白琰昕弈
当人工智能用10分钟学会了一个科学家50年的知识，会不会量变成质变，引起科技爆发？
首先我们需要明白一个概念，人工智能分弱人工智能和强人工智能。强人工智能是表现出与人类同等智慧、甚至超越人类的智慧，能具有正常人类的所有智能行为。弱人工智能则是只能处理特定的问题，它不需要有人类完整的认知能力，甚至可以没有任何的感知能力，只需要能表现出来有智能即可。很遗憾的是，我们目前能听到的大热词汇，如机器学习、深度学习等，都是在弱人工智能范畴。那么基于此，目前我们谈论的人工智能是无法自主学习的，他需要我们人类的参与才可以。
为了更好的让你理解弱人工智能，让我以经典的识别猫的例子来说吧，我会试着以最浅显易懂的话语来阐述，避免深度学习的各种专业术语。这个问题是如何教机器识别出来猫？传统的编程做法是编写程序，告诉计算机猫就是这个样子的，然后有图片数据过来，我们就通过程序去尝试寻找同类的数据信息。然而这有个很大的问题，猫有很多种，同时猫甚至可以背对转身过去，我们人类都可以识别出来，而这通过程序直接编写相当相当的困难，甚至无法实现。那么，深度学习技术则是从来不告诉计算机猫是什么样子，不甚至任何具体的边界，而是让计算机从数据中自己学习，自己领悟猫的概念。如我们婴儿时期一样，我们其实每一天都会接收大量的图片输入，来训练我们自己，然后识别这是什么东西，我们依赖的是我们强大的神经系统。把这个道理推广到计算机，我们也是给计算机非常非常多的图片，然后训练计算机，让它从大量的重复图片中领悟这是什么，它所依赖的是计算机强大的计算能力，然后来模拟我们的神经系统是如何工作的。那么，这一步训练完成以后，就涉及到教育，如我们三岁时，我们看了很多很多的猫的图片，但是父母告诉我们这是狗，那么我们以后遇到猫时，我们也会脱口而出这是狗。这对于计算机其实也是如此，如果它最后归纳了这些图片信息，但是我们告诉它，你得到的这些归纳信息的正确答案是狗，那么我们给计算机一张猫的图片，它给出的答案也会是狗。所以，这就是我开头强调的，目前是需要我们人类参与的。
所以，目前我们的人工智能还很弱，它还不具有自主学习的能力，需要我们人类的配合。也正是如此，我们目前不需要惊慌人工智能替代我们人类，它其实如同工业革命一样，出现新的、更好的工具来帮助我们人类，然后我们人类可以更好的去做更多的事情，人工智能与人不是互斥，而是共存。
热点爆爆爆
首先，我们回顾一下过去的几次人工智能浪潮，可以给我们的这一次的物联网浪潮有所启迪。
"人工智能"这一名词的诞生于1956年，由四位图灵奖得主、信息论创始人和一位诺贝尔奖得主，在美国Dartmouth会议上，一起将人工智能的名词定义出来。
(1956年的Dartmouth会议)
当时很多人认为人工智能来了，要超过人类了，但后面，大家发现，人工智能只是萌芽，只能做最基础的事情。这便是人工智能的第一波浪潮，随后便进入了人工智能的冬天。
随后，随着1982年Hopfield神经网络和BT训练算法的提出，大家又在讨论人工智能的春天又来了，因为这一次，计算机的计算能力已经得到了很大的飞跃，以及算法上也有了突破，而这一波的人工浪潮持续了10多年。这便是人工智能的第二次浪潮，然后随着2000年的互联网泡沫，一同再次破裂。
而现在，我们正在经历的第三次人工智能浪潮，与前两次有什么区别呢？为什么这一次的“人工智能”浪潮，能够将人类带入“物联网”时代呢？
我认为，这是基于“三个基础，一个奇点”：
三个基础指的是：互联网，大数据，算法。
第一个基础是互联网。互联网大家都再熟悉不过，而正是因为互联网，使得我们实现了“信息的高速公路”，而这也给之后我们提到的大数据提供了支持，也使得物联网变成了可能。
而我们看到，互联网本身也正在进行一次自我进化，为物联网做准备：互联网正从IPv4进化到IPv6的时代。这是因为，在IPv4时代，一共可分配的IP有约43亿，而这个数字并不能很好的支撑未来的万物互联。所以，在2011年的互联网大会就觉得互联网将使用IPv6，而在2017年7月，通过IPv6使用Google服务的用户百分率也首次超过20%。
