早在1950年10月，英國技術(shù)幻想家艾倫·圖靈（Alan Turing）在《 MIND》雜志上發(fā)表了一篇名為“計(jì)算機(jī)與智能的計(jì)算機(jī) ”的文章，提出了當(dāng)時(shí)許多人看來像科幻小說的幻想。

圖靈相信，有可能為數(shù)字計(jì)算機(jī)創(chuàng)建軟件，使其能夠觀察環(huán)境并學(xué)習(xí)新事物，從下棋到理解和說人類語言。他認(rèn)為機(jī)器最終可以發(fā)展出在沒有人工指導(dǎo)的情況下自行完成此操作的能力。他預(yù)言：“我們可能希望機(jī)器最終將在所有純知識(shí)領(lǐng)域與人類競爭?！?/p>

將近70年后，圖靈看似古怪的愿景已成為現(xiàn)實(shí)。人工智能（通常稱為AI）使機(jī)器具有從經(jīng)驗(yàn)中學(xué)習(xí)和執(zhí)行認(rèn)知任務(wù)的能力，而這些東西曾經(jīng)只有人腦才具備。

人工智能正在整個(gè)文明中迅速傳播，它有希望做的一切，從使自動(dòng)駕駛汽車能夠在街道上導(dǎo)航到做出更準(zhǔn)確的颶風(fēng)預(yù)測。在日常工作中，AI會(huì)找出在網(wǎng)絡(luò)上向您展示的廣告，并為那些訪問電子商務(wù)網(wǎng)站時(shí)會(huì)彈出的友好聊天機(jī)器人提供動(dòng)力，以回答您的問題并提供客戶服務(wù)。和AI-供電的個(gè)人助理語音激活智能家居設(shè)備執(zhí)行任務(wù)無數(shù)，從控制我們的電視和門鈴來回答的小問題，并幫助我們找到喜歡的歌曲。

但是我們才剛剛開始。麥肯錫全球研究所的預(yù)測顯示，隨著AI技術(shù)變得越來越復(fù)雜和強(qiáng)大，它將有望極大地促進(jìn)世界經(jīng)濟(jì)的發(fā)展，到2030年將創(chuàng)造約13萬億美元的額外活動(dòng)。

SAS是一家全球軟件和服務(wù)公司，致力于將數(shù)據(jù)轉(zhuǎn)化為客戶的智能，該公司的分析平臺(tái)策略師Sarah Gates說：“ AI仍處于早期采用階段，但采用速度正在加快，并且已在所有行業(yè)中使用?！?/p>

也許更令人驚訝的是，我們的生活正在悄悄地被我們中許多人幾乎不了解的技術(shù)所改變（如果有的話），這種技術(shù)是如此的復(fù)雜以至于科學(xué)家們甚至都難以理解。

賓州州立大學(xué)人工智能研究實(shí)驗(yàn)室的教授兼主任Vasant Honavar解釋說：“ AI是一門執(zhí)行任務(wù)的技術(shù)家族，如果被人類執(zhí)行則需要智能。” “我說‘思想’，是因?yàn)闆]有人真的很確定什么是情報(bào)?！?/p>

霍納瓦爾描述了智力的兩個(gè)主要類別。有窄的情報(bào)，這是在一個(gè)狹義定義域?qū)崿F(xiàn)的能力，如在放射學(xué)分析從X射線和MRI掃描的圖像。相反，一般情報(bào)是一種類似于人的能力，可以學(xué)習(xí)任何事物并進(jìn)行討論?；艏{瓦爾解釋說：“一臺(tái)機(jī)器可能擅長放射學(xué)的某些診斷，但是如果你問它有關(guān)棒球的知識(shí)，那將毫無用處?！?在這一點(diǎn)上，人類的智力多功能性仍然超出了AI的范圍。

霍納瓦爾認(rèn)為，人工智能有兩個(gè)關(guān)鍵要素。其中之一是工程部分-即構(gòu)建以某種方式利用智能的工具。另一個(gè)是智能科學(xué)，或者更確切地說，就是如何使機(jī)器產(chǎn)生的結(jié)果與人腦所能達(dá)到的結(jié)果相當(dāng)，即使機(jī)器是通過非常不同的過程實(shí)現(xiàn)的。用一個(gè)比喻來說，“鳥兒飛，飛機(jī)飛，但是它們以完全不同的方式飛”，霍納瓦爾?！氨M管如此，它們都利用了空氣動(dòng)力學(xué)和物理學(xué)。同樣，人工智能也基于這樣的觀念，即關(guān)于智能系統(tǒng)的行為存在一般性原則?！?/p>

