计算机在人工智能方面的应用-计算机方面找工作

AI发展如火如荼，在最近的MIT TR 50（2019 麻省理工科技评论最聪明50个公司）中，中国的人工智能已经作为中国支点与世界同台共舞。

前段时间传出的华为P30拍月亮的质疑，了解了人工智能以后就不会那么纠结了，下面是人工智能的图像重建技术。

本文结合中国人工智能学会模式识别专业委员会委员高红霞教授、博导以及网上资料整理出人工智能发展的60年简史，供AI行业人士参考。

第一阶段：人工智能的诞生「1943 –1956」

1943年

图灵被称为计算机科学之父，也是人工智能科学之父。二战期间，他的团队在1943年研制成功了被叫做“巨人”的机器，用于破解德军的密码电报，这一贡献让二战提前2年结束，挽救了数千万人的生命

1946年

1946年，全球第一台通用计算机ENIAC诞生。它最初是为美军作战研制，每秒能完成5000次加法，400次乘法等运算。ENIAC为人工智能的研究提供了物质基础

1950年

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，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！

1950年，艾伦图灵提出“图灵测试”。如果电脑能在5分钟内回答由人类测试者提出的一些列问题，且其超过30%的回答让测试者误认为是人类所答，则通过测试。这边论文语言了创造出具有真正智能的机器的可能性。

1956年

1956年，计算机专家约翰·麦卡锡提出“人工智能”一词。这被人们看做是人工智能正式诞生的标志。麦卡锡与明斯基两人共同创建了世界上第一座人工智能实验室——MIT AI LAB实验室

第二阶段：人工智能黄金年代「1956 – 1974」

1958年

成立于1958年的国防高级研究计划署对人工智能领域进行了数百万的投资，让计算机科学家们自由的探索人工智能技术新领域！

约翰麦卡锡开发了LISP语音，成为以后几十年来人工智能领域最主要的编程语言！

1959年

1959年，首台工业机器人诞生。美国发明家乔治德沃尔与约瑟夫英格伯格发明了首台工业机器人，该机器人借助计算机读取示教存储程序和信息，发出指令控制一台多自由度的机械。它对外界环境没有感知

1959年，计算机游戏先驱亚瑟塞缪尔在IBM的首台商用计算机IBM 701上编写了西洋跳棋程序，这个程序顺利战胜了当时的西洋棋大师罗伯特尼赖。

1964年

1964年，首台聊天机器人诞生。美国麻省理工学院AI实验室的约瑟夫魏岑鲍姆教授开发了ELIZA聊天机器人，实现了计算机与人通过文本来交流。这是人工智能研究的一个重要方面。不过，它只是用符合语法的方式将问题复述一遍。

1965年

1965年，专家系统首次亮相。美国科学家爱德华费根鲍姆等研制出化学分析专家系统程序DENDRAL。它能够分析实验数据来判断未知化合物的分子结构。

1968年

1968年，首台人工智能机器人诞生。美国斯坦福研究所（SRI）研发的机器人Shakey，能够自主感知、分析环境、规划行为并执行任务，可以柑橘人的指令发现并抓取积木。这种机器人拥有类似人的感觉，如触觉、听觉等。

1970年

1970年，能够分析语义、理解语言的系统诞生。美国斯坦福大学计算机教授T·维诺格拉德开发的人机对话系统SHRDLU，能分析指令，比如理解语义、解释不明确的句子、并通过虚拟方块操作来完成任务。由于它能够正确理解语言，被视为人工智能研究的一次巨大成功。

第三阶段：人工智能第一次低谷「1974 – 1980」

1973年

1973年，著名数学拉特希尔家向英国政府提交了一份关于人工智能的研究报告，对当时的机器人技术、语言处理技术和图像识别技术进行了严厉的批评，尖锐的指出人工智能那些看上去宏伟的目标根本无法实现，研究已经完全失败。此后，科学界对人工智能进行了一轮深入的拷问，使AI的遭受到严厉的批评和对其实际价值的质疑。

1976年

1976年，专家系统广泛使用。美国斯坦福大学肖特里夫等人发布的医疗咨询系统MYCIN，可用于对传染性血液病患诊断。这一时期还陆续研制出了用于生产制造、财务会计、金融等个领域的专家系统

1980年

1980年，专家系统商业化。美国卡耐基梅隆大学为DEC公司制造出XCON专家系统，帮助DEC公司每年节约4000万美元左右的费用，特别是在决策方面能提供有价值的内容。

1980年

70年代末，人工智能进入低谷期。科研人员低估了人工智能的难度，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望而兴叹。主要技术瓶颈：计算机性能不足；处理复杂问题的能力不足；数据量严重缺失。

第四阶段：人工智能的繁荣期「1980 – 1987」

1980年

80年代，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”。它具有完整专业知识和经验的计算机智能系统。在1986年之前能为公司每年节省下来超过四千美元经费！

