這兩年人工智能（Artificial Intelligence）領(lǐng)域熱鬧非凡，不僅科技巨頭紛紛發(fā)力AI取得技術(shù)與產(chǎn)品的突破，還有眾多初創(chuàng)企業(yè)獲得風險資本的青睞，幾乎每周都可以看到相關(guān)領(lǐng)域初創(chuàng)公司獲得投資的報道。AiphaGo在圍棋游戲中大勝李世石使人們對AI刮目相看的同時也引發(fā)了對AI將如何改變我們生活的思考。

其實，人工智能從上世紀40年代誕生至今，經(jīng)歷了一次又一次的繁榮與低谷，下面我們就來回顧下過去半個世紀里人工智能的發(fā)展歷程。

|人工智能發(fā)展的七個階段

1.起源階段：人工智能真正誕生于20世紀的40 - 50年代。這段時間里，大量從事數(shù)學、工程、計算機等研究領(lǐng)域的科學家們開始探討“人工大腦”的可能性。1950年阿蘭 圖靈（Alan Turing）發(fā)表了題為“機器能思考嗎”的著名論文，提出了著名的圖靈測試來定義機器智能。他說只要有30%的人類測試者在5分鐘內(nèi)無法分辨出被測試對象究竟是人類還是機器，就可以認為機器通過了圖靈測試。

圖1：圖靈測試

2.第一次黃金時期：專業(yè)術(shù)語“人工智能”（Artificial Intelligence）誕生于1956年的達特矛斯會議，由計算機科學家John McCarthy首次正式提出。達特矛斯會議之后的十多年是人工智能的第一次黃金時代，科學家們對人工智能的前景滿懷激情，大批研究者撲向這一新領(lǐng)域，一些頂尖高校建立的人工智能項目獲得了ARPA等機構(gòu)的大筆經(jīng)費，甚至有研究者認為機器很快就能替代人類完成一切工作。

3.第一次低谷：到了70年代，由于計算機性能瓶頸、計算復雜性的增長以及數(shù)據(jù)量的不足，很多人工智能科研項目的承諾無法兌現(xiàn)，比如計算機視覺根本找不到足夠的數(shù)據(jù)庫進行訓練，智能也就無從談起。因此，學界將人工智能分為兩種：難以實現(xiàn)的強人工智能和可以嘗試的弱人工智能。強人工智能就是能像人類一樣執(zhí)行通用任務(wù)；弱人工智能則只能處理單一問題。很多項目的進度停滯不前也影響了資助資金的走向，AI陷入了長達數(shù)年之久的低谷。

4.專家系統(tǒng)的出現(xiàn)：70年代之后，學術(shù)界逐漸接受新的思路：人工智能不光要研究算法，還得引入知識。于是，專家系統(tǒng)誕生了。它利用數(shù)字化的知識去推理，模仿某一領(lǐng)域的專家去解決問題?！爸R處理”開始成為人工智能的研究重點。，1977年世界人工智能大會提出“知識工程”的啟發(fā)，rb的第五代計算機計劃、英國的阿爾維計劃、歐洲的尤里卡計劃和mg的星計劃相繼出臺，帶來專家系統(tǒng)的高速發(fā)展。

5.第二次經(jīng)費危機：20世紀90年代之前的大部分人工智能項目都是靠zf機構(gòu)資助，經(jīng)費走向直接影響著人工智能的發(fā)展。80年代中期，蘋果和IBM的臺式機性能已經(jīng)超過了運用專家系統(tǒng)的通用型計算機，專家系統(tǒng)的風光隨之褪去，人工智能研究再次遭遇經(jīng)費危機。

6.IBM的深藍和Watson：專家系統(tǒng)之后，機器學習成為了人工智能的焦點，其目的是讓機器具備自動學習的能力，通過算法使得機器能夠從大量歷史數(shù)據(jù)中學習規(guī)律并對新的樣本作出判斷識別。。在這一階段，IBM無疑是人工智能領(lǐng)域的領(lǐng)袖，1996年IBM公司的AI系統(tǒng)“深藍”戰(zhàn)勝了國際象棋世界冠軍卡斯帕羅夫，2011年IBM公司的AI系統(tǒng)Watson在電視問答節(jié)目中戰(zhàn)勝人類選手。后者涉及到放到現(xiàn)在仍然是難題的自然語言理解，成為機器理解人類語言的里程碑事件。

