美媒人工智慧
『壹』 人工智慧中美PK，中國的優勢在哪兒
可以說海量用戶是中國的獨特優勢。中國是手機和互聯網市場中用戶最多的國家。基於應用的人多，產生的數據推動技術發展，反過來的回補也多，從而提高整個中國對人工智慧技術的認可度，使人工智慧在各領域可以更快、更廣地得到驗證和使用，形成良性循環。
試想一下，對著話筒說「我的名字叫小明」，隨即一行漢字顯示在屏幕上，大部分人會認為這是一款語音轉換工具;當這句話被快速翻譯成美國總統特朗普口音的英語播放出來時，更多人會驚嘆地「哦!」;可如果再補充一句「不是大小的小，是拂曉的曉」，屏幕上會「機智」地把「我的名字叫小明」改成「我的名字叫曉明」
「AI」曾是「欺騙」代名詞
以上是《環球時報》記者近日在科大訊飛公司年度發布會上看到的一幕。但比起這些「黑科技」，記者印象更深的是，能容納數千人的會場被技術專家、產業人員和記者擠得滿滿當當——人工智慧的火爆可見一斑。
對於老一輩業內專家而言，這種場景並不陌生，畢竟現在是人工智慧的第三波熱潮。上世紀70年代和90年代，也曾出現過類似情況。但那兩波熱潮因未能取得預期的商業效果而遭遇堪稱「產業災難」的毀滅性打擊，大量公司破產、人才流失，「AI」幾乎淪為欺騙的代名詞。這兩段苦難期還有個專業詞彙——「AI之冬」。
不過，業內人士認為，正是由於「AI之冬」對整個產業的「清零」，當第三次人工智慧浪潮來臨時，中國得以和美國幾乎同時從上次熱潮的廢墟上起步。科大訊飛董事長劉慶峰介紹說，當前的浪潮主要起源於2006年深度學習等新演算法的提出，由於在數學統計建模上取得重大突破，使得機器在感知和認知智能上有了以往根本想像不到的優秀表現。機器通過學習行業頂尖專家的知識，達到一流專家水平，有望超過90%的普通專業人士。
例子有很多。訊飛智醫助手今年成為全球第一個通過國家醫師資格考試的機器人;2017年國際英文語音合成大賽暴風雪競賽，科大訊飛第12次蟬聯第一，而且是世界上唯一讓語音合成技術達到真人說話水平的。另一個國際權威的人工智慧比賽是針對肺結節醫學影像的判斷，人工智慧技術已經達到三甲醫院醫生的平均水平。
中國在人工智慧領域的成功不是憑空得來的。科大訊飛執行總裁胡郁對《環球時報》記者回顧說，1999年科大訊飛正式成立時，正值人工智慧最艱苦的時期，「可以說我們在黑暗中摸索了很多年，但從1999年到現在的18年，我們從來沒有放棄，一直在做。第三次浪潮到來時，成功就已經是一種必然，不管是深度神經網路還是其他演算法，只要有做研究的人在堅持，他們就一定能夠找到這條道路。」
「數據越多，事情越好辦」
中國人工智慧企業取得的一系列成就讓世界矚目，以至於美國谷歌公司前首席執行官埃里克-施密特最近發出警告：「到2020年，中國將迎頭趕上;到2025年，他們將超過我們;到2030年，他們將主宰這些行業。」
劉慶峰對《環球時報》記者說，從技術角度來看，中國有著海量用戶的獨特優勢。推動當前人工智慧發展的深度學習等演算法，嚴重依賴大數據的規模，「數據越多，事情越好辦」。
中國政府對於人工智慧領域的堅定支持也被外界認為是一大優勢。劉慶峰表示：「政府7月頒布的《新一代人工智慧發展規劃》提到，到2020年人工智慧技術與世界先進水平同步;到2030年，成為世界主要人工智慧創新中心。我覺得這個夢想一定能實現。」
但業內人士普遍表示，在對中國人工智慧發展充滿樂觀的同時，也需要正視中美間的差距。科大訊飛副總裁江濤說，我們在一些最基礎的理論方面依然存在差距。第三波人工智慧浪潮是以應用為驅動的，因此中國企業在該產業的布局也偏重智能機器人、無人駕駛、語音識別等應用層面，而在源頭性技術創新、頂層設計以及AI演算法與晶元等基礎層面，美國依然占據較大優勢。
「人類不是要跟AI去PK」
高速「進化」的人工智慧何時會取代人類？從「阿爾法狗」完勝人類棋手，到波士頓動力公司最新機器人做出完美後空翻，接連不斷的突破讓諸多西方媒體開始呼籲限制人工智慧的發展。