在80年代，一类名为“专家系统”的AI程序开始为全世界的公司所采纳，而“知识处理”成为了主流AI研究的焦点。日本政府在同一年代积极投资AI以促进其第五代计算机工程。80年代早期另一个令人振奋的事件是John Hopfield和David Rumelhart使联结主义重获新生。AI再一次获得了成功。

1981年

1981年，日本经济产业省拨款八亿五千万美元支持第五代计算机项目。其目标是造出能够与人对话，翻译语言，解释图像，并且像人一样推理的机器。令“芜杂派”不满的是，他们选用Prolog作为该项目的主要编程语言。

其他国家纷纷作出响应。英国开始了耗资三亿五千万英镑的Alvey工程。美国一个企业协会组织了MCC（Microelectronics and Computer Technology Corporation，微电子与计算机技术集团），向AI和信息技术的大规模项目提供资助。DARPA也行动起来，组织了战略计算促进会（Strategic Computing Initiative），其1988年向AI的投资是1984年的三倍。

1982年

1982年，物理学家John Hopfield证明一种新型的神经网络（现被称为“Hopfield网络”）能够用一种全新的方式学习和处理信息。大约在同时（早于Paul Werbos），David Rumelhart推广了“反传法（en:Backpropagation）”，一种神经网络训练方法。这些发现使1970年以来一直遭人遗弃的联结主义重获新生。

1984年

1984年，大百科全书（Cyc）项目。Cyc项目试图将人类拥有的所有一般性知识都输入计算机，建立一个巨型数据库，并在此基础上实现知识推理，它的目标是让人工智能的应用能够以类似人类推理的方式工作，成为人工智能领域的一个全新研发方向。

1986年

一个四节点的Hopfield网络.

1986年由Rumelhart和心理学家James McClelland主编的两卷本论文集“分布式并行处理”问世，这一新领域从此得到了统一和促进。90年代神经网络获得了商业上的成功，它们被应用于光字符识别和语音识别软件。

1987年

1987年，苹果和IBM公司生产的台式机性超过了Symbolics等厂商生产的通用计算机。从此，专家系统风光不再。80年代末，美国国防先进研究项目局高层认为人工智能并不是“下一个浪潮”。

至此，人工智能再一次成为浩瀚太平洋中那一抹夕阳红

第五阶段：人工智能第二次低谷「1987 – 1993」

1987年

80年代中商业机构对AI的追捧与冷落符合经济泡沫的经典模式，泡沫的破裂也在政府机构和投资者对AI的观察之中。尽管遇到各种批评，这一领域仍在不断前进。来自机器人学这一相关研究领域的Rodney

Brooks和Hans Moravec提出了一种全新的人工智能方案

变天的最早征兆是1987年AI硬件市场需求的突然下跌。Apple和IBM生产的台式机性能不断提升，到1987年时其性能已经超过了Symbolics和其他厂家生产的昂贵的Lisp机。老产品失去了存在的理由：一夜之间这个价值五亿美元的产业土崩瓦解。

1989年

到了80年代晚期，战略计算促进会大幅削减对AI的资助。DARPA的新任领导认为AI并非“下一个浪潮”，拨款将倾向于那些看起来更容易出成果的项目。

1990年

在发表于1990年的论文“大象不玩象棋（Elephants Don’t Play Chess）”中，机器人研究者Rodney Brooks提出了“物理符号系统假设”，认为符号是可有可无的，因为“这个世界就是描述它自己最好的模型。它总是最新的。它总是包括了需要研究的所有细节。诀窍在于正确地，足够频繁地感知它。” 在80年代和90年代也有许多认知科学家反对基于符号处理的智能模型，认为身体是推理的必要条件，这一理论被称为“具身的心灵/理性/ 认知”论题。

1991年

1991年人们发现十年前日本人宏伟的“第五代工程”并没有实现。事实上其中一些目标，比如“与人展开交谈”，直到2010年也没有实现。与其他AI项目一样，期望比真正可能实现的要高得多。

1993年

人们开始对于专家系统和人工智能的信任都产生了危机，一股强烈的声音开始对当前人工智能发展方向提出质疑，他们认为使用人类设定的规则进行编程，这种自上而下的方法是错误的。大象不玩象棋，但大象可以从现实中学会识别环境并作出判断，人工智能技术也应该拥有身体感知能力，从下而上才能实现真正的智能。这种观点是超前的，但也推动了后续神经网络技术的壮大和发展

第六阶段：人工智能的平稳过渡「1993-2011」

1995年

1995年，理查德华莱士收到60年代聊天程序ELIZA的启发，开发了新的聊天机器人程序Alice，它能够利用互联网不断增加自身的数据集计算机在人工智能方面的应用，优化内容。

虽然Alice也并不能真的通过图灵测试，但它的设计思想影响深远计算机在人工智能方面的应用，2013年奥斯卡获奖影片《her（她）》就是以Alice为原型创作的。

1997年

1997年，“深蓝”战胜国际象棋世界冠军。IBM公司的国际象棋电脑深蓝DeepBlue战胜了国际象棋世界冠军卡斯帕罗夫。它的运算速度为每秒2亿步棋，并存有70万份大师对战的棋局数据，可搜寻并估计随后的12步棋！

