人工智能的历史变迁

人工智能具有悠久的历史，可以追溯到20世纪50年代。早期人工智能的发展极其缓慢，其主要原因在于各领域对人工智能具有领域内独特的定义和理解，所研究的内容和方法也相对独立，缺乏技术和信息层面的交流和共享。在1956年夏季的达特茅斯人工智能研究会上，约翰·麦卡锡等人首次将不同领域中出现的“类人计算”“机器智能”等描述进行了统一，正式提出了“人工智能”这一术语，明确了人工智能的首要使命，即运用算法构建动态计算环境来模拟人类智能，从而奠定了人工智能发展的基础。在接下来的20年间，人工智能在语音处理和问题求解等方面均取得了不俗的表现。其中，较为成功的人工智能案例是“通用解题机”和“LISP人工智能语音”。尽管如此，早期的人工智能技术仍存在很大的局限性，只能处理一些简单的问题，在实际应用中的表现不尽如人意。另一方面，代表神经网络先进成果的感知机理论也一度受到了强烈抨击，导致了第一波人工智能热潮的迅速降温，包括政府在内的各路投资者对人工智能项目的资助相继停止，从而使人工智能进入了第一轮寒冬。这波低潮一直持续到20世纪80年代末，专家系统作为人工智能领域一项极具商业价值的研究应运而生，解锁了人工智能的第一轮寒冬。

受符号主义的影响，专家系统的研究者希望让机器像人类一样进行逻辑推理，进而模仿人的认知过程，这也促使了很多面向逻辑演算的编程语言的诞生，如Prolog。不幸的是，这一波热潮未能持续很久。因为专家系统需要昂贵的计算平台，随着个人计算机性能的不断提升，专家系统逐渐被价格低廉的个人计算机所取代。最终，人工智能硬件市场急剧萎缩，人工智能也进入了第二轮寒冬。从20世纪90年代中期开始，遵循摩尔定律，计算机的运算能力呈指数级增长，各种机器学习算法得以快速验证、训练和应用，直接引发了人工智能的复兴。在该阶段，支持向量机（Support Vector Machine，SVM）、Boosting、KernelMethod等机器学习方法在手写数字识别、股票预测、情感分类、点击率预测等实际应用中取得了优异的表现。1997年由IBM公司制造的深蓝（Deep Blue）计算机系统战胜了当时的国际象棋世界冠军卡斯帕罗夫，引起了社会各界对人工智能的高度关注，重燃了人们对人工智能的信心。自此，人工智能的新一波热潮逐步席卷了全球。

在本轮人工智能热潮中，最具价值也最具影响力的一项研究当属深度学习。作为机器学习的代表性方法，深度学习以人工神经网络为基本框架，在数据表征、特征提取、特征交互等多个方面取得了颠覆性的成果。深度学习得益于大数据的不断积累和计算机的飞速发展，其中，海量数据解决了神经网络训练的过拟合问题，而高性能的硬件设备让模型训练成为可能。近年来，随着深度学习研究的不断深入，我们目睹了Google AlphaGo成功击败人类世界围棋冠军，以及包括无人车在内的各项智能技术的蓬勃发展，仿佛再一次看到人工智能赶超人类的希望。总而言之，人工智能正在逐步改变人类的日常生活模式，并凭借其惊人的效果和迅猛的发展势头，广泛融入各个行业的实际应用中，涉及计算机视觉、自然语言理解、语音识别、智能游戏等多个领域。深度学习，作为人工智能的一项崭新技术，从海量数据中汲取知识，并与外界环境进行互动，通过反馈学习交互策略，无论在理论方法上还是现实应用中，都取得了颠覆性的成果。接下来，将聚焦深度学习，探讨深度学习的定义和现实应用。