简述人工智能三次浪潮中各阶段出现低潮的原因是什么? 人工智能的未来


【简述人工智能三次浪潮中各阶段出现低潮的原因是什么? 人工智能的未来】1、自1956年的夏天诞生于达特茅斯会议之后,人工智能业已经历三次浪潮 。第一次浪潮中,人们惊呼着“人工智能来了”、“再过十年机器会超越人类”,陆续发明了首款感知神经网络软件,证明了数学定理 。
2、第二次,随着上世纪80年代Hopfield神经网络和BT训练算法的提出,出现语音识别、语音翻译计划等以及日本提出的第五代计算机 。然而,由于未能真正进入人类日常生活之中,前两次浪潮最终归于沉寂 。
3、如今第三次人工智能浪潮的兴起,得益于深度学习技术的突破 。该技术是一种需要训练大型神经网络的“深层”结构,且每层可以解决不同方面的机器学习 。其特点是,无需再依赖于硬件代码和事先定义的规则,而是依靠模拟人类大脑的神经网络系统,从案例和经验中习得算法 。
4、“人工智能的不同技术应用处于不同阶段 。其中,语音识别处于推广和普及阶段,三至五年之后,计算机的语言识别能力会超过人类 。10年之内,视觉方面的图像识别也会发展得非常好 。无人驾驶汽车领域,已经能够实现一些类似能够分析过去的人工智能功能 。具有有限记忆的人工智能,正处于实验室研究阶段 。”沈向洋指出,“然而,具有自我意识的人工智能,离我们还有很远的距离 。”
5、神经网络、深度学习等技术架构早已存在多年,它们之所以在近5至10年产生飞跃,得益于数据、硬件和算法的改变 。
6、根据IDC数字领域报告显示,至2020年,每年数据量将达到44ZB(1ZB合1万亿G),5年内年复合增长率将达到141% 。随着数据量的增长,神经网络便会更有效率,机器语言可解决的问题数量也在增加 。
7、硬件能力的提升,增强了神经网络产生结果的速度与准确率 。有别于传统基于数据中心架构的CPU,GPU与并行架构的使用能够更快训练机器学习系统,通过使用图像芯片,网络能够更快迭代,以确保训练的准确性;诸如微软和百度使用的特制硅FPGA,能够令深度学习系统做出更快推断;超级计算机的计算能力,则可帮助探索深度学习的进一步可能性 。
8、在更加丰富的数据量、更优质的硬件能力的前提下,如今的研发更多是面向算法,例如伯克利的Caffe、谷歌的TensorFlow和Torch这类开源框架 。
9、尽管取得了巨大的技术进展,以深度学习为驱动力的人工智能技术更多仍停在分类、聚类和预测阶段,如:图像、文本、语音的识别、对比寻找相似项目,或基于相关数据进行预测等 。然而,能够完全复制人类独立学习、决策能力等在内智慧的通用人工智能(或说强人工智能),还仅仅停留于理论想象之中 。

推荐阅读