人工智慧發展並非一帆風順,真正的人工智慧
近年來,人工智慧發展火熱,成為科技圈談論的焦點。人工智慧作為未來顛覆性技術之一,它的快速發展改變了我們的生產和生活方式,給我們的生活帶來了便利。但人工智慧發展並非一帆風順,它能有今日的輝煌是經歷了三個發展階段。
第一個階段,也叫無數if的階段 。程式員都知道if是什麼含義,就是程式設計的時候,一旦遇到要分情況執行,就會用if,例如關於編寫一個明天到底要做什麼的程式,就可以這樣寫:if 明天下雨,在家裡玩耍。if明天出太陽,去旅遊。相當於就是針對所有的可能性都加一個if,然後後面寫要執行的事情。這種方法寫出來的人工智慧,工作量特別大,需要人類給他預先設定各種可能性,並未每種可能性寫出要執行的操作,所以這個階段的人工智慧只能屬於低端人工智慧,並且從剛才的模式可以看出,這種人工智慧的智慧是永遠不可能超過人類的,因為所有知識都是人類賦予給它的,而它自己只能簡單機械的去執行。而且這種人工智慧根本就沒有靈活性而已,一旦遇到人類沒有考慮到的if情況,人工智慧就不知所措,程式甚至報錯無法執行。
第二個階段,也叫遍歷階段,也就是說人不需要預先考慮所有的if可能性,併為每種可能性去預先設定操作 。人只需要編寫一個程式,讓程式去把所有的可能性都去嘗試一遍,並將嘗試結果依次打印出來。由於計算機的計算速度一秒可以算幾百萬次甚至更快,所以這種方法提出後,就受到了廣大科學家的喜歡。比如國際象棋——深藍,就是採用嘗試所有可能性,打敗了國際象棋世界第一的人類高手。這種人工智慧雖然能夠窮盡所有可能性,但是一旦需要遍歷的可能性太多,就算是計算機也是無能為力,比如圍棋,因為圍棋的變化數量比整個宇宙的所有原子數量總和還要多,即使是計算機也不可能很短時間內去嘗試每種可能性,所以這個階段的人工智慧雖然強大,但是無法應用在遍歷可能性過多的領域裡,所以通用性不強。
第三個階段,也叫神經網路階段。 其實神經網路演算法很早就提出了,只不過當時硬體條件差,計算機計算速度遠遠沒有現在的晶片快 ,現在我們手機有高通、電腦有intel、英偉達。到了第三個階段,人工智慧才真正算是趨於完美,因為人們只需要預先給出大量的資料,然後設計一套通用的神經網路模型,再把這些資料帶入神經網路,讓網路自己反覆計算,這個過程就叫訓練,一旦訓練次數足夠多,其自己積累的知識和經驗就會出現爆發式的增長,最後遠超人類智慧。當然由於神經網路需要大量資料去訓練,所以對計算速度要求也比較高,不過好在現在的硬體技術水平已經很高,所以面對大資料計算量,也能很短時間內完成計算並讓神經網路學會某項技能。
縱觀三個階段,雖然最後一個階段才實現了真正的人工智慧,但是也僅僅受限於資料,因為需要人事先將資料準備好,然後送給神經網路自己去訓練,而蒐集資料的過程,其實工作量也是非常巨大的,所以如果以後能夠設計一套真正的神經網路,讓他能夠自己去主動蒐集需要的資料,自己去訓練,然後自己去評估學習效果,那這就更加完美,不知道以後技術的發展能否做到這一點呢?讓我一起去期待吧!
在不久的將來,多智時代一定會徹底走入我們的生活,有興趣入行未來前沿產業的朋友,可以收藏ofollow,noindex" target="_blank"> 多智時代 ,及時獲取人工智慧、大資料、雲端計算和物聯網的前沿資訊和基礎知識,讓我們一起攜手,引領人工智慧的未來!