人工智能發(fā)展的過(guò)去和未來(lái)

近幾年，人工智能（AI）發(fā)展很快，世界各國(guó)普遍認(rèn)為人工智能將帶來(lái)一場(chǎng)新的工業(yè)革命。人工智能的應(yīng)用將改變?nèi)祟?lèi)的生產(chǎn)與生活方式，包括教育、醫(yī)療等社會(huì)服務(wù)領(lǐng)域、并有望把人類(lèi)文明推到另外的新高度，人工智能將人類(lèi)從繁重的生產(chǎn)中解放出來(lái)的機(jī)會(huì)越來(lái)越多、帶給人類(lèi)的自由時(shí)間會(huì)越來(lái)越多；

其實(shí)人工智能并不是很新的概念，早在上個(gè)世紀(jì)50年代、美國(guó)一大學(xué)老師就提出人工智能的概念、至今有近70年的歷史。在這70年里，人工智能經(jīng)歷了三次發(fā)展浪潮，第一次是上世紀(jì)50年代后期到60年代初期，隨著計(jì)算技術(shù)的發(fā)展、有人開(kāi)始設(shè)計(jì)智能程序用來(lái)迷宮游戲中選路徑、也有人使用計(jì)算機(jī)與人類(lèi)進(jìn)行國(guó)際象棋對(duì)局。但由于計(jì)算機(jī)在面對(duì)清晰目標(biāo)時(shí)缺少?zèng)Q策能力，最終輸給了人類(lèi)，此后的一段時(shí)間、人工智能不再被很多人關(guān)注；到了80年代后期，隨計(jì)算機(jī)硬件和軟件技術(shù)的發(fā)展進(jìn)步，醫(yī)學(xué)領(lǐng)域有人嘗試通過(guò)人工智能判斷病人的病情和獲得治療方案，做法是、通過(guò)醫(yī)生采集數(shù)據(jù)，如病名、癥狀、對(duì)應(yīng)影像資料等等，再由系統(tǒng)程序分析判斷得出治療方案，但由于可比對(duì)的數(shù)據(jù)不足，無(wú)法獲得接近準(zhǔn)確的答案，人工智能應(yīng)用也再一次被擱淺。不過(guò)，這次人工智能應(yīng)用的探索引起了世界很多國(guó)家的關(guān)注、人們似乎感受到人工智能潛力無(wú)限。直到2000年后、國(guó)際互聯(lián)網(wǎng)普及、以及網(wǎng)絡(luò)上海量的數(shù)據(jù)、給人工智能提供數(shù)據(jù)支撐、數(shù)據(jù)組合以及數(shù)據(jù)對(duì)比都有了清晰的數(shù)據(jù)源、人工智能又到了一個(gè)新的發(fā)展階段；

給人工之智能加上翅膀、真正推動(dòng)人工智能飛速發(fā)展的關(guān)鍵人物、是2024年獲得諾貝爾物理學(xué)獎(jiǎng)的杰弗里·辛頓（Geoffrey Hinton），他把人腦處理信息的方法導(dǎo)入計(jì)算機(jī)，模擬人腦的神經(jīng)網(wǎng)絡(luò)系統(tǒng)處理數(shù)據(jù)，開(kāi)創(chuàng)了“機(jī)器學(xué)習(xí)”法。2012年，在AI人工智能畫(huà)像識(shí)別比賽（ILSVRC）中，計(jì)算機(jī)通過(guò)人工智能深度學(xué)習(xí)方法識(shí)別了100萬(wàn)張圖片、準(zhǔn)確度達(dá)到了75%。此后，多倫多大學(xué)團(tuán)隊(duì)同樣利用“機(jī)器學(xué)習(xí)”法處理數(shù)據(jù)，贏得人機(jī)國(guó)際象棋比賽；

縱觀人工智能發(fā)展歷史，前2次人工智能發(fā)展擱淺的原因并不難看出：第一次是計(jì)算機(jī)算力不足、第二次是數(shù)據(jù)不足。而互聯(lián)網(wǎng)的普及帶來(lái)了海量數(shù)據(jù)、加上計(jì)算能力的提高和計(jì)算方法改進(jìn)，才有了第三次的突破。自2010年以來(lái)，人工智能蓬勃發(fā)展，特別是近年來(lái)、世界各國(guó)都在大力投入人工智能，因?yàn)檫@是一場(chǎng)改變國(guó)運(yùn)和個(gè)體財(cái)富命運(yùn)的革命；

然而，目前為止、算力、數(shù)據(jù)和數(shù)據(jù)處理方法仍然是人工智能發(fā)展的界限。越精細(xì)、越準(zhǔn)確的智能結(jié)論，就越需要強(qiáng)大的算力，目前，使用大語(yǔ)言模型處理一個(gè)數(shù)據(jù)時(shí)需要很高的重復(fù)運(yùn)算量，那么是不是可以找到更好的數(shù)據(jù)邏輯方法，和更短的數(shù)據(jù)排列路徑呢；

除了建設(shè)數(shù)據(jù)中心解決算力、和數(shù)據(jù)傳輸速度問(wèn)題外，人工智能發(fā)展最少還面臨產(chǎn)業(yè)數(shù)據(jù)不足、數(shù)據(jù)噪音過(guò)大、數(shù)據(jù)干癟等挑戰(zhàn)?；ヂ?lián)網(wǎng)上看似有海量數(shù)據(jù)、但行業(yè)或產(chǎn)業(yè)數(shù)據(jù)少的可憐、大量無(wú)效的，被稱之為“噪音”數(shù)據(jù)，不僅不能構(gòu)成神經(jīng)網(wǎng)絡(luò)上的神經(jīng)細(xì)胞（也叫神經(jīng)元），對(duì)數(shù)據(jù)傳導(dǎo)也沒(méi)有任何作用、還會(huì)干擾數(shù)據(jù)傳導(dǎo)路徑，占用了大量寶貴的計(jì)算資源。因此，“消噪”是所有智能數(shù)據(jù)處理中都必不可少的流程。數(shù)據(jù)干癟特別是產(chǎn)業(yè)數(shù)據(jù)的稀缺、給機(jī)器學(xué)習(xí)在一些產(chǎn)業(yè)領(lǐng)域面臨數(shù)據(jù)傳導(dǎo)路徑短、思考維度低等問(wèn)題，這將是未來(lái)產(chǎn)業(yè)人工智發(fā)展的一大挑戰(zhàn)；

人工智能是神經(jīng)網(wǎng)絡(luò)智能、其數(shù)據(jù)關(guān)聯(lián)距離和先后選擇機(jī)會(huì)決定問(wèn)題的結(jié)論。但當(dāng)數(shù)據(jù)跨域被使用時(shí)，可能產(chǎn)生“幻想”，所謂“幻想”，簡(jiǎn)單講就是跑錯(cuò)了路徑，比如人類(lèi)的觸景生情、回憶、講話跑題，都是“幻想”帶來(lái)的表現(xiàn)，在人工智能中、數(shù)據(jù)單元關(guān)聯(lián)其他數(shù)據(jù)單元的概率決定了數(shù)據(jù)被使用概率，一旦數(shù)據(jù)單元跨越到其他單元上去、新的數(shù)據(jù)組合就形成新的路徑、給出的答案就是幻想答案，因此，消除數(shù)據(jù)概率帶來(lái)的幻想問(wèn)題，是人工智能發(fā)展面對(duì)的又一個(gè)挑戰(zhàn)！