基础篇：问题1.人工智能的发展简史是怎样的？1993-至今

五、人工智能加速超车(1993年~2011年)

经过五十多年的发展，AI终于实现了一些小目标。被成功地用在各个商业领域之中，尽管很多时候是在幕后。这些成就有的归功于计算机性能的提升，有的则是在科学家不断追求而获得的。AI经过几次沉浮在商业领域里声誉已经大不如前。各种因素将AI拆分为各自为战的几个应用领域，有时候它们甚至会用新名词来替换“人工智能”以避免受其历史影响。

九十年代的许多AI研究者故意用其他一些名字称呼他们的工作，例如信息学，知识系统，认知系统或计算智能。部分原因是他们认为这些领域与AI存在根本的不同，同时新名字也有利于获取经费。

同时越来越多的AI研究者们开始开发和使用复杂的数学工具。人们广泛地认识到，许多AI需要解决的问题已经成为数学，经济学和运筹学领域的研究课题。数学语言的通用性不仅使AI可以与其他学科展开更高层次的合作，而且使研究结果更易于评估和证明。AI已成为一门更严格的科学分支。这些变化被视为一场“革命”和“简约派的胜利”。

AI研究者们把算法的开发变为系统主要部分，这使得AI可以解决大量的难题，这些解决方案在产业界起到了重要作用。应用了AI技术的有数据挖掘、工业机器人、物流系统、语音识别程序、银行防欺诈、医疗诊断和Google搜索引擎等。AI终于逐渐走出了实验室，走向各行各业的应用，取得更大的成功。

在这个阶段的重大事件有：

1993年作家兼计算机科学家弗诺·文奇(VernorVinge)发表了一篇文章，在这篇文章中首次提到了人工智能的“奇点理论”。他认为未来某一天人工智能会超越人类，并且终结人类社会，进而主宰人类世界，被其称为“即将到来的技术奇点”。 他是最早的人工智能威胁论提出者，后来者还有史蒂芬·霍金(Stephen Hawking)和现实版“钢铁侠”——特斯拉CEO埃隆·马斯克(Elon Musk)。

1997年5月11日，IBM公司的电脑“深蓝”战胜国际象棋世界冠军卡斯帕罗夫(Garry Kasparov)为首个在标准比赛时限内击败国际象棋世界冠军的电脑系统。这是AI发展史上，人工智能首次战胜人类。

2005年，斯坦福开发的一台机器人在一条沙漠小路上成功地自动行驶了131英里，赢得了DARPA挑战大赛头奖。

2006年，杰弗里·辛顿(Geoffrey Hinton)在《Science》和相关期刊上发表了论文，首次提出了“深度信念网络”的概念。

2007年，亚当·奇耶(Adam Cheyer)等人创立Siri，一开始的Siri只是iOS中的一个应用。2010年被苹果公司收购，重新开发后只允许Siri在iOS中运行。语音助手可以识别用户的语言，并进行简单的系统操作，某种程度上来说，语音助手赋予了人工智能“说话”和“交流”的能力。

2010年，“无人车之父”塞巴斯蒂安·特龙(Sebastian Thrun)领导的谷歌在加州道路上测试自动驾驶汽车，当时已经创下了超过 16万千米无事故的纪录。自动驾驶技术便进入了爆发式发展阶段。

2011年，Watson(沃森)作为IBM公司开发的使用自然语言回答问题的人工智能程序参加美国智力问答节目，打败两位人类冠军，赢得了100万美元的奖金。

六、人工智能感知万物(2012-至今)

随着各种机器学习算法的提出和应用，特别是深度学习技术的发展，人们希望机器能够通过大量数据分析，从而自动学习出知识并实现智能化水平。这一时期，随着计算机硬件水平的提升，大数据分析技术的发展，机器采集、存储、处理数据的水平有了大幅提高。特别是深度学习技术对知识的理解比之前浅层学习有了很大的进步，谷歌的Alpha Go战胜世界围棋顶尖高手就是目前人工智能的高水平代表之一。

2012年，深度学习技术又在图像识别领域大展拳脚。杰弗里·辛顿(GeoffreyHinton)与他的学生在ImageNet竞赛中，取得了分类错误率15%的好成绩，在这之后，关于深度神经网络的研究与应用不断涌现。

