人工智能技術和產品已經滲透到我們工作、生活的方方面面。未來，人工智能的發展將主要依靠哪些技術推動呢？大數據、算法、超級計算這三大計算將是人工智能的核心驅動力。
一、人工智能的誕生歷程
人工智能概念最早可以追溯到古希臘時期，在火神的故事裡就提到過智能機器人與人工生物的概念。可以說，人工智能概念的雛形最早是來自科幻小說和神話故事。1942年，美國科幻巨匠阿西莫夫在其鉅作《我，機器人》的引言中提出：“機器人學三大法則”，這三大法則也成為後來學術界默認的研發原則。1950年，英國數學家阿蘭？圖靈在《思想》雜誌上發表了一篇題為《計算機器與智能》的論文。2014年，在英國皇家學會舉行的一次圖靈測試中，一臺來自俄羅斯超級計算機尤金？古斯特曼順利通過了圖靈測試，這是圖靈測試提出六十多年來首次有機器通過該測試。這臺叫尤金？古斯特曼的超級計算機的33%回答騙過了裁判，讓裁判以為和他交流的是人而非機器。1956年，在美國最悠久的世界頂尖學府――達特茅斯學院舉行的一次會議上，著名計算機科學家約翰？麥卡錫正式提出“人工智能”一詞，並說服與會者接受該詞作為本領域的專用名稱。這次會議也當做人工智能正式誕生的標誌。
二、人工智能的定義
人工智能涉及的學科非常多。比如說計算機科學、腦科學、哲學、心理學、語言學等。學術界目前還沒有統一的人工智能定義，不同研究方向的專家對人工智能的理解不一樣，定義也有所側重。目前比較通俗的定義是：人工智能就是用人工的方法在機器上實現的智能，被稱為機器智能。
根據人工智能的智能水平，從低到高可以劃分為三個層次，第一個層次是計算智能，就是能存會算，各種棋類遊戲、專家系統體現的就是計算智能；第二個層次是感知智能，就是能聽會說、能看會認，像語音助手、人臉識別、看圖搜圖和無人駕駛體現的就是感知智能； 第三個層次是認知智能，就是能理解會思考，這是人工智能領域專家們正在努力的方向，比如說微軟小冰就具有非常初級的理解語意的能力。
三、人工智能的核心驅動力
人工智能有三大核心驅動力，大數據、算法和超級計算。
第一大核心驅動力――大數據
在人類發明的史上，很多發明都是從模仿動物開始，比如說為了實現飛行夢想模仿鳥，歷史上有各種關於模仿鳥試圖飛行的記載，用這種方法飛行的結果可想而知，肯定都以失敗告終。於是，我們把使用這種方法論的人統稱為"飛鳥派”，早期研究人工智能的基本上都是"飛鳥派”，因為他們認為計算機要獲得智能必須模仿人的思考模式。比如說當時的語音識別研究，幾乎所有的專家都把精力投入到教會計算機理解人類的語言上，研究進展緩慢。上世紀七十年代初，美國康奈爾大學有位叫賈里尼克的教授在做語音識別研究時另闢蹊徑，換了個角度思考機器語音識別這個問題。將大量的數據輸入計算機裡，讓計算機進行快速的匹配，通過大數據來提高語音識別率。於是複雜的智能問題被轉換成了簡單的統計問題，處理統計數據正是計算機的強項。從此，學術界開始意識到，讓計算機獲得智能的鑰匙其實是大數據。
什麼是數據呢？你可能會認為大數據就是一堆數字組成的，其實數據的範疇比數字大得多，網上所有的信息都可以稱為數據，通俗理解，大數據就是用現有的一般技術難以管理的大量數據的集合。
大數據有三大特徵：體量大、多維度、全面性。
第一個特徵就是體量大。隨著物聯網和移動互聯網等信息技術的廣泛應用，人類產生的數據量正在呈指數級增長，每年以約50%的速度增長，大約每兩年翻一番。第二個特徵就是多維度。百度曾經發布過《中國十大"吃貨”省市排行榜》。百度並沒有做民意調查和飲食文化的研究，這個結果是怎麼得出來的？百度是從其“百度知道”這個知識問答分享平臺的7700萬條和吃有關的問題裡"挖掘”出來的。這些問題包含的數據維度很多，包含食物的做法、成分、價格，還包括參與問答的人的地理位置、個人信息，上網工具和瀏覽器等信息。百度根據這些不同維度的信息分析出各地區的飲食習慣。如果再結合每個人使用的手機或電腦的品牌型號，經常瀏覽或購買的商品信息，再加上居住和工作位置信息，就可以分析他們的收入情況，從而得出不同收入階層的人的飲食習慣。
