史爱武：人工智能的三次浪潮与三种模式
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。为了更好的完成定理证明工作，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都在，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（Framework）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。
人工智能的三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。
弱人工智能
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。
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。
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！返回搜狐，查看更多
自动标签提取：人工智能实现文章智能分类
在当今数字化时代，信息爆炸的情况下，标签化已成为一种流行的信息组织方式。对于文章来说，标签可以让读者更快速地了解文章的主题和内容，同时也方便搜索引擎对文章进行分类和检索。然而，标签的手动添加需要耗费大量时间和精力，为此，人工智能技术提供了自动标签提取的解决方案。本文将从以下几个方面逐步分析讨论如何利用人工智能技术实现文章自动标签提取。
一、什么是自动标签提取？
自动标签提取是指利用人工智能技术对文本进行分析和处理，自动生成与文本相关的关键词或短语作为标签。这种技术可以帮助用户快速、准确地了解文本内容，并为搜索引擎提供关键词和描述信息。
二、自动标签提取的原理
自动标签提取主要依赖于机器学习和自然语言处理技术。通过对大量文本数据进行学习和训练，机器可以识别出与特定主题相关的关键词和短语，并将其作为标签提取出来。自然语言处理技术则可以帮助机器理解文本的意思，从而更加准确地提取标签。
三、常用的自动标签提取算法
目前，常用的自动标签提取算法主要包括TF-IDF算法、LDA主题模型和神经网络等。其中，TF-IDF算法是一种基于词频和逆文档频率的统计算法，可以快速提取出与文本相关的关键词。LDA主题模型则可以将文本分成多个主题，并提取出每个主题相关的关键词。神经网络则可以通过深度学习的方式对大量文本数据进行学习和训练，从而更加准确地提取标签。
四、自动标签提取的优点
相比于手动添加标签，自动标签提取具有以下几个优点：
1.时间效率高：自动标签提取只需要几秒钟就可以完成，而手动添加标签需要耗费大量时间和精力。
2.标签质量高：自动标签提取依靠机器学习和自然语言处理技术，可以更准确地识别与文本相关的关键词和短语。
3.可扩展性强：自动标签提取可以处理大量文本数据，并可以对新的文本数据进行实时处理，具有很强的可扩展性。
五、自动标签提取的应用
自动标签提取可以应用于各种文本处理场景，包括搜索引擎、新闻推送、社交媒体和电子商务等。例如，在搜索引擎中，自动标签提取可以提高搜索结果的准确性和相关性；在新闻推送中，自动标签提取可以帮助用户快速了解新闻内容；在社交媒体中，自动标签提取可以提高用户对信息的理解和传播效率；在电子商务中，自动标签提取可以帮助用户更快速地找到所需商品。
六、自动标签提取的挑战
尽管自动标签提取技术已经有了很大的进步，但仍然存在以下几个挑战：
1.多义词问题：同一个词语可能有多种不同的含义，这就需要机器具备较高的语义理解能力。
2.专业术语问题：某些领域可能会使用一些特定的专业术语，这就需要机器具备较高的领域知识。
3.语言差异问题：不同语言之间存在很大的差异，这就需要机器具备多语言处理能力。
七、自动标签提取的未来发展
随着人工智能技术的不断发展，自动标签提取技术也将不断改进和完善。未来，自动标签提取技术将更加智能化，可以自动识别文本中的情感、主题和意图，并生成更加准确、丰富的标签。
八、自动标签提取需要注意的问题
在使用自动标签提取技术时，需要注意以下几个问题：
1.标签数量：过多或过少的标签都会影响用户对文章内容的理解和搜索引擎对文章的分类和检索。
2.标签准确性：自动生成的标签可能存在误差或不准确的情况，需要进行人工审核和修正。
3.隐私保护：自动标签提取需要处理大量用户数据，需要保护用户隐私和个人信息安全。
九、如何选择适合的自动标签提取技术
在选择适合的自动标签提取技术时，需要考虑以下几个因素：
1.文本类型：不同类型的文本可能需要采用不同的自动标签提取技术。
2.标签数量和质量要求：根据具体需求选择适合的算法进行处理。
3.多语言处理需求：需要选择支持多语言处理的算法。
十、结论
自动标签提取技术是一种快速、准确、高效的文本处理方式，可以帮助用户更快速地了解文本内容，并为搜索引擎提供关键词和描述信息。在未来，自动标签提取技术将不断发展和完善，并将成为数字化时代文本处理的重要工具。
俞敏洪:人工智能无法取代人类这三种能力
