人工智能是6G诞生的关键吗
Mobile-phone技术改变了人类理解和与世界互动的方式。在二十一世纪还会有其他的技术能够带来如此大的改变吗？我想，这很难回答。
最新技术- 第五代移动标准（即5G）目前正在全球部分地区部署。这项技术的发展顺其自然的带来了一系列问题，哪些因素将推动第六代移动技术的发展？6G与5G有哪些不同？5G将无法实现哪种交互和活动？6G何时才会来临？
今天，带着上述这些问题，我们来到了德国的不来梅雅各布大学。Razvan-AndreiStoica和GiuseppeAbreu正在研究这些问题，而且他们已经找到了上述问题的部分答案。他们已经确定了5G的局限性以及他们认为将推动6G发展的因素：
人工智能将成为移动技术的主要推动力，而6G将成为全新一代机器智能应用的推动力。
首先介绍一下背景：按照现有的标准，5G是之前4G标准的重大进步，首批5G网络已经提供高达每秒600兆比特的下载速度，并且有可能继续超越这个速度。相比之下，4G的最高下载速度是28Mbits/s，并且大多数移动电话用户都经历过下载速率为零体验，其中原因并不是很清楚。在这方面，5G显然更好，甚至可以取代许多固定电话连接。
你可能只是简单的认为5G只是简单的加速了下载速度，实际上5G带来的不止这些。例如，5G基站设计用于处理多达一百万个连接，而4G基站只可以处理4000个连接。这应该会对体育赛事，演唱会等重要集会的沟通产生影响，并且可以为物联网提供各种应用。
接着是延迟-信号通过网络传输所需的时间。5G的延迟时间仅为一毫秒，而4G则为50毫秒或更长。游戏玩家会告诉你这有多重要，因为它可以让游戏角色的远程控制更具响应性。但是，其他的电信运营商已经证明了同样的优势是如何能够更准确地控制无人机，甚至可以使用移动连接进行远程手术。
最具竞争力的是所有这一切都可以使用最小电力的功率投入来使用，目前很多5G应用商都表明5G设备的电池寿命应该是4G设备的10倍。
那6G到底又会有什么样的竞争力呢？当然，6G将提供更快的下载速度，目前的想法是这个速度可以接近每秒1terabit（10的12次方比特）。
基于如此高的下载速度，它能提供什么样的具有变革性改进呢？根据Stoica和Abreu的说法，它将能够在智能代理之间迅速改变合作方式，解决复杂的挑战，并给出解决复杂问题的解决方案。
比如说，解决大城市自动驾驶车辆调度的问题。考虑到每天有270万辆汽车进入像纽约这样的城市，合理调度这些汽车堪称为一项重大挑战。未来我们需要了解自动驾驶车辆的位置，环境及其变化方式，以及道路上其他的使用者，如骑自行车者，行人和其他自动驾驶车辆。他们需要协商通过交叉路口并以最小化行程时间的方式优化其路线。
这是一项重大的计算挑战。例如，当它们接近特定的交叉点时，它将需要汽车快速创建动态网络，然后几乎立即放弃它们。同时，他们将成为更广泛的网络计算路线和旅程时间的一部分。Stoica和Abreu说：“因此在这个场景下需要大量互动，以解决大型分布式问题，其中大规模连接，大数据量和超低延迟可能已经超出5G网络可以提供的，但这些在这种场景中是必不可少的。”
当然，这只是6G可以实现的一种协作的一个例子。Stoica和Abreu设想了一系列其他分布式挑战，这种挑战将随着6G的诞生变得易于处理。这些挑战大都是基于大数据的实时生成和协作处理，一个明显的应用是网络优化，但还包括其他应用，例如金融市场监测和规划，医疗保健优化和“临近预测”-即在事件发生时预测该事件可能导致出现的后果，以增强应对该事件的能力。
人工智能代理注定要在我们的未来发挥重要作用。“为了发挥这些代理的真正力量，协作AI是关键，”Stoica和Abreu说。“从21世纪移动社会的本质来看，很明显这种合作只能通过无线通信来实现。”
这是对未来的有趣展望。在一套6G标准诞生之前，还有很多未知的路要走，但如果Stoica和Abreu的判断是正确的，那么人工智能将成为塑造未来通信网络的动力。
人工智能是从什么时候开始发展的AI的起源
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。
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。
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。
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!
免费分享一些我整理的人工智能学习资料给大家，包括一些AI常用框架实战视频、图像识别、OpenCV、NLQ、机器学习、pytorch、计算机视觉、深度学习与神经网络等视频、课件源码、国内外知名精华资源、AI热门论文、行业报告等。
为了更好的系统学习AI，推荐大家收藏一份。
下面展示部分截图，点击此处免费下载文中资料。一、人工智能课程及项目
二、国内外知名精华资源
三、人工智能论文合集
四、人工智能行业报告
学好人工智能，要多看书，多动手，多实践，要想提高自己的水平，一定要学会沉下心来慢慢的系统学习，最终才能有所收获。
有需要的小伙伴，点击此处免费下载文中资料。