人工智能一詞可謂是本世紀最熱門的詞匯，對于人工智能的種種消息必定引起全民關(guān)注。那么，現(xiàn)如今我們的人工智能究竟發(fā)展如何了呢？下面跟著小編一起去了解下。

人工智能現(xiàn)如今發(fā)展如何

1、超級智能時代來襲

AlphaGo戰(zhàn)勝李世石，意味著智能時代的到來。再往前發(fā)展一步，超級智能時代是什么？

將來不僅有單個的AlphaGo，整個北京市可能是一臺超級計算機。這個超級計算機由兩部分構(gòu)成，第一部分是它的大腦會變得更加聰明。第二，IoT（InternetofThings，物聯(lián)網(wǎng)）構(gòu)成了它的感官。整個城市是一個非常復(fù)雜的大“機器人”，我們每個人是物聯(lián)網(wǎng)的一部分。比如說，你要給太太買生日禮物，計算機知道你看過哪些購物網(wǎng)站，瀏覽過哪些產(chǎn)品頁面，你的智能車會問你是不是要去某品牌專賣店，去的路上，通知店員做準備。

所以，很可能5年后，北京是一個超級計算機，10年后整個地球是個超級計算機。這種超級計算機，意味著超級智能時代的到來。

人和機器的邊界，越來越含糊了。過去我們用圖靈測試判斷。如果在屏幕后面有一個人，有一臺計算機，你問一個問題，判斷不清楚是人給的答案，還是計算機給的答案，我們就認為人和計算機擁有同等的智能。這也是今天人工智能實現(xiàn)的一個原則。計算機并不需要模仿人，只需要達到同樣的效果。比如，只要下圍棋能贏就可以了，AlphaGo并不需要學(xué)棋譜。

所以，“人工智能”更準確地說，應(yīng)該是機器智能，因為計算機獲得智能的方式和人是不一樣的。有了這樣一個機器智能，IoT相當于人的五官，機器智能相當于人的大腦，然后，整個城市連成一個超級計算機。

2、人工智能的三個層次

人工智能的發(fā)展水平，可以分為三層：弱人工智能，強人工智能，還有超人工智能。

第一層，弱人工智能。美圖秀秀就是弱人工智能。這么多人用它自拍，它有自動學(xué)習(xí)的過程，不僅僅是根據(jù)經(jīng)驗，事先設(shè)定一個參數(shù)。大家用過亞馬遜的Echo嗎？你可以跟他對話，他會根據(jù)你的購買行為，建議你買一些東西。這也是弱人工智能。

第二層，強人工智能。圍棋不僅是一項智力運動，更是一種文化，超越了計算本身，但是，計算機可以解決得很好。理解人的語言，科大訊飛已經(jīng)做得不錯了，甚至比速記員的差錯率還低。我在谷歌最后兩年負責的一個項目里，雖然計算機不懂得物理學(xué)原理，但是它可以根據(jù)所有搜索結(jié)果，綜合知識點，重新組合出一個段落，回答“天為什么是藍色”這種問題，可以做得很好。計算機看病，輸入你的化驗結(jié)果，口述你的身體狀況，以及以前的病歷，診斷水平在美國能達到醫(yī)生的平均水準，在疑難病檢測上甚至比人做得好。

那么，有沒有超人工智能呢？至少在我們有限的生命里，是不用擔心這件事的，有兩個原因：第一，不管智能程序有多聰明，本質(zhì)上解決的都是可計算的問題。人類有很多問題是不可計算的。為什么不可計算？我們叫它自由意志。阿蘭·圖靈有兩位精神導(dǎo)師，一位是約翰·馮·諾依曼，一位是戴維·希爾伯特。希爾伯特就提出來，世界上有沒有不能直接回答“是”或者“非”的問題？當然是有的，比如說情感問題。

3、機器能否取代人？

機器能否取代人？這是一個很好的問題。

計算機獲得智能的方式，很大程度上是靠摩爾定律。計算機的性能每18個月翻一番，1965年至今翻了34番，計算速度翻了160億次。最近幾年，摩爾定律進步速度放緩。美國人估計到2030年，計算機機器智能的水平可能會達到黑猩猩的水平。黑猩猩是人科，它們與人類的差距，要比跟大猩猩的差距要小。

