人工智慧興起
㈠ 中國現階段「人工智慧」應用快速興起的根源是什麼
至少有三點：市場化復因素制為主，政府引導為動力，工業發展的客觀需求。
市場化因素是指人力成本的快速增加，同時，應用智能產品帶來的回報已經接近或低於人力成本，這是最根本的因素。如果企業用智能產品是越用越虧損的話，那智能產品是無法進入快速崛起的。
政府引導為動力是指整個世界的大環境都在做工業產品全面升級的計劃，為保證中國工業不落後或反超，政府制定了大量扶持和優惠稅收等政策，以確保企業和市場在這方面的關注及投入。
工業發展的客觀需求是批整個世界都在做工業品全面升級，這主要是新材料、新能源和新技術的製造和加工都是傳統工業無法勝任的。在新工業日益擴張的今天，工業升級（特別是人工智慧為主要標志）成為必然。
㈡ 人工智慧發展史
歷史 突飛猛進
1950年阿蘭·圖靈出版《計算機與智能》。
1956年約翰·麥卡錫在美國達特矛斯電腦大會上「創造」「人工智慧 」一詞。
1956年美國卡內基·梅隆大學展示世界上第一個人工智慧軟體的工作。
1958年約翰·麥卡錫在麻省理工學院發明Lisp語言———一種A．I．語言。
1964年麻省理工學院的丹尼·巴洛向世人展示，電腦能掌握足夠的自然語言從而解決了開發計算機代數詞彙程序的難題。
1965年約瑟夫·魏岑堡建造了ELIZA———一種互動程序，它能以英語與人就任意話題展開對話。
1969年斯坦福大學研製出Shakey————一種集運動、理解和解決問題能力於一身的機器人。
1979年第一台電腦控制的自動行走器「斯坦福車」誕生。
1983年世界第一家批量生產統一規格電腦的公司「思考機器」誕生。
1985年哈羅德·科岑編寫的繪圖軟體Aaron在A．I．大會亮相。
90年代A．I．技術的發展在各個領域均展示長足發展————學習、教學、案件推理、策劃、自然環境認識及方位識別、翻譯，乃至游戲軟體等領域都瞄準了A．I．的研發。
1997年IBM（國際商用機械公司）製造的電腦「深藍」擊敗了國際象棋冠軍加里·卡斯帕羅夫。
90年代末以A．I．技術為基礎的網路信息搜索軟體已是國際互聯網的基本構件。
2000年互動機械寵物面世。麻省理工學院推出了會做數十種面部表情的機器人Kisinel。
現在 流行擋不住
商業上的成功，成為實驗室研究工作的催化劑。A．I．的邊界正一步步向人類智慧逼進。
全球的高科技實驗室不約而同盯上了A．I．大腦，這其中響當當的名字包括卡內基·梅隆大學，IBM和日本的本田汽車公司。
在比利時，Starlab（星實驗室）正開發種能取代真貓大腦工作的人工大腦。據「人工大腦網站」報道，它將擁有約7500個人工腦神經細胞。它將能自如地操控貓咪行走，玩耍毛線球。據估計它將在2002年完成。
軟體在將復雜決策程序化整為零方面取得突破。像外貌識別等看似簡單的人類能力實際涉及廣泛、復雜的認知和判斷步驟。今天的電腦軟體越來越精於模仿人類最精細的思維。而計算機硬體在追趕人腦能力方面亦不遺餘力。
目前世界上最快的超級電腦————位於美國加利福利亞州勞倫斯·立弗摩爾國家實驗室的IBM制「ASCI白色」已經是有人腦0·1％的運算能力。
IBM正在研製的「藍色牛仔」（BlueJean）的每秒運算能力估計將與人腦相當。IBM研發部主管保羅·霍恩說BlueJean將在4年後開始運行。
斯坦福大學A．I．領域的首席專家埃里克·霍維茲及其許多同行相信，A．I．技術迎來突破發展的日子近在眼前，那時，A．I．將細分並派生出跨越出廣泛領域的學科。
未來 聰明過人？
