两次低谷三次崛起，人工智能发展「真相」
如今，人工智能在各行业都开始得到应用，已然成为”香饽饽”。
然而大家可能不知道，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，才发展成当下的热门技术。播妞认为，人工智能简史可以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被辨别出机器身份，那么这台机器就具有智能。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。值得注意的是，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！
人工智能课程火热开班中
598元 基础班课程
免费领学费抵扣券
现只需28元立刻学习
END
人工智能发展至今，下一个目标是什么
人工智能（AI）如今已成为企业CIO和其他高管关注的热门技术主题。咨询机构德勤咨询公司的调查表明，除了机器学习（ML）和深度学习（DL）的相关领域之外，37％的早期采用企业已经在认知技术上投资了500万美元或更多。多达83％的这些公司已经报告获得了“适度”或“实质性”的好处。
德勤咨询公司的报告指出，通过这些基础投资将为更高级的长期实施铺平道路，例如在一系列现成软件包中提供的认知能力。
那么，企业CIO将如何采用人工智能技术？以及将来如何开发他们的业务用例？
利用信息创造新的智慧
金融数据组织Experian公司的全球首席信息官BarryLibenson表示，人工智能和机器学习等新兴技术将成为“游戏规则改变者”。简单来说，机器学习可以为企业创造更好的洞察力。
Libenson认为，数字化领导者可以将社交媒体数据等信息与财务数据相结合，并创造新知识。
他说，“我们已经看到了一些非常有趣的事情：有些人非常富有，他们从不借钱，他们可能没有很好的信用记录。但是，如果查看一下某人的社交媒体资料，就会知道他们喜欢什么，他们在哪里消费，实际上可以通过基于社交媒体数据的见解和数据表明其行为和信用。”
Libenson表示，机器学习的另一个有趣的应用是基础设施管理领域。他说，“我们会通过认知技术了解到某些行为，我们可以从中吸取教训。这不是什么新鲜事，而技术变得更加进步。用户可以自己分析和判断，这样就可以根据其看到的某些情况确定什么时候会出现问题。”
Libenson说，在某些情况下，人类不一定能看到细微的变化，而机器则在这一方面具备更强的能力。他的团队从DynaTrace日志中获取数据，该日志可以监视系统行为，并将该信息提供给Splunk。这种以机器学习为主导的方法可以查找到人类不一定会检测到的数据模式。
“Splunk可以看到它，因为它有处理信息的能力。”Libenson说。“如果它看到某些事情，它会提醒操作中心的人，并指出Dynatrace日志和Splunk报告了一些不寻常的行为，因此工作人员将会查看到底发生了什么。”
Libenson说，这种知识对业务绩效有着积极影响。他补充说，“这可以防止系统中断或故障转移到另一台设备，现在还有很多更智能的机器学习应用程序。”
利用云计算技术探索新兴技术
《吉尼斯世界纪录大全》（GWR）IT总监RobHowe通过使用数字技术支持其组织的业务转型。该公司在Howe的领导下不断发展壮大，从一家出版世界记录的出版社发展成为一家在营销活动中与知名品牌合作的创意咨询公司。
Howe领导开发了一种分阶段的数字化转型方法，其中包括实施SDL的记录管理平台、资产银行的数字资产管理系统和SalesforceCRM技术。作为转型过程的最后阶段，《吉尼斯世界纪录大全》（GWR）选择Ensono来管理其业务关键型IT架构向AWS云平台的迁移。
Howe的目标是将云计算作为进一步创新的平台。他说，下一步是将GWR的应用程序编程接口（API）层转换为微服务。Howe和他的团队然后考虑应该将哪种类型的数据推送到边缘位置。最后他表示，可能会考虑如何利用机器学习，尽管认识到这个阶段目前有些超前。
Howe说，“这是一个想法，但需要更多的思考。这将解决我们面临的挑战之一的一个潜在解决方案，但在我们采用云平台之前，它一直被搁置。对我们来说，现在实施还为时过早——我们在今年9月底采用AWS云计算基础设施。随着该服务发布新版本，我们将考虑升级资产平台。我们还可以查看是否可以使用机器学习以更有效和自动化的方式帮助处理一些记录应用程序。现在，我们已经完成了这一举措，并展示我们提高价值的领域，并让其他部门参与新的服务。”
接受人工智能以释放宝贵的人力资源
英国国民健康保险服务管理局（NHSBSA）首席数字官DarrenCurry也在领导着一个数字化转型计划。这一计划的实施始于2015年，英国国民健康保险服务管理局（NHSBSA）当时考虑如何将其管理的产妇服务纸质记录实现数字化。
“当我们开始考虑转型时，人工智能并没有在我们的议事日程上。”Curry说，他认为人工智能在英国国民健康保险服务（NHS）中具有“巨大的潜力”。
英国国民健康保险服务管理局（NHSBSA）于是采用了云优先的托管策略。除了向按需IT转变之外，Curry还热衷于确保人工智能等新兴技术得到开发，而且这项工作已在进行中。
