人工智能不會(huì)奪走所有的工作機(jī)會(huì), 也不會(huì)消滅人類。不過，這會(huì)使軟件變得更加智能。這就是為什么你可以使用蘋果iPhone X 中的Animoji，將表情作為一個(gè)活生生的人與你的朋友進(jìn)行交流，或者用你的智能音箱訂購更多的紙巾。
 

科技公司在人工智能領(lǐng)域的大量投資已經(jīng)在改變我們的生活和以及我們身邊的電子產(chǎn)品了，這也為更以人工智能為中心的未來奠定了基礎(chǔ)。

目前，人工智能領(lǐng)域的繁榮是由機(jī)器學(xué)習(xí)領(lǐng)域取得的突破催生的。它涉及到“訓(xùn)練”計(jì)算機(jī)來執(zhí)行基于實(shí)例的任務(wù)，而不是依賴于人的編程。一種叫做“深度學(xué)習(xí)”的技術(shù)使這種方法更加強(qiáng)大。最為著名的莫過于2016年的AlphaGo大戰(zhàn)圍棋世界冠軍李世石了，后者在人工智能面前基本上沒有還手之力。

對(duì)我們大多數(shù)人來說，人工智能帶來的最明顯的改變就是一些更加新奇與方便的新設(shè)備和體驗(yàn)，比如智能音箱，或者你能用你的臉解鎖iPhone。但人工智能也將重塑生活的其他領(lǐng)域。其中一個(gè)是醫(yī)療保健。印度的一家醫(yī)院正在測(cè)試一種軟件，該軟件可以檢查視網(wǎng)膜上的圖像，以尋找糖尿病性視網(wǎng)膜病變的跡象。通常情況下，這種癥狀只有在很晚的情況下才能被發(fā)現(xiàn)，而到了那個(gè)時(shí)候，就已經(jīng)無法防止視力下降了。機(jī)器學(xué)習(xí)對(duì)自動(dòng)駕駛來說，也是至關(guān)重要的，它能使車輛更加準(zhǔn)確地感知與理解周圍的環(huán)境。

有證據(jù)表明，人工智能可以讓我們更快樂、更健康。但同樣也有理由應(yīng)該對(duì)人工智能保持謹(jǐn)慎。算法帶來或放大了關(guān)于種族或性別的社會(huì)偏見的事件表明，人工智能是把雙刃劍。

我們現(xiàn)在所談?wù)摰娜斯ぶ悄?，源自于一個(gè)“度假項(xiàng)目”。達(dá)特茅斯學(xué)院教授約翰·麥卡錫（John McCarthy）在1956年夏天發(fā)明了這個(gè)詞，當(dāng)時(shí)他邀請(qǐng)了一個(gè)研究團(tuán)隊(duì)花幾個(gè)星期的時(shí)間來研究如何讓機(jī)器做一些像使用語言之類的事情。他非常希望能在人類級(jí)機(jī)器上取得突破。“我們認(rèn)為可以取得重大進(jìn)展，”他與合作組織者寫道，“如果一個(gè)精心挑選的科學(xué)家團(tuán)隊(duì)在一起花一個(gè)夏天的時(shí)間來研究的話。”

但這個(gè)希望沒有實(shí)現(xiàn)，麥卡錫后來承認(rèn)，是他過于樂觀了。但是，這個(gè)研討會(huì)幫助那些夢(mèng)想著讓機(jī)器智能化的研究人員聚集到了一個(gè)合適的學(xué)術(shù)領(lǐng)域。

1956年

達(dá)特茅斯夏季人工智能研究項(xiàng)目將一個(gè)新領(lǐng)域命名為“人工智能”，該領(lǐng)域涉及的是讓軟件變得像人類一樣聰明。

1965

麻省理工學(xué)院的約瑟夫·維森鮑姆（Joseph Weizenbaum）創(chuàng)建了第一個(gè)聊天機(jī)器人Eliza，它是一名心理治療師。

1975年

Meta-dendral是斯坦福大學(xué)開發(fā)的一種解釋化學(xué)分析的程序，使計(jì)算機(jī)的首次發(fā)現(xiàn)發(fā)表在了一個(gè)參考期刊上。