科大訊飛副總裁江濤介紹說，從技術角度來說，人工智慧的發展階段分為計算智能、感知智能和認知智能。在計算智能領域，人工智慧被公認為完全超過人類，「阿爾法狗」本質上屬於計算智能。感知智能，就是能聽會說，比如人臉識別、圖像識別、自動駕駛、輔助駕駛等。現在感知智能基本可以跟人媲美，甚至在一些特殊任務中超過人類專家。第三個階段是認知智能。在這個領域，人工智慧才剛剛起步。比如閱讀理解，讓機器參加高考，讓機器參加醫師資格考試，這些都是典型的認知智能。科幻電影里的人工智慧就是所謂通用人工智慧，它能像人類一樣，自主地在陌生環境里找到相應的知識並真正理解。
「我們要有一個正確的心態，人類不是跟AI去PK，比人類更強大的絕不是AI，而是掌握了AI的人。」劉慶峰說，未來人類的發展和機器正走在不同的路線上，人工智慧將要大幅替代的，恰恰是人類並不喜歡的崗位。
對於人工智慧的未來發展方向，胡郁提出3條線索：第一條是現在人工智慧技術延續的深度神經網路、大數據。第二條是用超級計算及模擬方法得到一個「模擬腦」，我們已經逐步可以把老鼠、魚甚至猴子的腦神經所有單位完全重構，這種全腦模擬有望復制人類的智能。第三條叫智能動力學。人的大腦受到非常多的生理限制，而人工智慧不受這些限制，當我們研究出大腦的工作原理，未來可以有超過人腦的產物。
『貳』 人工智慧未來會最終消滅人類嗎
據多家美國媒體報道，在最近一次網路答問活動中，蓋茨被提問如何看待人工智慧的潛在危害，他表示，這確實是值得擔心的問題。蓋茨說：「如果我們能夠很好地駕馭，機器能夠為人類造福，但如果若干年後機器發展得足夠智能，就將成為人類的心頭大患。」
『叄』 為什麼用「印度人冒充人工智慧」的印度Engineer.ai，能騙走30億資金
隨著科技的發展，人工智慧AI技術也逐漸開始出現在人們的視野中，並迅速在不經意間改變我們的生活方式，無人化也越來越多的應用在民生、軍事、工業等領域。而各國也在為抓住人工智慧發展的重大戰略機遇而努力。而我們的老鄰居，印度人自然不敢落後，也積極展開人工智慧技術。
加上最近印度自己吹噓了很久的「航天強國夢」在月球2.1公里處失聯，不少網友表示，印度這個國家就是好面子，一直想不明白，為什麼印度從上到下，就是喜歡和美國、和中國在各方面比較，一定要分出個三六九等。中國去探月，印度也要去，還是直接選擇在最困難的月球南極地區登陸，結果直接就失聯了。而現在，看著中國人的人工智慧AI技術蒸蒸日上，印度也要發展AI，結果自己又沒這個技術，就去靠到處行騙，來維持自己「AI大國」的地位，著實可笑。
有網友認為，從一定程度上來說，印度還不一定比得過非洲的發展水平，雖然人家沒什麼突出事跡，可以拿出來在全球顯擺的，但是人家至少不會到處吹牛。一個廁所都造不起來的國家，卻總要擺出一副超級大國的架子，希望他們在發展「人工智慧」的時候，可以先嘗試讓自己變得「智能穩重」一些。
『肆』 人工智慧中的Artiststyle是什麼
是一種模式，應該是一種偏文藝范的思維模式
『伍』 人工智慧的威力有多強大，中美英潛艇都要仰仗它
人工智慧的威力有多強大，中美英潛艇都要仰仗它提高戰鬥力
據媒體報道中國正在用人工智慧(ai)升級核潛艇的電腦系統，以提高指揮人員的潛在思維能力。這名科研人員說，人工智慧增強版潛艇不但能讓龐大的中國海軍在未來戰爭佔得先機，而且能夠將人工智慧的應用提高到一個新水平。
人工智慧在指揮上的應用效果可以設想。一個稍微有點規模的戰爭是多個層次的，各個層級在決策過程中需要時間、各個層次之間的溝通需要時間、隨著戰場環境和背景的變化，戰斗的部署和打法可能隨時改變。這都需要時間來分析、判斷。有了人工智慧，這些效率都可以大大的提高。
『陸』 人工智慧的具體發展歷史是什麼
【1950-1956年是人工智慧的誕生年】
圖靈測試1950
Dartmouth 會議1956
（1956年夏季，以麥卡賽、明斯基、羅切斯特和申農等為首的一批有遠見卓識的年輕科學家在一起聚會，共同研究和探討用機器模擬智能的一系列有關問題，並首次提出了「人工智慧」這一術語，它標志著「人工智慧」這門新興學科的正式誕生。）
