6 第三次 人工智能浪潮，有何不同
作者|Harper
审核|gongyouliu
编辑|auroral-L
我们之前从各个方位解读了人工智能的定义，相信大家肯定已经对人工智能有了初步的见解。那我们再次回到之前讲到过的人工智能发展史。从20世纪60年代到90年代再到今天，从西洋跳棋到国际象棋再到围棋，三盘棋，三次人工智能在公众中引发的热潮——大家肯定不禁要问了，为什么处在风口浪尖的偏偏都是人机对弈，为什么会下棋的计算机程序如此风光？
纵观人工智能发展史，人机对弈只是人工智能在公众心目中的地位起起 落落的一个缩影。 对于人工智能的技术研发者而言，选择人机对弈作为算法 的突破口，这一方面是因为棋类游戏代表着一大类 典型的、有清晰定义和规 则、容易评估效果的智能问题;另一方面也是因为具备一定 复杂性的棋类游戏通常都会被公众视为人类智慧的代表，一且突破了人机对弈算法，也就意味着突破了公众对人工智能这项新技术的接受门槛。
的确，每次人机大战以及计算机胜出的结果，都在公众视野中激起万千波澜。从被人工智能在某些领域的惊艳表现震撼，到逐渐认识到当时的人工智能还有各种局限，人们已经经历了两次这样的心理落差。但与其说这是人类自身的心理落差，不如说这是计算机是否具有智能的判定标准不断被拔高。
前两次人工智能热潮，每一次都释放过人类关于未来的瑰丽想象力。，每一次都让许多人热血沸腾，但是很不幸，两次热潮无一例外地陷入低谷，那么第三次人工智能热潮会如何发展呢？这一次热潮有何本质上的不同？
学术界，产业界和投资界在谈到高潮和低谷时，经常会引用高德纳咨询公司推荐的技术成熟度曲线，这条曲线显示出，几乎每一项新兴且成功的技术，在真正成熟之前，都要经历先扬后抑的过程，并在波折起伏中通过积累和迭代，最终走向真正的繁荣、稳定和有序发展。
将高德纳技术成熟度曲线对应到人工智能波折起伏的发展历程中，其实不难看到，人工智能此前两次表现出的热潮，更多应该被理解为一项新兴技术在萌芽期的躁动以及在泡沫期的过分膨胀。
20世纪50年代到60年代，以艾伦.图灵提出图灵测试为标志，数学证明系统，知识推理系统等里程碑式的技术和应用一下子在研究者中掀起了第一波人工智能热潮，但那个年代无论是计算机的运算速度还是相关的程序设计和算法理论，都远不足以支撑人工智能的发展需要。
随后大家对人工智能的热情也迅速消退了。直到20世纪80年代到90年代，基于统计模型的技术悄然兴起，并在语音识别、机器翻译等领域取得了不俗的进展，人工神经网络也在模式识别等应用领域开始有所建树，但是那个时代技术进步还不够好，不足以超过人类对智能机器的心理预期。
从整体上看，那一拨人工智能热潮仍然笼罩着浓厚的学术研究和科学实验色彩，虽然激发了大众的热情，但远没有达到与商业模式，大众需求接轨并稳定发展的地步。2010年前后，随着深度学习技术的成熟，加上计算机运算速度的大幅增长，当然还有互联网时代积累起来的海量数据财富，人工智能开始了一段与以往大为不同的复兴之路。
人们在ImageNet竞赛中取得的非凡成就是人工智能发展史上一个了不起的里程碑，也是当今这一波人工智能热潮由萌芽到兴起的关键节点。随着机器视觉领域的突破，深度学习迅速开始在语音识别、数据挖掘、自然语言处理等不同领域攻城略地，甚至开始将以前被人们视为科幻的自动驾驶技术带入现实。此外，基于深度学习的科研成果还被推向了各个主流商业应用领域，如银行、保险、交通运输、医疗、教育、市场营销等，第-次实现了人工智能技术与产业链条的有机结合。
所以，我们说“人工智能来了”，其实是说，人工智能或深度学习真的可以解决实际问题了。在机器视觉、语音识别、数据挖掘、自动驾驶等应用场景，人工智能接连突破了人们可以接受的心理阈值，并第一次在产业层面“落地”，发挥并创造出真正的价值。
