-
连续12年专注
专科/本科学历提升
-
98%以上的学生
顺利拿到高校毕业证
-
13522314828
OPEN: 9:00-18:00
如果你是电影迷，你一定看了今年奥斯卡热门电影《模仿游戏》，这个以英国著名科学家阿兰·图灵为主线的传记电影，展现出图灵如何设计一套模仿人类思考机器，从而破解纳粹德国密码的历程。
如果你是一个科学迷，你一定看到霍金、马斯克对于正在兴起的一股热潮的恐惧，马斯克甚至断言：“我们需要万分警惕人工智能，它们比核武器更加危险！”
如果你是一个互联网迷，过去一年你会被互联网公司各种新奇的名词“洗脑”，包括但不限于机器学习、计算机视觉等等。
如果你是个新闻迷，最近一定关注到两会上，以政协委员、百度创始人李彦宏提出的“中国大脑”计划，一时间引发媒体热议。
这一切的一切，都归于一个词：人工智能。过去一年，人工智能毫无悬念地成为整个互联网的热词，其影响力无远弗届。但和业界热议的大数据、云计算一样，人工智能并非什么新鲜概念。早在上世纪50年代，MIT的约翰·麦肯锡教授就提出“人工智能”的概念，指的是一种制造智能机器的科学和工程。随后的人工智能发展起起伏伏。在80年代经历了一股大热之后陷入沉默，而在人类进入互联网时代的21世纪，为什么这个概念又重新兴起呢？
互联网革命带来的不仅是让全世界紧密联系起来，形成麦克卢汉预言中的“地球村”，更使得之前无法想象的技术成为现实。如果要让程序像人一样智能地理解某个口语单词，就必须能够听清（不同音节）彼此之间的所有音素；而程序识别出某幅图片的关键技术，则是需要看到其周围像素环境内的所有像素。近几年来GPU技术逐渐成熟，GPU是一种满足可视游戏中高密度的视觉以及并行需求的芯片，如今已是百度首席科学家的吴恩达在2009年就使用GPU建立并行神经网络，以此来实现诸如识别图片的目标。
互联网时代海量的数据为人工智能研究提供了大量样本，这些海量数据有助于让机器更全面的识别与学习。在机器学习上，新一代算法如深度学习脱颖而出，与之前的机器学习模式不同，深度学习通过组合低层特征形成更加抽象的高层特征。
举个例子来说，以识别图片上的人脸为例，机器首先从一张脸的边缘入手，由小到大，再将各个要素组合，最后通过这些要素的比对得出结论，这个过程与人类大脑识别人脸的过程类似。目前从国内情况来看，百度在深度学习领域有着不小的竞争优势，特别在吴恩达加入之后，百度深度学习的研究也逐步延伸到整个百度产品体系，估计也正是因为如此，李彦宏才有底气在两会中提出“中国大脑”的提案建议吧。
正是在这三大技术趋势的相互作用下，人工智能技术在过去几年成为业界关注的焦点。CBInsight研究员整理的数据显示，2010年只有两家人工智能公司成立，而2014年则大幅增加到16家。更重要的是，欧美政府以及互联网巨头都在紧锣密鼓的上线人工智能项目，比如欧盟的人脑计划，就是建立一套基于神经科学的全新的、革命性的信息通信技术；谷歌、IBM先后收购和研发出新一代智能机器人与智能芯片；美国国防部的高级技术研究所，也就是大名鼎鼎的DARPA正在推动人机交互的新项目CwC，目的就是为了让人类与机器之间更好地通信。这些国家或企业为何对人工智能如此钟情呢？
这三大基础研究会极大地改变现有产业的发展模式，以制造业为例，随着自然语言识别与语音识别技术的成熟，人与机器之间的交互变得更加简单，在此基础上，工业机器人能够更好地理解普通工人的口令。而在那些工艺要求严格的仪器制造环节，计算机视觉技术可以帮助机器人精确完成任务。
