人工智能发展的历史与未来展望
目录
-
起源于人工智能的古代
- 人工智能的概念存在的几千年
- 1956年达特茅斯夏季研究项目
- 现代人工智能的诞生
-
现代人工智能的发展历程
- 1956年达特茅斯会议
- 美国信息时代之父克劳德·香农
- 人工智能发展的七个方面
- 人工智能的黄金年代
-
人工智能的第一次冬天
- 计算机科学的困难问题
- 计算和内存的限制
- Moravec的悖论
- 连接主义的黑暗时代
-
专家系统与人工智能的复苏
- 专家系统的兴起
- 连接主义的复苏
- 反向传播算法的推广
- 专家系统的崛起和衰落
-
第二次人工智能冬天的到来
- 人工智能的破裂泡沫
- 计算能力和记忆储存的限制
- 1987年的黑色星期一
- 人工智能的再次兴起与萧条
-
对人工智能的反思与未来展望
- AI的定义持续演变
- 现代应用案例的实用性
- Brilliant.org提供的学习资源
🔮现代人工智能的发展历程
在过去的几个视频中,我们探讨了人工智能的古代起源,以及现代计算机基础人工智能的发展。这个视频将继续前一个视频的内容,带你探索现代人工智能的正式诞生并一直延续至今。让我们一起坐下来,轻松愉快地探索现代人工智能的历史。
1. 1956年的达特茅斯会议
虽然人工智能的概念在几千年前就已经存在,但直到1956年的达特茅斯夏季研究项目会议上,这个术语才被正式提出并得到广泛认可。达特茅斯会议被认为是现代人工智能领域的创始之一,其中的创始人之一是约翰·麦卡锡(John McCarthy)。这一会议汇集了许多有才华的个人和团体,包括马文·明斯基(Marvin Minsky)和克劳德·香农(Claude Shannon)等。
2. 美国信息时代之父克劳德·香农
克劳德·香农是信息时代的奠基人之一,也是计算机科学和人工智能领域的重要人物。作为达特茅斯会议的一部分,他提出了基于计算机的人工智能理论,并成为了计算机科学和人工智能领域的先驱。
3. 人工智能发展的七个方面
达特茅斯会议的主要目标是探讨人工智能的各个方面,并发展出现代人工智能的框架。会议的提案中提到了人工智能发展的七个原始方面,包括自动计算机模拟人脑功能、计算机使用自然语言处理和理解、神经网络的理论、计算问题复杂性的理论、抽象思维能力、自我改进和随机创造力。
4. 人工智能的黄金年代
达特茅斯会议后的几年被称为人工智能的黄金年代。这个时期,人工智能领域得到了大量的关注和投资,并取得了许多突破性的进展。计算机作为一门学科开始蓬勃发展,同时计算机硬件和架构也在不断进步。这为软件和计算机科学的发展铺平了道路,并促使人们对人工智能理论和算法进行更多的实践和应用。
🔥人工智能的第一次冬天
然而,随着人工智能研究的深入,人工智能的第一次寒冬也随之而来。在这个时期,人工智能研究受到了多个因素的影响,导致了研究经费和兴趣的减少。
1. 计算机科学的困难问题
人工智能研究中的一个关键问题是计算机科学的困难问题。在这个时期,计算机科学还处于不断定义的初期阶段,对于问题的难度和可解性还没有明确的界定。这意味着先前的人工智能算法在解决一些复杂问题时并不起作用。这导致了组合爆炸和复杂性爆炸,计算效率低下。
2. 计算和内存的限制
尽管计算机和内存的性能在不断提高,但在那个时期,计算机和内存的性能仍然非常有限。这对于处理更复杂的问题和存储更多的数据来说是一个瓶颈。自然语言处理等领域的工作往往只能处理有限数量的词汇,因为内存的容量限制。
3. Moravec的悖论
Moravec的悖论是指高级推理相对于低级的、接近潜意识的任务所需的计算量很小。人类在工作中所做的大部分任务都需要的计算量很小,相比之下,低级的抽象思维需要更多的计算量。这一观点得到了Marvin Minsky的支持,他认为人们对于我们思维能力的了解相对较少。
4. 连接主义的黑暗时代
连接主义在人工智能研究中扮演了重要角色。然而,最初的神经网络模型——Perceptron,由Rosenblatt提出,只能解决有限数量的问题。这导致了人们对Perceptron的过度夸大,并认为它在解决问题方面非常有限。这对人工智能研究造成了重大的拖累。
💡专家系统与人工智能的复苏
