认识达内从这里开始

对于人工智能技术的探讨在2016年基本就未曾断过，而在前段时间淘宝开始了VR卖场的试运营之后，各种新技术的讨论又有了新的高度，今天，我们就从不同的角度来探讨一下，在经过这么多年的发展，人工智能技术和VR技术的发展现状和未来的发展趋势是什么样子了。

1. 历史演变的六大纪元

依据 Ray Kurzweil 的观点，历史被分为六大阶段，不同阶段间的大区别在于处理信息的方式发生了彻底的改变。

越高级的阶段，处理信息的方法就越高级，推演至下一阶段的速度也更快。

一纪元：物理与化学

一百多亿年前，致密炽热的奇点大爆炸诞生了宇宙。

其后几十万年，原子形成，产生了物理形式的信息存储和传输。

又经过几百万年，分子出现，信息可以通过化学方式进行存储和传输。

二纪元：生物与 DNA

几十亿年前，出现了以碳元素为基础的有机物。

有机物的出现加速了生命的诞生，此时，信息通过 DNA 进行处理。

三纪元：人脑

DNA 逐步进化，出现了更高级的信息处理工具：人脑。

人脑不仅可以完成信息的存储和传递，还可以对信息进行抽象和推理。

四纪元：技术

随着时间的推移与技术的发展，人脑进化的速度比机器进化的速度慢。

机器智能迟早会替代人脑，成为信息处理的主要方式。

五纪元：人类智能与人类技术的结合

人类智能与机器智能充分结合，人类的智慧、情感、记忆与意识将转化为数据，在计算机间存储和转移。

这使人类超越肉体的限制，获得永生。

六纪元：宇宙觉醒

当人的存在变为一套数据，那么只要将这套数据传输给另一个星球上的驱壳，就相当于完成了星际旅行。

人类智慧将在宇宙中广泛传播，想去哪里就可以去哪里。

2. 人工智能进化的三个阶段

依据历史纪元的划分，我们正处于五纪元，并在加速向下一纪元转变。

在部分人看来，人工智能离我们的生活还很遥远。但是，2014年英国皇家学会举办的会议中，图灵测试一次被通过了。

从某种意义上而言，这预示着人工智能时代即将来临。人工智能不断发展，当人工智能具备了推理和感知能力，取代人类的那一天就不远了。

人工智能究竟经历了怎样的发展，让其具备了取代人类的能力?要回答这个问题，需要从人工智能的前世今生说起。

(1)人工智能的历史：提出概念

1956年，杰出的计算机科学家们在美国东部城市达特茅斯召开了会议，次提出了“人工智能”的概念。

在这次会议中，次决定将像人类一样思考的机器称为“人工智能”。

此后，人工智能就一直萦绕在人们的耳畔，经历了若干次的浪潮与低谷。

先走入人们生活的人工智能技术是推理与搜索，而早的人工智能产品便是人们熟知的搜索引擎。

凭借强大的推理和搜索能力，早期的人工智能可以轻易求解迷宫问题，疑难定理的证明，甚至人工智能还能赢得专业的国际象棋比赛。

这些人类都需要花费很长时间才能理清并解决的问题， 对于计算机来说非常容易，只需预先设置好规则和约束，计算机就能根据这些定义去破解问题。

可是当面对没有确定性规则的问题时(比如：面对多家企业的Offer，选择哪份?不小心着凉了，如何快速康复?)，早期的人工智能就无能为力了。

(2)人工智能的现况：突破瓶颈

早期的先驱者们梦想着设计出具备人类思维和人类智慧的机器，那么如何判断机器达到了与人类同样的智能呢?

其方法为“图灵测试 ”。

图灵测试的方法是，测试者和测试对象进行对话，测试对象为人和人工智能机器。如果测试者无法区分谁是机器谁是人，机器便通过了图灵测试，那么就认为机器具备了人类智能。

如何才能让人工智能解决生活中的现实问题?例如，人工智能取代理财顾问，为我的投资理财出谋划策。人工智能代替医生，在我身体不舒服的时候，为我开出药方。

系统的诞生提供了解决方案，所谓系统就是模拟人类的决策过程。比如医疗诊断系统，会比专业的医生诊断的更好。

人类的决策过程不完全基于明确的逻辑规则，经验在某种程度上能够帮助人类做出决策。

人们在看病时倾向于选择，就是因为们阅历丰富，见识的病例多。在判断病情时，能够依据过往的经验，做出正确的判断。

系统的数据库中会装载大量的相关知识，这样就可以依据预先录入的规则，对现实问题进行处理。

但是，人类的知识和规则是无法穷举的，如果都要事先描述知识，再定义规则，这无疑是十分困难的。

例如，心情不好。这类常识性问题对计算机来说难度很大。“心情”涉及到人类的身理特征和心理知识，“不好”究竟是何种程度?是痛不欲生还是突发伤感?

