人工智能 —— 人工智能发展大事件
系列文章目录第一章人工智能发展大事件第二章PyTorch基础
文章目录系列文章目录前言一、了解什么是人工智能二、人工智能发展史三、常见的深度学习框架总结前言随着人工智能的不断发展，机器学习这门技术也越来越重要，本章为作者的机器学习文章记录的第一篇章。一、了解什么是人工智能人工智能是一门复杂的交叉学科，所有用于模拟、延伸、扩展人的智能的理论、方法、技术都属于人工智能。简单来说就是研究如何让机器像人一样，能看、能听、能说、能想、能动的技术。 能看：图像处理技术（人脸识别、物体识别、文字识别） 能听：语音识别技术 能说：语音合成技术 能想：自然语言处理（文本分类、信息检索、机器翻译、问答系统等） 能动：机器人技术
二、人工智能发展史在AI发展历程中研究者们形成了多个思维学派。主要包括：符号主义、连接主义、行为主义。 (1) 符号主义(symbolicism)，又称为逻辑主义(logicism)、心理学派(psychologism)或计算机学派(computerism)，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。 代表：专家系统、知识工程、形态语法等 (2) 连接主义(connectionism)，又称为仿生学派(bionicsism)或生理学派(physiologism)，其主要原理为神经网络及神经网络间的连接机制与学习算法。 代表：神经网络 (3) 行为主义(actionism)，又称为进化主义(evolutionism)或控制论学派(cyberneticsism)，其原理为控制论及感知-动作型控制系统。 代表：进化算法、多智能体
1956年，在达特茅斯大学组织了一个为期2个月的研讨会。在这次会议上，介绍了下国际象棋和跳棋的程序，证明定理和解释文本的程序。这些程序被认为是模拟人类智能行为的。与会者包括约翰·麦卡锡（术语“人工智能”的发明者），克劳德·香农（信息理论的创始人），马文·明斯基（首位图灵奖获得者，1969年），艾伦·纽威尔（1975年图灵奖获得者），赫伯特·西蒙（1978年诺贝尔经济学奖获得者），亚瑟·塞缪尔（由于提出“机器学习”的概念，而被称为机器学习之父）。 1957年，弗兰克·罗森布拉特发明感知机。艾伦·纽威尔、J.C.肖和赫伯特·西蒙演示通用解题程序（GPS）。 1960年：弗吉尼亚理工学院教授亨利·凯利发表了“最佳飞行路径梯度理论”，这是他所在航空航天和海洋工程领域的一篇重要的、被广为认可的论文。多年来，他关于控制理论的许多观点——有输入的系统的行为，以及反馈如何改变这种行为——已经被直接应用到人工智能和人工神经网络中。它们被用来开发用于训练神经网络的连续反向传播模型(也称为误差反向传播)的基础 1964年：丹尼·博布罗在麻省理工学院的论文（麻省理工学院人工智能小组MAC项目的tech.report#1）表明，计算机能够很好地理解自然语言，能够正确地解决代数问题。伯特·拉斐尔（BertRaphael）在麻省理工学院关于SIR项目的论文展示了问答系统知识的逻辑表示能力。霍兰德（JohnHolland）发明遗传算法，由他和他的学生及同事开发。 1974年，马文·明斯基提出表示知识的框架（Frame）。框架理论的核心是以框架这种形式来表示知识。框架的顶层表示固定的概念、对象或事件。下层由若干槽（slot）组成，其中可填入具体值，以描述具体事物的特征。 1975年，保罗•沃博（PaulWerbos）利用2层反向传播网络学习，有效地解决了异或问题（XOR）。 1977年，提出了脚本理论（ScriptTheory）和脚本应用机制（SAM）。他们指出我们的部分知识是围绕着数百种常规活动的情景组织起来的。“脚本”一词指一个人对某个情景动作的常规知识进行编码的记忆结构。脚本理论可以看作明斯基框架理论的细节具体化。 1978年，吴文俊提出的几何定理机器证明新方法，获得全国科学大会重大科技成果奖。赫伯特·西蒙因其有限理性理论获得诺贝尔经济学奖，该理论是人工智能的基石之一。 1982年，霍普菲尔德提出新的神经网络结构，后被称为Hopfield网络。同时，反向传播算法被提出。 1986年，昆兰提出了决策树。 1989年，杨乐昆提出了一种用反向传播算法进行求导的人工神经网络LeNet（卷积神经网络的入门结构），但在1991年，由于训练人工神经网络的BP算法被指出梯度消失问题，人工神经网络发展降到了冰点。
