从2016年3月的AlphaGo围棋比赛中以4-1击败李世石距现在已经三年了。近年来，在谷歌等大公司的牵制下，“人工智能”一词屡见不鲜。随着人机战争的结束，“人工智能”风口也被引爆到了极致。在任何地方都可以看到“智能”项目：智能语音、智能扬声器、智能电话机器人、智能手表（手环）、各种智能家居等等。
如今，人工智能是“深度学习”的突破的产物（难怪算法部那么难挤进）。深度学习算法本质上是一种神经网络，早在20世纪40年代就提出了，神经网络并在80年代达到了研究热潮。
如果要深纠“深度学习”算法只不过是将神经网络的隐含层加多了而已，本质上还是神经网络。 而“神经网络”算法，所依赖的数学基础就是概率论。简单点说，语音识别算法在语料库中找到最接近的文本；自动驾驶算法算出最安全的行车路线；AlphaGo下棋时，总是算出胜率最大的落子等等。
如果只是从算法层面去看待人工智能，那么现在的人工智能所用有的也仅仅是算法层面上的升级，相较于80年代是没有核心本质上面的区别，还不具备自主思考的能力，那么为什么曾经的人工智能与现在的差别如此之大呢？例如电话机器人，在人机交互体验上逐渐有取代客户的趋势？关键点还是在于大数据。
追本溯源的话，早在1980年，著名未来学家托夫勒在其所著的《第三次浪潮》中就热情地将“大数据”这一个概念提出，并称之为 “第三次浪潮的华彩乐章，但是直到2011年6月，世界著名的管理咨询公司麦肯锡公司才发表了以一次大数据报告，这也是大数据的首次实际应用。
现在，“大数据”这个词经常和“人工智能”一起提到。它还有一个很俗气的名字——“许多许多的数据”。例如，用户数据（网页、用户浏览或购买的物品，甚至一些聊天软件的内容）、流量数据、天气数据、股市数据等，随着互联网用户数量的激增和服务器存储计算能力的提高，存储和分析“许多许多数据”成为现实。
因为在商业宣传上面的需要“很多很数据”这个词汇，完全不能和“大数据”三个字相比。
“大数据”是从英文"big data"直译过来，如果这个概念最先从中国发明出来，可能就叫 “宏数据”是不是感觉格调就不一样了。
按照现在业界的认可，人工智能有三个层次：
一、运算智能
快速计算和记忆存储能力。
二、感知智能
视觉、听觉、触觉等感知能力。人和动物都具备，能够通过各种智能感知能力与自然界进行交互。自动驾驶汽车，就是通过激光雷达等感知设备和人工智能算法，实现这样的感知智能的。
三、认知智能
通俗讲是“能理解会思考”。人类有语言，才有概念，才有推理，所以概念、意识、观念等都是人类认知智能的表现。
其实上面1，2两个智能都在软件层面上实现了，人机互相的接口做得更容易让人使用，但距离真正智能还是有差距。但是商业的力量很可怕, 可以改变一个词汇的意思！ 现在“智能”两字几乎等同于“好用”，如果一个产品换成好用后，完全说得通，并且更好理解，只不过没有“智能”二字高大上而已，没有“智能”二字更具商业宣传价值而已。
类似某某家具，打着人工智能旗号，其实就是在固定程序下面的框架式回答，甚至技术的最高原理只与感应灯原理类似。
知道了最近几年的“人工智能”是商业词汇，但我们能做的确实不多。毕竟也是大佬们玩的游戏，作为吃瓜群众的我们不可能让人们去忘记“人工智能”这个词。不过，我们自己可以做到加强一下就这个词汇的抵抗力，在选购商品时如果出现“人工智能”家居之类的词汇，得看它是否真的是自己所需，还只是打了这个标签。
从图灵机-冯诺依曼体系结构到现在可以说是没有本质上的突破。如果要硬说是进步，应该是芯片和5G的进步提高了AI的运算能力，就好似上文中提到的智能电话机器人，一款电话机器人好不好用还是看数据和系统运算能力。
虽然现在这场“人工智能”热潮有点儿名不副实，但信息技术给予一些企业的帮助是实实在在的特别是外呼型的企业，能够带去不小的便利。这是一个不错的时代，至少我们还有期盼，等基础物理学的突破。量子、弦论或M理论的完备，全新数学分支的创建。为实现有别于概率的智能算法提供理论支持，脑生物学的突破。彻底弄明白人脑结构、为何会产生意识，并且为之建立精准的数学模型。 打破图灵机-冯诺依曼体系结构计算机的出现时候，就是真正人工智能实现的时候吧！
阅读(534) | 评论(0) | 转发(0) |
