傳統(tǒng)AI與現(xiàn)代AI有什么不同

當(dāng)今的AI

毫無疑問，當(dāng)今最大的流行詞是人工智能或人工智能。包括Gartner，McKinsey和PWC在內(nèi)的大多數(shù)著名研究組織都以驚人的統(tǒng)計(jì)數(shù)據(jù)和未來預(yù)測來榮耀AI的未來。這是PWC的報(bào)告（2018），其中預(yù)測到2030年，人工智能將為全球經(jīng)濟(jì)貢獻(xiàn)15.7萬億美元。整體生產(chǎn)率和GDP將分別增長55％和14％。正如美國總統(tǒng)唐納德·J·特朗普（Donald J.Trump）所簽署的那樣，行政命令可以迅速證明人工智能在美國內(nèi)部的重要性。

"我們可以一起使用世界上最具創(chuàng)新性的技術(shù)來使我們的政府更好地為美國人民服務(wù)。" Michael Kratsios美國首席技術(shù)官

我們在日常生活中有幾個(gè)例子，我們甚至沒有注意到就利用人工智能。其中包括Google地圖，Gmail中的智能回復(fù)（2018 +），facebook圖片標(biāo)記（大約2015），youtube / NetFlix視頻推薦（2016+）等。還有一些驚人的新聞報(bào)道，概述了AI的重要性和影響力；就像這個(gè)（2019年）那樣，諾瓦克·德約科維奇（Novak Djokovic）在溫布爾登決賽中使用了AI，或者瀏覽此網(wǎng)站（于2019年推出），其中包含100％的假照片，這些人看起來像是100％真正地利用了深度神經(jīng)網(wǎng)絡(luò)（深度學(xué)習(xí)）。這個(gè)清單不勝枚舉。

傳統(tǒng)AI（1950–2008年）

"人工智能"一詞是1956年在達(dá)特茅斯的一次歷史性會(huì)議上提出的。 在AI發(fā)展的初期，科學(xué)家和媒體大肆宣傳，圍繞AI突破的可能性提出了烏托邦式的主張。 一些科學(xué)家非常清楚地表明，在未來20年中，該機(jī)器將完成人類可能做的所有事情。

"機(jī)器將能夠完成男人可以做的任何工作。"

1965年—赫伯特·西蒙（Herbert A.Simon）

70 years history of AI by Awais Bajwa

從那時(shí)起，人工智能的發(fā)展經(jīng)歷了許多起伏。 1973年，英國政府在調(diào)查后發(fā)表了一份名為Lighthill報(bào)告的報(bào)告，并沒收了許多主要的AI研究型大學(xué)的資金。 當(dāng)時(shí)最著名的AI方法是專家系統(tǒng)和模糊邏輯，其中Prolog和Lisp是C / C中編程語言的首選。 專家系統(tǒng)的第一個(gè)重大突破發(fā)生在80年代，并且引入了第一個(gè)杰出的專家系統(tǒng)SID。 后來，在AI領(lǐng)域遇到了其他挫折，隨后是IBM的又一次突破，當(dāng)時(shí)IBM的超級(jí)計(jì)算機(jī)Deep Blue在1997年在紐約市擊敗了世界冠軍Garry Kasparov。 ，IBM聲稱沒有在Deep Blue中使用AI，這引起了一些有趣的討論。

請注意，所有的突破都發(fā)生在最近的8-10年中。 作為深度學(xué)習(xí)/神經(jīng)網(wǎng)絡(luò)的核心的反向傳播算法于1986年首次提出。問題是"為什么在過去的8-10年（即2009-2019年），當(dāng)AI出現(xiàn)了70多年了？ "。

為了獲得答案，讓我們跳入當(dāng)今的"現(xiàn)代AI"時(shí)代。

現(xiàn)代AI（2008）

“數(shù)據(jù)科學(xué)”一詞由Linkedin和Facebook的兩個(gè)數(shù)據(jù)團(tuán)隊(duì)負(fù)責(zé)人于2008年初提出。 （DJ Patel和Jeff Hammerbacher）。計(jì)算機(jī)科學(xué)的這一新領(lǐng)域引入了利用統(tǒng)計(jì)，概率，線性代數(shù)和多元微積分的高級(jí)分析。 2012年下半年，真正的突破發(fā)生在人工智能上，當(dāng)時(shí)在具有歷史意義的ImageNet競賽中，基于CNN的提交文件AlexNet超越了所有其他競爭對(duì)手，并且錯(cuò)誤率比第二名低10.8％。那是現(xiàn)代AI的出現(xiàn)，并且被認(rèn)為是AI世界新繁榮的觸發(fā)。獲勝的主要原因之一是利用圖形處理單元（GPU）訓(xùn)練神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)。 2015年下半年，F(xiàn)acebook的AI負(fù)責(zé)人Yann LeCun與其他“ AI教父”一起努力推動(dòng)深度學(xué)習(xí)及其可能性。如今，許多云供應(yīng)商都在為“現(xiàn)代AI”提供基于云的GPU，而采用它們從來就不是一種選擇。 從CPU切換到GPU，GPU確實(shí)改變了游戲。

