IBM 长文解读人工智能、机器学习和认知计算
人工智能的发展曾经经历过几次起起伏伏,近来在深度学习技术的推动下又迎来了一波新的前所未有的高
潮。近日,
IBM
官网发表了一篇概述文章,对人工智能技术的发展过程进行了简单梳理,同时还图文并茂
地介绍了感知器、聚类算法、基于规则的系统、机器学习、深度学习、神经网络等技术的概念和原理。
人类对如何创造智能机器的思考从来没有中断过。期间,人工智能的发展起起伏伏,有成功,
也有失败,以及其中暗藏的潜力。今天,有太多的新闻报道是关于机器学习算法的应用问题,
从癌症检查预测到图像理解、自然语言处理,人工智能正在赋能并改变着这个世界。
现代人工智能的历史具备成为一部伟大戏剧的所有元素。在最开始的 1950 年代,人工智
能的发展紧紧围绕着思考机器和焦点人物比如艾伦·图灵、冯·诺伊曼,迎来了其第一次春天。
经过数十年的繁荣与衰败,以及难以置信的高期望,人工智能及其先驱们再次携手来到一个
新境界。现在,人工智能正展现着其真正的潜力,深度学习、认知计算等新技术不断涌现,
且不乏应用指向。
本文探讨了人工智能及其子领域的一些重要方面。下面就先从人工智能发展的时间线开始,
并逐个剖析其中的所有元素。
现代人工智能的时间线
1950 年代初期,人工智能聚焦在所谓的强人工智能,希望机器可以像人一样完成任何智力
任务。强人工智能的发展止步不前,导致了弱人工智能的出现,即把人工智能技术应用于更
窄领域的问题。1980 年代之前,人工智能的研究一直被这两种范式分割着,两营相对。但
是,1980 年左右,机器学习开始成为主流,它的目的是让计算机具备学习和构建模型的能
力,从而它们可在特定领域做出预测等行为。
图
1
:现代人工智能发展的时间线
在人工智能和机器学习研究的基础之上,深度学习在 2000 年左右应运而生。计算机科学
家在多层神经网络之中使用了新的拓扑学和学习方法。最终,神经网络的进化成功解决了多
个领域的棘手问题。
3