人工智能在制造业的潜力也和目前业界广泛讨论“工业4.0”不谋而合。“工业4.0”强调了智慧工厂与智慧机器人的重要，这背后都需要一套更加智能的系统来支撑，人工智能毫无疑问将在其中扮演重要作用。
如果说上述情景还停留在工厂，那么无人驾驶汽车则让人工智能技术走入寻常人家。让汽车做到无人驾驶，首先需要让汽车认识“路”，在此基础上在识别路上的各种物体——前后左右的车、路上的行人、路障等等，这必须依靠计算机视觉技术给汽车调配好“视力”。其次，语音识别和人机交互可以帮助汽车更好地懂得驾驶人的想法，做到安全驾驶和文明驾驶。
很多害怕人工智能的人都反反复复重申一个观点：人工智能就是要让人类失业，从体力和智力上战胜人类。这当然没错，还是以制造业为例，随着智能机器的普及，工厂需要的工人越来越少，但工厂的效益却大幅提升。而大量工厂生产模式的改变则整个制造业的转型升级，这也是德国以国家的名义启动“工业4.0”与推动欧盟“大脑计划”的初衷。同样道理，美国政府也通过Depra与NASA，将大量资金注入到围绕人工智能研究的企业或项目里，为何人工智能的研究需要国家层面的支持呢？
人类的进步一直离不开技术创新的力量，但随着技术的不断发展，能真正推动技术发展的不在仅仅是个体、公司，而成为一种国家的使命和责任。这是因为随着技术发展越来越复杂，个体、公司的力量已经无法完全承担。历史上，第一次工业革命的兴起几乎就是瓦特一己之力改进了蒸汽机；而第二次工业革命则是与电力相关的几家公司所推动；但在第三次技术革命中，美国二战期间“曼哈顿计划”的遗产——从贝尔实验室到各种军工企业，成为战后带领美国成为全球技术领先者的核心力量。
在2013年的一次TED演讲中，来自英国苏塞克斯大学科学和技术政策研究中心的MarianaMazzucato教授提出一个令人惊讶的观点：在经济市场中，最能引领创新潮流的角色是国家！
【“iPhone中这些十分巧妙、革新性部分全由政府资助，也就是说，移动互联网由美国国防部DARPA资助；GPS由军方Navstar（导航之星）计划资助；甚至Siri，事实上由DARPA资助；触控屏幕由两个国家部门－CIA（中情局）和NSF（国家科学基金会）－资助了德拉瓦大学两位公立大学研究员。”】
有关人工智能的研究更需要国家层面的参与，这不仅因为人工智能研究的耗费惊人，比如欧盟的“人脑计划”，欧盟委员会将在未来十年内拿出10亿美元支撑其研究，上文提到的IBM智能芯片TrueNorth得到美国国防部高达5000万美元的支持。如此的研究经费早已超出普通人甚至企业的承受范围，只有从国家战略层面的资金支持，才能保证研究的持续发展。
其次，人工智能是一项抢占未来竞争高地的基础性技术。我国是制造业大国，但并非制造业强国，近几年来，我国制造业面临劳动力和原材料成本上升的双重压力，传统层面的成本优势逐渐消失，制造业的转型迫在眉睫。也正如前文所言，人工智能会从根本上改变传统制造业的生产模式，从而能够让中国制造业快速实现产业转型，在这个层面，中国需要和传统制造业强国，诸如日本和德国开展竞争，其重要性不言而喻。
第三，启动一项国家层面的人工智能项目也是我国政府创新模式的新尝试。我国经历过较长时期的计划经济时期，政府也长期“霸占”创新什么如何创新的发言权。但随着政府职责的变化，政府也开始将部分创新项目放在高校和科研机构，但由于高校、科研机构缺乏必要的市场敏感度，其创新产品往往无法真正推向市场。而中国的人工智能项目，则是国家、高校/科研机构、企业三重发力：国家负责政策引道与资金支持，高校推动基础研究和人才培养，企业则结合市场和国家需求，将基础研究产品化，并利用不同产业和行业需求实现产业链的优化和调整。