第二个基础是大数据。由于互联网的到来，使得我们的数据真正意义上变成了大数据。现在，每天人类产生的数据，比互联网之前的几千年总共的数据还要多。在2012年时，IBM曾对此做过研究，整个人类文明所获得的全部数据中，有90%是过去两年内产生的。
而未来，人类数据还将继续爆炸式增长，国际数据公司（IDC）的研究结果表明，在2020年，数据量将会是40ZB，是2005年数据量的400倍。
这些大数据，将会给人工智能的算法的实现与完善变得可能。这一点，我想学过统计学的都应该有很深刻的体会。
第三个基础便是算法。我们目前已经看到，machine learning的算法已经有了长足的进步，并且已经可以在垂直应用领域得到突破。比如，DNN算法在2010年在语音识别中有突破，使得语音识别的准确率达到了95%以上，CNN算法在2012年在图片识别中有了突破，这也使得人类在使用此算法来诊断肺结核的准确率达到了94%。
而一个奇点，指的是即芯片的运算能力将超过人脑的运算能力。
人脑大概是拥有300亿个神经元（也有数据说是600亿个神经元），而芯片大概在2018年左右，会达到300亿个电子元器件，即芯片会和人脑在计算能力上相媲美。
这意味着，就在2018年的前后，芯片的运算能力将会超过人类，而一旦超过后，将会指数级的超过人类，这也意味着，未来，人类将不再是世界最聪明的物种。
正是基于“三个基础，一个奇点”，这使得这一次的物联网浪潮将不同于之前的两次人工智能浪潮，而当这“三个基础，一个奇点”与现实生活的需求结合起来的时候，物联网的时代就会到来，而那将是一个万物互联，万物智能的时代。
钱真理
今天大部分被称为“AI”的东西，特别是在公共领域，被称为“机器学习”（ML），过去几十年来一直是这样。 ML是一个算法领域，它将来自统计学，计算机科学和许多其他学科（见下文）的想法融合在一起，设计算法来处理数据，做出预测并帮助做出决定。就对现实世界的影响而言，ML是真实的，而不仅仅是最近。事实上，ML将会在20世纪90年代初期变得非常清晰，到20世纪之交，亚马逊等具有前瞻性的公司已经在他们的业务中使用了ML，从而解决了欺诈行为中的关键任务后端问题检测和供应链预测，以及建立创新的面向消费者的服务，如推荐系统。随着数据集和计算资源在接下来的二十年中快速增长，很明显，ML不久将为亚马逊提供支持，但基本上任何公司都可以将决策与大规模数据联系在一起。新的商业模式将会出现。 “数据科学”这个短语开始被用来指代这种现象，反映了ML算法专家需要与数据库和分布式系统专家合作构建可扩展的，强大的ML系统，并且反映了更大的社会和环境范围导致系统。
从历史上看，“人工智能”这个词在1950年代后期被创造出来，指的是在软件和硬件中实现具有人类智能的实体的强烈愿望。我们将使用“人类模仿人工智能”一词来指代这一愿望，强调人工智能实体似乎应该是我们中的一员，即使身体上至少在精神上（无论这可能意味着什么）。这主要是一个学术企业。虽然运筹学，统计学，模式识别，信息理论和控制理论等相关学术领域已经存在，并且常常受到人类智能（和动物智能）的启发，但这些领域可以说是集中在“低层次”信号和决策上。例如，松鼠能够感知它所居住的森林的三维结构，并在其分支之间跳跃，这对于这些领域来说是鼓舞人心的。 “人工智能”旨在关注不同的事物 - 人类“理性”和“思考”的“高级”或“认知”能力。然而，60年后，高层推理和思想仍然难以捉摸。目前被称为“人工智能”的发展主要出现在与低级别模式识别和运动控制相关的工程领域。
顺便说一句，如果你想知道更多硅谷或者美国科技的前沿信息，可以关注微信号“硅发布”。
硅发布
首先我们需要明白一个概念，人工智能分弱人工智能和强人工智能。强人工智能是表现出与人类同等智慧、甚至超越人类的智慧，能具有正常人类的所有智能行为。弱人工智能则是只能处理特定的问题，它不需要有人类完整的认知能力，甚至可以没有任何的感知能力，只需要能表现出来有智能即可。很遗憾的是，我们目前能听到的大热词汇，如机器学习、深度学习等，都是在弱人工智能范畴。那么基于此，目前我们谈论的人工智能是无法自主学习的，他需要我们人类的参与才可以。
