再谈人工智能--从历史了解当下和未来

不了解历史，就没有资格说未来。

计算机和互联网引发的科技革命，让信息的获取变得无比廉价，所有人都被包裹其中，无论是愿意还是不愿意，无论是有意还是无意，无论是主动还是被动。

有人觉得，这很糟糕，因为它让人们常常处于缺失自我的状态之中。就像被扔到太空中，漫无目的的漂浮，你想抓取，但无处借力。

有人觉得，这是巨大的进步，因为它让更多的人看到更大的空间。就像井底之蛙，突然跃出，看到了另一幅星辰大海。

其实，身处其中的我们每一个人，都感受到了这两种力量：有时候你惊叹于科技进步带给你无限的想象；有时候却苦于无法掌握其中的规律，看不到全局而茫然失措。对于人工智能，这种感觉更加明显。

没有选择让你失明，选择太多也会让你失明。

机器学习本身干的事，就是在数据大海中，寻找规律。这本质上是在替人类干这件事。人类历史长河中，也是一直在做这样一件事，所以，我们走的方向没有变化，但是方法不一样了。

对于人工智能，现在的状态，就好比是中世纪的其他科学分支。大家都觉得很重要，很有前途，因此都在尝试寻找那根主干，寻找未来的方向。

学习数学的历史，你会发现，总的来看，它就像是一条大河，每一个举足轻重的数学家其实都是一条支流，他们的某一个或者某几个贡献，可能汇入了主河道，这是我们能够看见的。其实更多的东西，教科书并不体现，因为他们没有规律性，或者随时间而干涸了。

但是，只保留教科书并不是明智选择，因为教科书更多的重视果，而忽略了因。只有历史，才能告诉我们更多的因，也只有这无数的因，才能激发我们创造更多更好的果。

通过历史，我们不仅可以知道这样走为什么行，更可以知道那样走为什么不行。

在上一篇博文【分清概念十分重要系列之--说说人工智能中的各种学习_龙城赤子的博客-CSDN博客】中，我们通过历史，梳理了人工智能的各种学习，这里，引用一篇文章【A Revised History of Deep Learning - Issue #1 | Revue】，来梳理梳理人工智能中的各种网络模型。

文章中从感知机模型出发，引出了神经网络模型。提到了其中的RNN(循环神经网络)、CNN（卷积神经网络）这些我们常见的模型构型。因为RNN的记忆问题，提出了LSTM（长短期记忆）结构。之后的里程碑事件ILSVRC--基于ImageNet的挑战赛，深度学习大显神威。

这里要插一句，提到ImageNet就不能不提李飞飞。在斯坦福大学的课程中，李飞飞介绍图像识别的历史时（看，人家的第一课就是让你了解历史过程，关键里程碑），介绍的一个例子让我印象深刻：自从进化出类似眼睛的器官后，生物进化就被加速了。可见，看见对所有生物都意义重大。

ImageNet Challenge. Image taken from CS231n

好了，到目前，我们还只是在谈论识别。其实，现在大家已经彻底的打开了人工智能的想象大门。AI不仅可以看懂，听懂，读懂，还要有自己的意识，可以创造。写诗、写文章（不仅仅是写个标题）、创作音乐、绘画......这是本质上已经从识别跳跃到生成，从已有到创造。这就是生成网络的天地了。2014年，大牛Ian Goodfellow创建了GAN（生成对抗网络），这就是创新应该做的事。GAN由生成器和鉴别器构成，大名鼎鼎的Deepfake曾经给某些人带来了恐慌呢。GAN就像是周伯通的左右手互搏，也像是警察和罪犯的游戏，也像是上有政策，下有对策。总之，生成器要想办法欺骗鉴别器，鉴别器要想办法识别欺骗，在来回较量中，双方实力都得到提高。到一定程度，生成器的结果，对人类而言，似乎就......

图片来自：A Revised History of Deep Learning - Issue #1 | Revue

在这后，一种基于attention的模型流行起来，这称为Transformer，不再使用RNN和CNN。在NLP中，被用于机器翻译、生成摘要、语音识别等等。

自2018之后，各个方面都在飞速前进。借鉴和学习，更大的模型，更强大的算力，更多的参数...似乎进入了结果为王的周期。

未来，时间会告诉。

再谈人工智能--从历史了解当下和未来相关推荐

人工智能的历史、现在与未来
人工智能的历史.现在与未来人工智能的历史和背景人工智能的主要内容人工智能产业发展参考文献人工智能的历史和背景 18世纪末,第一次工业革命,蒸汽机.发动机的诞生推动了机械自动化: 19世纪末, ...
浅谈人工智能在银行领域的应用及未来发展趋势
一．人工智能的发展历史人工智能诞生于上世纪40~50年代,按照"人工智能之父"艾伦·图灵的定义:如果一台机器能够与人类展开对话(通过电传设备)而不能被辨别出其机器身份,那么称这台 ...
tensorflow和python先学哪个-前辈说先学会了这些Python知识点，再谈学习人工智能！...
原标题:前辈说先学会了这些Python知识点,再谈学习人工智能! 首先我们看一看Python的优势: 开源,跨平台. 社区.不要小看这一点.社区意味着有很多教程.书籍,出了问题很容易google到,乃 ...
再谈HTTP2性能提升之背后原理—HTTP2历史解剖
即使千辛万苦,还是把网站升级到http2了,遇坑如<phpcms v9站http升级到https加http2遇到到坑>. 因为理论相比于 HTTP 1.x ,在同时兼容 HTTP/1.1 ...
与师生谈人工智能1：智乎哉？
学:学生,教:教师,李:李晓榕教:当前人工智能很火,李老师是怎么看的? 李:人工智能当前在不少国家很火,中国最甚,得到了国家极其高度的关注,在各国中最突出.首先可以肯定,几年内就会不断有大量新颖的科 ...
沈向洋：浅谈人工智能创造
来源:AI科技评论本文约7000字,建议阅读10分钟本文为你介绍沈向洋的<浅谈人工智能创造>,分享过去六年其在微软小冰身上得到的一些实践想法. 2020年9月21日上午9点,由北京大学 ...
无人再谈CV：计算机视觉公司的困境
镁客注: 计算机视觉公司高融资的背后,是他们极力在摆脱CV标签的事实. 无论是头部企业如旷视.商汤,还是第二梯队的云从.依图等,他们在技术商业化落地的时候,已经不仅仅局限于计算机视觉,从单点技术到到整 ...
朱松纯：初探计算机视觉三个源头兼谈人工智能
朱松纯加州大学洛杉矶分校UCLA统计学和计算机科学教授(Song-Chun Zhu:www.stat.ucla.edu/~sczhu) 杨: 朱教授,你在计算机视觉领域耕耘20余年,获得很多奖项 ...
经典算法研究系列：八、再谈启发式搜索算法
经典算法研究系列:八.再谈启发式搜索算法作者:July 二零一一年二月十日本文参考: I. 维基百科. II. 人工智能-09 启发式搜索. III.本BLOG内,经典算法研究系列:一.A ...

再谈人工智能--从历史了解当下和未来

再谈人工智能--从历史了解当下和未来相关推荐

最新文章

热门文章