人工智能的发展与未来
随着人工智能（artificialintelligent，AI）技术的不断发展，各种AI产品已经逐步进入了我们的生活。
现如今，各种AI产品已经逐步进入了我们的生活｜Pixabay
19世纪，作为人工智能和计算机学科的鼻祖，数学家查尔斯·巴贝奇（CharlesBabbage）与艾达·洛夫莱斯（AdaLovelace）尝试着用连杆、进位齿轮和打孔卡片制造人类最早的可编程数学计算机，来模拟人类的数理逻辑运算能力。
20世纪初期，随着西班牙神经科学家拉蒙-卡哈尔（RamónyCajal）使用高尔基染色法对大脑切片进行显微观察，人类终于清晰地意识到，我们几乎全部思维活动的基础，都是大脑中那些伸出细长神经纤维、彼此连接成一张巨大信息网络的特殊神经细胞——神经元。
至此，尽管智能的具体运作方式还依然是个深不见底的迷宫，但搭建这个迷宫的砖瓦本身，对于人类来说已经不再神秘。
智能，是一种特殊的物质构造形式。
就像文字既可以用徽墨写在宣纸上，也可以用凿子刻在石碑上，智能，也未必需要拘泥于载体。随着神经科学的启迪和数学上的进步，20世纪的计算机科学先驱们意识到，巴贝奇和艾达试图用机械去再现人类智能的思路，在原理上是完全可行的。因此，以艾伦·图灵（AlanTuring）为代表的新一代学者开始思考，是否可以用二战后新兴的电子计算机作为载体，构建出“人工智能”呢？
图灵在1950年的论文《计算机器与智能（ComputingMachineryandIntelligence）》中，做了一个巧妙的“实验”，用以说明如何检验“人工智能”。
英国数学家，计算机学家图灵
这个“实验”也就是后来所说的“图灵测试（Turingtest）”：一名人类测试者将通过键盘和显示屏这样不会直接暴露身份的方式，同时与一名人类和一台计算机进行“网聊”，当人类测试者中有七成都无法正确判断交谈的两个“人”孰真孰假时，就认为这个计算机已经达到了“人工智能”的标准。
虽然，图灵测试只是一个启发性的思想实验，而非可以具体执行的判断方法，但他却通过这个假设，阐明了“智能”判断的模糊性与主观性。而他的判断手段，则与当时心理学界崛起的斯纳金的“行为主义”不谋而合。简而言之，基于唯物主义的一元论思维，图灵和斯金纳都认为，智能——甚至所有思维活动，都只是一套信息处理系统对外部刺激做出反应的运算模式。因此，对于其他旁观者来说，只要两套系统在面对同样的输入时都能够输出一样的反馈，就可以认为他们是“同类”。
1956年，人工智能正式成为了一个科学上的概念，而后涌现了很多新的研究目标与方向。比如说，就像人们在走迷宫遇到死胡同时会原路返回寻找新的路线类似，工程师为了使得人工智能达成某种目标，编写出了一种可以进行回溯的算法，即“搜索式推理”。
而工程师为了能用人类语言与计算机进行“交流”，又构建出了“语义网”。由此第一个会说英语的聊天机器人ELIZA诞生了，不过ELIZA仅仅只能按照固定套路进行作答。
而在20世纪60年代后期，有学者指出人工智能应该简化自己的模型，让人工智能更好的学习一些基本原则。在这一思潮的影响下，人工智能开始了新一轮的发展，麻省理工学院开发了一种早期的自然语言理解计算机程序，名为SHRDLU。工程师对SHRDLU的程序积木世界进行了极大的简化，里面所有物体和位置的集合可以用大约50个单词进行描述。模型极简化的成果，就是其内部语言组合数量少，程序基本能够完全理解用户的指令意义。在外部表现上，就是用户可以与装载了SHRDLU程序的电脑进行简单的对话，并可以用语言指令查询、移动程序中的虚拟积木。SHRDLU一度被认为是人工智能的成功范例，但当工程师试图将这个系统用来处理现实生活中的一些问题时，却惨遭滑铁卢。
而这之后，人工智能的发展也与图灵的想象有所不同。
现实中的人工智能发展，并未在模仿人类的“通用人工智能（也称强人工智能）”上集中太多资源。相反，人工智能研究自正式诞生起，就专注于让计算机通过“机器学习”来自我优化算法，最后形成可以高效率解决特定问题的“专家系统”。由于这些人工智能只会在限定好的狭窄领域中发挥作用，不具备、也不追求全面复杂的认知能力，因此也被称为“弱人工智能”。