(3)人工智能的未来：走向繁荣

以上提到的人工智能，均属于弱人工智能的范畴，只需给计算机提供足够多的知识，它就能完成特定的任务，甚至比人类完成地更好。

但弱人工智能仅仅实现了人类智能的一小部分，知识范畴以外的任务就无法胜任了。

随着互联网的发展，积累了海量的数据，“机器学习”登场了。从广义的角度看“学习”，其主要目的是进行区分，并对事物进行判断和识别。

机器学习基本的做法是使用算法来解析数据，然后从中学习，接着对真实世界的事件作出判断和决策。

与传统的为解决特定任务、采用硬编码的软件程序不同，机器学习需要使用大量的数据进行训练，通过各种算法来学习如何进行正确的区分。

机器学习的算法包括决策树学习、推导逻辑规划、聚类、强化学习和贝叶斯算法等。

垃圾邮件的识别就属于机器学习(贝叶斯算法)的应用。先需要搜集大量的垃圾邮件和非垃圾邮件，建立垃圾邮件库和非垃圾邮件库，然后提取其中的特征量，并对邮件进行识别和匹配。特征量的选取，在很大程度上决定了判断的准确性。

计算机视觉领域也有同样的工作，比如，要判断图像中的动物究竟是老虎，还是狮子，或是藏獒，也需要从图像中找到这些动物的特征量。

但计算机不能做出选取特征量的判断，只能依赖手工编码来完成。

随着时间的推移，深度学习的出现改变了一切。深度学习以数据为基础，由计算机自动生成特征量。

以人工神经网络为基础，从 Youtube 视频中寻找猫的图片便是深度学习的代表作。

人工神经网络的简要原理如下：

将一张图像拆分为图像块，输入到神经网络的一层。经过一层神经网络处理后，数据被传输到二层，二层完成处理后，再将数据传输给下一层。以此类推，直到后一层，输出结果。

神经网络中的每一个神经元都为它的输入分配权重，权重与输出的结果直接相关。神经网络的输出是一个概率向量，80%的可能性是猫，15%的可能性是狗，5%的可能性是鱼。结果的正确与否由网络结构告知神经网络。

同时，神经网络的结果容易出错，因此它需要训练。需要海量的数据进行训练，直到输入的权重被调试的非常精确，无论在什么情况下都能给出正确的答案。

要想在 Youtube 视频中“学习”到猫的图片，先将数据输入到计算机中，在低层级神经网络中，识别出点和线。

接着在下一级网络中，识别出圆形和三角形等简单图案。

由这些简单图形的组合，便能得到特征量。大圆(脸)里面包含两个小圆(眼睛)，两个小圆中间有一段曲线(鼻子)。

这样，高层级的神经网络中便出现了类似“脸”的东西，有猫脸，有狗脸，也有猴脸等等。

再往上，结合其他特征量，神经网络便能识别出猫的图片了。

之所以是深度学习，这里的“深度”就指的神经网络中众多的层。

深度学习是人工智能的大脑，在某些应用领域中甚至比人类做的好，被认为是实现强人工智能的必由之路。

达内时代科技集团致力于培养面向电信和金融领域Java、C++、C#/.Net、3G/Android、3G/IOS、PHP、嵌入式、软件测试、UID、网络营销、网络工程、会计、UED、web、Unity3D、大数据、童程童美等17大方向中高端软件人才课程与少儿教育课程。选择太原VR培训，不再孤军奋战，轻轻松松做IT高薪白领。太原达内培训带领有明确目标的学子迈向成功之路!想找工作的求职者可以加QQ：3373924515(太原达内就业服务部)咨询了解。