事物飛速發(fā)展之時(shí)，往往需要你停下腳步，回顧自己所處的位置，否則你會(huì)很容易陷入對細(xì)節(jié)的興奮之中。構(gòu)成人工智能基礎(chǔ)的數(shù)據(jù)科技正以不同的方式向前發(fā)展，而且速度飛快。那么，人工智能經(jīng)歷了什么發(fā)展期呢，大家和小編一起來看看吧。

網(wǎng)易易盾-視頻檢測

0

1條點(diǎn)評

咨詢產(chǎn)品

免費(fèi)試用

解決用戶選型困難的好軟件，有各維度的信息

客戶案例

暫無

合作品牌

4

人工智能發(fā)展期

人工智能的三個(gè)階段

       我們傾向于把人工智能看做新事物，尤其是新技術(shù)以及和深度學(xué)習(xí)相關(guān)的新技巧。然而，人工智能已經(jīng)過數(shù)十年的發(fā)展，否認(rèn)過往的成功似乎不合邏輯，因?yàn)榧夹g(shù)總是不斷向前發(fā)展。當(dāng)我費(fèi)力向其他人解釋人工智能之時(shí)，我不斷為預(yù)測分析尋找一些分界線，這些分析我們已經(jīng)實(shí)踐了相當(dāng)一段時(shí)間，也是大眾對人工智能持有的觀點(diǎn)。最近我讀到了一本名叫《人工智能的三次浪潮（Three Waves of AI）》的書，作者是 DARPA 信息創(chuàng)新辦公室主管 John Launchbury，他從一個(gè)更長遠(yuǎn)和寬廣的視角，將人工智能的歷史與未來劃分為了三個(gè)階段：

1. 手工知識（Handcrafted Knowledge）階段

2. 統(tǒng)計(jì)學(xué)習(xí)（Statistical Learning）階段

3. 語境順應(yīng)（Contextual Adaptation）階段

第一階段：手工知識

       第一個(gè)階段的典型代表是「專家系統(tǒng)」（expert systems），其把大量知識轉(zhuǎn)化為由中小企業(yè)團(tuán)隊(duì)精心制定的決策樹來增強(qiáng)人類的智能。專家系統(tǒng)的代表例子是 TurboTax 或者做調(diào)度的物流程序，它們在上世紀(jì) 80 年代已經(jīng)出現(xiàn)，且很有可能更早。盡管我們有能力運(yùn)用機(jī)器學(xué)習(xí)統(tǒng)計(jì)算法諸如回歸、SVM、隨機(jī)森林以及神經(jīng)網(wǎng)絡(luò)，且這些算法自上世紀(jì) 90 年代以來獲得了飛速擴(kuò)展，但手工系統(tǒng)的應(yīng)用并未完全消失。最近 Launchbury 提及到該系統(tǒng)的一個(gè)應(yīng)用成功防御了網(wǎng)絡(luò)攻擊。大約在 2004 年之前，相似的系統(tǒng)實(shí)際上已經(jīng)成為自動(dòng)駕駛車的核心（其失敗的主要原因是不能解釋所有的現(xiàn)實(shí)問題）。

第二階段：統(tǒng)計(jì)學(xué)習(xí)

       第二個(gè)階段是我們現(xiàn)在所處的階段。盡管 Launchbury 傾向于關(guān)注深度學(xué)習(xí)方面的進(jìn)步，實(shí)際上早在我們使用計(jì)算機(jī)尋找數(shù)據(jù)中的信號之時(shí)就已經(jīng)步入了第二階段。統(tǒng)計(jì)學(xué)習(xí)階段開始于數(shù)十年之前，但是在上世紀(jì) 90 年代獲得了牽引力，并通過處理新數(shù)據(jù)、容量甚至是數(shù)據(jù)流而不斷獲得擴(kuò)展。由于不斷增加的深度學(xué)習(xí)技術(shù)工具箱（比如回歸、神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林、SVM、GBM），統(tǒng)計(jì)學(xué)習(xí)階段伴隨著從數(shù)據(jù)之中尋找信號能力的爆炸性增長應(yīng)運(yùn)而生。這是一種不會(huì)消失的基礎(chǔ)數(shù)據(jù)科學(xué)實(shí)踐，它可以解釋消費(fèi)者（他們?yōu)槭裁磥怼槭裁戳簟槭裁醋撸⒔灰祝ㄊ欠翊嬖谄墼p）、裝置（它是否有問題）、數(shù)據(jù)流（30 天之后其價(jià)值是什么）的所有行為問題。統(tǒng)計(jì)學(xué)系對人類智能的增強(qiáng)是不斷發(fā)展的人工智能的部分之一。

第三階段：語境順應(yīng)（contextual adaption）

      解釋推理行為的模型：雖然我們的深度神經(jīng)網(wǎng)絡(luò)善于分類，比如圖片，但是處理原理仍然顯得神秘莫測。我們需要既可以進(jìn)行分類也可以得到解釋的系統(tǒng)。理解推理就能讓對處理過程的修正真正有效。生成模型：這些模型可以從潛在語境中進(jìn)行學(xué)習(xí)，比如一個(gè)模型，掌握了每個(gè)字母的筆畫，而不是基于大量糟糕的書寫樣本進(jìn)行粗暴分類。我們今天使用的生成模型有望顯著減少對訓(xùn)練數(shù)據(jù)的需求。鑒于這些特點(diǎn)，處在這一階段的人工智能系統(tǒng)就能使用語境模型（contextual models）進(jìn)行感知、學(xué)習(xí)、推理以及抽象，將從一個(gè)系統(tǒng)中學(xué)習(xí)到的東西應(yīng)用到一個(gè)完全不同的語境中。

       新階段的開始并不意味著前一階段會(huì)戛然而止。一些技術(shù)、功能的有用性或許會(huì)降低，但是完全被淘汰出局也不太現(xiàn)實(shí)。以上是小編為大家整理的人工智能發(fā)展階段，希望對大家有所幫助。