新華社照片（圖文無關），香港，2018年7月12日

AI如何幫助人類？——RISE科技峰會聚焦人工智能發(fā)展

新華社發(fā)（王申 攝）

時間撥回到1956年的夏天，在美國漢諾斯小鎮(zhèn)寧靜的達特茅斯學院，約翰·麥卡錫（John McCarthy，Lisp語言發(fā)明者、圖靈獎得主）、馬文·明斯基（Marvin Minsky，人工智能與認知學專家）、克勞德·香農(nóng)（Claude Shannon，信息論的創(chuàng)始人）、艾倫·紐厄爾（Allen Newell，計算機科學家）、赫伯特·西蒙（Herbert Simon，諾貝爾經(jīng)濟學獎得主）等聚在一起進行了一場頭腦風暴討論會。

在這次的頭腦風暴討論會上，這幾位年輕的學者討論的是當時計算機尚未解決，甚至尚未開展研究的問題，包括人工智能（AI）、自然語言處理和神經(jīng)網(wǎng)絡等。也正是在這場會議上，人工智能這個詞首次被提出，并逐漸成為一門學科。

有意思的是，與今天的許多會議不同，當時的這場會議雖然叫做“達特茅斯夏季人工智能研究會議”，但會議最后其實并沒有什么可以報告的科研成果，其次這個會議持續(xù)了一個暑假。盡管當時的討論并沒有得出可以報告的科研成果，但這次學術討論會卻成為了歷史的一個開端，開啟了人們對人工智能的無盡探索，影響至今。

那么，經(jīng)過62年的發(fā)展后，人工智能究竟是什么，我們又該如何定義人工智能？根據(jù)英國工程物理科學研究理事會的描述：從目前來看，人工智能在提高生產(chǎn)率方面，有著巨大的潛力，最突出的就是幫助公司和人們更有效地利用資源，以及簡化人類與大量數(shù)據(jù)交互的方式；人工智能可以幫助公司和員工提高工作效率；人工智能可以減輕大數(shù)據(jù)搜索的負擔。

概念從無到有，人工智能在過去的62年發(fā)展中經(jīng)歷過寒冬，也有過自己的春天。接下去，澎湃新聞（www.thepaper.cn)就選取了62年里不容錯過的十大關鍵事件，帶讀者一起來看人工智能是如何走到今天的。

1.人工智能的誕生：達特茅斯會議（Dartmouth Conference）

時間：1956年8月

2006年，會議五十年后，當事人重聚達特茅斯：摩爾，麥卡錫，明斯基，賽弗里奇，所羅門諾夫

在達特茅斯學院的這次頭腦風暴上，計算機科學家約翰·麥卡錫說服了與會者接受了“人工智能”作為該領域的名稱。因此，這次會議也被認為是人工智能正是誕生的標志。

影響：這幾位年輕的學者討論的是當時計算機尚未解決，甚至尚未開展研究的問題，包括人工智能（AI）、自然語言處理和神經(jīng)網(wǎng)絡等。也正是在這場會議上，人工智能這個詞首次被提出，并逐漸成為一門學科。

2. 機器學習和完整的人工智能系統(tǒng)概念的誕生

時間：1959年

在這一年里，IBM公司的計算機專家阿瑟·塞繆爾(Arthur Lee Samuel)創(chuàng)造了“機器學習”一詞，在他的文章中指出：“給電腦編程，讓它能通過學習比編程者更好地下跳棋。”塞繆爾基于其理論研究成果所編制的下棋程序是世界上第一個有自主學習功能的游戲程序，曾在西洋跳棋比賽中一舉奪魁。

同一年時間里，約翰·麥卡錫發(fā)表了文章《Programs with Common Sense》，提出了“Adivece Taker”概念，文章描述的假想程序可以被看成是第一個完整的人工智能系統(tǒng)。

影響：機器學習概念誕生，得益前輩們在這個領域的研究，才讓DeepMind公司在60年后成功開發(fā)了圍棋AI，挑落了人類棋手。機器學習也成為了人工智能領域里最為重要的研究分支之一。

3. 人機首次對話

時間：1966年

美國麻省理工學院（MIT）人工智能實驗室的約瑟夫·維森鮑姆（Joseph Weizenbaum）在這一年開發(fā)了最早的自然語言聊天機器人ELIZA，能夠模仿臨床治療中的心理醫(yī)生。ELIZA的實現(xiàn)技術是通過關鍵詞匹配規(guī)則對輸入進行分解，而后根據(jù)分解規(guī)則所對應的重組規(guī)則來生成回復。簡而言之，就是將輸入語句類型化，再翻譯成合適的輸出。雖然 ELIZA 很簡單，但維森鮑姆本人對ELIZA的表現(xiàn)感到吃驚