10年前有了大數(shù)據(jù)，使得計算機的進步非?？臁＝裉煊嬎銠C能獲得如此高的智能，很大程度上取決于數(shù)據(jù)。缺少數(shù)據(jù)的時候，計算機再快，“巧婦難為無米之炊”。有了數(shù)據(jù)，估計到2030年，計算機能在各方面達到人的水平，也就是說，還剩13年的時間。你覺得很主觀的事情，比如說買什么東西合適，你的判斷和計算機的判斷可能是完全一樣的。

幾年前深度學(xué)習(xí)開始發(fā)展，在算法上有一些改進，這又會加速計算機智能的發(fā)展。所以，到2030年，計算機幾乎可以全面超越人。

4、IT助人提高競技水平

國際象棋有一套自己的積分標準，一名很牛的棋手叫加里·基莫維奇·卡斯帕羅夫，他的積分能達到2700分。他的下棋水平怎么達到這個程度的？他天天跟計算機下，平時根本不摸棋盤。也就是說，人工智能可以用來幫助訓(xùn)練棋手。

2015-2016賽季，金州勇士隊在常規(guī)賽中取得73勝9負的成績，打破了公牛隊在1995-1996賽季創(chuàng)下的紀錄。這個隊是怎么得到總冠軍的？你請一個里皮這樣的教練有一點用處，但更有用的是科技。2009年，金州勇士隊在NBA中倒數(shù)第二名，一位風險投資人就把它買下來，覺得能夠把這個球隊訓(xùn)練好。金州勇士隊把大牌賣了，引進了庫里。庫里身高只有1.94米，在NBA球員里是比較矮的，而且腿受過傷，但是他的投籃技術(shù)很好。圍繞著庫里的優(yōu)勢，教練設(shè)計了新的打法。工程師團隊在球場上設(shè)置了很多攝像機，用SportVU跟蹤記錄，用MOCAP制定具體打法。六年下來，勇士隊從倒數(shù)第二名，做到了NBA總冠軍。

如果關(guān)注高爾夫球，你會發(fā)現(xiàn)，老虎·伍茲當時打出67、68桿的成績就能得冠軍。他們訓(xùn)練的時候要渾身帶著設(shè)備，旋轉(zhuǎn)角度很準。

這就是機器智能，或者說IT對體育的幫助。

5、機器智能是如何產(chǎn)生的？

機器智能是如何產(chǎn)生的？有三個支柱，一個是摩爾定律，一個是數(shù)據(jù)量的提高，第三是數(shù)學(xué)模型。第三個，數(shù)據(jù)模型的實現(xiàn)，叫深度學(xué)習(xí)。所以，機器智能其實是沿著數(shù)據(jù)和深度學(xué)習(xí)的路徑在發(fā)展。如果有人在這個領(lǐng)域要創(chuàng)業(yè)的話，想要像谷歌一樣去研究深度學(xué)習(xí)是沒有希望了，但是，真正地研究清楚一個行業(yè)，掌握這個行業(yè)的數(shù)據(jù)和數(shù)學(xué)模型，還是有希望的。

人工智能發(fā)展，經(jīng)過了三個階段。

第一階段（1956-1970年）是模擬人。這是人認知的普遍規(guī)律。人想飛，不會飛，看到鳥有翅膀可以飛，所以人就綁上翅膀。直到今天，很多人想象中的機器人，還是人形機器智能，其實它不需要人形。

第二階段（1970-2000年），趕上人?？的螤柎髮W(xué)一位教授提出來，要把一個現(xiàn)實問題變成數(shù)學(xué)問題，后來取得了突破性進展。語音識別是最早的智能。

第三階段是超越人，比如說無人駕駛汽車。谷歌無人駕駛在美國跑了300多萬公里，主動的交通事故是兩次。智能駕駛汽車看到的場景跟我們完全不一樣，上面有激光雷達，下面藏了無數(shù)傳感器，有一些死角能夠看到。人只有五官，機器的IoT特別多。

以上就是人工智能現(xiàn)如今發(fā)展如何的全部內(nèi)容了，就如李彥宏所說，人工智能不再是離我們很遙遠的一個神話，而是正在漸漸落實在我們的生活當中。