中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導語：人工智能的發(fā)展成果越來越顯現(xiàn)在我們的日常生活中，它的發(fā)展并不是一帆風順的，而是經歷了許多次寒冬，最后才得以爆發(fā)。本文講述了人工智能的發(fā)展簡史，未來的人工智能又該如何發(fā)展，一起來看下。

一、起源

提到人工智能的歷史，所有書都會提到1956年度的達特茅斯會議，在這次會上人工智能的鼻祖John mcarthy是發(fā)起人，minsky也 積極參與其中，包括我們課本上非常著名的提出信息論的香農本人。

曾經麥卡錫和明斯基都曾經在貝爾實驗室為香農打工，當時他們研究的核心就是圖靈機，并將此作為智能活動的理論基礎。

后來麥卡錫到IBM打工，遇到了研究神經網絡的羅切斯特并得到了洛克菲勒基金會的資助，決定在第二年達特茅斯召開人工智能夏季研討會，這便是人工智能名字的由來。

從1955年到1965年，人工智能進入快速發(fā)展時期，在機器學習領域，出現(xiàn)了“跳棋程序”并在1959年實現(xiàn)了人工智能戰(zhàn)勝人類的事件打敗了當時設計他的設計師Samuel，并在1962年，打敗了州跳棋冠軍。

在模式識別領域，1956年Oliver selfridge研發(fā)了第一個字符識別程序，并在1963年發(fā)明了符號積分程序SAINT，在1967年SAINT的升級版SIN就達到了專家級的水準。

同時美國政府也投入了2000萬美元資金作為機器翻譯的科研經費。當年參加達特茅斯的專家們紛紛發(fā)表言論，不出十年，計算機將成為世界象棋冠軍、可以證明數(shù)學定理、譜寫優(yōu)美的音樂，并且在2000年就可以超過人類。

二、第一次寒冬

但在1965年人工智能迎來一個小高潮之后，質疑的聲音也隨之到來，Samuel設計的跳棋程序停留在了戰(zhàn)勝周冠軍，機器翻譯領域因為一直無法突破自然語言理解（NLP），1966年的美國公布了一份名為“語言與機器”的報告全盤否定了機器翻譯的可行性。

1969年，發(fā)起人之一的minsky發(fā)表言論，第一代神經網絡（感知機perceptron）并不能學習任何問題，美國政府和美國自然基金會大幅削減了人工智能領域的研究經費。在20世紀70年代人工智能經歷了將近10年左右的寒冬時期。

三、第二次高潮與寒冬

直到80年代，人工智能進入第二次發(fā)展高潮，卡耐基梅隆大學為日本DEC公司設計的XCON專家規(guī)則系統(tǒng)（專注于解決某一限定領域的問題，具備2500條規(guī)則，專門用于選配計算機配件，因此避免了常識問題）可以為該公司一年節(jié)省數(shù)千萬美金。

同期日本政府撥款8.5億美元支持人工智能領域科研工作，主要目標包括能夠與人交流、翻譯語言、理解圖像、像人一樣進行推理演繹的機器。

但是隨后人們發(fā)現(xiàn)，專家系統(tǒng)通用性較差，未與概率論、神經網絡進行整合，不具備自學能力，且維護專家系統(tǒng)的規(guī)則越來越復雜，且日本政府設定的目標也并未實現(xiàn)，人工智能研究領域再次遭遇了財政苦難，隨之人工智能發(fā)展進入第二次寒冬。

四、第一次算力與算法爆發(fā)

上世紀90年代，計算機在摩爾定律下的計算機算力性能不斷突破，英特爾的處理器每18-24個月晶體管體積可以縮小一倍，同樣體積上的集成電路密集度增長一倍、同樣計算機的處理運算能力可以翻一倍。

1989年，還在貝爾實驗室的楊立坤通過CNN實現(xiàn)了人工智能識別手寫文字編碼數(shù)字圖像。

1992年，還在蘋果任職的李開復利用統(tǒng)計學方法，設計了可支持連續(xù)語音識別的Casper語音助理（Siri的前身），在1997年IBM的國際象棋機器人深藍戰(zhàn)勝國際象棋冠軍卡斯帕羅夫（不再止步于州冠軍，第一次真正意義上的戰(zhàn)勝人類），同年兩位德國科學家提出了LSTM網絡可用于語音識別和手寫文字識別的遞歸神經網絡。

