下载掌阅APP，畅读海量书库
立即打开
1956年在美国达特茅斯学院召开了人工智能夏季研讨会，将人工智能正式确立为一个学科。回顾人工智能六十多年的发展历程，大体上分为三个阶段。
第一阶段是基于符号逻辑的推理证明阶段。主要从1956年到1973年。逻辑计算或启发式程序是当时的主要技术，主要解决代数应用题求解、几何定理证明和机器翻译等问题。1958年就证明了《数学原理》中一阶逻辑的全部定理，并证明了“四色猜想”问题。然而，当时的人工智能研究者对问题的难度未能做出正确判断，当时的理论难以支撑对更复杂问题的求解，到20世纪70年代初期人工智能的进一步发展遇到了基础性瓶颈，各国政府对人工智能的资助就逐渐缩减或取消了。
第二阶段是基于人工规则的知识工程阶段。主要从1974年到1993年。基于人工规则的知识处理和辅助决策成为这一阶段人工智能研究的焦点。专家系统技术在这一时期得到飞速发展，许多知名的专家系统与知识工程在全世界得到迅速发展与应用。但由于人工规则表达知识的方式可获取的数据较少，难以捕捉专家的隐性知识，加之高额的知识更新和系统维护成本，导致该技术难以大规模推广。1981年日本投资8.5亿美元研发第五代计算机项目，其目标是建立知识信息处理的新型计算体体系结构，因缺乏当前语义网和知识图谱等大数据技术的支撑，于1992年以失败告终，这成为人工智能研究进入第二次寒冬的重要标志。
第三阶段是大数据驱动的机器学习阶段。人工智能第二次起落后，几个子领域尝试不同的技术路线各自向前持续探索。1997年，深蓝成为战胜国际象棋世界冠军卡斯帕罗夫的第一个计算机系统。2010年后大数据快速发展，以及2006年深度神经网络学习技术的突破，共同促成新一轮人工智能高潮的到来。基于大数据的深度学习模型和算法得到大量采用，在机器翻译、智能问答、博弈等领域取得了巨大成功，并很快在产业应用中得到认可。2015年斯坦福大学举办的图像识别挑战赛中人工智能系统的准确率达到96％，首次超越人类水平；2016年，谷歌开发的围棋机器人AlphaGo在五番棋比赛中战胜了韩国围棋国际冠军李世石九段，该事件推动人工智能发展进入大数据驱动的新阶段。
在基础理论突破、信息环境支撑、产业需求拉动的共同作用下，当前人工智能正进入加速突破、广泛应用的新阶段，表现为以下几方面特征与趋势：
1.大数据+深度学习的主流智能计算范式已经形成
2000年之后成熟起来的三大技术成就了人工智能的新一轮发展高潮，包括以深度学习为代表的新一代机器学习模型，GPU、云计算等高性能并行计算技术应用于智能计算，以及大数据的进一步成熟，以上三大技术构建起支撑新一轮人工智能高速发展的重要基础。DARPA（美国国防部高级研究计划局）认为，人工智能发展将经历三个波次，第一波次是人工智能发展初期的基于规则的时代，专家会基于自己掌握的知识设计算法和软件，这些人工智能系统通常是基于明确而又符合逻辑的规则。在第二波次人工智能系统中，人们不再直接教授人工智能系统规则和知识。而是通过开发特定类型问题的机器学习模型，基于海量数据形成智能获取能力，深度学习是其典型代表。在这种技术路线下，获得高质量的大数据和高性能的计算能力成为算法成功的关键要素。业界普遍认为，最近的五到十年里，人工智能仍会基于大数据来运行，并形成巨大的产业红利。在第三波次的人工智能发展中，人工智能技术的开发和应用将围绕语境生成和解释模型，这个模型将使未来的新系统具有获取新知识的能力。
2.人工智能总体发展水平仍处于起步阶段
尽管人工智能已经取得了重大进展，但总体发展水平仍处于起步阶段。人工智能的近期进展主要集中在专用智能领域，这种智能任务单一、应用背景需求明确、领域知识积累深厚、建模计算简单可行，因此更容易实现单点突破，在局部智能水平的单项测试中可以超越人类智能。然而即使是专用人工智能，也还处在从“不能用”到“可以用”的技术拐点，距离“很好用”还存在数据、能耗、泛化、可解释性、可靠性、安全性等诸多瓶颈，深层次发展急需变革性技术途径。现在基于现有的深度学习+大数据的方法，离最终实现强人工智能还有相当的距离，下一步可能需要借鉴人脑高级认知机理，突破深度学习方法，形成能力更强大的知识表示、学习、记忆、推理模型。随着算法智能与受脑启发的类脑智能的发展，人工智能在小数据学习、不确定性推理、知识与数据混合建模等方面正在不断取得局部性进展，这些进展与应用背景明确、领域知识积累深厚的应用结合，就会不断在局部智能水平测试上超过人类。“知其然且知其所以然”的可解释性、通过认知博弈的自主进化智能、类脑功耗的神经形态芯片和硬件系统等已经成为研究重点。
3.一批新的人工智能形态开始涌现
在移动互联网、物联网、大数据、超级计算、脑科学等新理论新技术以及经济社会发展强烈需求的共同驱动下，新型的机器学习方法，比如深度学习、深度强化学习、生成对抗学习、迁移学习和增量学习等新的方法层出不穷，人工智能研究正呈现出快速增长、百花齐放的态势。近几年全球人工智能领域论文产出急速增长，与人工智能相关的国际顶级学术会议规模超过了以往任何一个时期。大数据智能、跨媒体智能、自主无人系统、人机协同等成为新兴的研究方向。人工智能领域已经开始朝着构造能够与人类交流合作的方向发展，包括一些创造性的方法来开发交互式、可扩展的机器人教学方法。目前工业界人工智能主要以大数据智能和跨媒体智能为主，而在军事领域延伸扩展人类智能的群体智能、人机混合智能、自主智能系统等开始呈现。人类智能和人工智能各有所长、可以互补，融合多种智能模式的智能技术将在未来有广阔的应用前景。因此人机需要取长补短，人加机器的组合将是未来发展的主要方向。
4.人工智能开始展现巨大经济社会潜力
技术的逐步成熟将人工智能正式从实验室推向产业化，将对大量行业领域形成颠覆性影响，产业发展空间广阔。围棋算法、语言识别、图像识别都在近年陆续达到或超过人类水平，智能搜索和推荐、语音识别、自动翻译、图像识别等技术进入产业化阶段。各类语音控制类家电产品和脸部识别应用在生活中已随处可见；无人驾驶技术难点不断突破，谷歌无人驾驶汽车已在公路上行驶了500多万英里，自动驾驶汽车已经得到美国、英国政府上路许可。不仅如此，人工智能辅助人类工作已经开始向高端岗位升级。德勤会计师事务所将人工智能引入会计、税务、审计等工作中，代替人类阅读合同和文件。随着深度学习技术的崛起和相关算法的不断成熟，智能产业快速发展。根据乌镇智库数据库统计，截至2018年底，全球共成立人工智能企业15916家，共发生了13331起投融资事件，投融资总额达784.8亿美元，2018年企业融资金额再创新高。从投资金额结构判断，近两年人工智能领域大额投资事件增多，表现出人工智能风险投资资金向头部公司逐步集中的迹象。