人工智能经历的阶段

       事物飞速发展之时，往往需要你停下脚步，回顾自己所处的位置，否则你会很容易陷入对细节的兴奋之中。构成人工智能基础的数据科技正以不同的方式向前发展，而且速度飞快。那么，人工智能经历了什么发展期呢，大家和小编一起来看看吧。

网易易盾-视频检测

0

1条点评

咨询产品

免费试用

解决用户选型困难的好软件，有各维度的信息

客户案例

暂无

合作品牌

4

人工智能发展期

人工智能的三个阶段

       我们倾向于把人工智能看做新事物，尤其是新技术以及和深度学习相关的新技巧。然而，人工智能已经过数十年的发展，否认过往的成功似乎不合逻辑，因为技术总是不断向前发展。当我费力向其他人解释人工智能之时，我不断为预测分析寻找一些分界线，这些分析我们已经实践了相当一段时间，也是大众对人工智能持有的观点。最近我读到了一本名叫《人工智能的三次浪潮（Three Waves of AI）》的书，作者是 DARPA 信息创新办公室主管 John Launchbury，他从一个更长远和宽广的视角，将人工智能的历史与未来划分为了三个阶段：

1. 手工知识（Handcrafted Knowledge）阶段

2. 统计学习（Statistical Learning）阶段

3. 语境顺应（Contextual Adaptation）阶段

第一阶段：手工知识

       第一个阶段的典型代表是「专家系统」（expert systems），其把大量知识转化为由中小企业团队精心制定的决策树来增强人类的智能。专家系统的代表例子是 TurboTax 或者做调度的物流程序，它们在上世纪 80 年代已经出现，且很有可能更早。尽管我们有能力运用机器学习统计算法诸如回归、SVM、随机森林以及神经网络，且这些算法自上世纪 90 年代以来获得了飞速扩展，但手工系统的应用并未完全消失。最近 Launchbury 提及到该系统的一个应用成功防御了网络攻击。大约在 2004 年之前，相似的系统实际上已经成为自动驾驶车的核心（其失败的主要原因是不能解释所有的现实问题）。

第二阶段：统计学习

       第二个阶段是我们现在所处的阶段。尽管 Launchbury 倾向于关注深度学习方面的进步，实际上早在我们使用计算机寻找数据中的信号之时就已经步入了第二阶段。统计学习阶段开始于数十年之前，但是在上世纪 90 年代获得了牵引力，并通过处理新数据、容量甚至是数据流而不断获得扩展。由于不断增加的深度学习技术工具箱（比如回归、神经网络、随机森林、SVM、GBM），统计学习阶段伴随着从数据之中寻找信号能力的爆炸性增长应运而生。这是一种不会消失的基础数据科学实践，它可以解释消费者（他们为什么来、为什么留、为什么走）、交易（是否存在欺诈）、装置（它是否有问题）、数据流（30 天之后其价值是什么）的所有行为问题。统计学系对人类智能的增强是不断发展的人工智能的部分之一。

第三阶段：语境顺应（contextual adaption）

      解释推理行为的模型：虽然我们的深度神经网络善于分类，比如图片，但是处理原理仍然显得神秘莫测。我们需要既可以进行分类也可以得到解释的系统。理解推理就能让对处理过程的修正真正有效。生成模型：这些模型可以从潜在语境中进行学习，比如一个模型，掌握了每个字母的笔画，而不是基于大量糟糕的书写样本进行粗暴分类。我们今天使用的生成模型有望显著减少对训练数据的需求。鉴于这些特点，处在这一阶段的人工智能系统就能使用语境模型（contextual models）进行感知、学习、推理以及抽象，将从一个系统中学习到的东西应用到一个完全不同的语境中。

       新阶段的开始并不意味着前一阶段会戛然而止。一些技术、功能的有用性或许会降低，但是完全被淘汰出局也不太现实。以上是小编为大家整理的人工智能发展阶段，希望对大家有所帮助。