AI是“基本上我們試圖理解和模仿的方式的結(jié)果是大腦工作方式和這給大腦般的功能，否則自治系統(tǒng)（例如，應(yīng)用無人機(jī)，機(jī)器人和代理），” 庫爾特卡格爾，作家咨詢公司Semantical的創(chuàng)始人，數(shù)據(jù)科學(xué)家和未來主義者在一封電子郵件中寫道。他還是每日信息技術(shù)通訊The Cagle Report的編輯。

盡管人類并沒有真正像計(jì)算機(jī)那樣思考，而是利用電路，半導(dǎo)體和磁性介質(zhì)而不是生物細(xì)胞來存儲(chǔ)信息，但還有一些有趣的相似之處?！拔覀冮_始發(fā)現(xiàn)的一件事是，當(dāng)您開始談?wù)摂?shù)十億個(gè)節(jié)點(diǎn)時(shí)，圖網(wǎng)絡(luò)真的很有趣，而大腦本質(zhì)上是一個(gè)圖網(wǎng)絡(luò)，盡管您可以通過改變神經(jīng)元的阻力來控制過程的強(qiáng)度在電容性火花點(diǎn)火之前，” Cagle解釋道?！皢蝹€(gè)神經(jīng)元本身只能為您提供非常有限的信息，但是會(huì)同時(shí)發(fā)射足夠多強(qiáng)度不同的神經(jīng)元，最終您會(huì)得到一種僅響應(yīng)某些種類的刺激而被激發(fā)的模式，數(shù)字信號(hào)處理 ］，我們稱之為視網(wǎng)膜和耳蝸。”

霍納瓦爾說：“人工智能的大多數(shù)應(yīng)用都在擁有大量數(shù)據(jù)的領(lǐng)域中?！?再次使用放射學(xué)示例，人類放射科醫(yī)生已經(jīng)評(píng)估了大型X射線和MRI掃描數(shù)據(jù)庫，這使得訓(xùn)練機(jī)器來模擬這種活動(dòng)成為可能。

AI通過將大量數(shù)據(jù)與智能算法（一系列指令）相結(jié)合來工作，這使該軟件可以從數(shù)據(jù)的模式和特征中學(xué)習(xí)，正如這本SAS人工智能入門書所解釋的那樣。

如SAS入門所述，在模擬大腦工作方式時(shí)，人工智能利用了許多不同的子域。

機(jī)器學(xué)習(xí)可自動(dòng)進(jìn)行分析模型構(gòu)建，以發(fā)現(xiàn)數(shù)據(jù)中隱藏的見解，而無需進(jìn)行編程以尋找特定的事物或得出一定的結(jié)論。

神經(jīng)網(wǎng)絡(luò)模仿大腦中相互連接的神經(jīng)元的陣列，并在各個(gè)單元之間中繼信息，以找到連接并從數(shù)據(jù)中獲取含義。

深度學(xué)習(xí)利用非常大的神經(jīng)網(wǎng)絡(luò)和大量計(jì)算能力來查找數(shù)據(jù)中的復(fù)雜模式，以用于圖像和語音識(shí)別等應(yīng)用。

正如SAS所說，認(rèn)知計(jì)算是關(guān)于創(chuàng)建“自然的，類似于人的交互”，包括使用解釋語音并對之做出響應(yīng)的能力。

計(jì)算機(jī)視覺通過模式識(shí)別和深度學(xué)習(xí)來理解圖片和視頻的內(nèi)容，并使機(jī)器能夠使用實(shí)時(shí)圖像來了解周圍的事物。

自然語言處理包括分析和理解人類語言并做出響應(yīng)。

人工智能的概念可以追溯到1940年代，1956年在達(dá)特茅斯學(xué)院的一次會(huì)議上引入了 “人工智能”一詞。在接下來的二十年中，研究人員開發(fā)了玩游戲，進(jìn)行簡單模式識(shí)別和機(jī)器學(xué)習(xí)的程序?？的螤柎髮W(xué)的科學(xué)家弗蘭克·羅森布拉特（Frank Rosenblatt）開發(fā)了Perceptron，這是第一個(gè)人工神經(jīng)網(wǎng)絡(luò)，它運(yùn)行在裝有重卡的5噸（4.5公噸），房間大小的IBM計(jì)算機(jī)上。

