一：人工智能算法的历史
二：通过了解人工智能的历史我们能学到什么。
1.我们听惯了“牛顿和苹果”的故事，以为伟大的发现就是灵光一闪。实际上一门技术的兴起，经历的质疑与挫折逗比我们想象的要多。人工智能也是，它不是现在才兴起，它从1856年起，经历了三次危机，也经历了三次浪潮，我们现在正处于第三次浪潮。
2.媒体上充斥这各种对未来的预测，我们需要辩证的去看待。即使是人工智能之父明斯基，对未来的预测也经常是错误的。1970年他说：“3-8年后，我们就会有一个机器，达到普通人的智能水平”。可是，就在那年，人工智能渐渐走进第二次冬天。03年的时候，他说：“1970年以来，人工智能就脑死亡了”。可是不到10年之后，人工智能就走向辉煌的时代。
3.回顾每一次危机，你会发现，每一次的解决危机的方案，都是在那些寒冬中没有放弃希望的科学家探索出来的。所以，看一门技术的发展，与其看风口到来时的疯狂，不如看寒冬时有多少人在坚持。
4.深度学习不是唯一的人工智能算法，只是当前表现最好的。相比较而言，另一位专家Jeff Hawkings发明的记忆预测模型，其实更符合人类的思维特征，但是这个人工智能系统表现的不够好。但是未来是延续深度学习算法还是其他的人工智能系统的崛起，还未可知。
三：目前主流的人工智能系统：深度学习是怎么个原理
Geoffery Hinton教授在上世纪80年代初开始研究用计算机系统架构来模拟人类大脑，也就是我们今天说的深度学习的原型。
具体的原理水平有限我没法去讲，但是我想从更直白一点的角度来试着给学生解释一下。
很多人都知道在训练狗狗做一些动作的时候，比如坐下，我们会从嘴里发出“坐下”这个声音，开始的时候，狗狗会乱叫，但是偶尔他坐下了，就会给他一点好吃的，不然就不给。经过多次反复的训练，当小狗听到坐下的命令时，就会主动坐下。
这个学习过程叫做强化学习，通过对正确的行为给予奖励，错误的行为给予惩罚，从而获得正确行动模式，这就是强化学习的过程。在学习过程中，小狗会把听到坐下的指令转化为一个简化的模式信号，通过强化学习，将这个模式信号映射到结果，简单来说就是从声音中识别出关键信息，然后联想到要坐下。
当前的人工智能学习过程和强化学习十分相似。比如要从一张图片中识别出小狗，那就会给人工智能算法很多带有很多标签的狗狗图片来学习，AI算法会将各种不同的狗狗图片简化为基本相同的一个模式信号，这个过程又叫表征学习。最后通过强化学习，AI算法识别准确率会准见提高，从而会从一张新的图片中识别出小狗。
所以深度学习算法，能够崛起，需要两个很重要的东西，一个是数据量，要有足够的样本输入，足够的训练。二是计算能力。
同样我们也能够得出一个结论，深度学习算法的结果是基于归纳总结原理做出来的，也就是要有统计学意义。它没法在没有数据的情况下得到一个好的结论，甚至没法解释清楚为什么这个结论是这样。这也就为后面我们回答人工智能是否会超越人类提供了思路。
四：人工智能会超越人类吗
网友评论