但是无论如何，这些可以高效率解决特定问题的人工智能，在解放劳动力，推动现代工厂、组织智能化管理上都起到了关键作用。而随着大数据、云计算以及其他先进技术的发展，人工智能正在朝着更加多远，更加开放的方向发展。随着系统收集的数据量增加，AI算法的完善，以及相关芯片处理能力的提升，人工智能的应用也将逐渐从特定的碎片场景转变为更加深度、更加多元的应用场景。
人工智能让芯片的处理能力得以提升｜Pixabay
从小的方面来看，人工智能其实已经渐渐渗透进了我们生活的方方面面。比如喊一声就能回应你的智能语音系统，例如siri，小爱同学；再比如在超市付款时使用的人脸识别；抑或穿梭在餐厅抑或酒店的智能送餐机器人，这些其实都是人工智能的应用实例。而从大的方面来看，人工智能在制造、交通、能源及互联网行业的应用正在逐步加深，推动了数字经济生态链的构建与发展。
虽然脑科学与人工智能之间仍然存在巨大的鸿沟，通用人工智能仍然像个科幻梦，但就像萧伯纳所说的那样“科学始终是不公道的，如果它不提出十个问题，也永远无法解决一个问题。”科学总是在曲折中前进，而我们只要保持在不断探索中，虽无法预测是否能达到既定的目的地，但途中终归会有收获。
参考文献
[1]王永庆.人工智能原理与方法[M].西安交通大学出版社,1998.
[2]Russell,StuartJ.ArtificialIntelligence:AModernApproach[J].人民邮电出版社,2002.
[3]GabbayDM,HoggerCJ,RobinsonJA,etal.Handbookoflogicinartificialintelligenceandlogicprogramming.Vol.1:Logicalfoundations.,1995.
[4]胡宝洁,赵忠文,曾峦,张永继.图灵机和图灵测试[J].电脑知识与技术：学术版,2006(8):2.
[5]赵楠,缐珊珊.人工智能应用现状及关键技术研究[J].中国电子科学研究院学报,2017,12(6):3.
[6]GeneserethMR,NilssonNJ.LogicalFoundationofArtificialIntelligence[J].brainbroadresearchinartificialintelligence&neuroscience,1987
作者：张雨晨
编辑：韩越扬
[责编：赵宇豪]【访谈】关于人工智能十问十答
微软亚洲研究院院长洪小文：
第一类是视觉感知方面的工作，包括语音识别、计算机视觉，比如安检过程中的危险物品识别，机器一定会做得比人类更好，并且由于这类工作相对比较枯燥、易疲劳，AI就是一个更好的选择。
第二类，一些重复性的工作，我们称之为专家系统，它可以通过数据的收集与分析来优化。比如工厂里面的预防性维修，工厂的产线与机器都很复杂，当一台机器出现损坏，首先需要找出原因，然后再做维修，在这个过程中可能就会产生延时宕工；又比如电梯，当电梯损坏时再做维修，造成的人力、物力与时间成本都很难预计。现在利用物联网与AI，可以随时上传数据，利用数据里涵盖的声音、速度等各类参数进行建模，当监测到相关数据达到一个的特征值的时候，则可以预测到机器的使用情况，对其进行预防式维修。当AI、物联网与大数据结合来做这项工作，对于产业将产生巨大的价值。
五、未来哪些工作不容易被人工智能取代？
微软亚洲研究院院长洪小文：
AI可以做很多工作，但人类在很多方面仍然是无法取代的。因为人贵在有创造力，而AI目前在创造力上的进展尚无迹可寻。人类的每一天都在发挥创造力，并体现在各个方面，创造力不是一而再、再而三的重复性工作，是无法通过搜集数据来分析它的。比如人文工作，比如商业投资中的洞察力、判断力，都是AI做不到的。AI可以通过分析数据来帮助人类做决定，但人类本身不可预测的创造力将很难被AI取代。
人类的创造力不是靠大数据，而是多半看小数据，甚至没有数据。以爱因斯坦为例，他在100多年前提出了引力波的概念，而直到100多年后，科技得到了日新月异的颠覆式进步，我们才终于开始探测到引力波的数据；爱因斯坦能在没有数据的情况下提出引力波，这就是人类的创造力。创造力是什么？我们很难下结论，下一个创造力在哪里，也仍然是未知，所以我认为现在的技术距离人工智能拥有创造力还有很长的路要走。
