如何理性客观地看待人工智能热潮
人工智能，這個名詞在沉寂了近30年之后，最近兩年“咸魚翻身”，成為了科技公司公關的戰場、網絡媒體吸睛的風口，隨后受到政府的重視和投資界的追捧。于是，新聞發布會、高峰論壇接踵而來，政府戰略規劃出臺，各種新聞應接不暇，宣告一個“智能為王”時代的到來。
到底人工智能現在的研究處于什么階段？這是大家普遍關注的問題，但由于人工智能涵蓋的學科和技術面非常廣，要在短時間內全面認識、理解人工智能，別說非專業人士，就算對行業內研究人員，也是十分困難的任務。現在很多行外的媒體宣傳與決策沖到認識前面了，由此不可避免地造成一些思想和輿論的混亂，給社會營造出了“人工智能已經實現”的錯覺。
弱人工智能
確實，人工智能技術近十年來取得了突飛猛進的發展，并悄然間成為我們每個人生活中必不可少的一部分。以智能手機的常見應用程序為例，看看蘊藏在我們身邊的人工智能。下圖是一部典型的iPhone手機上安裝的一些常見應用程序，可能很多人都猜不到，人工智能技術已經是手機上很多應用程序的核心驅動力。
圖1?iPhone手機上的相關應用
蘋果Siri、百度度秘、微軟小冰等智能助理類應用，正試圖顛覆你和手機交流的根本方式，將手機變成聰明的小秘書；新聞類應用依賴于智能推薦技術，向你推送最適合你的內容；美圖秀秀自動對招聘、視頻完成智能化的藝術創作；購物類應用采用智能物流技術幫助企業高效、安全地分發貨物，提升買家的滿意度；滴滴出行，幫助司機師傅選擇路線，在不久的將來，自動駕駛技術將重新定義智慧出行。拋開諸多常見手機應用程序，以AlphaGo為代表的計算機程序，已經先后在西洋跳棋、國際象棋和圍棋上擊敗了世界頂尖高手，掀起了一波又一波的人工智能熱潮。
強人工智能
這波人工智能熱潮，在諸多領域提升了我們的生活質量（如智能推薦）以及工作效率（如谷歌翻譯），但值得注意的是，目前的應用都集中在弱人工智能層面上。而電影里的人工智能多半都是在描繪強人工智能，而這部分在目前的現實世界里難以真正實現，人工智能領域的巨頭們也紛紛站出來表達類似觀點。
Facebook人工智能研究中心負責人，深度學習巨頭Yann LeCun說：我們距離創造出真正的智能機器還很遠。你現在所看到的一切，所有這些人工智能的壯舉，比如自動駕駛汽車，解讀醫學圖像，打敗世界冠軍等等都是非常狹隘的智力，它們真的只是為了特定目的而被訓練的。因為在這些情況下，我們可以收集到大量的數據。
強人工智能是一個完全自主的智能，具備感知、認知、推理、學習和執行能力；不需要事先幾十萬甚至上百萬人工標注好的訓練數據，只需要少量數據就可以想清楚；也不需要功耗巨大的GPU，因為人腦功耗僅僅才是10-25瓦。
再反過頭來想，目前眾星捧月的深度學習，確實在計算機視覺、自然語言處理等領域帶來了突破。但它遠遠不是人工智能的終點，它需要大量的數據預先訓練，需要大量的GPU功耗，與強人工智能的要求是不符的。近日，深度學習概念提出者Hinton，這位70歲的老爺爺推翻自己積累了30年的學術成果時，放棄深度學習至關重要的反向傳播，讓整個人工智能從頭再造。
縱觀人工智能60年的發展歷程，前30年以數理邏輯的表達與推理為主，這里面有一些杰出的代表人物，如John McCarthy、Marvin Minsky、Herbert Simmon。他們懂很多認知科學的東西，有很強的全局觀念，拿過圖靈獎和其它一堆大獎。但是，他們的工具基本都是基于數理邏輯和推理。后30年以概率統計的建模、學習和計算為主，著名的決策樹、支持向量機、隨機森林、Adaboost等主流的機器學習算法，在那時先后成為研究熱點。
圖2?機器學習發展史