1987年

一輛裝有兩個(gè)攝像頭和一堆計(jì)算機(jī)的奔馳車在德國(guó)高速公路上行駛了20公里，時(shí)速超過了55英里，這是由工程師恩斯特·迪克曼斯（Ernst Dickmanns）領(lǐng)導(dǎo)的一個(gè)學(xué)術(shù)項(xiàng)目。

1997年

IBM的計(jì)算機(jī)深藍(lán)打敗了國(guó)際象棋世界冠軍加里·卡斯帕羅夫（Garry Kasparov）。

2004年

五角大樓將DARPA超級(jí)挑戰(zhàn)賽階段化，這是一項(xiàng)在莫哈韋沙漠的自動(dòng)駕駛汽車競(jìng)賽，催動(dòng)了自動(dòng)駕駛汽車工業(yè)化。

2012年

在一個(gè)名為“深度學(xué)習(xí)”的細(xì)分領(lǐng)域，研究人員通過展示他們的想法可以使語音和圖像識(shí)別更加準(zhǔn)確，從而激發(fā)了新的公司對(duì)人工智能的興趣。

2016年

由谷歌旗下DeepMind開發(fā)的AlphaGo打敗了世界圍棋冠軍李世石。

早期的工作通常集中在解決數(shù)學(xué)和邏輯上相當(dāng)抽象的問題上。但不久之后，人工智能開始在更多的人工任務(wù)上顯示出有希望的結(jié)果。在20世紀(jì)50年代末，亞瑟·塞繆爾（Arthur Samuel）發(fā)明了一個(gè)程序，學(xué)會(huì)了怎么下跳棋。1962年，在比賽中戰(zhàn)勝了一位大師。1967年, 一個(gè)叫做 Dendral 的程序表明, 它可以復(fù)制化學(xué)家解釋化學(xué)樣品組成的質(zhì)譜數(shù)據(jù)的方式。

隨著人工智能領(lǐng)域的發(fā)展，制造智能機(jī)器的策略也有所不同。一些研究人員試圖將人類的知識(shí)轉(zhuǎn)化為代碼，或者為諸如理解語言這樣的任務(wù)制定規(guī)則。另一些則是受到了學(xué)習(xí)人類和動(dòng)物智能的重要性的啟發(fā)。他們建立的系統(tǒng)可以隨著時(shí)間的推移變得更好，也許是通過模擬進(jìn)化或者從樣本數(shù)據(jù)中學(xué)習(xí)。這個(gè)領(lǐng)域建立了一個(gè)又一個(gè)的里程碑，計(jì)算機(jī)也掌握了很多以前只能由人來完成的任務(wù)。

深度學(xué)習(xí)，是當(dāng)前人工智能領(lǐng)域的快速爆發(fā)的燃料，它是人工智能領(lǐng)域最古老的想法之一。這項(xiàng)技術(shù)是通過數(shù)學(xué)的網(wǎng)絡(luò)傳遞數(shù)據(jù)，整個(gè)網(wǎng)絡(luò)都是仿造大腦細(xì)胞是如何工作的來建成的，所以被稱為人工神經(jīng)網(wǎng)絡(luò)。當(dāng)一個(gè)網(wǎng)絡(luò)處理訓(xùn)練數(shù)據(jù)時(shí)，網(wǎng)絡(luò)的各個(gè)部分之間的連接會(huì)進(jìn)行調(diào)整，從而建立一個(gè)解釋未來數(shù)據(jù)的能力。

人工神經(jīng)網(wǎng)絡(luò)在達(dá)特茅斯研討會(huì)之后不久就成為了人工神經(jīng)網(wǎng)絡(luò)的一個(gè)既定理念。例如，在1958年, 充滿空間的感知器馬克1號(hào)(Perceptron Mark 1)就學(xué)會(huì)了區(qū)分不同的幾何圖形, 并被《紐約時(shí)報(bào)》稱為"為閱讀和增長(zhǎng)智慧而設(shè)計(jì)的計(jì)算機(jī)的胚胎" 。但是，在1969年，麻省理工學(xué)院的馬文?明斯基(Marvin Minsky)與人聯(lián)合撰寫了一本頗具影響力的書中指出，神經(jīng)網(wǎng)絡(luò)的作用并不是很強(qiáng)大，緊接著它就“失寵”了。