为了更好的让你理解弱人工智能，让我以经典的识别猫的例子来说吧，我会试着以最浅显易懂的话语来阐述，避免深度学习的各种专业术语。这个问题是如何教机器识别出来猫？传统的编程做法是编写程序，告诉计算机猫就是这个样子的，然后有图片数据过来，我们就通过程序去尝试寻找同类的数据信息。然而这有个很大的问题，猫有很多种，同时猫甚至可以背对转身过去，我们人类都可以识别出来，而这通过程序直接编写相当相当的困难，甚至无法实现。那么，深度学习技术则是从来不告诉计算机猫是什么样子，不甚至任何具体的边界，而是让计算机从数据中自己学习，自己领悟猫的概念。如我们婴儿时期一样，我们其实每一天都会接收大量的图片输入，来训练我们自己，然后识别这是什么东西，我们依赖的是我们强大的神经系统。把这个道理推广到计算机，我们也是给计算机非常非常多的图片，然后训练计算机，让它从大量的重复图片中领悟这是什么，它所依赖的是计算机强大的计算能力，然后来模拟我们的神经系统是如何工作的。那么，这一步训练完成以后，就涉及到教育，如我们三岁时，我们看了很多很多的猫的图片，但是父母告诉我们这是狗，那么我们以后遇到猫时，我们也会脱口而出这是狗。这对于计算机其实也是如此，如果它最后归纳了这些图片信息，但是我们告诉它，你得到的这些归纳信息的正确答案是狗，那么我们给计算机一张猫的图片，它给出的答案也会是狗。所以，这就是我开头强调的，目前是需要我们人类参与的。
所以，目前我们的人工智能还很弱，它还不具有自主学习的能力，需要我们人类的配合。也正是如此，我们目前不需要惊慌人工智能替代我们人类，它其实如同工业革命一样，出现新的、更好的工具来帮助我们人类，然后我们人类可以更好的去做更多的事情，人工智能与人不是互斥，而是共存。
蓝色Zero
据外媒报道，DeepMind创建了一套能自发开发机器学习的AI技术。这家位于英国的谷歌姊妹公司似乎一直在专注于机器学习实验以此来确定AI是否能了解神经网络。DeepMind在近期发表的论文中展示了一套神经网络，它在试图解决导航问题的时候开发出了一种模仿哺乳动物创建“网格细胞”的空间意识方法。
于2005年发现的网格细胞是一种鲜为人知的哺乳动物大脑用来帮助导航的现象。人们能够通过自己走的路程和方向来理解自己所在的位置是由这些特殊的细胞管理，它们会形成六边形模式，当穿过它们的时候神经元就会被激活。这对于所有的哺乳动物来说都一样，就像是一个内置的启动器。
\n
{!-- PGC_VIDEO:{"thumb_height": 360, "thumb_url": "83ec00134c93f8d0a9ef\
cnBeta
会，人工智能并非某个单一技术，其涉及各个垂直领域，例如语音识别、自然语言理解、图像识别、机器翻译等等。每一个垂类领域又可以继续细分，例如图像识别可以分为猫的图像识别、植物的图像识别，表面上都是图像识别，背后所用到的海量数据，以及算法策略，未来AI当然会引爆科技。
南七道
你好，我是区块链蓝海小编淘气包，很高兴受邀回答您的问题。首先，我们对人工智能得有一个明确的定位，从人工智能出现在我们人类生活，已经演变了近几十年，实际所在科技上的突破并不多。只是近几年，这个领域又迎来了爆发期，才在一次把“人工智能”推向了风口浪尖。
就拿我们生活中的一些实际应用来讲，比如说生活中常见的学习机器人、扫地机器人等，这些都是人类智慧的成果，也就是弱人工智能。从当前的形势来看，人工智能还是得依托人类的发明和创造，并不是独立的个体。其次，人工智能的广泛应用上，还存在诸多的Bug，这些都得靠人工来维护。由此可见，人工智能的发展还有一段很长的路需要走。
至于引爆科技，个人认为并不一定会是人工智能引爆科技。随着现在一些科技领域新名词的诞生，我们可以看到，云计算、大数据等这些都会带来一定的科技成果。因此，不论是从概念上，还是技术上，引爆科技绝不是一种技术所带来的，而是多种技术的融合创新，所创造的时代产物。
如需了解更多详情，可以关注“区块链蓝海”。
区块链蓝海
