5月23日AlphaGo2.0版本在人机围棋比赛中以1/4子的微弱优势战胜了柯洁，一方面继续彰显了人工智能的强大，同时也让人们对AlphaGo和人工智能有了新的认识

　　5月23日AlphaGo2.0版本在人机围棋比赛中以1/4子的微弱优势战胜了柯洁，一方面继续彰显了人工智能的强大，同时也让人们对AlphaGo和人工智能有了新的认识。今天小编就和大家普及下人工智能的相关知识。

　　人工智能有很多种专业冗长、不明觉厉的定义。简单的说，人工智能就是使用机器模拟人类智能的技术。更形象一点，人工智能是使机器像人类一样能看、能听、能想人工智能的五个领域、能说、能动的技术。

　　1950 年，伟大的计算机科学家艾伦·图灵(Alan Turing)发表了一篇划时代的论文，预言了创造具有真正智能的机器的可能性。考虑到“智能”不易衡量人工智能的五个领域，他提出了著名的图灵测试。

　　上图就是图灵，他一生的经历非常精彩，大家有空可以看看，如果懒得看文档，推荐你们个电影，《模仿游戏》，卷福主演，没错，就是演神探夏洛克那个。

　　图灵测试是指测试者在与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。进行多次测试后，如果有超过30%的测试者不能确定出被测试者是人还是机器，那么这台机器就通过了测试，并被认为具有人类智能人工智能的五个领域。

　　1956年达特茅斯会议举行， Marvin Minsky、John McCarthy、Claude Shannon、Nathan Rochester、 Allen Newell、Herbert Simon等顶尖科学家汇聚一堂，共同确定了人工智能的名称和任务，标志着人工智能这门学科的正式诞生。与会的每一位科学家都在人工智能发展的第一个十年中做出了重要贡献。

　　1956年之后的十几年是人工智能的黄金年代，计算机被用于证明数学定理、解决代数应用题等领域。A. Newell和H. Simon研发的“逻辑理论家（Logic Theorist）”证明了《数学原理》中全部52条定理，其中某些证明比原著更加巧妙。人们几乎无法相信机器原来可以如此智能。这些成果让研究者对未来充满信心，认为完全智能的机器人二十年内就能出现。

　　到了70 年代初，人们渐渐发现仅仅具有逻辑推理能力远远不够实现人工智能，许多难题并没有随着时间推移而被解决，很多AI系统一直停留在了玩具阶段。之前的过于乐观使人们期望过高，又缺乏有效的进展，许多机构逐渐停止了对AI研究的资助。人工智能遭遇了第一次低谷。

　　进入80年代，梅隆大学为DEC公司设计了一个名为XCON的专家系统，每年为公司节省四千万美元，取得巨大成功。许多公司纷纷效仿，开始研发和应用专家系统。专家系统依赖的知识工程因而也成为AI研究的焦点。日本推出第五代计算机计划，其目标是造出能够与人对话，翻译语言，解释图像，并且像人一样推理的机器。其他国家也纷纷作出响应。与此同时，John Hopfield发明Hopfield网络，解决了著名的旅行商（TSP）问题。David Rumelhart提出反向传播（Back Propagation，BP）算法，解决了多层神经网络的学习问题人工智能 就业方向。神经网络被广泛的应用于模式识别、故障诊断、预测和智能控制等多个领域。AI迎来了又一轮。

　　从80年代末到90年代初人工智能 就业方向，专家系统所存在的应用领域狭窄、知识获取困难、维护费用居高不下等问题逐渐暴露出来，十年前日本人宏伟的第五代计算机计划也宣告失败。AI遭遇了一系列财政问题，进入第二次低谷。

　　从90年代中期至今，随着计算机性能的高速发展，海量数据的累积和AI研究者的不懈努力，人工智能在许多领域不断取得突破性成果，掀起新一轮。

　　1997年，IBM的国际象棋机器人深蓝（Deep Blue）战胜国际象棋世界冠军卡斯帕罗夫，引起世界范围内轰动。

　　2006年，Geoffrey Hinton提出深度学习人工智能 就业方向。在接下来的若干年，借助深度学习技术，包括语音识别、计算机视觉在内的诸多领域都取得了突破性的进展。

