大數(shù)據(jù)與人工智能導(dǎo)論IntroductiontoBigDataandArtificialIntelligence厚德·博學(xué)·求是·創(chuàng)新CH8人工智能初探第8章人工智能初探

主要內(nèi)容8.1人工智能的概念和思想8.2人工智能的發(fā)展歷程8.3人工智能發(fā)展的重大事件8.4未來發(fā)展與奇點的遐想8.5本章小結(jié)8.1人工智能的概念和思想人工智能的概念人工智能—ArtificialIntelligence，英文縮寫AI。麥卡錫等在1956年達特茅斯會議中提出：對于人工智能預(yù)期目標(biāo)的設(shè)想是“精確地描述學(xué)習(xí)的每個方面或智能的任何其他特征，從而可以制造出一個機器來模擬學(xué)習(xí)或智能”。目前人們普遍認(rèn)為：人工智能是研究人類智能活動的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應(yīng)用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術(shù)。8.1.1思想的萌芽8.1人工智能的概念和思想8.1.1思想的萌芽1666年，數(shù)學(xué)家和哲學(xué)家萊布尼茨出版《論組合的藝術(shù)》，創(chuàng)立了數(shù)理邏輯的新思想。這個時期的巴斯卡和萊布尼茨，已經(jīng)萌生了會產(chǎn)生智能機器的想法，這便是人工智能思想的萌芽。8.1人工智能的概念和思想8.1.1思想的萌芽1943年，沃倫·麥卡洛克（WarrenMcCulloch）和沃爾特·皮茨（WalterPitts）發(fā)表了一篇劃時代的論文，提出了第一個人工神經(jīng)元模型，為神經(jīng)網(wǎng)絡(luò)研究奠定了基石。這一模型試圖用數(shù)學(xué)和邏輯來模擬人腦神經(jīng)元的工作方式，麥卡洛克和皮茨的模型雖然遠不及今天的深度學(xué)習(xí)網(wǎng)絡(luò)復(fù)雜，但它的核心思想?yún)s極具前瞻性：通過簡單的“開關(guān)”機制（類似于神經(jīng)元的激活與抑制），可以實現(xiàn)邏輯運算。8.1人工智能的概念和思想8.1.2圖靈和他的密碼破譯機二戰(zhàn)時期，電子計算機還沒有出現(xiàn)，而德國海陸空全軍上下都裝備了一種叫“enigma”（恩尼格瑪）的機器。它主要由三部分組成，分別是鍵盤、編碼器和顯示板。由于盟軍需要盡快破解經(jīng)“恩尼格瑪”加密的情報，于是英國從劍橋大學(xué)招來了包括圖靈在內(nèi)的四位優(yōu)秀的數(shù)學(xué)家，進行密碼破譯。圖靈的設(shè)想是用機器打敗機器。功夫不負(fù)有心人，圖靈發(fā)明一種名為“Bombe（炸彈）”的破譯機，大大縮短了破譯時間，為盟軍贏得勝利奠定了基礎(chǔ)。8.1人工智能的概念和思想8.1.3圖靈機圖靈機的基本構(gòu)造人工智能歷史上的第一座里程碑，便是圖靈機。在1936年，數(shù)學(xué)家艾倫·麥席恩·圖靈提出了一個抽象的計算模型的構(gòu)想——圖靈機。左圖便是圖靈機的基本構(gòu)造，我們可以簡單地將其理解為三部分：紙帶、程序和處理盒。圖靈機這種虛擬的計算機器實際上是一種理想中的計算模型，它的基本思想是用機械操作來模擬人們用紙筆進行數(shù)學(xué)運算的過程。8.1人工智能的概念和思想8.1.5圖靈測試：何謂機器智能？1950年，圖靈發(fā)表了一篇劃時代的論文，這也為他正式獲得了“人工智能之父”這一桂冠。圖靈提出了一個測試方法，這個方法就是通常說的“圖靈測試”。圖靈測試為人工智能的概念與方向做出了進一步的解釋與分析，也為人工智能做出了基本的標(biāo)準(zhǔn)。為紀(jì)念圖靈對計算機科學(xué)和人工智能領(lǐng)域的貢獻，美國計算機協(xié)會（ACM）于1966年設(shè)立了“A.M.圖靈獎（ACM

