版权属于原作者
人工智能进入21世纪后开始进一步分化，出现了很多面向具体应用的新兴学科，包括自动定理证明，模式识别，机器学习，自然语言理解，计算机视觉，自动程序设计。每一个领域都包含大量具体的技术和专业知识以及特殊的应用背景，不同分支之间也几乎是老死不相往来，大一统的人工智能之梦仿佛破灭了。
麻省理工学院的乔希•特南鲍姆（Josh Tenenbaum）以及斯坦福大学的达芙妮•科勒（Daphne Koller）试图重新构建统一的模式。他们的特立独行起源于对概率这个有着几百年历史的数学概念的重新认识，并利用这种认识来统一人工智能的各个方面，包括学习、知识表示、推理以及决策。这样的认识是源于贝叶斯的主观概率学。贝叶斯公式表达了智能主体如何根据搜集到的信息改变对外在事物的看法，概括了人们的学习过程。以贝叶斯公式为基础，人们发展出了一整套称为贝叶斯网络的方法。在这个网络上，研究者可以展开对学习、知识表示和推理的各种人工智能的研究。随着大数据时代的来临，贝叶斯方法所需要的数据也是唾手可得，这使得贝叶斯网络成为了人们关注的焦点。
澳大利亚国立大学的马库斯•胡特（Marcus Hutter）在2000年的时候就开始尝试建立一个新的学科：通用人工智能（Universal Artificial Intelligence），他认为现在主流的人工智能研究已经严重偏离人工智能这个名称的本意。我们不应该将智能化分成学习、认知、决策、推理等分立的不同侧面。事实上，对于人类来说，所有这些功能都是智能作为一个整体的不同表现。胡特的理论至少为统一人工智能开辟了新方向，让我们看到了统一的曙光。
21世纪的第二个十年，如果要评选出最惹人注目的人工智能研究，那么一定要数深度学习（Deep Learning）了。谷歌、微软、苹果、百度这些全球顶尖的计算机、互联网公司都不约而同地对深度学习表现出了极大的兴趣。事实上，深度学习仍然是一种神经网络模型，只不过这种神经网络具备了更多层次的隐含层节点，同时配备了更先进的学习技术。当我们将超大规模的训练数据喂给深度学习模型的时候，这些具备深层次结构的神经网络仿佛摇身一变，成为了拥有感知和学习能力的大脑，表现出了远远好于传统神经网络的学习和泛化的能力。深度学习实际上只不过是对大脑的一种模拟。各国的科学家也开始进行模拟大脑的大项目，脑科学的时代已经来临。
007年，一位谷歌的实习生路易斯•冯•安（Luis von Ahn）开发了一款有趣的程 “ReCapture”，却无意间开创了一个新的人工智能研究方向：人类计算。这一成功的应用实际上是借助人力完成了传统的人工智能问题，冯•安把它叫作人类计算（Human Computation）。也许，这样巧妙的人机结合才是人工智能发展的新方向之一。因为一个完全脱离人类的人工智能程序对于我们没有任何独立存在的意义，所以人工智能必然会面临人机交互的问题。而随着互联网的兴起，人和计算机交互的方式会更加便捷而多样化。因此，这为传统的人工智能问题提供了全新的解决途径。
人工智能走到21世纪的第二个十年的时候，随着太空探索、自动驾驶、语音识别、文字识别、AlphaGo、Google Home, Amazon Echo, Apple Siri 等等应用的普及和发展，有带来了一波新的机遇。成为云计算移动应用后的新的技术方向。 可以很肯定的说，下一个十年一定是人工智能的十年！
推荐阅读
- 关于希尔伯特、图灵、哥德尔的故事和相关研究可以阅读《哥德尔、艾舍尔、巴赫：集异璧之大成》一书。
- 关于冯•诺依曼，可以阅读他的传记：《天才的拓荒者：冯•诺依曼传》。
- 关于维纳，可以参考他的著作《控制论》。
- 若要全面了解人工智能，给大家推荐两本书：Artificial Intelligence: A Modern Approach和Artificial Intelligence: Structures and Strategies for Complex Problem Solving。
- 了解机器学习以及人工神经网络可以参考Pattern Recognition和Neural Networks and Learning Machines。
- 关于行为学派和人工生命，可以参考《数字创世纪：人工生命的新科学》以及人工生命的论文集。
- 若要深入了解贝叶斯网络，可以参考Causality: Models, Reasoning, and Inference。
- 深入了解胡特的通用人工智能理论可以阅读Universal Artificial Intelligence: Sequential Decisions Based on Algorithmic Probability。
- 关于深度学习方面的知识可参考网站：http://deeplearning.net/reading-list/，其中有不少综述性的文章。
- 人类计算方面可以参考冯•安的网站：http://www.cs.cmu.edu/~biglou/
No comments:
Post a Comment