　　2011年2月，IBM的问答机器人Watson在美国问答节目《Jeopardy！》上击败两位人类冠军选手。

　　2012年10月数字货币交易机器人人工智能 就业方向，微软就在“21世纪的计算”大会上展示了一个全自动同声传译系统，它将演讲者的英文演讲实时转换成与他的音色相近、字正腔圆的中文。

　　2016年3月，Google的围棋人工智能系统AlphaGo与围棋世界冠军、职业九段选手李世石进行人机大战，并以4:1的总比分获胜。

　　2016年末至2017年初，AlphaGo在两个公开围旗网站上与中日韩数十位围棋高手进行快棋对决，连胜60局无一败绩，包括对当今世界围旗第一人柯洁连胜三局。

　　2017年2月人工智能 就业方向，梅隆大学的人工智能系统Libratus在长达20天的德州扑克大赛中，打败4名世界德州扑克高手，赢得177万美元筹码。

　　首先，我们讲人工智能在语音方面的突破，人工智能在语音识别，语音合成上面最近都取得了非常瞩目的结果。2016年10月份由微软美国研究院发布的一个语音识别的最新结果实现了错误率为5.9%的新突破，这是第一次用人工智能技术取得了跟人类似的语音识别的错误率。

　　其次，在图像方面，人工智能也有很多长足的进步，比如图像识别的ImageNet比赛，用计算机去识别数据集中1000个类别的图像。在2015年数字货币交易机器人，来自微软亚洲研究院的技术——ResNet，获得了2015年ImageNet的冠军，错误率是3.5%，而人的错误率大概是5.1%。所以可看出在特定领域、特定类别下，其实计算机在图像识别上的能力已经超过了人的水平。

　　除了语音和图像以外，其实人工智能在自然语言上面也取得了很大的进展。左边这张图描述了各大公司都在不断地提高各自语音机器翻译的水准和技术，右边这张图展示的是去年12月微软发布了Microsoft Translator的一个新功能，它支持50多种语言，可以实现多个人多种语言的实时翻译，比如大家每个人可能来自不同的国家，只要拿着手机用这个APP我们就可以互相交流。你说一句话或者输入文字，对方听到/看到的就是他的母语。

　　前面说的这些语音、图像、语言，听起来还都是一些感知方面的东西。大家也知道，最近这段时间，人工智能在一些传统我们认为可能很难由机器来取得成功的领域也获得了突破。比如人工智能打游戏和参加棋牌类比赛。

　　大家都知道AlphaGo非常火，使用了深度增强学习的技术，经过了非常长的训练时间，引用了大量数据做self-play，最终是以压倒性的优势，4：1战胜了当时的世界冠军李世石。在去年的IJCAI上面，AlphaGo主要的开发人员做了一个keynote，说自战胜了李世石之后，AlphaGo并没有停下脚步，因为它是一个self-play的过程人工智能的五个领域，可以继续训练，只要给他足够的运算时间和样例，它就可以不断地去训练。所以也能理解为什么今年年初Master重新回到大家视野里人工智能 就业方向，可以对围棋高手60连胜，因为这个差距太大了。

　　这些事情都是以前人们觉得人工智能不可以去企及的领域。但正是因为这些计算机科学家、人工智能科学家不断地去模仿人的决策过程，比如他们训练了value network，训练了policy network，就是怎么样根据现在的棋局去评估胜率，去决定下一步该走什么子，而不是走简单的穷举，用这些value network来对搜索树进行有效的剪枝，从而在有限的时间内完成一个非常有意义的探索，所有这些都是人工智能技术取得的本质的进展，让我们看到了一些不一样的结果。

　　一种持乐观态度，认为人工智能在未来会极大的提高人类的对世界的认知，比如现在的许多不治之症将会得到治愈，外星移居也不再是梦想，等等。

　　另一种持悲观态度，认为人工智能一旦越过“技术奇点”后成为超人工智能，会脱离人类的掌控，灭绝人类轻而易举。