A.MTuringAward）”，簡稱“圖靈獎（TuringAward）”。8.1人工智能的概念和思想10因為機器在圖靈測試上一次又一次的失敗，人類基于機器通過這種測試的困難度，反而創(chuàng)造出圖靈測試最廣泛的應(yīng)用場景，這種應(yīng)用在網(wǎng)絡(luò)上隨處可見——圖形驗證碼。驗證碼的英文單詞“Captchac”其實就是“CompletelyAutomatedPublicTuringtesttotellComputersandHumansApart（通過圖靈測試來完全自動地分辨出計算機和人類）”這句話的首字母縮寫。8.1.4圖靈測試：何謂機器智能？8.2人工智能的發(fā)展歷程8.2.2人工智能發(fā)展的6個階段從1956年至今，人工智能從20世紀(jì)50年代出現(xiàn)到現(xiàn)在，共經(jīng)過了6個階段，如圖所示。8.2人工智能的發(fā)展歷程第一階段：起步發(fā)展期(1956年——20世紀(jì)60年代初)。1956年，在美國達特茅斯學(xué)院舉辦會議上，計算機科學(xué)家約翰·麥卡錫提出了“人工智能”一詞，標(biāo)志著人工智能這門學(xué)科的誕生。麥卡錫也因此被譽為是“人工智能之父”。1956年：艾倫·紐厄爾與赫伯特·西蒙，開發(fā)首個能自動證明數(shù)學(xué)定理的程序，成功證明《數(shù)學(xué)原理》中52條定理。1958年：約翰·麥卡錫發(fā)明LISP語言，專為AI研究設(shè)計，支持符號處理和遞歸算法。1959年：亞瑟·塞繆爾開發(fā)首個具有自我學(xué)習(xí)能力的跳棋程序，通過強化學(xué)習(xí)擊敗人類棋手。8.2.2人工智能發(fā)展的6個階段約翰·麥卡錫8.2人工智能的發(fā)展歷程第二階段：反思發(fā)展期(20世紀(jì)60年代——70年代初)。人工智能發(fā)展初期的突破性進展大大提升了人們對人工智能的期望，很多人因此將人工智能神話，認(rèn)為它能夠解決已有科技無法解決的許多問題，但接二連三的失敗和預(yù)期目標(biāo)的落空使人工智能的發(fā)展走入低谷。1965年：美國ALPAC（自動語言處理咨詢委員會）報告指出機器翻譯效率低下且成本高昂，遠未達到實用水平。1966年：

ELIZA通過模式匹配模擬心理治療對話，初期引發(fā)轟動，但隨后暴露其缺乏真實理解能力。1969年：馬文·明斯基與西摩爾·派普特在《感知機》一書中證明單層感知機無法解決異或（XOR）等非線性問題，導(dǎo)致神經(jīng)網(wǎng)絡(luò)研究停滯。1973年：萊特希爾報告批評AI研究未能實現(xiàn)承諾，稱其“缺乏實際應(yīng)用價值”。引發(fā)全球?qū)I可行性的質(zhì)疑。8.2.2人工智能發(fā)展的6個階段8.2人工智能的發(fā)展歷程第三階段：應(yīng)用發(fā)展期(20世紀(jì)70年代初——80年代中)。經(jīng)過一代人的努力之后，20世紀(jì)70年代出現(xiàn)的專家系統(tǒng)模擬人類專家的知識和經(jīng)驗解決特定領(lǐng)域的問題，成效顯著，推動人工智能走入應(yīng)用發(fā)展的新高潮。1972年：斯坦福大學(xué)開發(fā)的MYCIN能通過規(guī)則推理診斷血液感染疾病，準(zhǔn)確率接近人類專家。