影響：近年來，人機對話交互技術成為人工智能的熱點領域。眾多科技公司相繼推出了人機對話技術相關產(chǎn)品，并將人機對話交互技術作為其公司的重點研發(fā)方向。目前比較知名的產(chǎn)品有谷歌的Google Assistant和蘋果的 Siri等。Siri評價道，ELIZA是一位心理醫(yī)生，是她的啟蒙老師。

4. 日本造成第一個人形機器人

時間：1973年

日本早稻田大學造出第一個人形機器人WABOT-1，它由肢體控制系統(tǒng)、視覺系統(tǒng)和對話系統(tǒng)組成。WABOT-1這個龐然大物會說日語，能抓握重物，通過視覺和聽覺感應器感受環(huán)境。對出生于1973年的它已算不錯了。到了1980年，早稻田大學更新了設計，研制出了WABOT-2，第二代能夠與人溝通，閱讀樂譜并演奏電子琴。

影響：人形機器人的誕生，滿足了許多人對機器人的最初想象，也為未來機器人的設計和開發(fā)奠定了基礎。不過，人工智能發(fā)展到1970年代，由于研究者對于項目難度評估不足，導致承諾無法兌現(xiàn)，讓人們當初對人工智能的樂觀期望遭到了嚴重打擊，人工智能遭遇打擊，研究經(jīng)費被轉(zhuǎn)移到了那些目標明確的項目上。

5. AI寒冬來臨

時間：1984年

在1984年的年度AAAI（美國人工智能協(xié)會是人工智能領域的主要學術組織之一。該協(xié)會主辦的年會AAAI是人工智能重要的學術會議之一）。會議上，人工智能專家羅杰·單克(Roger Schank)和馬文·明斯基警告“AI之冬”即將到來。預測AI泡沫破滅，投資資金也將如1970年代中期那樣減少。

影響：正如兩位人工智能專家所預言的，在他們發(fā)出警告后3年，確實發(fā)生了AI泡沫的破滅。到了上世紀80年代晚期，美國國防高級研究計劃局（Defense Advanced Research Projects Agency，簡稱DARPA）的新任領導認為人工智能并不是“下一個浪潮”，讓人工智能從狂熱追捧中一步步走向冷靜，人工智能的研究也造次遭遇經(jīng)費危機。

6. “深藍”戰(zhàn)勝人類國際象棋冠軍

時間：1997年5月

1997年5月，在紐約，卡斯帕羅夫輸?shù)袅艘粓隽种票荣?，對手?IBM的深藍（Deep Blue），當時世界上最強大的國際象棋計算機。關于這場比賽，至今仍有許多爭議。首先，“深藍”的設計者有機會事先根據(jù)卡斯帕羅夫的戰(zhàn)略和風格以及所有的公開對局對深藍的程序進行針對性的改編。而卡斯帕羅夫就無法了解“深藍”的歷史記錄，因為“深藍”在每次對決之后就被會被微調(diào)，所以他完全就是在盲下。其次，人們忘記了，深藍挑戰(zhàn)賽分兩場，而卡斯帕羅夫贏得了1996年在費城舉行的第一場。在兩場比賽之間，IBM重新編碼了它的計算機，于是卡斯帕羅夫指控IBM作弊。

影響：IBM的“深藍”通過“窮舉法（brute force）”或者說暴力計算的方式，在計算游戲步數(shù)的能力比人類強太多。輸?shù)舯荣惡螅ㄋ固亓_夫也承認：機器在游戲領域占上風，是因為人類會犯錯誤。這次人類的失敗，也引發(fā)了人們新的思考：在國際象棋上贏了人類后，機器下一個爭奪的領域會是什么？會是圍棋嗎？

7. ImageNET數(shù)據(jù)庫建立，最終幫助AI認出了貓

時間：2006年-2009年

2006年，當時剛剛出任伊利諾伊大學香檳分校計算機教授的李飛飛發(fā)現(xiàn)，整個學術圈和人工智能行業(yè)都在苦心研究同一個概念：通過更好的算法來制定決策，但卻并不關心數(shù)據(jù)。

她意識到這種方法的局限：如果使用的數(shù)據(jù)無法反映真實世界的狀況，即便是最好的算法也無濟于事。于是她的解決方案是建設更好的數(shù)據(jù)集。這是一個大型注釋圖像的數(shù)據(jù)庫，旨在幫助視覺對象識別軟件進行研究。