機器學習，作為人工智能的重要分支，現已成為各大科研院所、企事業單位研究的焦點和熱點。對于人工智能領域的入門者，機器學習成為了一門必修課。為此，中科院自動化所科研一線青年教師，與深藍學院聯合推出《機器學習主流算法：從理論到實踐》在線直播課程。課程體系設置充分結合理論與Python代碼實踐，PPT以及代碼均會提供給學員，并為學員搭建與課程講師即時交流的微信群。
機器學習課程內容
1.?數學基礎（PPT資料+視頻資料）
1.1?矩陣論、概率論、優化基礎知識
2.?機器學習算法：從理論到實踐（20學時）
2.1 機器學習概述
? ? ? 2.1.1 機器學習方法分類
? ? ??2.1.2?基礎知識介紹
2.2 KNN算法
? ? ??2.2.1?概述與理論詳解
? ? ? 2.2.2?K近鄰應用案例及代碼實現
2.1 機器學習概述
? ? ? 2.1.1 機器學習方法分類
? ? ? 2.1.2 基礎知識介紹
2.2 KNN算法
? ? ? 2.2.1 概述與理論詳解
? ? ? 2.2.2 K近鄰應用案例及代碼實現
2.3 貝葉斯分類
? ? ? 2.3.1 樸素貝葉斯
? ? ? 2.3.2 貝葉斯決策論
? ? ? 2.3.3 NB分類算法應用案例及代碼實現
2.4 回歸與分類
? ? ? 2.4.1 曲線擬合
? ? ? 2.4.2 線性回歸
? ? ? 2.4.3 logistic回歸
? ? ? 2.4.4 相關應用案例及代碼實現
2.5 支持向量機
? ? ? 2.5.1 線性支持向量機
? ? ? 2.5.2 非線性支持向量機
? ? ? 2.5.3 核方法
? ? ? 2.5.4 SVM應用案例及代碼實現
2.6 聚類算法
? ? ? 2.6.1 K均值聚類
? ? ? 2.6.2 層次聚類
? ? ? 2.6.3 聚類算法應用案例及代碼實現
2.7 數據降維
? ? ? 2.7.1 線性降維
? ? ? 2.7.2 非線性降維
? ? ? 2.7.3 降維應用案例及代碼實現
2.8 EM算法
? ? ? 2.8.1 EM算法基礎
? ? ? 2.8.2 多高斯參數估計
? ? ? 2.8.3 EM應用案例及代碼實現
2.9 Adaboost算法
? ? ? 2.9.1 獨立于算法的機器學習
? ? ? 2.9.2 Adaboost算法
? ? ? 2.9.3 應用案例及代碼實現
2.10 隱馬爾科夫模型
? ? ? 2.10.1 馬爾科夫
? ? ? 2.10.2 隱馬爾科夫模型
? ? ? 2.10.3 應用案例及代碼實現
課程團隊
汪老師，中科院自動化所一線科研學者，副研究員，在領域頂級會議期刊?ICCV、TNNLS、TIP等發表論文20多篇；參加全國視頻圖像分析技術挑戰賽，獲得目標檢測識別第二名，熟練掌握并應用深度學習Keras框架和Caffe框架。
邵老師，現任副教授、碩士生導師，中科院自動化所博士畢業，具有兩年教學授課經驗。主要研究方向包括機器學習、模式識別與圖像處理，作為項目負責人承擔國家自然科學基金，在國際主流期刊和會議上發表論文數篇。
霍老師，一線青年學者，西安電子科技大學博士畢業，研究方向為圖像處理，主持和參與多項國家自然科學基金，以第一作者在相關領域期刊以及會議上發表論文多篇。
開課時間及形式
1.?機器學習課程價格為 499 元，11月30日-12月21日每周四、周末晚，在線直播授課；
2.?報名即送數學基礎視頻資料；
3.?課程一年內可實時查看視頻回放；
4.?課程PPT和源程序，會提前公開給學員；
5.?課前、課中和課后，微信群均可答疑。
請添加助教微信咨詢
總結
以上是生活随笔為你收集整理的如何理性客观地看待人工智能热潮的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： android 多线程 场景,精选And
- 下一篇： 数风·数林 | 炉石传说中的概率（声控篇