1980年：卡內(nèi)基梅隆大學(xué)為DEC公司開發(fā)的XCON系統(tǒng)，用于自動配置計算機硬件，累計節(jié)省數(shù)億美元成本。1985年：杰弗里·辛頓等。提出多層感知機和反向傳播算法雛形，突破單層感知機局限，為神經(jīng)網(wǎng)絡(luò)復(fù)興埋下伏筆。8.2.2人工智能發(fā)展的6個階段8.2人工智能的發(fā)展歷程第四階段：低迷發(fā)展期(20世紀(jì)80年代中——90年代中)。經(jīng)過實踐應(yīng)用，人們發(fā)現(xiàn)專家系統(tǒng)存在應(yīng)用領(lǐng)域狹窄、缺乏常識性知識、知識獲取困難、推理方法單一、缺乏分布式功能和難以與現(xiàn)有數(shù)據(jù)庫兼容等問題，因此一度將人工智能打入冷宮，相關(guān)科研經(jīng)費大幅度縮減，人工智能相關(guān)研究也步入了長達10年的低迷期。1987年：專家系統(tǒng)依賴人工構(gòu)建知識庫，更新與維護成本高昂，企業(yè)逐漸放棄大規(guī)模部署。1992年：專為AI開發(fā)的LISP計算機因價格昂貴、通用計算機性能提升而失去市場，相關(guān)企業(yè)陸續(xù)破產(chǎn)。1990年代中期：盡管1986年反向傳播算法提出，但因算力不足、數(shù)據(jù)稀缺，多層神經(jīng)網(wǎng)絡(luò)難以實用化。8.2.2人工智能發(fā)展的6個階段8.2人工智能的發(fā)展歷程第五階段：穩(wěn)步發(fā)展期(20世紀(jì)90年代中——2010年)?；ヂ?lián)網(wǎng)技術(shù)的發(fā)展和高性能計算機的出現(xiàn)，加速了人工智能的創(chuàng)新研究，人們漸漸使用人工智能算法來解決數(shù)據(jù)采集和處理中的很多問題，促使人工智能技術(shù)進一步走向?qū)嵱没?997年：IBM超級計算機“深藍”，依賴暴力搜索與專用硬件優(yōu)化，擊敗世界冠軍卡斯帕羅夫。2006年：杰弗里·辛頓等提出深度信念網(wǎng)絡(luò)（DBN）與逐層訓(xùn)練方法，開啟神經(jīng)網(wǎng)絡(luò)復(fù)興序幕。8.2.2人工智能發(fā)展的6個階段8.2人工智能的發(fā)展歷程第六階段：蓬勃發(fā)展期(2011年至今)。隨著大數(shù)據(jù)、云計算、互聯(lián)網(wǎng)和物聯(lián)網(wǎng)等信息技術(shù)的廣泛應(yīng)用，以深度神經(jīng)網(wǎng)絡(luò)、大語言模型、生成式AI為代表的人工智能技術(shù)飛速發(fā)展，使得人工智能出現(xiàn)在越來越多的場景中，成為了與人們?nèi)粘Ｉ钌钕⑾⑾嚓P(guān)的一項技術(shù)。8.2.2人工智能發(fā)展的6個階段8.2人工智能的發(fā)展歷程2010年代：深度學(xué)習(xí)革命與基礎(chǔ)技術(shù)突破2011年：IBMWatson在《危險邊緣》中戰(zhàn)勝人類冠軍事件：IBMWatson通過自然語言處理與知識庫檢索，擊敗人類智力競賽冠軍。意義：展示非結(jié)構(gòu)化數(shù)據(jù)處理能力，推動問答系統(tǒng)與知識圖譜發(fā)展。2012年：AlexNet引爆深度學(xué)習(xí)革命事件：AlexNet在ImageNet圖像識別競賽中奪冠，錯誤率較傳統(tǒng)方法降低超10%。影響：CNN（卷積神經(jīng)網(wǎng)絡(luò)）成為計算機視覺標(biāo)準(zhǔn)架構(gòu)，GPU加速訓(xùn)練成為主流。2014年：生成對抗網(wǎng)絡(luò)（GAN）提出事件：伊恩·古德費洛提出GAN框架，實現(xiàn)圖像、音頻等內(nèi)容的生成與增強。