引言

在刚刚召开的全国两会上，“人工智能”首次被列入政府工作报告，成为两会热词。从去年Google的AlphaGo在围棋人机大战战胜世界冠军，到今年初百度的小度机器人在《最强大脑》中击败人类“脑王”，人工智能一次次占据新闻头条，抓足了公众的眼球。

人工智能（Artificial Intelligence，AI）是一个高门槛的行业，涉及的技术门类繁多、错综复杂，且大多高精尖可能不少业内人士也未必能清晰地把握其全貌，更不用提行业外的普罗大众。专家写的论文过于艰深晦涩，而小编东拼西凑的水文往往逻辑混乱、云山雾罩。《深扒人工智能》系列文章试图为渴望了解人工智能的普通大众，剥开人工智能的神秘面纱，系统性地梳理人工智能的脉络，让普通读者也能一窥人工智能这头科学巨兽的全貌。

本系列文章将分为《历史篇》、《现状篇》、《基础技术》、《应用技术》和《产品服务》共5篇。

什么是人工智能

欲深入了解一个事物，必先明确其定义。人工智能有很多种专业冗长、不明觉厉的定义。本文精简归纳为：人工智能是使用机器模拟人类智能的技术。更形象一点，人工智能是使机器像人类一样能看、能听、能想、能说、能动的技术。

人工智能的历史

人工智能看似新潮，其历史并不短，它正式诞生距今已经有六十多年的历史。

诞生

1950 年，伟大的计算机科学家艾伦·图灵(Alan Turing)发表了一篇划时代的论文，预言了创造具有真正智能的机器的可能性。考虑到“智能”不易衡量，他提出了著名的图灵测试，以机器伪装人类对话的能力来衡量机器的智能水平。

1956年达特茅斯会议举行， Marvin Minsky、John McCarthy、Claude Shannon、Nathan Rochester、 Allen Newell、Herbert Simon等顶尖科学家汇聚一堂，共同确定了人工智能的名称和任务，标志着人工智能这门学科的正式诞生。与会的每一位科学家都在人工智能发展的第一个十年中做出了重要贡献。

第一次高潮（1956 - 1974）

1956年之后的十几年是人工智能的黄金年代，计算机被用于证明数学定理、解决代数应用题等领域。A. Newell和H. Simon研发的“逻辑理论家（Logic Theorist）”证明了《数学原理》中全部52条定理，其中某些证明比原著更加巧妙。人们几乎无法相信机器原来可以如此智能。这些成果让研究者对未来充满信心，认为完全智能的机器人二十年内就能出现。

第一次低谷（1974 - 1980）

到了70 年代初，人们渐渐发现仅仅具有逻辑推理能力远远不够实现人工智能，许多难题并没有随着时间推移而被解决，很多AI系统一直停留在了玩具阶段。之前的过于乐观使人们期望过高，又缺乏有效的进展，许多机构逐渐停止了对AI研究的资助。人工智能遭遇了第一次低谷。

第二次高潮（1980 - 1987）

进入80年代，卡耐基梅隆大学为DEC公司设计了一个名为XCON的专家系统，每年为公司节省四千万美元，取得巨大成功。许多公司纷纷效仿，开始研发和应用专家系统。专家系统依赖的知识工程因而也成为AI研究的焦点。日本推出第五代计算机计划，其目标是造出能够与人对话，翻译语言，解释图像，并且像人一样推理的机器。其他国家也纷纷作出响应。与此同时，John Hopfield发明Hopfield网络，解决了著名的旅行商（TSP）问题。David Rumelhart提出反向传播（Back Propagation，BP）算法，解决了多层神经网络的学习问题。神经网络被广泛的应用于模式识别、故障诊断、预测和智能控制等多个领域。AI迎来了又一轮高潮。

第二次低谷（1987 - 1993）
从80年代末到90年代初，专家系统所存在的应用领域狭窄、知识获取困难、维护费用居高不下等问题逐渐暴露出来，十年前日本人宏伟的第五代计算机计划也宣告失败。AI遭遇了一系列财政问题，进入第二次低谷。

第三次高潮（1993至今）
从90年代中期至今，随着计算机性能的高速发展，海量数据的累积和AI研究者的不懈努力，人工智能在许多领域不断取得突破性成果，掀起新一轮高潮。

1997年，IBM的国际象棋机器人深蓝（Deep Blue）战胜国际象棋世界冠军卡斯帕罗夫，引起世界范围内轰动。
2006年，Geoffrey Hinton提出深度学习。在接下来的若干年，借助深度学习技术，包括语音识别、计算机视觉在内的诸多领域都取得了突破性的进展。
2011年2月，IBM的问答机器人Watson在美国问答节目《Jeopardy！》上击败两位人类冠军选手。
2012年10月，微软就在“21世纪的计算”大会上展示了一个全自动同声传译系统，它将演讲者的英文演讲实时转换成与他的音色相近、字正腔圆的中文。
2016年3月，Google的围棋人工智能系统AlphaGo与围棋世界冠军、职业九段选手李世石进行人机大战，并以4:1的总比分获胜。
2016年末至2017年初，AlphaGo在两个公开围旗网站上与中日韩数十位围棋高手进行快棋对决，连胜60局无一败绩，包括对当今世界围旗第一人柯洁连胜三局。
2017年1月，百度的小度机器人在《最强大脑》中战胜人类“脑王”。
2017年2月，搜狗的问答机器人汪仔在《一站到底》中战胜哈佛女学霸。
2017年2月，卡耐基梅隆大学的人工智能系统Libratus在长达20天的德州扑克大赛中，打败4名世界顶级德州扑克高手，赢得177万美元筹码。

浪潮袭来，人工智能席卷各个领域，正在深刻地改变着人类社会的方方面面。

三大驱动要素

人工智能之所以能在近年来掀起新一轮高潮，主要归根于三大驱动要素：算法、大数据、计算力。

算法

机器学习技术一直是人工智能发展的核心推动力。传统的统计机器学习技术早已被广泛应用到现代社会的各个方面：搜索引擎、广告、商品推荐、内容过滤等。统计机器学习往往需要人类专家花力气设计描述数据的特征，而深度学习的多层神经网络让机器可以由低往高逐层自动学习复杂的特征，能很好解决一些更复杂的问题。深度学习首先在语音识别、图像识别领域取得了突破性进展，随后在自然语言理解等诸多领域都取得了可喜成果，直接推动了本轮人工智能的高潮。

大数据

深度学习的多层神经网络结构复杂，参数众多，需要大规模的数据才能训练生成有效的模型。得益于互联网、社交媒体的发展，带宽大幅提高，存储硬件成本的降低，全世界的数据规模在爆发式增长，人类进入大数据时代。有研究称，整个人类文明的全部数据中，有90%是过去两年内产生的。如此海量的数据，为人工智能的发展提供了源源不断的燃料。

计算力

深度学习使用海量数据训练复杂的多层神经网络模型，需要强大的计算能力支撑。之前业界采用传统的CPU进行模型训练，花费的时间漫长，少则几天，多则几周。GPU的应用，将深度学习的效率提高了数十乃至上百倍。紧接着FPGA以及各种定制芯片纷纷被用于加速深度学习。再加上分布式计算技术的进步，使大量芯片可以同时用于模型训练。由此形成的强大计算能力，强有力地推动着人工智能向前高速发展。