人工智能名字的由來

如果想要知道人工智能這個名字是怎么來的，那么就要追溯到1955年8月31日了。當時，研究人員JohnMcCarthy、MarvinMinsky、NathanielRochester和ClaudeShannon提交了一份《2個月，10個人的人工智能研究》的提案，第一次提出了“人工智能”的概念。而其中JohnMcCarthy被后人尊稱為“人工智能之父”。

1956年，會議在達特茅斯學院占地269英畝的莊園舉行。會議的召集人是達特茅斯學院的數學系助理教授約翰·麥卡錫(JohnMcCarthy)，他邀請了幾位大神和新秀一起到達特茅斯學院開一個“人工智能夏季研討會”。

參會者還包括信息論的創(chuàng)始人香農、天才學者赫伯特·西蒙(他曾經獲得過圖靈獎和諾貝爾經濟學獎)等。有人說人工智能這個名字就是麥卡錫提出來的，麥卡錫自己說他是從別人那里聽來的。嚴格意義上來講人工智能的概念最早是在1955年被提出的，1956年才正式以人工智能為核心展開業(yè)內的研討會。

人工智能到底是什么?

早期的人工智能發(fā)展并不是很順利，甚至一度從興起到沒落。剛開始的時候涉及計算機領域的最多的還是以編程為主，提出人工智能甚至涉足其中的人在當時是很難被理解的。后來，編程逐漸變得過時了，研究人員轉而研究“經驗法則”。原理其實參考人們在決策中大多憑借的是經驗，那么計算機在處理問題時也要在計算范圍內盡快找出答案，但卻不必窮盡所有的選項，這個過程被稱為“修剪搜索空間”。

很難想象，在人工智能的早期就已經有激進的學者引入了所謂的神經網絡方法。要知道這是時至今日人工智能再度興起的重要因素之一，可卻在當時就已經被提出了，只當時技術還不足以實現罷了。

那么什么是神經網絡呢?

簡單地講，就是把盡可能多的數據輸入一個模仿神經元結構的系統(tǒng)，程序會自動調整權重，直到系統(tǒng)逐漸穩(wěn)定下來。

這就比傳統(tǒng)的編程更像人的思維過程了，你不必預先告訴計算機該怎么做，只要告訴計算機足夠多的例子，它自己就會學會怎么做。

遺憾的是，神經網絡方法受到學術界的批評，很快就衰落下去，直到近年來才東山再起，也就是我們現在常常提到的機器學習和大數據。

神經網絡延伸出的深度學習

在人工智能行業(yè)另一個熱度最高的詞匯莫過于深度學習了。深度學習是一個近幾年備受關注的研究領域，在機器學習中起著重要的作用。 深度學習通過建立、模擬人腦的分層結構來實現對外部輸入的數據進行從低級到高級的特征提取，從而能夠解釋外部數據。

深度學習的概念源于人工神經網絡的研究。含多隱層的多層感知器就是一種深度學習結構。 深度學習也稱為深度結構學習、層次學習或者是深度機器學習是一類算法集合，是機器學習的一個分支。

機器學習通過算法，讓機器可以從外界輸入的大量的數據中學習到規(guī)律，從而進行識別判斷。機器學習的發(fā)展經歷了淺層學習和深度學習兩次浪潮。深度學習可以理解為神經網絡的發(fā)展，神經網絡是對人腦或生物神經網絡基本特征進行抽象和建模，可以從外界環(huán)境中學習，并以與生物類似的交互方式適應環(huán)境。神經網絡是智能學科的重要部分，為解決復雜問題和智能控制提供了有效 的途徑。神經網絡曾一度成為機器學習領域備受關注的方向。

從根本上說，深度學習和所有機器學習方法一樣，是一種用數學模型對真實世界中的特定問題進行建模，以解決該領域內相似問題的過程。如果舉個簡單易懂的例子，比如要教計算機認字，差不多就是同樣的道理。計算機也要先把每一個字的圖案反復看很多很多遍，然后，在計算機的處理器和存儲器里，總結出一個規(guī)律來，以后計算機再看到類似的圖案，只要符合之前總結的規(guī)律，計算機就能知道這圖案到底是什么字。

用專業(yè)的術語來說，計算機用來學習的、反復看的圖片叫“訓練數據集”;“訓練數據集”中，一類數據區(qū)別于另一類數據的不同方面的屬性或特質，叫做“特征”;計算機在“大腦”中總結規(guī)律的過程，叫“建模”;計算機在“大腦”中總結出的規(guī)律，就是我們常說的“模型”;而計算機通過反復看圖，總結出規(guī)律，然后學會認字的過程，就叫“機器學習”。

人工智能的意義

人類的歷次工業(yè)革命、能源革命，提高了生產力極大改變人類的生存狀態(tài)，在表面上的巨大改變的同時，一個更大的意義是在所有的變化過程中沉淀下來的對人類內心的改變。而最近一次的信息革命，第一次大規(guī)模地接觸到人類的意識層面，以量子物理為標志的人類對所生存環(huán)境和自身的認知深入，在此次信息革命進行到人工智能階段，人類第一次具備種群整體跳出自身看問題的可能，此時才有希望建立一個更合理的社會結構，徹底脫離動物界。

這一技術就是人工智能。人工智能對人類的影響是全面的，初期人工智能在某個領域的深入研究，可以替代部分工作崗位，隨著應用的深入，由點到面，由面成片，可能會出現大規(guī)模替代人類工作的局面。即使人工智能發(fā)展到這種程度，也不是人工智能的最大意義。