目前“人工智能”领域并未发展到特别厉害的程度，“人工智能”现在的发展主要还是低级识别模式和计算智能及运动控制智能相关的工程领域，认知智能的算法仍然尚未突破。随着时代进步我们们也在逐渐发现“人工智能”的利与弊，它的崛起对于人类来说就像是一把双刃剑，有好处也有坏处。比如好处：关于“人工智能”战胜围棋专业棋手，难道不是很正常的么？不然发明出来干嘛？人类制造“人工智能”替代人类部分职业不是很正常的么？归根结底，都是在帮助我们。劣胜优汰的世界，强者生存，弱者淘汰。这样，人们的竞争与意识便得到了进一步提升，在不断地开始逼自己的同时，也在进一步的进化着自己的思想与能力。 
对于会不会引爆科技这种问题，我只想说，近五十年甚至百年内是不存在的，且不说“人工智能”这概念本就是人类想出来的，随着时代与科技共同进步，我们必定会走向像电影般的科技时代。人类才是引爆科技的关键！
随着人们的生活水平不断提高，教育、医疗、娱乐等专业化服务的人工智能和智能无人设备的应用也更加广泛。只能说目前人工智能已经发展到一个新的阶段了。在今后，我们需要人工智能的帮助，不能固步自封，许多东西是需要变革的，而最好的变革就是在今后利用好人工智能。
黑猫小科技
天文学会认为：人工智能的发展可以帮助我们预测其他行星的生命可能性。该研究使用人工神经网络（ANN）将行星分为五类，估计每种情况下的生命概率，这可用于未来的星际探测任务。
复合图像显示了土星卫星泰坦的红外视图
复合图像显示了土星卫星泰坦的红外视图，取自NASA的卡西尼号航天器。有些措施表明，根据诸如能源可用性，各种地表和大气特征等因素，泰坦的地球可吸收能力评分最高。
根据位于普利茅斯大学的一个团队的新研究，人工智能的发展可能帮助我们预测其他星球的生命可能性。该研究使用人工神经网络（ANN）将行星分为五类，估计每种情况下的生命概率，这可用于未来的星际探测任务。4月4日，Christopher Bishop先生在利物浦的欧洲天文与空间科学周（EWASS）上发表了这项工作。
人工神经网络是试图复制人类大脑学习方式的系统。它们是机器学习中使用的主要工具之一，尤其擅长识别对于生物大脑来说过于复杂的模式。
这个团队位于普利茅斯大学机器人和神经系统中心，他们已经测试了他们的网络，把行星分类成五种不同的类型。基于他们是否最像现在的地球，早期的地球，火星，金星或土星的卫星泰坦，将行星分为五种不同的类型。所有这五个都是具有大气的岩石体，是我们太阳系中最有可能居住的物体之一。
Bishop先生评论说：“我们目前对这些人工神经网络感兴趣，以便优先探索一个假设的，智能的星际航天器探测范围外的系外行星系统。”
他补充说：“我们也在研究如何使用大面积，可展开的平面菲涅耳天线将数据从大距离的星际探测器传回地球，如果未来将这种技术用于机器人航天器“。
将五个太阳系天体的大气观测称为光谱，作为网络的输入，然后按要求用行星类型对它们进行分类。由于目前仅知道生命存在于地球上，所以该分类使用“生命概率”度量，这是基于五个目标类型的相对较好理解的大气和轨道性质。
Bishop用超过一百种不同的光谱轮廓调试了这个网络，每一个光谱都具有几百个有助于可居住性的参数。到目前为止，网络在呈现前所未见的测试光谱配置文件时表现良好。
“鉴于迄今为止的结果，该方法可能证明对于使用地面和近地观测站的结果对不同类型的系外行星进行分类非常有用，”项目主管Angelo Cangelosi博士说。
考虑到即将到来的太空任务，例如欧空局的阿里尔太空任务和美国宇航局的詹姆斯韦伯太空望远镜预计的光谱细节的增加，该技术也可能非常适合选择未来观测的目标。
物联网圈子
提到人工智能，就不得不提到一个假说，技术奇点。在很多的科幻小说以及在美剧《生活大爆炸》都有所提及。
什么叫做技术奇点呢？通俗地讲，就是当人工智能的能力发展到一个阀值之后，所有技术发展速度在人工智能的帮助下，成指数持续增长，并且所需的时间非常的短，而且这种技术发展的过程和速度是人类无法理解。
在理论上，这种发展是在短时间极大发展的接近了无限的进步。就好像黑洞引力无穷大的性质一样，所以称之为技术奇点。
人类不能理解，以及无法预测其发生。人类的科技水平会在一个很短的时间内，科技能力呈光速发展。
举个简单例子，技术奇点的速度就是，第一天你还刚学会钻木取火，然后几日过去，你已经在掌握了开拓建设外星球的技术。
但是到达这个层次，起码人工智能要
强人工智能非常成熟以及要到达比强人工智能还要高的层次。