五、算力+算法+數(shù)據三駕馬車聚齊：發(fā)展進入快車道

直到2006年，也就是我們身處的這不到20年的時間是當代人工智能快速發(fā)展的階段，同年杰弗里辛頓發(fā)表了《learning of multiple layers of representation》奠定了當代的神經網絡的全新架構。

2007年還在Stanford任教的華裔女科學家李飛飛教授，發(fā)起了ImageNet項目，開源了世界上最大的圖像識別數(shù)據集（超過1400萬、2萬多標注類別的圖像數(shù)據集）。

在2006年亞馬遜的AWS的云計算平臺發(fā)布，進一步大幅提升了人工智能網絡模型計算所需要的算力。

同時，隨著2014年4G時代的到來與智能手機大規(guī)模普及，移動互聯(lián)網的極速發(fā)展，催生了覆蓋人起居生活工作的方方面面的各色應用，帶來了神經網絡訓練迭代所需的養(yǎng)料“海量的數(shù)據”，同時隨著IoT物聯(lián)網的興起、支持分布式計算（邊緣計算）的傳感器時序（temporal）數(shù)據指數(shù)級生成。

六、技術發(fā)展離不開政府支持，我國將人工智能列入國家戰(zhàn)略

2017年我國政府也引發(fā)了《新一代人工智能發(fā)展規(guī)劃》明確了我國新一代人工智能發(fā)展的戰(zhàn)略目標：到2020年，人工智能總體技術和應用與世界先進水平同步，人工智能產業(yè)成為新的重要經濟增長點，人工智能技術應用成為改善民生的新途徑。

到2025年，人工智能基礎理論實現(xiàn)重大突破，部分技術與應用達到世界領先水平，人工智能成為我國產業(yè)升級和經濟轉型的主要動力，智能社會建設取得積極進展；到2030年，人工智能理論、技術與應用總體達到世界領先水平，成為世界主要人工智能創(chuàng)新中心。

人工智能發(fā)展簡史–符合事物發(fā)展本質-螺旋式上升

回顧人工智能歷史發(fā)展的60多年間，有上升期、有瓶頸期、有寒冬期，但卻一直不斷的演進進步，正如恩格斯在《自然辯證法》所說，一切事物都是由螺旋形上升運動是由事物內部矛盾引起的，矛盾雙方經過反復斗爭，引起對立面的兩次否定，兩次轉化，事物的發(fā)展從肯定到否定再到否定之否定，形成一個周期性，每一周期的終點同時又是下一周期的開端。

一個周期接著一個周期，每一周期完成時出現(xiàn)仿佛向出發(fā)點的復歸，形成由無數(shù)“圓圈”銜接起來的無限鏈條，呈現(xiàn)出螺旋形的上升運動。

而如今的我們，正處在一個人工智能高速發(fā)展時代，且已經滲透到人們日常生產、生活、工作的方方面面，大家可能會問，為什么不是10年前、20年前而是現(xiàn)在？

這就不得不提人工智能三要素，分別是：算法、算力和數(shù)據，三者缺一不可。而人工智能早期發(fā)展的瓶頸，很多都是因為你三要素的一種或者多種要素的缺乏，導致人工智能產業(yè)陷入短暫的困境，如下圖所示。

而如今，隨著4G、5G基礎網絡通訊設施的快速發(fā)展，使萬物互聯(lián)成為可能，全球有天文數(shù)字級別的人、設備、傳感器被連接，產生海量的數(shù)據，而這些數(shù)據正是人工智能算法模型迭代的充足養(yǎng)料。

而為什么我國有建設成為人工智能創(chuàng)新中心的底氣？因為我們國家在網絡基礎設施建設方面在全球最為領先，移動互動聯(lián)網滲透人們生產生活最為徹底 ，“配送下鄉(xiāng)”的電商平臺淘寶、拼多多、京東，美團等互聯(lián)網“買菜”服務下沉到社區(qū)，村子里在直播玩短視頻的大爺大媽，每個人都不知不覺的在享受著“人工智能”科技發(fā)展所帶來的紅利，同時也被“算法”支配著時間。

困在算法里的外賣小哥、內容平臺利用推薦算法向你定向投喂的“豬食內容”、“人臉”信息被濫用，“算法”的偏見與歧視，正如一切事物的兩面性一樣、技術的發(fā)展同時一定會帶來負面的影響，引發(fā)社會輿論的挑戰(zhàn)。

如何更好的保護人們的隱私的同時，讓算法更好的為人們服務？如何讓人工智能將來不會“覺醒”，失去控制甚至傷害人類？如何讓深度學習這個相對黑盒更具可解釋性，更安全、更魯棒？