應(yīng)用：Deepfake技術(shù)、藝術(shù)創(chuàng)作、數(shù)據(jù)增強。2015年：TensorFlow開源事件：谷歌開源深度學(xué)習(xí)框架TensorFlow，降低AI開發(fā)門檻。意義：加速算法迭代，推動工業(yè)界與學(xué)術(shù)界協(xié)作。2016年：AlphaGo擊敗李世石事件：DeepMind的AlphaGo以4:1戰(zhàn)勝圍棋世界冠軍李世石，使用蒙特卡洛樹搜索與深度強化學(xué)習(xí)。影響：強化學(xué)習(xí)技術(shù)引發(fā)全球關(guān)注，AI進入公眾視野。2017年：Transformer模型誕生事件：谷歌團隊提出Transformer架構(gòu)，取代RNN成為自然語言處理（NLP）核心模型。衍生：BERT（2018）、GPT系列（2018–今）均基于此架構(gòu)。8.2.2人工智能發(fā)展的6個階段8.2人工智能的發(fā)展歷程2020年代：大模型與通用AI探索2020年：GPT-3發(fā)布事件：OpenAI推出1750億參數(shù)的GPT-3，展示零樣本與小樣本學(xué)習(xí)能力。意義：生成式AI進入實用階段，推動聊天機器人、代碼生成等應(yīng)用。2021年：多模態(tài)模型突破案例：OpenAI的圖文跨模態(tài)理解，DeepMind的統(tǒng)一處理文本、圖像、音頻。影響：AI從單模態(tài)向多模態(tài)智能演進。2022年：ChatGPT引爆生成式AI浪潮事件：OpenAI發(fā)布對話模型ChatGPT，基于GPT-3.5，支持連續(xù)對話與復(fù)雜任務(wù)處理。意義：2個月用戶破億，掀起AI平民化與商業(yè)化熱潮。2023年：GPT-4與多模態(tài)大模型事件：GPT-4支持圖文混合輸入，邏輯推理能力顯著提升。谷歌推出Gemini，實現(xiàn)跨模態(tài)生成。趨勢：大模型向通用人工智能（AGI）邁進，引發(fā)倫理與監(jiān)管討論。2023年：AI芯片與算力競賽案例：英偉達推出H100GPU，專為Transformer模型優(yōu)化。特斯拉Dojo超算支持自動駕駛模型訓(xùn)練。意義：硬件迭代支撐更大規(guī)模模型訓(xùn)練。2024年：Sora與視頻生成突破事件：OpenAI發(fā)布文生視頻模型Sora，可生成60秒高清連貫視頻。影響：重塑影視、游戲、廣告等內(nèi)容創(chuàng)作范式。2025年：DeepSeek聚焦“效率+倫理”雙輪驅(qū)動，通過技術(shù)突破與生態(tài)合作鞏固其在全球AI市場的領(lǐng)先地位。8.2.2人工智能發(fā)展的6個階段8.2人工智能的發(fā)展歷程8.2.3影響人工智能發(fā)展的三大因素（1）算力，是支撐AI技術(shù)運行的硬件基礎(chǔ)，它決定了AI模型的訓(xùn)練速度和推理能力。隨著摩爾定律的延續(xù)，計算機硬件性能不斷提升，為AI技術(shù)的發(fā)展提供了強大的動力。GPU（圖形處理器）顯著提升了計算機的性能，擁有遠超CPU的并行計算能力。GPU使訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的速度提升255倍計算能力突破12000GFLOPS2006年2017年GPU：TITANXpCPU：Core2ExtremeX680047GFLOPS8.2人工智能的發(fā)展歷程8.2.3影響人工智能發(fā)展的三大因素（2）算法，算法是AI技術(shù)的核心，它決定了AI模型的性能和智能水平。