7.深度學習的強勢崛起：深度學習是機器學習的第二次浪潮。2013年4月，《麻省理工學院技術(shù)評論》將深度學習列為2013年十大突破性技術(shù)之首。其實，深度學習并非新事物，它是傳統(tǒng)神經(jīng)網(wǎng)絡(luò)（Neural Network）的發(fā)展，兩者采用了相似的分層結(jié)構(gòu)，不同之處在于深度學習采用了不同的訓練機制，具備強大的表達能力。傳統(tǒng)神經(jīng)網(wǎng)絡(luò)曾經(jīng)在機器學習領(lǐng)域火過一陣子，但后來由于參數(shù)難于調(diào)整和訓練速度慢等問題逐漸淡出了人們的視野。

但是有一位叫Geoffrey Hinton的多倫多大學老教授非常執(zhí)著于神經(jīng)網(wǎng)絡(luò)的研究，并和Yoshua Bengio、Yann LeCun一起提出了可行的深度學習方案。2012年Hinton的學生在圖片分類競賽ImageNet上打敗了Google，頓時讓學術(shù)界和工業(yè)界嘩然，吸引了工業(yè)界對深度學習的大規(guī)模投入。2012年Google Brain用16000個CPU核的計算平臺訓練10億神經(jīng)元的深度網(wǎng)絡(luò)，無外界干涉下自動識別出了“Cat”；Hinton的DNN初創(chuàng)公司被Google收購，Hinton個人也加入了Google；而另一位大牛LeCun加入Facebook，出任AI實驗室主任。不僅科技巨頭們加大對AI的投入，一大批初創(chuàng)公司乘著深度學習的東風涌現(xiàn)，使得人工智能領(lǐng)域熱鬧非凡。

|人工智能之主要引擎：深度學習

機器學習發(fā)展分為兩個階段，起源于上世紀20年代的淺層學習（ShallowLearning）和最近幾年才火起來的深度學習（Deep Learning）。淺層學習的算法中最先被發(fā)明的是神經(jīng)網(wǎng)絡(luò)的反向傳播算法（back propagation）。為什么稱之為淺層呢，因為當時的訓練模型是只含有一層隱含層的淺層模型。這種模型有個很大的弱點，那就是有限參數(shù)和計算單元，特征表達能力弱。

上世紀90年代，學術(shù)界提出一系列的淺層機器學習模型，包括風行一時的支撐向量機Support Vector Machine，Boosting等。這些模型相比傳統(tǒng)神經(jīng)網(wǎng)絡(luò)在效率和準確率上都有所提升。但后來人們發(fā)現(xiàn)，識別精度到達一定程度后，即使訓練再多的數(shù)據(jù)，再怎么調(diào)整參數(shù)，精度也無法繼續(xù)提高。

在此期間，Hinton教授一直執(zhí)著于多隱層神經(jīng)網(wǎng)絡(luò)的算法研究。多隱層神經(jīng)網(wǎng)絡(luò)其實就是淺層神經(jīng)網(wǎng)絡(luò)的深度版本，試圖使用更多的神經(jīng)元來表達特征，其實現(xiàn)難點主要在于以下三方面：

BP算法中誤差的反向傳播隨著隱層的增加而衰減；很多時候只能達到局部最優(yōu)解；

模型參數(shù)增加，對訓練數(shù)據(jù)的量有很高要求，如果不能提供龐大的標識數(shù)據(jù)，可能會導致過度復雜；

多隱層結(jié)構(gòu)的參數(shù)多，訓練數(shù)據(jù)的規(guī)模大，需要消耗很多計算資源。

圖2：傳統(tǒng)神經(jīng)網(wǎng)絡(luò)與多隱層神經(jīng)網(wǎng)絡(luò)

2006年，Hinton和他的學生R.R. Salakhutdinov成功訓練出多層神經(jīng)網(wǎng)絡(luò)，在《Science》上發(fā)表文章（Reducingthe dimensionality of data with neural networks），改變了整個機器學習的格局。這篇文章有兩個主要觀點：1）多隱層神經(jīng)網(wǎng)絡(luò)有更強大的學習能力，可以表達更多特征來描述對象；2）訓練深度神經(jīng)網(wǎng)絡(luò)時，可通過降維（pre-training）來實現(xiàn)。Hinton教授設(shè)計的Autoencoder網(wǎng)絡(luò)能夠快速找到好的全局最優(yōu)點，采用無監(jiān)督的方法先分開對每層網(wǎng)絡(luò)進行訓練，然后再進行微調(diào)。