但據(jù)Honavar稱，直到1980年代中期，第二波更復(fù)雜的多層神經(jīng)網(wǎng)絡(luò)才被開發(fā)出來以解決更高級(jí)別的任務(wù)。在1990年代初，另一項(xiàng)突破使AI能夠推廣到培訓(xùn)經(jīng)驗(yàn)之外的領(lǐng)域。

在1990年代和2000年代，其他技術(shù)創(chuàng)新（網(wǎng)絡(luò)和功能日益強(qiáng)大的計(jì)算機(jī)）幫助加速了AI的發(fā)展。Honavar說：“隨著網(wǎng)絡(luò)的出現(xiàn)，大量數(shù)據(jù)以數(shù)字形式變得可用?！?“ 基因組測序和其他項(xiàng)目開始生成大量數(shù)據(jù)，并且計(jì)算機(jī)技術(shù)的進(jìn)步使存儲(chǔ)和訪問這些數(shù)據(jù)成為可能。我們可以訓(xùn)練機(jī)器完成更復(fù)雜的任務(wù)。您不可能擁有30年的深度學(xué)習(xí)模型以前，因?yàn)槟鷽]有數(shù)據(jù)和計(jì)算能力?！?/p>

人工智能與機(jī)器人

AI與機(jī)器人技術(shù)不同，但與之有關(guān)，在機(jī)器人中，機(jī)器可以自己或在人的指導(dǎo)下感知環(huán)境，執(zhí)行計(jì)算并執(zhí)行物理任務(wù)，從工廠工作，烹飪到降落在其他星球上。霍納瓦爾說，這兩個(gè)領(lǐng)域在許多方面相交。

霍納瓦爾說：“您可以想象沒有很多智能的機(jī)器人技術(shù)，如自動(dòng)化織機(jī)那樣的純機(jī)械設(shè)備。” “有一些機(jī)器人不是很聰明的例子。” 相反，在機(jī)器人技術(shù)中，智能是不可或缺的部分，例如在充滿人類驅(qū)動(dòng)的汽車和行人的街道上引導(dǎo)自動(dòng)駕駛汽車。

霍納瓦爾說：“要實(shí)現(xiàn)通用情報(bào)，一定程度上需要機(jī)器人技術(shù)，這是一個(gè)合理的論據(jù)，因?yàn)榕c世界的互動(dòng)在某種程度上是情報(bào)的重要組成部分。” “要理解扔球意味著什么，您必須能夠扔球。”

靜悄悄地AI變得無處不在，以至于在許多消費(fèi)產(chǎn)品中都已發(fā)現(xiàn)。

Cagle說：“盡管屬于非常專業(yè)的AI，但許多屬于物聯(lián)網(wǎng)（IoT）空間的設(shè)備都可以使用某種自我強(qiáng)化的AI。” “巡航控制是一種早期的AI，它在工作時(shí)比大多數(shù)人意識(shí)到的要復(fù)雜得多。降噪耳機(jī)。任何具有語音識(shí)別功能的東西，例如大多數(shù)現(xiàn)代電視遙控器。社交媒體過濾器。垃圾郵件過濾器。如果您擴(kuò)展AI涵蓋機(jī)器學(xué)習(xí)，這還包括拼寫檢查器，文本推薦系統(tǒng)，幾乎任何推薦系統(tǒng)，洗衣機(jī)和烘干機(jī)，微波爐，洗碗機(jī)，實(shí)際上是2017年之后生產(chǎn)的大多數(shù)家用電子產(chǎn)品，揚(yáng)聲器，電視，防抱死制動(dòng)系統(tǒng)，任何電子設(shè)備車輛，現(xiàn)代CCTV攝像機(jī)。大多數(shù)游戲在許多不同級(jí)別使用AI網(wǎng)絡(luò)。

霍納瓦爾說，在“狹窄的領(lǐng)域”中，人工智能已經(jīng)可以勝過人類，就像“飛機(jī)可以飛更長的距離，載人多于鳥”一樣。例如，人工智能能夠處理數(shù)百萬種社交媒體網(wǎng)絡(luò)互動(dòng)，并獲得影響用戶行為的見解-人工智能專家擔(dān)心的這種能力可能不會(huì)帶來“很好的后果”。
責(zé)任編輯：tzh