優(yōu)秀的算法能夠使AI模型更加準(zhǔn)確地識別、理解和預(yù)測數(shù)據(jù)，從而提高AI的決策能力和自主學(xué)習(xí)能力。在過去的幾年里，深度學(xué)習(xí)算法取得了突破性進展，使得AI在圖像識別、語音識別、自然語言處理等領(lǐng)域取得了前所未有的成績。隨著算法研究的不斷深入，越來越多的優(yōu)化算法和創(chuàng)新模型被提出，為AI技術(shù)的發(fā)展注入了新的活力。算法突破算法突破推動AI技術(shù)成熟和實用化傳統(tǒng)神經(jīng)網(wǎng)絡(luò)深度神經(jīng)網(wǎng)絡(luò)8.2人工智能的發(fā)展歷程8.2.3影響人工智能發(fā)展的三大因素數(shù)據(jù)井噴全球數(shù)據(jù)中心數(shù)據(jù)量年均增速40%（3）算料（數(shù)據(jù)），數(shù)據(jù)被譽為AI的“食糧”，是訓(xùn)練和優(yōu)化AI模型的基礎(chǔ)。沒有足夠多樣化、高質(zhì)量的數(shù)據(jù)，再先進的算法和強大的算力也難以發(fā)揮出應(yīng)有的效能。隨著大數(shù)據(jù)時代的到來，來自全球的海量數(shù)據(jù)為人工智能的發(fā)展提供了良好的基礎(chǔ)。8.4未來發(fā)展與奇點的遐想數(shù)學(xué)中的奇點是指不符合邏輯的點，只能無限接近。例如，任何一個自然數(shù)除以一個越來越接近于零的數(shù)，其結(jié)果將趨近于無限大。0102物理學(xué)中的奇點如天體物理學(xué)中，大質(zhì)量恒星經(jīng)歷超新星爆炸后會變成體積接近于零、密度無窮大的點，即黑洞，這是各種物理定律失效的地點。8.4.1奇點理論8.4未來發(fā)展與奇點的遐想在人工智能領(lǐng)域，有一個著名的奇點理論，它提出于2005年，預(yù)言：人工智能領(lǐng)域的突破會使計算機變得比人更聰明，計算機的智能超越人類智慧的那一刻，就是奇點。提出這種“奇點理論”的人，是美國未來學(xué)家雷·庫茲韋爾（RayKurzweil），他把這一“奇點時刻”設(shè)定為2045年。未來學(xué)家雷·庫茲韋爾（RayKurzweil）8.4.1奇點理論8.4未來發(fā)展與奇點的遐想8.4.1奇點理論雷·庫茲韋爾在其2005年著作《奇點臨近》中，對奇點理論進行深入探討并做出預(yù)測。他依據(jù)技術(shù)發(fā)展的指數(shù)增長趨勢，預(yù)測2045年奇點將會到來。他認(rèn)為屆時人工智能將超越人類智能，引發(fā)社會、經(jīng)濟等多方面的深刻變革。庫茲韋爾的觀點和預(yù)測，極大地推動了奇點理論在科技界和公眾中的傳播與討論。尼克·博斯特羅姆尼克·博斯特羅姆在2014年出版《超級智能》，提出超級智能可能帶來生存風(fēng)險的觀點。他強調(diào)超級智能一旦出現(xiàn)，其目標(biāo)若與人類價值觀沖突，將對人類生存構(gòu)成威脅。他構(gòu)建“控制問題”模型，探討如何引導(dǎo)超級智能符合人類利益。博斯特羅姆的觀點為奇點理論研究引入風(fēng)險視角，促使人們在期待技術(shù)進步時，重視潛在危險。雷·庫茲韋爾8.4未來發(fā)展與奇點的遐想隨著算法、算力（計算能力）和算料（數(shù)據(jù)）等“三算”方面的快速發(fā)展，人工智能發(fā)展將會出現(xiàn)怎樣的趨勢與特征呢？一是從專用人工智能（弱人工智能）向通用智能（強人工智能）發(fā)展。8.4.2趨勢與展望專用人工智能是指在特定的任務(wù)領(lǐng)域內(nèi)，能夠表現(xiàn)出與人類智能相似能力的人工智能系統(tǒng)。