“我们在纽卡斯尔的联络中心每年与470万名客户联系，并处理接听询问养老金电话、全科医生的请求，以及其他与健康相关的咨询等事务。我们最近在联络中心采用了亚马逊Alexa人工智能技术，用于拨打有关欧洲健康保险卡（EHIC）的电话。”Curry说。
Curry表示，英国国民健康保险服务管理局（NHSBSA）实施了这项技术，其过程从概念到上线运营只用了两周的时间。四周之后，他的团队将其服务升级到全天候服务。该技术有助于支持联络中心运营商呼叫量减少45％。这样做的目的是为了避免让接线员接听简单的呼叫电话。
Curry说，“人工智能将帮助我们处理诸如＇我可以在澳大利亚使用欧洲健康保险卡（EHIC）吗？＇等问题。通过应用该技术，我们大大减少了呼叫数量。我们还打算将人工智能用于其他一些工作流程，并在我们的呼叫中心运营中推出亚马逊Alexa服务。”
研究认知能力如何促进运营活动
运输商AddisonLee公司的首席信息官IanCohen表示，有效利用新兴技术，需要安全地使用客户数据。他指出，当客户允许组织获取数据时，组织必须遵守一些安全义务。
他说：“很多人提交个人信息以获得免费Wi－Fi或在Facebook上玩游戏。希望人们能够更加谨慎，了解他们拥有的数据的真正价值。”
作为这一前瞻性进程的一部分，AddisonLee公司正在研究如何在全球各地开发和使用自动驾驶汽车。Cohen表示，他的公司在如何调度汽车来满足伦敦周边的客户要求方面拥有30年以上的数据。
他说，“我们每天获得大约25，000次行程的数据，超过90％是根据驾驶员可用性、交通状况和使用一组算法的交通服务自动分配的。”他认为，其业务的发展应该超越更广泛的行业背景。
“我们需要了解采用人工智能时会发生什么，如何从这些环境中学习和获取洞察力，以及如何将学习带入程序化状态。人工智能的应用还有很长的路要走，人们仍需要通过机器学习来迈出第一步。而认知、情境和情境意识的人工智能是为未来服务的。”
使用数据为利益相关者和客户创造价值
Sky公司数字决策和分析主管RobMcLaughlin表示，新兴技术被认为是一个极其复杂的领域，因为许多事情同时发生。他说，虽然许多企业高管都在谈论和尝试使用人工智能，但他们的公司仍然没有解决一些基本问题。
McLaughlin说，“机器学习最好被理解为是一种统计技术，用户可以用它来做任何事情，它不必用来行动，它可用于分析数据集。人工智能更多的是做出某种形式的决定，这更适用。人工智能几乎总是与利用机器学习有关。”
McLaughlin说，以人为本的规则在向企业利益相关者解释决策方式时非常有用。例如有人喜欢运动，服务团队可能会推荐基于足球的产品。然而，人工智能的黑盒技术所建议的关系可能更难理解并向利益相关者解释。
“我们正在创建一些功能，例如将应用程序编程接口插入主页、联络中心系统或移动应用程序。这种采用需要与企业业务人员建立牢固的关系，管理这些可能是一个复杂的过程。”McLaughlin说。
McLaughlin的团队确保他们的活动符合利益相关者的要求。他们必须努力实现三个业务目标中的一个：向上销售和交叉销售，即推荐产品；在生活中，确保客户使用更多的产品；以及服务消息传递，这是关于以有效的方式与客户打交道。
McLaughlin指出，“获取数据必须是积极的事情，必须帮助让客户满意。那些无法建立消费者与企业之间关系的数据是没有发展前途的。而真正的价值交换必须成为所有面向客户的组织的首要任务。”
人工智能的六个发展阶段，一起来看看吧
人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能从诞生以来，理论和技术日益成熟，应用领域不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。
人工智能充满未知的探索道路曲折起伏，人工智能的发展历程基本划分为以下6个阶段：
1、起步发展期：1956年—20世纪60年代初
人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。
2、反思发展期：20世纪60年代—70年代初
人工智能发展初期的突破性进展大大提升了人们对人工智能期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标落空使人工智能发展走入低谷。
3、应用发展期：20世纪70年代初—80年代中
20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。
4、低迷发展期：20世纪80年代中—90年代中
随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
5、稳步发展期：20世纪90年代中—2010年
由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。
6、蓬勃发展期：2011年至今
随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长新高潮。
想学习云计算、大数据、新媒体的同学注意啦，博雅环球教育针对此次疫情特推出线上免费直播课程，同学们可以趁这个时期，好好充实一下自己，待到春暖花开时，学以致用，大展身手。想报名的同学快来联系我们吧！
北京|内蒙古|呼和浩特|IT计算机培训|云计算|大数据|新媒体|线上培训|免费课程|高薪就业