相信諸位也跟我剛接觸這個領域一樣帶著許多困惑。這些學界和工業(yè)界都已經有一些嘗試與探討，我希望在這本書的有限章節(jié)中向你盡可能簡要但清晰的分享。

七、人工智能的未來在哪？

未來人工智能又將去向何從，會像是科幻電影里人工智能終將覺醒、他們因為不具備”人性”可以更加理智的不會錯的進化統(tǒng)治甚至“奴役”人類？

還是由于人類生存活動使地球的生態(tài)環(huán)境不斷惡化，“病毒”不斷肆虐，人類無法外出，只能沉陷于由人工智能創(chuàng)造的虛擬環(huán)境中，像是”頭號玩家”所描述的世界，在虛幻世界中實現(xiàn)”自我”價值？

雖然無法先知，但是可以預見的是，人工智能未來一定會具備以下趨勢：

1. 從專家系統(tǒng)轉向通用型的認知智能，像是我們上文提到的早期只能針對問題解決問題的某個細分領域的人工智能，未來的人工智能是更加通用型的、在感知能力的基礎上具備像人一樣具備認知智能，除了分類、歸納、檢測、識別具備推演、預測的能力；
2. 深度學習模型從過去的黑盒不可解釋，變得更加具備“可解釋性”，從而通過算法模型更公平、更安全、更魯棒；
3. 深度學習向多模態(tài)發(fā)展，正如人類文明進行學習不僅僅是通過眼睛觀看，還有“口眼耳鼻舌身意、色相聲香味觸法”，因此深度學習需要多傳感器的信息融合進行模型學習訓練與判斷；
4. 由于高級任務的帶標簽訓練數(shù)據十分匱乏，這會促使人們進一步研究稀疏數(shù)據環(huán)境中的學習技術，比如，小樣本學習和自我監(jiān)督學習以及如何提升學習的效率以及如何讓學習的進度追趕上數(shù)據產生的進度，增量學習也是一個解決當前現(xiàn)狀的實用方向。
5. 數(shù)據隱私和數(shù)據安全引起社會廣泛關注，如何保護隱私的前提下同時進行模型訓練迭代，聯(lián)邦學習已經被大多公司和組織廣泛使用。

八、總結

這本書適用于所有剛剛從其他行業(yè)轉型的AI產品經理，或作為一名剛畢業(yè)即將或者已經踏入職場的“新鮮人”，又或者是對于人工智能這個行業(yè)感興趣想要了解的朋友們，希望通過我的一些經驗和案例總結濃縮了七節(jié)課，希望可以幫助大家了解人工智能行業(yè)的同時，理解人工智能產品經理這個崗位，甚至可以快速實操上手。

第一章，我們介紹人工智能發(fā)展的介紹，從歷史到現(xiàn)狀再進一步嘗試預見其未來。

第二章，我們介紹進入人工智能領域必知必會的基礎知識，包括人工智能最為重要的三駕馬車，人工智能、機器學習、深度學習之間的關系？對于AI產品經理需要理解的算法模型，如何衡量算法模型的好壞，如何建立評價體系？

第三章，我們介紹產品經理技能“方法論”，包括需求管理能力、向上管理能力、橫向管理能力、項目管理能力、產品管理能力包括如何完成一個產品從0到1的構建，包括常用的管理工具/商業(yè)工具等，需要具備的數(shù)據分析能力、透過數(shù)據進行商業(yè)分析的能力等

第四章，我們介紹主要與軟件算法類相關的人工智能項目，包括人臉算法技術的場景應用：智能相冊、AI人像視頻美妝、人體算法、手勢算法、人像風格化算法等場景應，人臉AI小游戲等直接面向C端消費者場景的項目；

第五章，我們介紹軟硬結合的AI算法類項目，包括智能音箱、智能電視、兒童手表、機器狗、智能座艙項目；

第六章，我們介紹B端垂直行業(yè)的AI應用類項目，包括智慧工廠、智慧辦公、智慧門店項目；

第七章，我們介紹AI產品的商業(yè)模式設計。

最后，我們會推薦幾本書籍和影視劇作品作為拓展性閱讀，希望有余力的同學可以參考閱讀。

作者：大仙河? 微信號 ：大仙河知識學堂。專注分享關于人工智能產品、智能硬件、哲學的思考。

本文由 @大仙河? 原創(chuàng)發(fā)布于人人都是產品經理，未經許可，禁止轉載

題圖來自Unsplash，基于 CC0 協(xié)議