到底本次人工智能热潮是不是处于技术成熟度曲线的成熟上升期，到底能不能保持长期持续增长的势头，是不是会像此前的人工智能热潮那样，有跌入低谷的风险?大家可以通过这些分析，做出自己的判断。
本文的视频版本可以直接点击下面视频观看，欢迎关注数据与智能视频号获取更多精彩视频。
人工智能的发展史——3次 AI 浪潮
AI不是什么全新的东西，他已经发展了大几十年了！下面我们介绍一下最具代表性的3个发展阶段
第一次浪潮（非智能对话机器人）20世纪50年代到60年代
1950年10月，图灵提出了人工智能（AI）的概念，同时提出了图灵测试来测试AI。
图灵测试提出没有几年，人们就看到了计算机通过图灵测试的“曙光”。
1966年，心理治疗机器人ELIZA诞生
那个年代的人对他评价很高，有些病人甚至喜欢跟机器人聊天。但是他的实现逻辑非常简单，就是一个有限的对话库，当病人说出某个关键词时，机器人就回复特定的话。
第一次浪潮并没有使用什么全新的技术，而是用一些技巧让计算机看上去像是真人，计算机本身并没有智能。
扩展阅读：
ELIZA——Wikipedia
图灵测试
第二次浪潮（语音识别）20世纪80年代到90年代
在第二次浪潮中，语音识别是最具代表性的几项突破之一。核心突破原因就是放弃了符号学派的思路，改为了统计思路解决实际问题。
在《人工智能》一书中，李开复详细介绍了这个过程，他也是参与其中的重要人物之一。
第二次浪潮最大的突破是改变了思路，摒弃了符号学派的思路，转而使用了统计学思路解决问题。
扩展阅读：
HistoryofSpeech&VoiceRecognitionandTranscriptionSoftware
第三次浪潮（深度学习+大数据）21世纪初
2006年是深度学习发展史的分水岭。杰弗里辛顿在这一年发表了《一种深度置信网络的快速学习算法》，其他重要的深度学习学术文章也在这一年被发布，在基本理论层面取得了若干重大突破。
之所以第三次浪潮会来主要是2个条件已经成熟：
2000年后互联网行业飞速发展形成了海量数据。同时数据存储的成本也快速下降。使得海量数据的存储和分析成为了可能。
GPU的不断成熟提供了必要的算力支持，提高了算法的可用性，降低了算力的成本。
在各种条件成熟后，深度学习发挥出了强大的能力。在语音识别、图像识别、NLP等领域不断刷新纪录。让AI产品真正达到了可用（例如语音识别的错误率只有6%，人脸识别的准确率超过人类，BERT在11项表现中超过人类…)的阶段。
第三次浪潮来袭，主要是因为大数据和算力条件具备，这样深度学习可以发挥出巨大的威力，并且AI的表现已经超越人类，可以达到“可用”的阶段，而不只是科学研究。
扩展阅读：
什么是深度学习？
推荐书籍——《大数据时代》
为什么说GPU和深度学习更配？
谷歌最强NLP模型BERT解读
三次浪潮的不同这段内容摘自李开复写的《人工智能》一书中，所有观点是李开复本人的，这里只是转述。
前两次热潮是学术研究主导的，第三次热潮是现实商业需求主导的。前两次热潮多是市场宣传层面的，而第三次热潮是商业模式层面的。前两次热潮多是学术界在劝说政府和投资人投钱，第三次热潮多是投资人主动向热点领域的学术项目和创业项目投钱。前两次热潮更多时提出问题，第三次热潮更多时解决问题。新一代人工智能的发展与展望
随着大数据、云计算等技术的飞速发展，人们生产生活的数据基础和信息环境得到了大幅提升，人工智能（AI）正在从专用智能迈向通用智能，进入了全新的发展阶段。国务院印发的《新一代人工智能发展规划》指出新一代人工智能相关学科发展、理论建模、技术创新、软硬件升级等整体推进，正在引发链式突破，推动经济社会各领域从数字化、网络化向智能化加速跃升。在4月10日“吴文俊人工智能科学技术奖”十周年颁奖盛典中，作为我国不确定性人工智能领域的主要开拓者、中国人工智能学会名誉理事长李德毅院士荣获“吴文俊人工智能最高成就奖”，并在大会上作题为《探索什么叫新一代人工智能》的报告，探讨了新一代人工智能的内涵和路径，引领着新一代人工智能的发展与展望。