1997年，两位德国科学霍克赖特和施米德赫伯 提出了长期短期记忆（LSTM） 这是一种今天仍用于手写识别和语音识别的递归神经网络，对后来人工智能的研究有着深远影响。

1998年

1998年，美国公司创造了第一个宠物机器人Furby。

而热衷于机器人技术的日本，2000年，本田公司发布了机器人产品ASIMO，经过十多年的升级改进，目前已经是全世界最先进的机器人之一。

2001年

2001年，由斯皮尔伯格导演的电影《AI》上映，影片描述了未来人与机器人共生世界的种种悖论，人工智能一度引发社会关注，但关于技术的主题很快就被淡忘，数年后的观众只记得关于人性、关于爱与被爱的悲情故事。

2002年

2002年，美国先进的机器人技术公司iRobot面向市场推出了Roomba扫地机器人，大获成功。iRobot至今仍然是扫地机器最好品牌之一

2004年

2004年，美国神经科学家杰夫·霍金斯出版了《人工智能的未来》一书，深入讨论了全新的大脑记忆预测理论，指出了依照此理论如何去建造真正的智能机器，这本书对后来神经科学的深入研究产生了深刻的影响。

2006年

2006年，杰弗里辛顿出版了《Learning Multiple Layers of Representation》奠定了后来神经网络的全新的架构，至今仍然是人工智能深度学习的核心技术。

2007年

2007年，在斯坦福任教的华裔科学家李飞飞，发起创建了ImageNet项目。

为了向人工智能研究机构提供足够数量可靠地图像资料，ImageNet号召民众上传图像并标注图像内容。

ImageNet目前已经包含了1400万张图片数据，超过2万个类别。

2010年

自2010年开始，ImageNet每年举行大规模视觉识别挑战赛，全球开发者和研究机构都会参与贡献最好的人工智能图像识别算法进行评比。尤其是2012年由多伦多大学在挑战赛上设计的深度卷积神经网络算法，被业内认为是深度学习革命的开始。

2011年

2011年，Watson参加智力问答节目。IBM开发的人工智能程序“沃森”（Watson）参加了一档智力问答节目并战胜了两位人类冠军。沃森存储了2亿页数据，能够将于问题相关的关键词从看似相关的答案中抽取出来。这一人工智能程序已被IBM广泛应用于医疗诊断领域。

第七阶段：人工智能的ABC新时代「2012-至今」

2012年

华裔科学家吴恩达及其团队在2009年开始研究使用图形处理器（GPU而不是CPU）进行大规模无监督式机器学习工作，尝试让人工智能程序完全自主的识别图形中的内容。

2012年，吴恩达取得了惊人的成就，向世人展示了一个超强的神经网络，它能够在自主观看数千万张图片之后，识别那些包含有小猫的图像内容。这是历史上在没有人工干预下，机器自主强化学习的里程碑式事件。

2014年

2009年，谷歌开始秘密测试无人驾驶汽车技术；至2014年，谷歌就成为第一个在通过美国州自驾车测试的公司

2016-2017年

2016~2017年，AlphaGo战胜围棋冠军。AlphaGo是由Google DeepMind开发的人工智能围棋程序，具有自我学习能力。它能够搜集大量围棋对弈数据和名人棋谱，学习并模仿人类下棋。DeepMind已进军医疗保健等领域。

2017年，深度学习大热。AlphaGoZero（第四代AlphaGo）在无任何数据输入的情况下，开始自学围棋3天后便以100:0横扫了第二版本的“旧狗”，学习40天后又战胜了在人类高手看来不可企及的第三个版本“大师

2018年

2010年亚马逊公司就开始研发语音控制的智能音箱，2014年正式发布了产品Echo，这是一款可以通过语音控制家庭电器和提供资讯信息的音箱产品。

随后谷歌、苹果都推出类似产品，国内厂商如阿里、小米、百度、腾讯等也都纷纷效仿，一时间智能音箱产品遍地开花，都试图抢占用户家庭客厅的入口。

智能音箱的背后技术是语音助手，而目前最强技术都掌握在微软、谷歌、亚马逊、苹果和三星等几个巨头手中。

目前来看，常规语音识别技术已经比较成熟，发音技术有待完善。而真正的语义理解技术还都处于比较初级的阶段，对于松散自由的口语表述，语音助手往往无法获得重点，更无法正确回答。

2018年，谷歌发布了语音助手的升级版演示，展示了语音助手自动电话呼叫并完成主人任务的场景。其中包含了多轮对话、语音全双工等新技术，这可能预示着新一轮自然语言处理和语义理解技术的到来。

2008以后，随着移动互联网技术、云计算技术的爆发，积累了历史上超乎想象的数据量，这为人工智能的后续发展提供了足够的素材和动力。

AI人工智能，Big data大数据，Cloud云计算，以及正在深入展开的IoT物联网技术，共同构成了21世纪第二个十年的技术主旋律。