六、大数据和人工智能的关系是什么？
大数据公司百分点集团董事长兼CEO苏萌：
大数据和人工智能是相辅相成、相互融合的关系。从广义上来说，可以认为大数据是人工智能的基础，大数据更强调数据的采集和处理，而人工智能更强调深度学习，像人脑一样能够去学习新知识，这是二者的主要差别。同时，二者很难分开，早在60年前已经有了人工智能，之所以在最近几年得到快速发展主要得益于大数据基础计算能力的提高和数据量的蓬勃发展，如今的智能革命最核心的两个要素就是人工智能和大数据。
七、大数据和人工智能会对未来的商业产生怎样的影响？
大数据公司百分点集团董事长兼CEO苏萌：
大数据和人工智能的结合将重新定义未来的商业，未来的智能商业模式将会改变每个人的生活环境，很多重复性的、技能性的工作将逐渐被大数据加人工智能所取代，比如驾驶、收银员、翻译等不太具有创造性、技术性的工作。未来的智慧农业、智慧医疗，在应用大数据加人工智能后，也都会基于海量的数据迅速地学习并沉淀知识，大数据加人工智能二者结合将会催生出来很多新业态来颠覆旧业态。因此，我认为未来很多新的商业模式、新的企业将在大数据与人工智能结合之后产生出来。
并且，在数据经济时代下，消费群体已经呈现出群体的认同感、个性化的需求、创造性的追求等特点，未来那些追求规模、吞噬多个领域、试图形成垄断的商业巨头们绝对不是主流，未来的商业将是由一群小而美的商业组织群落而构成，并且会呈现出独立、融合和智能的特征形态。
八、人工智能和大数据能否帮人类预测未来？
大数据公司百分点集团董事长兼CEO苏萌：
我一直坚定的认为未来一切都是可预测的。人类一直以来想做的事就是希望预测未来，但是苦于没有足够的信息。因此，未来一切都可预测的前提是已经有了足够高质量的数据以及足够优秀的算法来支撑。
其实，现在在机器和算法层面已经有了长足的进展。举个简单的例子，就是个性化推荐引擎。无论是亚马逊还是百分点这样的数据公司，都可以基于用户的历史行为，为用户推送更加符合他们需求的商品，这是智能推荐引擎背后有强大的信息流和强大的计算能力以及更丰富的信息。有时候，大数据比你自己更了解你自己。
九、未来世界，数据和算法的价值在哪里？
《人类简史》、《未来简史》作者尤瓦尔·赫拉利：
未来，对数据的信仰可以是一种新的宗教。未来从宗教角度来说，世界上最有趣的地方并不是耶路撒冷，而是硅谷。
随着人工智能技术的不断进步，强大的电脑算法和数据分析将在我们的生活领域中有更多的用武之地并占据支配地位。
“数据教”有可能会征服全世界，因为它们承诺的不是在下一世拯救人类，而是在这一世彻底改变我们的生活。数据教认为，所有生物也都是算法，不管是长颈鹿、番茄或人类，都只是不同的数据处理方式。宇宙由数据流组成，任何现象或实体的价值就在于对数据处理的贡献。换句话说，对这个新宗教来说，最高的价值就是“信息流”。
万物互联，数据的流动、上传、沟通、共享将会越来越便捷，在此基础上进行的数据处理将会如同上帝，无所不在、操控一切，“连接到这个系统”成了所有意义的来源。
十、现在中国的人工智能，无论是研究还是应用都在迅猛发展，我们应该怎样看待这一轮的科技创新？
长江商学院院长项兵：
第一，价值取向和心态的调整。随着经济水平的不断提高，中国未来应该有更多的企业家、创业者，尤其是年轻一代，能够超越“创富”这样简单而单一的目的，而更多地为兴趣、爱好、担当、社会问题的解决去而去创业、创新，甚至专注于一些看似没有商业价值的事情。实现这种大的转变，我们的双创才会有更好的未来。
第二，科技创新与社会进步之间的关系。今天，数字化时代下的巨型企业在打造中产阶级方面，与工业化时代相比可能是无法相提并论的。在信息化时代，财富越来越快地聚集到一批少数人手上，中产阶级在社会中的比例越来越小。即使在美国，中产阶级的收入在过去30年间也是每况愈下。机器人时代的到来又意味着什么？不仅大量的蓝领会失去工作机会，不少白领也可能被抢了饭碗。在社会矛盾如此尖锐的今天，科技进步在带来巨大红利的同时，也可能带来巨大的挑战。因此，在讨论科技创新的同时，我们必须考虑它的社会影响，思考如何以科技创新促进社会的和谐发展与进步。