1993年，德国计算机科学家施密德胡贝尔（JürgenSchmidhuber）解决了一个“非常深度的学习”任务，这个任务需要1000多个递归神经网络层。这是神经网络在复杂性和能力上的一个巨大飞跃。 1995年：支持向量机标准模型。 1996年：拉里·佩奇和谢尔盖·布林（SergeyBrin）基于斯坦福校园网络共同创建了谷歌。10-11月，阿尔贡国家实验室的EQP定理证明程序在数学上证明了罗宾斯猜想。 1997年：递归神经网络框架——长短期记忆(LSTM)，提高了递归神经网络的效率和实用性。 1998年：基于梯度的学习。随机梯度下降算法(又称基于梯度的学习)与反向传播算法相结合，是深度学习的首选和越来越成功的方法。 2000年：KernelSVM算法 2001年：随机森林 2006年：深度学习、云计算概念被提出。 2009年：ImageNet教计算机理解图片。 2010年：谷歌无人驾驶 2011年：NLP代表苹果Siri 2013年：深度学习在语音和视觉识别上的巨大突破 2014年：微软小冰和Cortana 2016年：GoogleAlpahGO 2017年：Tensorflow、PyTorch
三、常见的深度学习框架 现如今，人工智能已经走向了百花齐放的时代。全球积极拥抱智能时代的到来。这带动了深度学习相关硬件、通用框架、算法等基础技术的发展和成熟。目前最常见深度学习框架：1）Tensorflow2）Pytorch总结之前一直零零碎碎的学习使用深度学习，最近突然发现需要记录一下自己的学习历程，不仅方便自身回顾总结所学内容，形成自身的知识体系框架。同时，结交一些共同学习进步的朋友。人工智能技术发展综述
人工智能技术发展综述一、引言二、什么是人工智能以及发展历史三、人工智能对社会经济和个人的影响四、人工智能的现状五、人工智能的未来作者：BSXY_陈永跃BSXY_信息学院摘要：随着时代的进步，社会的发展，科技的进步，“人工智能”这一词语仿佛也变得不是那么遥远与陌生了。也随着人工只能技术的日益完善与进步，人工智能作为一种赋能技术，它将彻底的改变人时代的思想与传统认知。人工智能将于各个行业融合，使得各个行业进步与发展，真正的帮助产业的行业的进步转型升级。而我们面对新一代的人工智能发展的潮浪中，我们更要顺应跟上时代与科技的发展。
关键词：人工智能；科技技术；应用
一、引言人工智能简称AI，尽管对人工智能AI的讨论无处不在。人工智能技术的应用不仅仅使产业的变革，而且还是时代的进步与发展的变革，回顾18世纪至今，以蒸汽机、电气技术、计算机信息技术为代表的三次工业革命使人类的生活水平、工作方式、社会结构、经济发展进入了一个崭新的时代。而现在如果说在21世纪，还有哪一种技术可以和之前工业革命中的先导科技相提并论的话，那一定是正在步入成熟增长期的人工智能技术，如今人工智能技术已经应用到了各个行业中，也越来越贴近人的生活中，似乎成了人们越来越必不可少的东西了。
二、什么是人工智能以及发展历史教科书定义是人工智能科学是主旨是研究和开发智能实体，在这一点上它属于工程学，工程的一些基础学科自不用说，可以说是这是一个集数名学科精华的尖端学科。所以说人工智能是一门综合学科。人工智能早已在1850年，图灵发表的一篇划时代的论文，就已经提出了著名的“图灵测试”。直到20世界五六十年代掀起了早起的人工智能发展的热潮，智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。到了1980~2000年掀起了第二次人工只能的浪潮，分为了三个方面，统计学派，“AI之冬”之后，语言识别领域统计学派取代了专家系统；机器学习，专门研究计算机怎么模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能；知道了2006年又一次掀起了第三次人工智能的热潮只要是大数据的广泛应用与机器的深度学习，大数据的应用主要指无法在一定时间内用常规软件工具进行捕捉。管理和处理的数据集合，是需要新处理模式才能具有更强大的决策力、洞察发现力和流程优化能力的海量，高增长率和多样化的信息资产；机器的深度学习包括同伙组合底层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示，机器视觉、语言识别、机器翻译等领域深度学习的普遍应用，强化学习、迁移学习、生成对抗网络等新技术的发展。
