人工智能变革

人工智能的飞跃式发展，正朝着模仿人类智能的目标大步迈进。在图6中，我们看到了推动医疗保健和其他行业新兴AI应用的关键创新力量。

让我们回顾一下人工智能的历程。早在1952年，人工智能的先驱亚瑟·塞缪尔开发了一个玩跳棋的计算机程序，这被认为是第一个独立学习的计算机程序，也是第一个机器学习程序。随着技术的进步，专家系统和决策支持系统如MYCIN、CADUCEUS和INTERNIST-I陆续出现。这些技术在我们之前的讨论中已经有所涉及。

进入20世纪早期，许多人工智能活动主要使用过程编程逻辑作为编程技术，这需要大量的基础设施支持和人力资源。IBM的深蓝电脑在国际象棋界掀起了一场革命，它击败了当时的世界冠军加里·卡斯帕罗夫。深蓝的成功让人们以为人工智能已经赶上了人类智能的发展步伐。深蓝的背后是庞大的硬件和软件支持，它是一个专门设计的系统，体现了人类在硬件和软件领域的强大能力。值得一提的是，深蓝的程序员在谈及他们对人工智能的投入时表示，“没有投入”。他们形容深蓝是一个超级计算机系统，通过穷举的方法找出最优解。

人工智能的发展并非一帆风顺。人工智能冬季是对研究和开发阶段的一个隐喻性描述，在这一阶段，兴趣和资金水平大幅下降。20世纪初对人工智能的炒作和夸大适得其反，因为当时的技术并未达到预期的效果。算法人工智能并没有超越人类，科幻电影中的描绘并不真实。

曾一度停止资助自然语言处理（NLP）研究，因为机器翻译的成本高于人工翻译。这导致了人工智能的第一个冬天。机器学习技术和预测分析的出现为人工智能的第二次转型奠定了基础。

IBM Watson计算机系统在2011年参加了Jeopardy!节目并赢得冠军，再次展示了人工智能的潜力。这个系统使用了大量的数学、机器学习和自然语言处理，并在硬件实现上再次使用了蛮力。尽管IBM Watson在自然语言理解方面有所创新，但它并没有真正地聆听和处理音频，传输的是ASCII文件。尽管如此，IBM Watson及其赢得Jeopardy!的系统推动了自然语言处理领域的发展。

今天的人工智能已经发生了巨大的变化。虽然我们在算法和计算机科学方面使用了许多相同的技术，但人工智能领域发生了大量的创新。深度学习、新算法、图形处理器单元（GPU）和大数据是关键的区别。互联网提供了大量的数据，GPU提供了计算能力，推动了人工智能研发的巨大进步。

从AlphaGo的胜利到AlphaZero的出色表现，人工智能在短短几年内取得了巨大的突破。AlphaGo成为第一个无障碍击败人类职业围棋选手的计算机系统，而AlphaZero则展示了自学游戏并击败世界冠军的能力。这些成就展示了人工智能的强大潜力。尽管人工智能取得了令人瞩目的成就，但我们仍需要认识到它的局限性。深度学习无法解释其决策过程，它缺乏因果关系和人类的推理能力或常识。尽管如此，人工智能仍然为我们提供了无限的可能性，并将在未来继续发展。人工智能：从弱到强的探索之旅

人工智能的发展已经取得了惊人的进步，要达到人类智能的水平，我们仍然在路上。这一领域的研究不断推动人工智能向前发展，而人工智能的愿景则是在人工智能连续体上不断向右移动，如图7所示。

与电影如《Ex Machina》或《2001：太空漫游》中所呈现的强大人工智能相比，现实中的人工智能还处于超越人类智能的征途上。我们目前拥有的是弱人工智能，或者说是狭义人工智能。它的应用范围相对有限，例如，我们训练的机器学习模型可以检测肺炎，但同样的模型却无法检测X射线中的肿瘤性癌症。这意味着，一个被训练用于特定任务的系统，在面临相关但略有不同的任务时，可能会束手无策。

在今天，当我们面对人工智能明确界定的问题时，仍然需要人类的参与来确保人工智能的正确性。人类必须参与训练AI模型，并管理AI开发的整个生命周期。从初创阶段到成熟运营，人类的指导和监管是不可或缺的。

随着新创新的出现，我们将能够沿着连续体进一步向右移动，也许因果关系将在我们的视线之内。例如，借助人工智能，我们将开始了解长途飞行前服用的阿司匹林是否真的起到了血液稀释剂的作用，从而降低旅行期间因不动而形成血栓的风险。这与当前航空公司乘客被建议服用阿司匹林的预防措施形成鲜明对比。

深度学习的前景广阔，随着新的研究和创新的不断推进，它很可能会经历变革。硬件的改进也在路上。正如图6所显示的AI过渡，这将加速AI沿着图7所示的连续体进一步向右移动。目前，人工智能和人类必须携手合作来解决问题。在医疗保健领域，尽管AI具有巨大的潜力，但我们仍需要具有直觉和经验的临床医生来增强AI的性能。

回首过去，IBM的“深蓝”超级国际象棋电脑是一个令人印象深刻的里程碑。重达1270公斤，拥有32个微处理器的大脑，“深蓝”通过输入一百多年来优秀棋手的对局数据，每秒钟可以计算2亿步。这一成就标志着人工智能在特定领域的强大能力，并预示着未来更多的可能性。