影響：由李飛飛帶頭此制作的數(shù)據(jù)集名為ImageNet，它作為論文于2009年發(fā)布時，還只能以海報的形式縮在邁阿密海灘大會的角落里，但卻很快成為了一場年度競賽：看看究竟哪種算法能以最低的錯誤率識別出其中的圖像所包含的物體。很多人都將此視作當今這輪人工智能浪潮的催化劑。到了2017年，優(yōu)勝者的識別率就從71.8%提升到97.3%，超過了人類，并證明了更龐大的數(shù)據(jù)可以帶來更好的決策。

值得一提的還有一件事。2012年6月，人工智能專家吳恩達和谷歌人工智能部門負責人杰夫·迪恩做了一份實驗報告，他們給一個大型神經(jīng)網(wǎng)絡展示1000萬張未標記的網(wǎng)絡圖像，然后發(fā)現(xiàn)神經(jīng)網(wǎng)絡能夠識別出一只貓的形象。

這些進步，都為今天人工智能領域圖像識別技術的發(fā)展起到了重要作用。

8. IBM超級計算機“沃森”Watson在智力問答比賽中戰(zhàn)勝人類

時間：2011年

作為“深藍”的后輩，Watson是IBM推出的超級計算機，這臺以IBM創(chuàng)始人命名的超級電腦在2011年參加了美國著名智力節(jié)目《危機邊緣》（Jeopardy!，這檔節(jié)目可以理解為國內(nèi)的開心辭典+幸運52），與真正的人類同場競技。最終Watson贏得了比賽，獲得了獎金。

影響：要參加這種智力比賽，擁有更多更快的核心計算是必須的，一塊單核CPU，要回答一道普通Jeopardy! 題需要的計算量大約要花2小時，而Watson平均只用3秒。硬件上的升級并不一定能戰(zhàn)勝人類，有時候?qū)τ谝慌_電腦來說，能聽懂題目也許是個更大的挑戰(zhàn)。

9. AlphaGo橫空出世，戰(zhàn)勝圍棋頂級棋手

時間：2016年3月

在AlphaGo出現(xiàn)前，人們普遍認為機器想要在圍棋領域戰(zhàn)勝人類至少還要10年時間。但這一切假定在2016年3月韓國的一家酒店被打破了。這個由英國初創(chuàng)公司DeepMind研發(fā)的圍棋AI以4：1的比分贏了人類職業(yè)棋手九段李世石。到了2017年5月，升級后的AlphaGo又在烏鎮(zhèn)戰(zhàn)勝了當時圍棋第一人柯潔九段。AlphaGo的棋藝增長迅速，勢如破竹。戰(zhàn)勝柯潔后，DeepMind仍未聽下研發(fā)腳步，隨后又推出了AlphaGo zero版本，做到了無師自通，甚至還可以通過“左右手互博”提高棋藝。

影響：AlphaGo的出現(xiàn)讓世人對人工智能的期待再次提升到前所未有的高度，在它的帶動下，人工智能迎來了最好的發(fā)展時代。而對于希望利用人工智能推動人類社會進步為使命的DeepMind來說，圍棋并不是AlphaGo的終極奧義，他們的目標始終是要利用AlphaGo打造通用的、探索宇宙的終極工具。

10. 上海舉辦2018世界人工智能大會

時間：2018年9月17日-19日

經(jīng)歷過62年的發(fā)展，人工智能已經(jīng)成為新一輪產(chǎn)業(yè)變革的核心驅(qū)動力，正在對世界經(jīng)濟、社會進步和人類生活產(chǎn)生極其深刻的影響。

正如62年前，美國達特茅斯會議的那場頭腦風暴討論會一樣，2018年上海世界人工智能大會將集聚全球人工智能領域最具影響力的科學家和企業(yè)家，以及相關政府的領導人，圍繞人工智能領域的技術前沿、產(chǎn)業(yè)趨勢和熱點問題發(fā)表演講和進行高端對話，打造世界頂尖的人工智能合作交流平臺。

影響：2018年，上海向全球人工智能界發(fā)出邀約，請各界有識之士齊聚上海，共同探討新一代人工智能的發(fā)展愿景。本次大會以“人工智能賦能新時代”為主題，以“國際化、高端化、專業(yè)化、市場化”為特色，最權威的觀點和共識，最前沿的新技術、新產(chǎn)品、新應用、新理念將在這次的大會上討論發(fā)生，為應對人類發(fā)展面臨的共同難題、創(chuàng)造人類美好生活匯聚“中國方案”和“世界智慧”。

關鍵詞： 人工智能 大事 錯過