第三個特徵就是全面性。2016年，特朗普當選美國總統讓很多人感到意外，特朗普的當選甚至被稱為當年的"黑天鵝”事件。因為選前的各種民調都顯示希拉里支持率大幅領先，大部分主流媒體也看好希拉里，但是結果卻大相徑庭。但有家叫新創的印度公司開發的人工智能系統MogIA一直就預測特朗普將勝出。跟傳統調查公司主要依靠訪談和問卷調查不同，MogIA的判斷依據是收集自Google、Facebook和Twitter等網站的超過2000萬個數據點，2000萬個數據點採集的數據明顯比傳統抽樣調查只有幾萬甚至只有幾千的調查數據更為全面，更能準確的反映民眾的真實想法。採集這麼多數據，過去是無法想象的，但是現在我們能做到，甚至做到採集全部的數據。印度的新創公司這次就是勝在其調查數據的全面性上。
第二大核心驅動力――算法
傳統的對象識別模式是由研究人員事先將對象抽象成一個模型，再用算法把模型表達出來並輸入計算機。這種人工抽象的方法具有非常大的侷限性，識別率也很低。幸運的是，科學家從嬰兒身上得到了啟發。沒有人教過嬰兒怎麼"看”，都是他們自己從真實世界自學的。如果把孩子的眼睛當做是一臺生物照相機的話，那這臺相機平均每200毫秒就拍一張照――這是眼球轉動一次的平均時間。到孩子3歲的時候，這臺生物相機已經拍攝過上億張的真實世界照片。這給科學家很好的啟發，能不能給計算機看非常多貓的圖片，讓計算機自己抽象出貓的特徵，自己去悟什麼是貓，這種方法被稱為機器學習。谷歌就採用這種機器學習方法開發出了貓臉識別系統，而且準確度非常高。
機器學習除了在對象識別領域外，在其他領域也得到了廣泛使用，並取得了讓人激動人心的成果。搜索引擎、語音識別技術、自然語言處理、圖像識別、推薦系統、專家系統和無人駕駛技術等領域在機器學習算法的推動下取得了長足進步，機器智能水平有了很大的提升，但是理解能力和想象力仍是短板。
第三大核心驅動力――超級計算
有了大數據和先進的算法，還得有處理大數據和執行先進算法的能力。每個聰明的人工智能系統背後都有一套強大的硬件系統。目前世界運算速度最快的超級計算機是中國的神威？太湖之光，峰值性能達每秒12.5億億次，運算速度相當於普通家用電腦的200萬倍，神威？太湖之光一分鐘的運算量需要全球72億人用計算器不間斷運算32年。超級計算機一個國家科技發展水平和綜合國力的反映。沒有超級計算機，天氣預報不可能預報15天，中國的大飛機研製不可能進展如此之快，另外，核武器的爆炸模擬、地震預警、藥物研發等領域也離不開超級計算機。
雲計算：一種基於因特網的超級計算模式，在遠程的數據中心裡，成千上萬臺電腦和服務器連接成一片電腦雲。因此，雲計算甚至可以讓你體驗每秒10萬億次的運算速度，計算能力堪比超級計算機。雲中的單個計算機性能可能非常一般，甚至就是普通電腦，但是很多一般加在一起的實力卻不能小覷，就像俗語說的三個臭皮匠能頂個諸葛亮，集腋能成裘。
大數據、算法、超級計算三者相輔相成、相互依賴、相互促進，共同推動人工智能向前發展，在不久的將來，多智時代一定會徹底走入我們的生活，有興趣入行未來前沿產業的朋友，可以留心多智時代，及時獲取人工智能、大數據、雲計算和物聯網的前沿資訊和基礎知識，讓我們一起攜手，引領人工智能的未來！
閱讀更多 多智時代 的文章