圖3：圖像的與訓練，編碼→解碼→微調(diào)

從圖3我們可以看到，深度神經(jīng)網(wǎng)絡(luò)是逐層進行預(yù)訓練，得到每一層的輸出；同時引入編碼器和解碼器，通過原始輸入與編碼→再解碼之后的誤差來訓練，這兩步都是無監(jiān)督訓練過程；最后引入有標識樣本，通過有監(jiān)督訓練來進行微調(diào)。逐層訓練的好處是讓模型處于一個接近全局最優(yōu)的位置去獲得更好的訓練效果。

以上就是Hinton在2006年提出的著名的深度學習框架，而我們實際運用深度學習網(wǎng)絡(luò)的時候，不可避免的會碰到卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks, CNN）。CNN的原理是模仿人類神經(jīng)元的興奮過程：大腦中的一些神經(jīng)細胞只有在特定方向的邊緣存在時才能做出反應(yīng)。打個比方，當我們非常近距離地觀察一張人臉圖片時，這時候我們的大腦中只有一部分神經(jīng)元是被激活的，我們也只能看到人臉上的像素級別點，當我們把距離一點點拉開，大腦其他部分的神經(jīng)元將會被激活，我們也就可以觀察到人臉的線條→圖案→局部→整個人臉，這就是一步步獲得高層特征的過程。

圖4：基本完整的深度學習流程

深度學習的好處是顯而易見的 – 特征表達能力強，有能力表示大量的數(shù)據(jù)；預(yù)訓練是無監(jiān)督訓練，節(jié)省大量人力標識工作；相比傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)，通過逐層訓練的方法降低了訓練難度，如信號衰減的問題。深度學習在很多領(lǐng)域比淺層學習算法往往有20-30%的提高，驅(qū)使研究者發(fā)現(xiàn)新大陸一般涌向深度學習這一領(lǐng)域。

|深度學習的重要發(fā)展領(lǐng)域

深度學習首先在圖像、聲音和語義識別取得了長足的進步，特別是在圖像和聲音領(lǐng)域相比傳統(tǒng)算法大大提升了識別率。其實也很容易理解，深度學習是模仿人類大腦神經(jīng)感知外部世界的算法，而最常見的外部自然信號莫過于圖像、聲音和文字（非語義）。

圖像識別：圖像是深度學習最早嘗試的領(lǐng)域。YannLeCun早在1989年就開始了卷積神經(jīng)網(wǎng)絡(luò)的研究，取得了在一些小規(guī)模（手寫字）的圖像識別的成果，但在大像素圖片識別上遲遲沒有突破，直到2012年Hinton和他學生在ImageNet上的突破，才使識別精度提高了一大截。2014年，xg中文大學教授湯曉鷗領(lǐng)導的計算機視覺研究組開發(fā)了名為DeepID的深度學習模型，在人臉識別上獲得了99.15%的識別率，超過了人類肉眼的的識別率（97.52%）。

語音識別：語音識別長期以來都使用混合高斯模型來建模，盡管降低了語音識別的錯誤率，但在有噪音的實際自然環(huán)境中達不到可用的級別。直到深度學習的出現(xiàn)，使得識別錯誤率在以往最好的基礎(chǔ)上相對下降30%以上，達到商業(yè)可用的水平。

自然語言處理（NLP）：即使到現(xiàn)在，深度學習在NLP領(lǐng)域并沒有取得像圖像識別或者語音識別領(lǐng)域那樣的成就，基于統(tǒng)計的模型仍然是NLP的主流，先通過語義分析提取關(guān)鍵詞、關(guān)鍵詞匹配、算法判定句子功能（找出距離這個句子最近的標識好的句子），最后再利用提前準備的數(shù)據(jù)庫提供用戶輸出結(jié)果。顯然，這明顯談不上智能，只能算一種搜索功能的實現(xiàn)，而缺乏真正的語言能力。