2012年，加拿大神经学家团队创造了一个具备简单认知能力、有250万个模拟“神经元”的虚拟大脑，命名为“Spaun”，它使用一个类似摄像镜头的仪器来观察，并可指挥机械臂进行书写等动作，并通过了最基本的智商测试。但研究发现人脑有10的11次方以上的神经元，靠硬件完全模拟人类大脑神经元这条路，短期内也是走不通的。

2012年6月，谷歌研究员杰夫·迪恩(Jeff Dean)和吴恩达(Andrew Y. Ng)从YouTube视频中提取了1000万个未标记的图像，训练一个由一万六千个电脑CPU组成的庞大神经网络。在没有给出任何识别信息的情况下，人工智能通过深度学习算法准确的从中识别出了猫科动物的照片。这是人工智能深度学习的首次案例，它意味着人工智能开始有了一定程度的“思考”能力。

 2013年年末，Facebook CEO马克·扎克伯格(Mark Zuckerberg)参加神经信息处理系统(NIPS)技术会议。因为扎克伯格的到来而成了一个风向标，人工智能再一次从单纯的学术研究走向商业化。深度学习算法被广泛运用在产品开发中。

Facebook人工智能实验室成立，探索深度学习领域，借此为Facebook用户提供更智能化的产品体验；Google收购了语音和图像识别公司DNNResearch，推广深度学习平台。

2015年：人工智能爆发之年Google开源了利用大量数据直接就能训练计算机来完成任务的第二代机器学习平台Tensor Flow；剑桥大学建立人工智能研究所等。

2016年3月15日，Google人工智能团队DeepMind研发出AlphaGo与围棋世界冠军李世石的人机大战落下了帷幕。AlphaGo 4：1 战胜围棋世界冠军李世石，开启了人工智能的新纪元。这一次的人机对弈让人工智能正式被世人所熟知，整个人工智能市场也像是被引燃了导火线，开始了新一轮爆炸式增长。

总结人工智能走过60多年的漫长而又曲折的发展道路，可以看到经过大量相关学科研究成果点滴不断进步，在不同方向的研究道路上面反复探索的积累，才有了今天走进我们生活，大量应用。

到现在为止，我们可以认为的部分实现了弱人工智能，机器通过感知，学习，已经可以在一定程度上模仿人类的行为从而展示出智能性了。而且衡量AI可用性的标准已经从单纯的行为模仿到了是否能超越人类，大量的行业应用正在快速的研发和部署应用，这是人工智能诞生以来最好的时代，我们正在见证这个时代变化的发生。谷歌旗下开发AlphaGo的DeepMind最近正在训练AI组队打游戏，并且击败了顶尖水平的业余玩家。其原理是通过自我对抗的方式从随机权重开始学习，人工智能战队从漫无目的地闲逛到出现战斗的“意识”。几天之后，AI的策略就非常接近人类了。AI的训练量级非常大，每天都能完成人类玩家180年的练习量。游戏AI最早的时候是做出来陪人类“玩儿”的，而现在人类在陪人工智能游戏“玩儿”，甚至一般人还打不过它，不得不说一句：时代是真的变了。

为什么要训练AI组队打游戏呢？自从AI征服了围棋之后，下一个目标就是让人工智能在即时战略游戏中战胜顶级人类玩家。在棋类游戏中局势的变化是相对容易被量化的，即使是复杂的围棋也只是在19×19的棋盘中进行。但像《星际争霸》这样的类型的即时战略游戏，每个单位可能的变化和互相影响远比这个数字多得多。并且即时战略游戏更加混乱且有连续性，也更接近于真实的世界。如果AI能在即时战略游戏战胜人类，那将可以带来海量的AI技术商业化应用场景。

但我们也要看到人工智能发展的速度是如此迅速，而未来的发展方向还没有很清晰，这样的情况就像是黑夜里在乡间小路上开快车，既看不清远处的路，又要非常小心的驾驶，因为稍不留神就会滑出路面，后果不堪设想。即便如此我们也不应该畏惧人工智能的发展，而是要更加关注这些问题，更多人去研究和讨论，在人工智能发展的过程中解决问题，带着人工智能走进一个更好的未来。

PS:大家觉得内容不错的话请转发、点赞、评论一条龙~~