人工智能这一概念诞生于1956年在美国达特茅斯学院举行的“人工智能夏季研讨会”，随后在20世纪50年代末和80年代初先后两次步入发展高峰，但因为技术瓶颈、应用成本等局限性而均掉入低谷。在信息技术的引领下，数据信息快速积累，运算能力大幅提升，人工智能发展环境发生了巨大变化，跨媒体智能、群体智能成为新的发展方向，以2006年深度学习模型的提出为标志，人工智能第三次站在了科技发展的浪潮之巅。
当前，随着移动互联网、物联网、大数据、云计算和人工智能等新一代信息技术的加速迭代演进，人类社会与物理世界的二元结构正在进阶到人类社会、信息空间和物理世界的三元结构，人与人、机器与机器、人与机器的交流互动愈加频繁。在多源数据、多元应用和超算能力、算法模型的共同驱动下，传统以计算机智能为基础的、依赖于算力算法和数据的人工智能，强调通用学习和大规模训练集的机器学习，正逐渐朝着以开放性智能为基础、依赖于交互学习和记忆、基于推理和知识驱动的以混合认知模型为中心的新一代人工智能方向迈进。应该说，新一代人工智能的内核是“会学习”，相较于当下只是代码的重复简单执行，新一代人工智能则需要能够在学习过程中解决新的问题。其中，学习的条件是认知，学习的客体是知识，学习的形态是交互，学习的核心是理解，学习的结果是记忆……因此，学习是新一代人工智能解释解决现实问题的基础，记忆智能是新一代人工智能中多领域、多情景可计算智能的边界和约束。进而当人类进入和智能机器互动的时代，新一代人工智能需要与时俱进地持续学习，不断检视解决新的问题，帮助人机加深、加快从对态势的全息感知递进到对世界的多维认知。
事实上，基于数据驱动型的传统人工智能，大多建立在“数据中立、算法公正和程序正义”三要素基础之上，而新一代人工智能更关注于交互能力，旨在通过设计“记忆”模块来模仿人脑，解决更灵活多变的实际问题，真正成为“不断学习、与时俱进”的人工智能。特别是人机交互支撑实现人机交叉融合与协同互动，目前已在多个领域取得了卓越成果，形成了多方面、多种类、多层次的应用。例如，在线客服可以实现全天候不间断服务，轻松解决用户咨询等问题，也可将棘手问题转交人工客服处理，降低了企业的管理成本；在智慧医疗领域，人工智能可以通过神经影像实现辅助智能诊断，帮助医生阅片，目前准确率已达95%以上，节省了大量的人力；2020年，在抗击疫情的过程中，新一代人工智能技术加速与交通、医疗、教育、应急等事务协作联动，在科技战“疫”中大显身手，助力疫情防控取得显著成效。
未来已来，随着人工智能逐渐融入居民生活的方方面面，将继续在智慧医疗、自动驾驶、工业制造智能化等领域崭露头角。一是基于新一代人工智能的智慧医疗，将助力医院更好记录、存储和分析患者的健康信息，提供更加精准化和个性化的健康服务，显著提升医院的临床诊断精确度。二是通过将新一代人工智能运用于自动驾驶系统的感知、预测和决策等方面，重点解决车道协同、多车调度、传感器定位等问题，重新定义城市生活中人们的出行方式。三是由于我国工业向大型化、高速化、精细化、自主化发展，对高端大规模可编程自动化系统提出迫切需求，新一代人工智能将推动基于工业4.0发展纲领，以高度自动化的智能感知为核心，主动排除生产障碍，发展具备有适应性、资源效率、人机协同工程的智能工厂应运而生。总之，如何展望人工智能通过交互学习和记忆理解实现自编程和自成长，提升自主学习和人机交互的效率，将是未来研究着力发展的硬核领域，并加速新一代信息技术与智能制造深度融合，推动数字化转型走深走实，有信心、有能力去迎接下一场深刻产业变革的到来。