為什么深度學習在NLP領(lǐng)域進展緩慢?這是因為，對語音和圖像來說，其構(gòu)成元素（輪廓、線條、語音幀）不用經(jīng)過預(yù)處理都能清晰反映出要識別的對象，可以直接放到神經(jīng)網(wǎng)絡(luò)里進行識別。而語義識別大不相同：人說的每句話并非自然信號，含有豐富多變的語義，對它的理解需要參考上下文語境的，有時候還會涉及到大量的文化背景知識。因此，仿人類大腦識別機制建立的深度學習，對經(jīng)過我們?nèi)祟惔竽X處理的文字信號的理解，效果反而差強人意。根本上來說，現(xiàn)在的算法還屬于弱人工智能，可以去幫人類快速的自動執(zhí)行（識別），卻不能理解這件事情本身。

|深度學習的挑戰(zhàn)和發(fā)展方向

受益于計算能力的提升和大數(shù)據(jù)的出現(xiàn)，深度學習在計算機視覺和語音識別領(lǐng)域成就斐然，不過我們也看到了一些深度學習的局限性，亟待解決：

深度學習在學術(shù)領(lǐng)域取得了不錯的成果，但在商業(yè)上對企業(yè)幫助并不明顯。因為深度學習是一個映射的過程，從輸入A映射到輸出B，而在企業(yè)活動中如果我已經(jīng)擁有了這樣的A→B映射，為什么還需要機器學習來推斷呢？讓機器自己在數(shù)據(jù)中尋找這種映射關(guān)系或者進行yc，目前還存在很大難度。

缺乏理論基礎(chǔ)，這是困擾著研究者的問題。比如說，AlphaGo這盤棋贏了，你很難弄懂它是怎么贏的?？梢哉f，深度學習是一個黑箱子，神經(jīng)網(wǎng)絡(luò)需要多少個隱層來訓練，到底需要多少有效的參數(shù)等，都沒有很好的理論解釋。

深度學習需要大量的訓練樣本。由于深度學習的多層網(wǎng)絡(luò)結(jié)構(gòu)，模型的參數(shù)也會增加，如果訓練樣本不夠大是很難實現(xiàn)的，需要海量的標記數(shù)據(jù)，避免產(chǎn)生過擬合現(xiàn)象（overfitting）而不能很好的表示整個數(shù)據(jù)。

深度學習在NLP領(lǐng)域還面臨很大挑戰(zhàn)，目前的模型缺乏理解及推理能力。

因此，深度學習將來的發(fā)展方向也將涉及到以上問題的解決。Hinton、LeCun和Bengio三位AI領(lǐng)袖曾在合著的一篇論文（Deep Learning）的結(jié)尾提出了深度學習的未來發(fā)展方向：

無監(jiān)督學習。雖然監(jiān)督學習在深度學習中表現(xiàn)不俗，超過了無監(jiān)督學習在預(yù)訓練中的效果，但人類和動物的學習都是無監(jiān)督學習方式，我們感知世界都是通過我們自己的觀察，因此若要更加接近人類大腦的學習模式，無監(jiān)督學習需要得到更好的發(fā)展。

強化學習。增強學習指的是從外部環(huán)境到行為映射的學習，通過基于回報函數(shù)的試錯來發(fā)現(xiàn)最優(yōu)行為。由于在實際運用中數(shù)據(jù)量是遞增的，在新數(shù)據(jù)中能否學習到有效的數(shù)據(jù)并做出修正非常重要，深度+強化學習可以提供獎勵的反饋機制讓機器自主的學習，典型案例是AlphaGo。

理解自然語言。老教授們說：趕緊讓機器讀懂人類的語言吧！

遷移學習。把利用大數(shù)據(jù)訓練好的模型遷移運用到有效數(shù)據(jù)量小的任務(wù)上，也就是把學到的知識有效的解決不同但相關(guān)領(lǐng)域的問題。這事情看起來很美好，但難點在于已訓練好的模型存在自我偏差，需要高效算法去消除這些偏差。根本上來說，就是讓機器像人類一樣具備快速學習新知識的能力。

自深度學習被Hinton在《Science》發(fā)表以來，短短的不到10年時間里，帶來了人工智能在視覺、語音等領(lǐng)域的突破性進步，再一次掀起來人工智能的熱潮。雖然目前仍然存在很多差強人意的地方，距離強人工智能還有很大差距，但深度學習是目前最接近人類大腦運作原理的算法。相信在將來，隨著算法的完善以及數(shù)據(jù)的積累，甚至硬件層面仿人類大腦神經(jīng)元材料的出現(xiàn)，深度學習將會更進一步推動人工智能的發(fā)展。

審核編輯 黃昊宇