它專注于解決某一個明確的問題，比如圖像識別中的面部識別系統(tǒng)。這種系統(tǒng)只能在設(shè)計它的特定任務(wù)范圍內(nèi)工作，不能像人類一樣將知識和技能遷移到其他不同領(lǐng)域。通用人工智能，也稱為強人工智能，是一種理論上能夠像人類一樣進行思考、學(xué)習(xí)和解決問題的人工智能。它具有自我意識、情感和理解能力，能夠在各種不同的任務(wù)和環(huán)境下靈活地應(yīng)用知識和技能，就像一個具有完整智能的人一樣，甚至在某一方面超越人類智能。8.4未來發(fā)展與奇點的遐想隨著算法、算力（計算能力）和算料（數(shù)據(jù)）等“三算”方面的快速發(fā)展，人工智能發(fā)展將會出現(xiàn)怎樣的趨勢與特征呢？二是從人工智能向人機混合智能發(fā)展。8.4.2趨勢與展望人機混合智能是由“人-機-環(huán)境”相互作用而產(chǎn)生的新型智能系統(tǒng)，它既不同于人類智能，也不同于人工智能。其重點在于將人類的認(rèn)知模式與計算機的優(yōu)勢計算能力相結(jié)合，充分發(fā)揮人和機器的長處，形成一種新的智能形式。8.4未來發(fā)展與奇點的遐想隨著算法、算力（計算能力）和算料（數(shù)據(jù)）等“三算”方面的快速發(fā)展，人工智能發(fā)展將會出現(xiàn)怎樣的趨勢與特征呢？三是從“人工+智能”向自主智能系統(tǒng)發(fā)展。8.4.2趨勢與展望“人工+智能”（Human-DependentAI）

指傳統(tǒng)人工智能系統(tǒng)，其核心特征是高度依賴人類設(shè)計，功能局限于特定任務(wù)，需人類提供規(guī)則、數(shù)據(jù)和干預(yù)。自主智能系統(tǒng)（AutonomousIntelligentSystems）

指能夠獨立感知、決策、學(xué)習(xí)和行動的AI系統(tǒng)，其核心特征是自適應(yīng)性與環(huán)境交互能力。從“人工+智能”到自主智能系統(tǒng)的演進，標(biāo)志著AI從被動執(zhí)行工具向主動決策主體的質(zhì)變。這一過程依賴算力、算法與數(shù)據(jù)的協(xié)同突破，但也面臨技術(shù)倫理與社會治理的深層挑戰(zhàn)。未來的AI將不僅是“解決問題的手段”，更可能成為重塑人類文明范式的核心參與者。8.4未來發(fā)展與奇點的遐想隨著算法、算力（計算能力）和算料（數(shù)據(jù)）等“三算”方面的快速發(fā)展，人工智能發(fā)展將會出現(xiàn)怎樣的趨勢與特征呢？四是人工智能將加速與其他學(xué)科領(lǐng)域交叉滲透。8.4.2趨勢與展望最終目標(biāo)：通過交叉滲透，AI將不僅是“技術(shù)杠桿”，更成為連接人類知識孤島的橋梁，推動文明向更高復(fù)雜度演進。8.4未來發(fā)展與奇點的遐想隨著算法、算力（計算能力）和算料（數(shù)據(jù)）等“三算”方面的快速發(fā)展，人工智能發(fā)展將會出現(xiàn)怎樣的趨勢與特征呢？五是人工智能產(chǎn)業(yè)將蓬勃發(fā)展。8.4.2趨勢與展望人工智能產(chǎn)業(yè)的蓬勃發(fā)展源于技術(shù)、需求、政策與資本的四重共振：技術(shù)層面，算法、算力、數(shù)據(jù)的協(xié)同突破催生“AI工業(yè)化”浪潮；市場層面，從企業(yè)增效到消費升級，需求端持續(xù)釋放動能；生態(tài)層面，全產(chǎn)業(yè)鏈協(xié)同推動應(yīng)用場景指數(shù)級擴展。未來挑戰(zhàn)：將聚焦于技術(shù)倫理、可持續(xù)性與全球競合，但長期來看，AI作為“新一代生產(chǎn)