探讨两起两落对人工智能的意义

人工智能在诞生后的40年内经历了两起两落，因算法发展而起，因基础条件不足和可应用拓展有限而落。人工智能前40年的应用探索虽然主要集中在医疗、法律、教育等专业领域内，但已经实现了垂直应用突破。不仅如此，前两次发展热潮中的核心技术都得到了传承和发展，在计算能力和数据量的支撑下，人类智能在两次浪潮中产生的推理逻辑和专家系统直到今天仍有着广泛的应用和应用拓展。

1997年，IBM开发的深蓝计算机在国际象棋方面击败当时的世界冠军，运用到的基本原理其实还是人工智能第一次浪潮时期的搜索技术。只不过随着摩尔定律下计算机性能进步，存储能力、计算能力提升，机器已经可以穷举庞大数量的可能性，在博弈过程中的胜算更大。2011年，IBM超级电脑“沃森”更是因为击败美国智力问答节目《危险边缘》的人类冠军选手而一举成名，日本开发的东大机器人，已能够通过80%以上的私立大学录取考试^[6]，支撑它们“智慧”的核心体系也是前两个阶段诞生的人机对话与知识库体系。

在第二次热潮期间，在专家系统大行其道之时，模拟法的算法研究也取得了突破性进展：1980年霍普菲尔德神经网络、1986年BP反向传播神经网络算法的提出，使通过大规模神经网络能够从数据中获得统计规律成为现实，通过回归分析和聚类分析等方法，让机器无须编程就能够拥有判断能力，这就是机器学习。机器学习的概念引发了机器翻译、自然语言处理和机器视觉等应用领域的起步，为以深度学习为代表的人工智能第三次热潮打下基础。(www.xing528.com)

尽管机器学习的算法让机器有机会去尝试理解和判断，但仍需人为进行特征量输入，相当于在计算过程中，还需要有人不断去修正机器的认知，让数据计算通过不断试错和验证，逐步达到目标要求。人们对人类行为所产生的海量数据一直有一种期望，不仅能从过去归纳出规律，更希望能够让数据进行预测，发现人的思考能力所无法发现或忽略的趋势、规律及发展动因等。由于机器学习还不能完全满足人们的预期，机器对于知识的认知理解无法突破，人工智能再次进入低谷期。