第三，全球视野、全球担当。在全球化的今天，对世界第二大经济体中的企业家来说，全球视野越来越重要。创业、创新者应该能放眼全球，整合全球优质资源，使全球资源为我所用。只有这样，中国才有可能成为继美国之后，第二个能产出一批引领式的“大风流”创新的国家。
来源：腾讯科技返回搜狐，查看更多
一些关于人工智能的讨论（二）
对AI来说，数据和经验是其最终的发展瓶颈。有数据的地方AI才能有过人的水准。无人车是个典型的例子，一开始数据很多进展很快，但随着系统的改进，从每公里出现一次问题到每一百公里出现一次问题，有价值的数据越来越少，进展也就越来越慢。将来AI的技术突破会让它在同等数据条件下有更强的泛化能力，但不变的底线是仍然要依靠数据去寻找模式。
人作为一种智能体，在AI出现之后其社会发展恐怕也会遵循相似的路线。每个人生活轨迹都不同，一生都会产生大量独一无二的数据，在这样一个高维空间中，AI和人一样，其踏过的轨迹都是茫茫宇宙中的微弱烛火，只是百步和五十步的区别。于是勇于探索并拥有独特的经验就变得极有价值，能成为别的智能体模仿的目标。比如说拍一张没人见过的照片，去一个人迹罕至的地方并记录下来，写一篇文章传播新观点，等等。目前这样的倾向已经出现了。各种朋友圈及直播的火爆，网络小说的流行，大家愿意去花时间和精力去体验别人的生活，特别是不一样的生活，可以说是将来这样的社会形态的先驱和萌芽。当重复性的物质生产完全自动化了之后，这些可分享的独一无二的经验，就成了真正的稀缺资源和全人类的宝贵财富。在商业上来说，大量相对平凡的经验争着去给别人消费，而独一无二的稀缺经验则需要消费者以某种代价去获取。从个人角度来看，前人的多样性给后人带来了无尽的生活可能；在全人类的角度上看，获得更多未知的经验，能够提高人类整体的生存可能。
以现在看来，经验世界是看不到尽头的。举围棋这个例子，非常简单的几条规则可以创造一个上下几千年的人们探索一生还远远无法穷尽的世界。对于更复杂的规则，即便有了AI的帮助，又要花多少时间去研究和探索？更何况AI也可以用来帮助创造新的世界，比如说游戏内容生成。《未来简史》中认为将来大部分人会成为无用阶级，这个是狭隘地理解了“有用性”，也低估了一个人所能做的。
当重复性的物质生产完全自动化了之后，在理论上来说，一个人有了从头到尾完全生存于一个虚拟世界，并在里面体验及探索一生的可能。目前这种体验还无法和现实世界相比，这一方面是因为大量工作仍需人力，虚拟世界也还太过粗糙；另一方面因为人们还没有意识到体验本身的重要性，还没有把它当成新的社会财富的觉悟。但以后借助AI的力量，在社会资源极大丰富之后，可以并且应该探索截然不同的世界，并将这个世界的体验保存下来，不管这个世界是现实的还是虚拟的，是不是制造出来的概念或是所谓“真实“存在的事物。毕竟，谁能保证现实世界不是一个巨大无比的虚拟器呢？到这个时候，真实和虚拟也不再有高下之别。
有人可能会担心人类在现实世界的发展问题，大家都去虚拟世界里玩了，现实问题会有人管么，宇宙还会有人愿意去探索么？其实我觉得现实生活作为一种高难度的体验过程，总会有少数人愿意去挑战的，而且市场规律会给这些勇者们应得的高回报。因为能获取这类经验的人相对稀缺，另一个附加分是获取现实世界的物理资源，可以将之转化为计算资源，从而拓宽人类及AI经验的边界。
以后在AI能做大部分的技术性工作之后，能否使用手头一切可用的资源去完成一件别人无法完成的事情，能否在大家公认的信念中找到问题所在，能否通过自己的努力为整个世界提供独特的视角和感受，这些可能会成为人才的标准。往更大的方向去说，就是“立德，立功，立言”。而“德、功、言“其影响力的大小，则会决定人才的层次。将来高度发达的网络和交流环境将在很大程度上让学生自动学会各项专业技能，而教育的重心就会放在大方向上指导和启发，决定在高维的经验空间中，人生这条旅途的选择，走向和境界。
===============
评论区有人说到了能源才是文明发展的指向。我觉得像核聚变这样的技术为什么原理早已知晓，却一直没成功，根本原因还是在于目前在高维参数空间中的人力搜索效率太低，不然的话不会那么多年都盯在托克马克方案上做不出来。那么多材料那么多组合，我相信总有一两个是可行的。而要高效地找到复杂问题的解决方案，还是要靠AI。以后搞星际航行乃至戴森球也是一样的。