专家系统的兴起重新点燃了人们对人工智能的兴趣。专家系统是基于专家知识编程的程序,用于在特定领域回答问题和解决问题。与过去广义的人工智能相比,专家系统更侧重于解决特定领域的问题。这些专家系统能够从大型数据库中查询信息,并根据预先编程的条件指令得出结论。尽管它们对于特定问题具有实际意义,但在处理更复杂的问题时,它们往往需要严格的数据格式和预定规则,这限制了其可扩展性。
与此同时,连接主义的研究也在逐渐复兴。1982年,约翰·霍普菲尔德(John Hopfield)提出了一种新的神经网络模型——Hopfield网络,它能够以全局能量为目标进行学习和信息处理。与现代神经网络类似,Hopfield网络的节点之间既是输入又是输出,通过相互连接来解决问题。1987年,Geoffrey Hinton进一步发展了连接主义的思想,他提出了限制玻尔兹曼机,这种结构为现代深度学习神经网络的构建奠定了基础。
这个时期的专家系统和连接主义的复兴,为人工智能研究带来了新的希望和机会。然而,随着专家系统的过度夸大和计算能力的限制,人工智能研究再次陷入了衰落。
❄️第二次人工智能冬天的到来
1990年代中期,人工智能进入了第二个冬天。这次冬天的原因和之前相似,对人工智能的期望过高,结果无法达到预期的成果,导致研究经费的减少。
1. 人工智能的破裂泡沫
人工智能研究在过去的几十年中进展迅速,许多人对它的能力抱有很高的期望。然而,随着时间的推移,人们开始认识到过度夸大AI的现实性,许多过去被认为是AI的工作实际上是由非智能程序完成的。这种期望与现实的脱节导致了人工智能研究受到批评,并对研究经费造成了影响。
2. 计算能力和记忆储存的限制
尽管计算机的性能不断提高,但在解决复杂问题时,计算能力和存储能力仍然是限制因素。对于更复杂的问题和更大规模的数据需求,现有的计算机无法提供足够的计算和存储能力。这限制了人工智能的发展和实际应用。
3. 1987年的黑色星期一
1987年的黑色星期一是指世界各地股市暴跌的事件。这次事件对整个经济产生了严重的影响,也波及到了人工智能研究领域。投资人开始重新评估对人工智能的投资,更关注那些能够立即产生效果的项目。这导致了对人工智能研究的资金减少。
在上世纪90年代中期,人工智能进入了一个相对低迷的阶段。然而,这并没有终结人工智能的发展,反而为未来的研究和应用奠定了基础。
🔍对人工智能的反思与未来展望
回顾过去几个世纪的人工智能发展历程,我们发现对人工智能的定义一直在不断演变。人工智能研究不断推陈出新,并不断尝试着突破人类智能的界限。然而,由于研究的广泛性和复杂性,人们对人工智能的预期也常常变得模糊和混乱。
在未来的几个视频中,我们将进一步深入探讨人工智能的不同类型和应用领域,并对其发展趋势进行分析。我们将努力区分真正的实用性应用和未来的炒作。让我们一起期待未来人工智能的发展,以及它对我们生活的影响。
这个系列的视频是由Brilliant赞助的,Brilliant是一个提供各种学习资源的平台。如果你想进一步了解人工智能和神经网络等主题,Brilliant是一个非常好的学习选择。点击 此处 免费注册,还有机会获得年度高级会员折扣。感谢大家观看本视频,如果你喜欢我们的内容,请考虑在 Patreon 或 YouTube 订阅支持我们。如果你有任何主题建议,请在评论中告诉我们。谢谢大家观看,我们下次再见!
(背景音乐渐弱)
亮点
- 1956年达特茅斯会议是现代人工智能的起点
- 连接主义在人工智能研究中曾有一段低迷时期
- 专家系统在特定领域具有实际应用
- 对计算能力和存储能力的限制导致人工智能研究的衰落
- 人工智能的未来发展还存在许多问题和挑战
常见问题解答
-
人工智能的起源是什么时候?
人工智能的概念存在的几千年,但是正式被提出并得到广泛认可的时间是在1956年的达特茅斯会议上。
-
人工智能为什么会进入冬天?
人工智能进入冬天是因为过度夸大了人工智能的能力,导致研究经费的减少和人们对其失去兴趣。
-
专家系统和连接主义有何区别?
专家系统侧重于解决特定领域的问题,通过查询数据库和使用预先编程的规则来得出结论。连接主义是一种模拟神经网络的思维方式,通过节点之间的相互连接和误差反向传播来学习和处理信息。
-
人工智能的未来发展趋势是什么?
人工智能的未来发展仍面临许多挑战和问题,如计算能力和存储能力的限制,以及人们对其应用领域的定义。然而,随着技术的不断进步,人工智能有望在各个领域展示更大的潜力和价值。
资源