但并不是所有人都認(rèn)可明斯基的觀點(diǎn)。有一些研究人員在過去的幾十年里一直在堅(jiān)持研究這項(xiàng)技術(shù)，并保持著它的生命力。直到2012年，他們才被證明是正確的。當(dāng)時(shí)一系列的實(shí)驗(yàn)表明，由大量數(shù)據(jù)和強(qiáng)大的計(jì)算機(jī)芯片提供的神經(jīng)網(wǎng)絡(luò)可以賦予機(jī)器新的感知能力。

一個(gè)值得注意的結(jié)果是, 多倫多大學(xué)的研究人員在一年一度的對(duì)圖像進(jìn)行分類的競(jìng)賽中擊敗了競(jìng)爭(zhēng)對(duì)手。在另一項(xiàng)研究中，來自IBM、微軟和谷歌的研究人員聯(lián)合發(fā)表了一份研究報(bào)告，結(jié)果顯示深度學(xué)習(xí)也能顯著提高語音識(shí)別的準(zhǔn)確度。從這個(gè)時(shí)候開始，科技公司開始瘋狂地招聘所有他們能找到的深度學(xué)習(xí)專家。

哪怕人工智能領(lǐng)域取得的進(jìn)去在明天會(huì)停止，但也不要期望它能停下改變世界的腳步。

谷歌、微軟和亞馬遜等大型科技公司積累了大量的人工智能人才和令人印象深刻的計(jì)算機(jī)陣列，以支持他們的核心業(yè)務(wù)——投放廣告或預(yù)測(cè)你的下一筆交易。

他們也開始嘗試通過邀請(qǐng)其他人在他們的網(wǎng)絡(luò)上運(yùn)行人工智能項(xiàng)目來賺錢，這將有助于推動(dòng)醫(yī)療保健或國(guó)家安全等領(lǐng)域的進(jìn)步。人工智能硬件的改進(jìn)、機(jī)器學(xué)習(xí)培訓(xùn)課程的增長(zhǎng)以及開源機(jī)器學(xué)習(xí)項(xiàng)目也將加速人工智能向其他行業(yè)的傳播。

與此同時(shí)，消費(fèi)者可以期待更多的設(shè)備和服務(wù)與人工智能功能相結(jié)合。尤其是谷歌和亞馬遜，機(jī)器學(xué)習(xí)的改進(jìn)將使他們的虛擬助手和智能音箱更加強(qiáng)大。就拿亞馬遜來說，它設(shè)計(jì)了一款配備了攝像頭的設(shè)備，能夠識(shí)別出其主人，并監(jiān)控周圍的世界。

商業(yè)上的可能性將會(huì)使人工智能研究者迎來黃金時(shí)代。關(guān)于研究如何制造智能機(jī)器的實(shí)驗(yàn)室比以往任何時(shí)候都要多，它們所獲得的資金也更充足。但仍舊有很多工作要做：盡管人工智能領(lǐng)域最近取得了一些進(jìn)展，但在不久的將來，還是會(huì)有很多事情是機(jī)器無法做到的，比如理解語言的細(xì)微差別，常識(shí)推理，以及從一個(gè)或兩個(gè)例子中學(xué)習(xí)一項(xiàng)新技能。如果人工智能軟件想要接近人類的多面性、適應(yīng)性和創(chuàng)造性智慧，就必須要攻克這些難關(guān)。一個(gè)深度學(xué)習(xí)的先驅(qū)，谷歌的杰夫?辛頓（Geoff Hinton）認(rèn)為，想要在這一重大挑戰(zhàn)上取得進(jìn)展, 就必須重新思考該領(lǐng)域的一些基礎(chǔ)。

隨著人工智能系統(tǒng)變得越來越強(qiáng)大，它們也必將面臨越來越多的審查。政府在刑事司法等領(lǐng)域使用軟件通常是有缺陷的，或者是保密的，像Facebook這樣的公司已經(jīng)開始正視自己算法的缺點(diǎn)。更強(qiáng)大的人工智能有可能造成更嚴(yán)重的問題，例如，長(zhǎng)期存在的對(duì)女性或黑人的偏見。一些民間社會(huì)團(tuán)體，甚至是科技行業(yè)本身也在探索人工智能的安全和倫理準(zhǔn)則。想要在機(jī)器變得更加智能過程中獲取好處，我們需要更加聰明地對(duì)待機(jī)器。