人工智能三个发展阶段的驱动力：技术、数据与场景.docxVIP

2016年， \o AlphaGo \t /content/18/0131/20/_blank AlphaGo战胜李世石引爆了新的舆论点，人工智能（AI）以及其背后的机器学习（machine learning）、深度学习（deep learning）进入了更多人的讨论视野。HBO最近推出的人工智能题材连续剧《西部世界》又再次激发了人们对人工智能的关注，人们开始思考，未来的世界会不会真的有人工智能意识觉醒的那天。不过，在担心人工智能是否会打败人类之前，不妨先仔细思考一下人工智能是怎么产生的。 人工智能的驱动力是什么 就目前而言，人工智能的产生需要足够的硬件能力支撑、匹配的机器学习算法和充足的数据资源。人们常提到，大数据与人工智能将会是未来发展的两大趋势，这容易让人误解为这是两个平行、独立发展的领域。但实际上，大数据是人工智能发展的基础，人工智能的发展往往是紧随大数据的发展。按照华裔人工智能专家吴恩达（Andrew Ng）的说法是，数据是人工智能的燃料，如果只有很大的引擎（算法）而没有充足的数据作为燃料，人工智能这艘火箭是无法实现腾飞的。 按照各个时期不同的驱动力，我们可以将AI的发展分为三个阶段：数据技术驱动阶段、数据驱动阶段和情景驱动阶段。三个阶段的AI发展对数据的要求各不相同，但从总体上看，人工智能与大数据之间是同生同涨的有机关系。每一次人工智能的增长，大数据行业都起着重要的推动作用。数据量级的增长、计算能力的提升、存储效率的优化、数据可分析程度的提高……都在加快人工智能的发展。其中，数据是人工智能发展的一个重要的竞争优势来源。 人工智能1.0：技术驱动 人工智能发展的第一个阶段，是集中诞生基础理论的阶段。这个阶段奠定了人工智能发展的基本规则，并诞生了基本的开发工具，为日后人工智能的研发工具的升级开辟了先河。在这个阶段，技术的发展，尤其是算法的发展，成了推动人工智能进步的最大动力。达特茅斯会议之后，人们对于算法程序和语言开发投入了极大热情，掀起了人工智能发展的第一波高潮。 公认的人工智能发展起点是1956年于美国达特茅斯学院举办的第一节人工智能会议。尽管这次会议并未达成普遍的共识，但是却为会议确定了主题：人工智能。第一批的人工智能研究从此开始。 1946年，人类历史上第一台电子计算机ENIAC诞生，尽管它有点笨重，但是毫无疑问广泛应用于人工智能和计算机领域。计算机与编程算法的相继出现，从技术层面推动了人工智能的发展。研究者们乐此不疲地运用新的算法和计算工具去解决应用题、证明几何定理、学习和使用英语……每一次的成功都进一步增强了人们对人工智能的信心。他们甚至认为“在二十年内，机器将能完成人能做到的一切工作”。这一目标显然是高估了人工智能发展速度。 计算机性能的瓶颈、计算复杂性的指数级增长、数据量的缺失，使得人工智能的研究停滞不前，人们逐渐对人工智能的发展逐渐丧失信心，人工智能研究进入了第一个低谷期。 人工智能 2.0：数据驱动 人工智能发展的第二个阶段，是数据推动人工智能更新迭代的阶段。这个阶段，可获得和分析的数据飞速增长，不仅磨练和提高了计算的能力，使人工智能的大规模运算成为可能，并且也反过来倒逼了数据的采集、清洗和积累，以及相应的软硬件基础设施的发展——这些都带动了大数据行业的腾飞。大企业在这个阶段发挥出了规模优势，成为了推动人工智能发展第二波高潮的主要动力。 从1981年IBM推出第一台个人电脑起，到1993年美国政府宣布实施“国家信息基础设施”计划，也就是我们常说的信息高速公路，电子计算机与信息数据从实验室走进普通人的生活，人工智能的研究不再只是局限于实验室的理论，针对日常生活的具体应用也在不断增多。在这一阶段，数据主要从两方面来影响人工智能的发展： 一方面，大量的数据要求人工智能不断提高其计算能力。信息时代数据量的快速增长，对整个人工智能的处理水平提出了更高的要求。人类大脑对数据的处理是十分强悍的，人的大脑拥有几百亿个脑细胞，每个脑细胞大约有几百条脑神经，每条脑神经上又有几百个突触，每个突触的作用又相当于一块计算机芯片。 计算机人工智能如果想要实现与人类相似的智能水平，就必须要具备相应的计算能力。1997年，IBM“深蓝”在世界象棋中战胜世界棋王卡斯帕罗夫，最重要原因就是其强悍的数据处理能力。在研发过程中，IBM研制小组向”深蓝“输入100年来所有国际特级大师开局和残局的下法。“深蓝”每秒能够进行2亿次的运算，能够通过计算预判之后的12步，对比做出最优的决策。 另一方面，大量的数据也在不断地训练着人工智能。数据量的增加对人工智能而言，不是负担，而是财富，因为数据能帮助训练人工智能，使结果更加精准。回顾“深蓝”，令人惊叹的计算能力并不意味着它就是坚不可摧的。深蓝在1996年第一次挑战时，就以2：4败给卡斯帕罗夫。在之