱乐等多种应用;我想学英语，我想玩游戏，那打开游戏应用之后，还可以用语音进行各种指令操作，比如说出牌、抢地主等等。我要唱歌，来一首飞得更高，可以看到我们的歌曲为我们点拨出来同时，还可以通过音准、吐词、节奏等多个维度对我们的水平来进行打分。

值得关注的是，基于讯飞超脑强大的语义理解技术，我们也可以进行更加深度交互，我想看喜剧电影，刘德华的、刘德华和张学友的、今年的;当然了我们还有其它更加深度的交互，比如有什么好看的美国动画电影?跳过片头、音量60、快进到33分15秒、快进到33分15秒、跳到片尾、这首歌很好听，他在什么名字?等等。

2、智能汽车

在过去的10年过程中，讯飞运营智能语音技术，和很多的汽车厂商建立了非常紧密的联系，特别是科大讯飞的aiui发布以后，现在全世界有30多个国内外厂商和他们建立联系，超过100个车型，现在正在应用讯飞语音交互技术。

寻找目的地，是车上最常见的功能，我们可以说导航到清华大学、我要去北大、带我去紫禁城。各种不论地名的全称，别称和简称，基于aiui的飞鱼系统都可以正确的支持。除此以外，智能车载助手还支持上下文的对话视场景。比如：“我要去长城。请问您要去八达岭长城还是慕田峪长城?八达岭。选择八达岭长城，即将开始。附近有什么酒店?酒店价位150到278元，请问您想要什么价位的酒店?如果我们在路上想轻松一下，就可以说我想听交通台、换成音乐、安琥的天使的翅膀，我想听甜蜜蜜。请欣赏邓丽君的歌曲甜蜜蜜。鹿晗唱的，请欣赏鹿晗演唱的甜蜜蜜。小点声，大点声，暂停拨放等等。

如果晚上我们想约人一起出门，我们就可以说，打电话给rXXX。好的，即将为您接通。晚上想找个地方吃饭;已为您找到附近十个餐厅，中央财大附近的，在中央财经大学附近找到以下5个结果。我想吃好吃的火锅，还想看场电影;海底捞大钟寺，是否现在前往?好的，现在导航开始，前方去往目的地，海底捞火锅，大钟寺店停车场，就到这里。

通过以上对话交互可以看出，aiui的飞鱼系统首页具有降噪功能，提供了非常高质量的语音识别的效果，所有的过程都是非常的自然，不需要再去按键，在整个过程中，如果你想打断我们汽车的说话，随时可以，这就让我们有非常自然的用户体验。

更加重要的是，相比去年推出的aiui的系统，最新推出的aiui的飞鱼系统，在车载系统、跟系统的深度整合又上了一个新的台阶，围绕在车载环境下的主要的8项功能，包括智能导航，在线娱乐，故障提醒，车身控制，都进入了深入的调整。

据了解，为了使车里的生活更加丰富多彩，讯飞和中国移动、网易、携程、大众点评、美团等，建立了深度的连接，在车里面可以随时随地用这些服务。我们可以看到飞鱼助理确实就像我们所讲的，通过aiui，我们让汽车驾驶更安全、更智能、也更有趣。

3、智能机器人

在过去的十几年过程中，智能语音最大的一个应用就是用在客户服务，现在越来越多的银行、电信，他们后台的呼叫中心已经被替换成机器自动服务查询。据悉，在过去的十几年过程中，科大讯飞针对1万种的语音自动服务的产品进行了优化，现在已经占领了80%以上的市场份额，每日接听电话的数量达到了200万次，节省了25%的人力开销，那么利用这种非常先进的客户服务的能力，aiui的系统和各种智能服务机器人的组件进行结合，讯飞推出了最新的服务机器人。

在营业厅服务机器人方面的标杆自然要数讯飞的晓曼机器人。晓曼是科大讯飞首个用于银行网点的金融服务机器人。

科大讯飞将其世界领先的语音合成、语音识别、语义理解和人脸识别等技术运用到智能服务机器人本体上，结合麦克风阵列、3D摄像头、身份证读卡器、取号小票机等外设应用，以语音、触屏、动作等多模态的交互方式为用户提供优质的服务，在政府、金融、运营商、医疗等多个领域具有广阔应用前景。

4、教育

从中国人的理想来看，2500年来孔子就提出的因材施教，既能够脱离繁重的学业压迫，又希望每个人真的能够成才。要知道每个人的条件是不一样的，针对每一个人，采取不同的教学方法，只能说”理想很丰满，但现实很骨感”。

以英文的作文为例，我们都知道原来传统英文老师，因为作业非常难以批改，一般一个月才布置一次，而且每一次他只能给你一个分数，并不能给你细致的指出英文作文里面有哪些点你做的不好。但是利用讯飞超脑的自动作文评阅系统，现在就可以对不同的类型的错误都能给你指出来，而且给你一个精确的评分。对于语文、数学其实也是一样的，对于语文的作文，数学中的解答题，也可以把里面详细的内容，一一都给你指出来。

刘庆峰向记者指出，我们看到其实人工智能已经要改变我们很多的方面，比如说我们人机交互的方式，人工智能会有所改变，我们人与人之间交流的方式，人工智能也会有所改变，那么人工智能会改变我们出行的方式，人工智能会改变我们的教育，人工智能还会改变我们的医疗，改变我们的健康，改变我们很多的方面。

从2011年开始在语音识别领域崭露头角，科大讯飞是中国第一个把深度神经网络用到语音识别领域，并且在2011年，在全球首次发布了云平台，宣告语音、手机的听写时代正式到来。2012年在图像识别中，深度神经网络开始异军突起;2014年机器翻译取得突破;今年，讯飞在一个又一个行业取得令人欣喜的成果，也是在这基础上，持续从算法创新，到应用创新和持续数据迭代的一个结果。（北方苍狼）返回搜狐，查看更多

人工智能的三次沉浮，和可能的寒冬 人工智能的三次浪潮