三、人工智能对社会经济和个人的影响有人说AI就是未来，未来的人就算不变成机器人，也一定会跟着个机器人，然而，业界仍有相当部分的人相信AI只是个泡沫，不能成为像智能手机那样开创性的力量。但是它确实在很多反面给予了人类带来了很多便利，但是它同时它给社会带来的是一把双刃剑。（一）贫富差距拉大、失业和社会保障问题 人工智能的大规模使用，尤其是机器人的出现，大量可重复性的工作将会被机器人取代，导致很多人失业，从而带来了一系列社会问题，因此造成了开发人工智能的出行，贫富差距会越来越大，利用人工智能，有钱人会变得更加有钱，而穷人因为失业会变得更穷。（二）产业变革与地区发展不均衡问题 人工智能的发展势必形成了大规模的产业变革，很多商业模式开始重新洗牌，对创业者来说是个机会同时也是一个挑战。然而人工之智能属于高科技产业，前期的投入非常大，一但大规模市场化，则可以帮所在地区提高生产效率，这意味着，缺乏人工智能技术的地区，还处于原始的状态，就像晚清时期，中国还处于农耕社会一样，会加大连个地区的经济失衡问题
四、人工智能的现状在全球范围内，人工智能将会成为未来最大的一个风口，在2019年，中国人工智能就已经是一个关键的发展年份，伴随着全球对于人工智能关注力的上升，中国也迎接来了一个全新的AI时代（一）政策对人工智能技术落地与应用的关注 在国务院2017年7月8日印发的《新一代人工智能发展规划》为例，作为我国人工智能发展的顶层战略，《规划》分别从产品、企业和产业层面分层次落实发展任务，对基础的应用场景、具体的产品应用等做了全面的梳理，得到了中国政府的高度重视，并且政府对人工智能的开发投入了很大的资金。（二）国内资本更加关注应用层面的垂直细分领域 过去10年，对于人工智能来说，是一个从0到比较成熟的探索过程，科技创新之路已经悄然兴起，国内人工智能应用层面创新加速的条件已经成熟。全球正在从“互联网+”向人工只智能垂直细分领域”转型。让人工智能逐渐融入各个传统传统行业，对行业进行改造，以深度学习等关键技术为核心，以云计算、生物识别、视频识别等数据或计算能力为基础支撑，推动人工智能在金融、医疗、交通、安防、文娱、农业、教育等领域将应用场景落地生根，创造出更大价值。
五、人工智能的未来首先来说，人工智能技术和产品的发展速度之快，已经大大超出人类的认知和预期，注定会改变我们的世界。但是改变世界的人工智能，并非科幻小说或预言家所说的“模拟或等于人类的智慧”的强人工智能，而是依靠大数据优化，在某一个领域可以超越人类，甚至可以替代人类进行重复性工作的弱人工智能。以国家政策的创新生态布局成为人工智能产业发展的战略高地，信息技术和产业的发展就是新老企业布局的更替史。人工智能生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理器等技术生态系统和横向的智能制造、智慧医疗、智慧安防、智慧零售、智慧家居等商业应用落地生态系统。目前人工智能时代的产业格局还没有形成垄断，因此全球科技产业巨头都还在积极推动人工智能技术生态的研发布局，全力抢占未来人工智能相关产业落地的制高点。参考文献[1]杨状元，林建中.人工智能的现状及今后发展趋势展望[J].科技信息，2009（04）：184～185.[2]蔡曙山，薛小迪.人工智能与人类智能——从认知科学五个层级的理论看人机大战[J].北京大学学报（哲学社会科学版），2016，53（04）：145.[3]张凯斐.人工智能的应用领域及其未来展望[J].吕梁学院学报，2010，26（04）：85～87.[4]褚秋雯.从哲学的角度看人工智能[D].武汉：武汉理工大学，2014.