原标题：俞敏洪:人工智能无法取代人类这三种能力3月1日-6月8日，新东方联合今日头条共同发起“百日行动派”俞答百问，本文是俞敏洪老师5月25日回答关于人工智能的问题。
问题：俞老师好，现在人工智能越来越发达，人类的很多方面都会被人工智能替代。那么人的哪些能力是永远无法被人工智能取代的呢？
人工智能的发展对于人类来说是一件幸福的事情。人工智能大数据结合在一起，能给这个世界带来无穷的可能性，这种可能性会使世界更加丰富、多彩和智能化。如此一来，我们接收数据和信息将会更加便捷，并且精确性会不断地提高。
人类在过去几万年中，最痛苦的就是各种重复性的体力劳动，而这些未来大部分都能够被人工智能取代，比如驾驶汽车和各种重复性的家务劳动。这样一来，不仅解放了时间，还解放了生产力。我们可以把时间和精力集中用在自己更加感兴趣、更能够创造幸福的事情上，同时也能够解放我们的精神，使我们达到身体和精神上的双重自由。
人工智能也会带来一个比较麻烦的问题，因为不是每个人都知道有了足够的时间和精力后到底应该做些什么。当人工智能对人类的体力劳动和重复性劳动进行大规模取代，人类应该去做什么样的工作才能够继续给自己带来丰富的精神和生命充实，是一个重大的挑战。人类原本的挑战是天天要做无聊、痛苦、重复的体力劳动，现在的挑战是我们必须要升级到另外一个层面才能够将自己的时间和精力延展在生命的丰富性上，否则你会陷入物质生活丰富却没有事情做的状态，生命会变得非常无聊和空虚。
讨论到重复性的劳动会被取代，我们同时也认为部分智力性的劳动会被取代，尤其是AlphaGo打败了李世石之后。其实我认为这件事情是一个伪命题，为什么？因为像围棋、象棋这样的活动，实际上也是重复性的智力劳动。由于大数据的不断收集，未来的人工智能在重复性的智力劳动方面一定会比人更加聪明。比如一个人对棋谱的研究，一辈子最多大概能研究一万个棋谱，但是AlphaGo能在短短的一两年之内研究几十万个棋谱，把棋谱中最好的下棋方式的数据收集起来去，形成快速反应。
未来人类在这种重复性智力劳动上想要跟机器人去竞争是完全不可能的，但是这件事情并不会减少人类的乐趣。未来人类也不会与机器人进行围棋大赛，因为人类是不能战胜机器的，但人和人依然会下围棋。机器的聪明并不能够减少人与人之间围棋竞争的激励性和乐趣。人类创造的比赛性活动、运动型活动，即使人类永远战胜不了机器，但人与人之间互相竞争这件事情依然会一如既往有乐趣。
如果有一天，有一个机器人足球队战胜了人类足球队，并不意味着阿根廷队和巴西队的比赛就没人看了、就没有乐趣了。把人和猴子放在一起比赛爬树是没有意义的。一个刚刚学打乒乓球的小孩与专业运动员去比赛没有意义，双方都没有乐趣；但是两个都不太会打乒乓球的小孩在一起比赛，会充满乐趣。所以，人类的乐趣并不会因为被智能机器人取代就消失。那么什么东西是人工智能无法取代的呢？
第一，人类的想象力。因为你把全世界的文字都输入机器中，即便它能检索出来，也无法像人类一样凭空想象出来另外一个故事。比如《爱丽丝漫游奇境》、《哈利波特》、《疯狂动物城》这样的故事，机器人是想不出来的，只有人类能够想出来。所以，人类能够通过自己想象力来进一步创造和丰满世界。
第二，人类的独创思维。独创思维是这个世界上原来没有，但人类通过自己的思考最终创造出来的新东西。比如人类能够去探索宇宙，但靠机器人是做不出来的，必须先由人类去突破思维形成理论，比如“混沌理论”等。尽管科技和智能对研究有很大帮助，但实际上这些都是人类探索精神和独创思维所带来的结果。同时独创思维又与想象力、创新能力结合在一起，不断发挥科技能力来为人类服务，使人类不断走向自由和幸福。
第三，人类之间有温度的交流能力。机器人也许能跟你对话甚至能知道你想要什么，但机器人在某种意义上是冰凉的。当真正的人型机器人长久与你在一起生活，甚至恋爱，你会开始产生厌烦情绪，因为他没有血肉、没有真正有温度的交流能力。这种交流能力与人类的情感能力是紧紧连在一起的。机器人能够把人类的情感输入系统中，通过人工智能的方式筛选、判断你现在的情绪，选择怎么进行交流。但是，人类内心真正渴望的情感、互相之间的感情交流能力，那种无语凝噎的情感，和眉目之间的情愫，人工智能很难达到。
人工智能是人类科技之大成，是基于大数据而形成的一种极聪明的系统。尽管它的学习能力很强，但是它只是对过去东西重复的学习和总结。所以，我认为人类有一个重大的能力，就是人类能够通过不断的学习和判断，获得独到的思想意识的能力，是人工智能不能达到的。比如说人工智能不太容易造就一个曹雪芹，也不太容易造就一个毛泽东，这些人是独特的个性、人格、学习能力、总结能力所构成的，不是人工智能就可以代替的。人工智能无法替代人类的独创能力、想象力、情感能力，有温度的交流能力、真正的学习能力和个性发挥能力。我认为未来的发展需要人和人工智能的结合，这样就能创造一个丰富多彩的、丰满的、幸福的自由境地。
重磅福利！【2017中国互联网+新商业峰会】，6月15-16日两天3000人次，携程创始人梁建章，嘉御基金创始人、前阿里巴巴CEO卫哲，分众传媒创始人江南春等嘉宾已确认出席，期待你的参与，限量钜惠票等你拿！返回搜狐，查看更多
责任编辑：