【1956-1974 年是人工智慧的黃金年】
第一個人工智慧程序LT邏輯理論家1958（西蒙和紐維爾）
LISP編程語言1958（約翰麥卡錫）
用於機器翻譯的語義網1960（馬斯特曼和劍橋大學同事）
模式識別-第一個機器學習論文發表（1963）
Dendral 專家系統1965
基於規則的Mycin醫學診斷程序1974
【1974-1980年是人工智慧第一個冬天】
人工智慧：綜合調查1973（來特希爾）
項目失敗，列強削減科研經費
【1980-1987年是人工智慧繁榮期】
AAAI在斯坦福大學召開第一屆全國大會1980
日本啟動第五代計算機用於知識處理1982
決策樹模型帶動機器學習復甦1980中期
ANN及多層神經網路1980中期
【1987-1993年是人工智慧第二個冬天】
Lisp機市場崩潰1987
列強再次取消科研經費1988
專家系統滑翔谷底1993
日本第五代機退場1990年代
【1993-現在突破期】
IBM深藍戰勝卡斯帕羅夫1997
斯坦福大學Stanley 贏得無人駕駛汽車挑戰賽2005
深度學習論文發表2006
IBM的沃森機器人問答比賽奪魁2011
谷歌啟動谷歌大腦2011
蘋果公司的Siri上線2012
微軟通用實時翻譯系統2012
微軟Cortana 上線2014
網路度秘2015
IBM發布truenorth晶元2014
阿爾法狗打敗人類棋手2016
『柒』 人工智慧如今發展得怎麼樣了
人工智慧現在已經能實現很多功能了，比如語音識別——李開復博士當年做的工作奠定了很多當今識別系統的基礎。這里忍不住說一下，Siri本身的技術並沒有特別大的亮點，真正nb的是它的模式（語音識別直接與搜索引擎結合在一起，產品體驗做得好。而且關鍵是這樣的模式能採集到更多數據，使得系統的精度越來越高）
自然語言理解——目前看到的最強的結果應該是IBM Watson。但其實我們現在用的搜索引擎、中文輸入法、機器翻譯（雖然其實還不怎麼work）都和自然語言理解相關。這塊兒不是我的專業。
數據挖掘——隨著近年數據量的瘋狂增長，數據挖掘也有了長足進步。最具有代表性的是前幾年著名的Netflix
challenge（Netflix公司公開了自己的用戶評分數據，讓研究者根據這些數據對用戶沒看過的電影預測評分，誰先比現有系統好10%，誰就能贏100萬美元）最後這一比賽成績較好的隊伍，並非是單一的某個特別nb的演算法能給出精確的結果，而是把大量刻畫了不同方面的模型混合在一起，進行最終的預測。
計算機視覺——目前越來越多的領域跟視覺有關。大家可能一開始想到的都是自動駕駛。雖然大家都在說googleX的無人車，
但實際上現在無論是商業上，還是技術整合上最成功的演算法是Mobile Eye的輔助駕駛系統。這個公司也是目前computer
vision領域最掙錢的公司。
從實現新功能方面說，視覺的發展的趨勢主要有兩方面，A)
集成更多的模塊，從問題的各種不同方面，解決同一個問題（比如Mobile Eye，就同時使用了數十種方法，放到一起最終作出決策） B)
使用新的信息，解決一個原來很難的問題。這方面最好的例子是M$的Kinect，這個產品最讓人拍案叫絕的就是那個紅外pattern投影儀。
『捌』 人工智慧的威力有多強大，中美英潛艇都要仰仗它提高
媒體報道中國正在用人工智慧(ai)升級核潛艇的電腦系統，以提高指揮人員的潛在思維能力。這名科研人員說，人工智慧增強版潛艇不但能讓龐大的中國海軍在未來戰爭佔得先機，而且能夠將人工智慧的應用提高到一個新水平。
人工智慧在指揮上的應用效果可以設想。一個稍微有點規模的戰爭是多個層次的，各個層級在決策過程中需要時間、各個層次之間的溝通需要時間、隨著戰場環境和背景的變化，戰斗的部署和打法可能隨時改變。這都需要時間來分析、判斷。有了人工智慧，這些效率都可以大大的提高。