【AI系列文章推送三】人工智能学派简介
目前人工智能的主要学派有下面三家：
(1)符号主义(symbolicism)，又称为逻辑主义(logicism)、心理学派(psychologism)或计算机学派(computerism)，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。
(2)连接主义(connectionism)，又称为仿生学派(bionicsism)或生理学派(physiologism)，其主要原理为神经网络及神经网络间的连接机制与学习算法。
(3)行为主义(actionism)，又称为进化主义(evolutionism)或控制论学派(cyberneticsism)，其原理为控制论及感知-动作型控制系统。
计算机科学界最喜欢的AI概念是率属于符号主义的，基于理论科学最擅长的是构建符合解释完备的哲学系统。偏向于自然科学的科学家则喜欢连接主义。而行为主义人工智能专家趋向于形式主义的图灵测试。
【注】图灵测试图灵测试（TheTuringtest）由艾伦·麦席森·图灵发明，指测试者与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。进行多次测试后，如果有超过30%的测试者不能确定出被测试者是人还是机器，那么这台机器就通过了测试，并被认为具有人类智能。图灵测试一词来源于计算机科学和密码学的先驱艾伦·麦席森·图灵写于1950年的一篇论文《计算机器与智能》，其中30%是图灵对2000年时的机器思考能力的一个预测，目前我们已远远落后于这个预测。
他们对人工智能发展历史具有不同的看法。
1、符号主义
认为人工智能源于数理逻辑。数理逻辑从19世纪末起得以迅速发展，到20世纪30年代开始用于描述智能行为。计算机出现后，又再计算机上实现了逻辑演绎系统。其有代表性的成果为启发式程序LT逻辑理论家，证明了38条数学定理，表示可以应用计算机研究人的思维组成，模拟人类智能活动。正是这些符号主义者，早在1956年首先采用“人工智能”这个术语。后来又发展了启发式算法->专家系统->知识工程理论与技术，并在20世纪80年代取得很大发展。符号主义曾长期一枝独秀，为人工智能的发展作出重要贡献，尤其是专家系统的成功开发与应用，为人工智能走向工程应用和实现理论联系实际具有特别重要的意义。在人工智能的其他学派出现之后，符号主义仍然是人工智能的主流派别。这个学派的代表任务有纽厄尔(Newell)、西蒙(Simon)和尼尔逊(Nilsson)等。
2、连接主义
认为人工智能源于仿生学，特别是对人脑模型的研究。它的代表性成果是1943年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)创立的脑模型，即MP模型，开创了用电子装置模仿人脑结构和功能的新途径。它从神经元开始进而研究神经网络模型和脑模型，开辟了人工智能的又一发展道路。20世纪60~70年代，连接主义，尤其是对以感知机(perceptron)为代表的脑模型的研究出现过热潮，由于受到当时的理论模型、生物原型和技术条件的限制，脑模型研究在20世纪70年代后期至80年代初期落入低潮。直到Hopfield教授在1982年和1984年发表两篇重要论文，提出用硬件模拟神经网络以后，连接主义才又重新抬头。1986年，鲁梅尔哈特(Rumelhart)等人提出多层网络中的反向传播算法(BP)算法。此后，连接主义势头大振，从模型到算法，从理论分析到工程实现，伟神经网络计算机走向市场打下基础。现在，对人工神经网络(ANN)的研究热情仍然较高，但研究成果没有像预想的那样好。
3、行为主义
认为人工智能源于控制论。控制论思想早在20世纪4050年代就成为时代思潮的重要部分，影响了早期的人工智能工作者。维纳(Wiener)和麦克洛克(McCulloch)等人提出的控制论和自组织系统以及钱学森等人提出的工程控制论和生物控制论，影响了许多领域。控制论把神经系统的工作原理与信息理论、控制理论、逻辑以及计算机联系起来。早期的研究工作重点是模拟人在控制过程中的智能行为和作用，如对自寻优、自适应、自镇定、自组织和自学习等控制论系统的研究，并进行“控制论动物”的研制。到20世纪6070年代，上述这些控制论系统的研究取得一定进展，播下智能控制和智能机器人的种子，并在20世纪80年代诞生了智能控制和智能机器人系统。行为主义是20世纪末才以人工智能新学派的面孔出现的，引起许多人的兴趣。这一学派的代表作者首推布鲁克斯(Brooks)的六足行走机器人，它被看作是新一代的“控制论动物”，是一个基于感知-动作模式模拟昆虫行为的控制系统。
作为编者浅显的理解，他们可以作为我们学习研究人工智能的三个不同的阶段。
符号主义可能更加偏向于理论思想，（大师阶段）
连接主义更加的偏向于感性，不太具有解释性。（老师、学生阶段）行为主义更加偏向于实践，应用。（学生阶段）
最后编者要说的是，无论人工智能有几个学派，只不过是因为他们在看待人工智能的角度上不一样，同一个问题从不同的角度出发可能有很多种答案，但是他们的最终目的是解决这一问题。同一个世界，同一个梦想。
各位，下篇文章再会。安好。
▼往期精彩回顾▼强烈推荐|【AI系列文章推送一】什么是人工智能？强烈推荐|【AI系列文章推送二】关于人工智能见解之入门篇【ML算法】常见的机器学习算法归类汇总【ML算法】时序归整（DTW）算法的前世今生【ML算法】随机森林算法的总结（一）【ML算法】随机森林算法的总结（二）【ML算法】随机森林算法的总结（三）【AI项目】机器学习之视频行为识别（第一式）【AI项目】机器学习之视频行为识别（第二式）【AI项目】基于双流递归神经网络的人体骨架行为识别【深度学习】图网络——悄然兴起的深度学习新浪潮【计算机视觉】四大基本任务【AI资讯】人工智能、机器学习和大数据领域覆盖最全的一份速查表
微信扫码关注“AI与机器学习”，获得更多AI内容