從CPU切換到GPU，GPU確實(shí)改變了游戲。 它徹底改變了技術(shù)，重新定義了計(jì)算能力和并行處理。 由于高級(jí)數(shù)學(xué)計(jì)算，人工智能需要高速計(jì)算能力。 特別是因?yàn)檫^去十年中生成的數(shù)據(jù)量呈指數(shù)級(jí)增長（來源）。

因此，全世界的AI研究呈指數(shù)增長，在撰寫本文時(shí)，AI研究論文的數(shù)量約為100 /天。

因此，我們對(duì)之前的問題有一個(gè)答案：

"為什么在過去的8-10年（即2009-2019年）中，人工智能已經(jīng)存在了70多年？ "。

答：數(shù)據(jù)的增長迅猛，處理" GPU"的速度更快且成本更低，并且AI研究發(fā)展迅速。

source

未來的人工智能浪潮

Google非常友善，可以讓員工將20％的時(shí)間分配給他們的野心和有趣的項(xiàng)目。 2015年，Google搜索過濾器小組的成員Alexander Mordvintsev開發(fā)了一種神經(jīng)網(wǎng)絡(luò)程序，將其作為一種愛好，用夢幻般的致幻外觀震驚了他的同事。這個(gè)項(xiàng)目被Google命名為Deep Dream。該項(xiàng)目是在訓(xùn)練神經(jīng)網(wǎng)絡(luò)并大規(guī)模使用激活功能時(shí)進(jìn)行實(shí)驗(yàn)的結(jié)果。但是，即使到了今天，人工智能的最大謎團(tuán)之一是，我們對(duì)人工智能在內(nèi)部做出決策的精確度或神經(jīng)網(wǎng)絡(luò)如何以反向概率學(xué)習(xí)的認(rèn)識(shí)尚無真正的了解。用外行人的話來說，人工智能的實(shí)際推理或?qū)Q策的偏見是一個(gè)謎，它被稱為“人工智能黑匣子”。

XAI

人工智能工作的新潮流之一是打破黑匣子，并獲得決策過程的邏輯解釋。 這個(gè)新概念現(xiàn)在稱為"可解釋的人工智能"或XAI。 一旦實(shí)現(xiàn)了XAI，AI社區(qū)將可以使用新一輪的AI。 可能會(huì)有更強(qiáng)大和更具彈性的AI框架，包括對(duì)AI流程和未來增長模式的可預(yù)測理解。

小數(shù)據(jù)

深度學(xué)習(xí)領(lǐng)域正在發(fā)生重大的AI突破，而在深度學(xué)習(xí)中，神經(jīng)網(wǎng)絡(luò)非常渴望海量數(shù)據(jù)。 例如，要訓(xùn)練模型來識(shí)別貓，則需要提供大約10萬只貓/非貓的圖像，以獲得近似等于人眼的貓的完美分類。 呈指數(shù)級(jí)增長的另一個(gè)研究領(lǐng)域是用更少的數(shù)據(jù)集快速學(xué)習(xí)并利用概率框架。 這個(gè)新概念稱為"小數(shù)據(jù)"。 研究領(lǐng)域是"如何用較少的數(shù)據(jù)訓(xùn)練您的機(jī)器學(xué)習(xí)模型并獲得準(zhǔn)確的預(yù)測。" 這在AI領(lǐng)域是巨大的機(jī)會(huì)，并且有望隨著未來的創(chuàng)新前景而爆炸。

未來AI研究的另外兩個(gè)領(lǐng)域是在"無監(jiān)督學(xué)習(xí)"和"強(qiáng)化學(xué)習(xí)"領(lǐng)域取得重大進(jìn)展。 在這里我們可以通過轉(zhuǎn)移學(xué)習(xí)來利用可用的知識(shí)，并通過一些增強(qiáng)學(xué)習(xí)（例如通過GAN網(wǎng)絡(luò)模型）來生成人工創(chuàng)建的采樣數(shù)據(jù)。

重要要點(diǎn)

從理論上講，傳統(tǒng)AI已有70年歷史，但在過去8-10年中（Moden AI）有了顯著發(fā)展。 這些現(xiàn)代AI的突破通過云上的"現(xiàn)收現(xiàn)付"模型推動(dòng)了數(shù)據(jù)的指數(shù)增長，快速研究和廉價(jià)的計(jì)算能力。

未來的人工智能浪潮將打破"人工智能黑匣子"，并了解機(jī)器學(xué)習(xí)模型做出的決策和預(yù)測的原因。 未來AI浪潮的另一個(gè)主要領(lǐng)域是向有限的數(shù)據(jù)集或"小數(shù)據(jù)"學(xué)習(xí)。