人工智能技术 人工智能的未来前景

　　人工智能技术 ，根据传说，当一项新技术产生并成熟时，会经历如下过山车发展轨迹，称为高德纳曲线（Gartner  Curve）。，人工智能的发展轨迹比这一条更引人入胜。到现在为止，可以说有三起三落。，这第三次下降还没有到来，也不一定会到来。想要了解更多可以看下

　　我在这个行业十几年了博士期间学的语音学什么的，毕业后去MSRA做这个。虽然我们的两位院长李开复先生和洪小文，先生都是语音系出身，但他们并不能改变这个项目在整个医院的地位。因为在那个年代，没有多少人工智能应用程序可以投入战斗。更不用说，如果你向网络世界提到你是“人工智能”，那就像在两会偷看色情一样尴尬。事实上，那是人工智能发展的第二次衰退。以史为鉴，可以知兴亡。为了探索人工智能，的发展前景，我们简要回顾了人工智能发展的三个大起大落

　　一年或60多年前，达特茅斯会提出了“艺术”智能”，目的是让成熟的计算机代替人类解决一些感知、认知甚至决策的问题。这样一个话题如此引人入胜，以至于很快引起了大量学者的关注，相关研究也如火如荼地进行着。这是第一次。

　　第二，起初，学者们解决人工智能问题的思路是通过专家制定规则来教机器下棋、读字符甚至识别语音。在今天看来，这种方法完全相反。虽然人类的视听器官非常发达，但却无法提炼其中的规律，结果人工智能美好的愿景揭示了残酷的现实，学者们发现解决问题已经遥遥无期，围观群众一度认为人工智能的学者都是骗子。是第一个秋天。

　　第三，既然不可能靠人的引导，就要牺牲“实事求是”这个法宝，从数据中统计规律。在这种统计方法下，一些简单的问题如人脸识别和手写识别取得了很大的进展，而在当时最困难的问————词汇的连续语音识别中，这种统计方法也以前所未有的方式在实验室中创造了一个“基本可用”的系统。这时，我们感到我们已经找到了解决人工智能问题的基本思路。是为了第二个。

　　第四，数据统计模型方法流行后，很快遇到了瓶颈数据量的提高并不总能带来识别率的提高。，我们早就知道“深模型”比“浅模型”有更好的数据学习能力，这个模型计算起来极其昂贵，我们只能期待。以语音识别为例，“基本可用”和“实用”的差距十几年都没有跨越，于是大家转而悲观，认为人工智能只是一个梦。是为了第二个秋天。

　　5.自第二个秋天以来，很少有学者继续在“深度神经网络”中与线上战斗，因为这样做没有资金。其中有一个老杰弗里

　　韩丁和他的学生亚历克斯一起发现，用GPU计算神经网络可以大大提高速度，所以这个模型可能是实用的。一旦实用化，深度模型可以疯狂吸收数据的优势就会发挥出来，在语音识别、图像识别等领域取得了长足的进步。是为了第三种情况。

　　，工业界看到的第三种情况，比我们上面轻描淡写地提到的要壮观得多。，不要太在意，因为各行各业的老板们，不管过去是搞黑生产、卖假货还是劫机，都已经变成了人工智能的忠实粉丝和行业先锋，去年，当我听到一家上市公司的老板歇斯底里，在财报中大叫他要在人工智能，投资几千万美元时，我不禁感慨修脚的人可以挂着返老还童的大旗，但不要说他们做的是精准医学！虽然人工智能的第三个案例确实有了质的发展，考虑到是人工智能的工人提出了这些沉积物，我认为第三个案例会到来，但这不是行业本身的疑问，而是一种自我净化。

　　人工，由于大规模数据和大规模计算能力的基本方法论的成熟，未来的发展路径非常明确在那些数据储备充足、商业价值明确的场景中，人工智能将快速发展并致力于此，产业中期发展会非常好；在医疗和教育领域，电子数据的整理和积累是需要时间的，可能需要很长的开发过程。至于人工智能，的核心问题，即“认知”问题，我认为到目前为止还没有任何方法论上的突破，更谈不上解决办法，但这个话题太大了，我们再找机会谈吧。