關於A．I．人們最迫切希望知道的問題是，它真能和人一般聰明嗎？許多科學家相信，這只是個時間上的問題。A．I．軟體設計師庫爾茲維爾認為遲至2020年A．I．即可聰明過人。IBM的霍恩估計比較保守，他認為A．I．趕上人還需要40—50年時間。AT＆T的斯通則說他的目標是在2050前組建一隻能挑戰曼聯的A．I．足球隊。他這不是開玩笑。
在許多方面，A．I．大腦比人類更有優勢。人腦的學習吸收新知識的過程非常慢。要說一口流利的英語至少得半年或兩三年時間（吹牛廣告中的例子除外）。而要讓A．I．學會講法語，只需為它裝上一個說法語軟體，數秒之間一個A．I．法語專家便誕生了。
另一個更難解答的問題：A．I．是否能擁有情感。目前沒有人有把握回答這個問題。
於是剩下一個最可怕的問題：A．I．機器人能變得比人類更聰明，並反戈一擊與人類為敵？庫爾茲維爾、技術學家比爾·喬伊認為這並非不可能。霍恩在這個問題上拿不太穩。
霍恩認為雖然電腦的粗略運算能力可超過人類，但它不可能具備人類所有精細的特徵，因為人類對自己的大腦擁有的許多微妙能力並不了解，更無從仿模相應軟體。
庫爾維茲的看法比較樂觀，他認為人類在開發超級A．I．的同時，在對它們的引導和管理方面也將相應提高，因此將永遠走在前面，掌握控制權。
㈢ 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
㈣ 人工智慧產生原因
1941年的一項發明使信息存儲和處理的各個方面都發生了革命.這項同時在美國和德國出現的 發明就是電子計算機.第一台計算機要佔用幾間裝空調的大房間,對程序員來說是場惡夢:僅僅為運行一 個程序就要設置成千的線路.1949年改進後的能存儲程序的計算機使得輸入程序變得簡單些,而且計算機 理論的發展產生了計算機科學,並最終促使了人工智慧的出現.計算機這個用電子方式處理數據的發明, 為人工智慧的可能實現提供了一種媒介.雖然計算機為AI提供了必要的技術基礎,但直到50年代早期人們才注意到人類智能與機器之間 的聯系. Norbert Wiener是最早研究反饋理論的美國人之一.最熟悉的反饋控制的例子是自動調溫器.它 將收集到的房間溫度與希望的溫度比較,並做出反應將加熱器開大或關小,從而控制環境溫度.這項對反饋 迴路的研究重要性在於: Wiener從理論上指出,所有的智能活動都是反饋機制的結果.而反饋機制是有可 能用機器模擬的.這項發現對早期AI的發展影響很大. 1955年末,Newell和Simon做了一個名為"邏輯專家"(Logic Theorist)的程序.這個程序被許多人 認為是第一個AI程序.它將每個問題都表示成一個樹形模型,然後選擇最可能得到正確結論的那一枝來求解 問題."邏輯專家"對公眾和AI研究領域產生的影響使它成為AI發展中一個重要的里程碑.1956年,被認為是 人工智慧之父的John McCarthy組織了一次學會,將許多對機器智能感興趣的專家學者聚集在一起進行了一 個月的討論.他請他們到 Vermont參加 " Dartmouth人工智慧夏季研究會".從那時起,這個領域被命名為 "人工智慧".雖然 Dartmouth學會不是非常成功,但它確實集中了AI的創立者們,並為以後的AI研究奠定了基礎.
㈤ 人工智慧的興起我們需要准備什麼
要說今年最火的，莫過於共享經濟和人工智慧。20年前，一台名叫「深藍」的IBM超級電腦擊敗了國際象棋大師卡斯帕羅夫，奠定了人工智慧發展的基礎。20年後，谷歌Deepmind團隊開發的AlphaGo再一次打敗了人類最強棋手，帶動了人工智慧發展的浪潮。
過去的10年間，移動互聯網和物聯網的出現逐漸改變了人們的生活方式，也積累了大量的數據基礎，這些都成為了發展機器智能的基礎。有人評論說，人工智慧是時代發展的必然產物，之所以在過去的20年沒有火起來，主要是受到半導體、數據積累、以及智能硬體發展的掣肘，如今半導體技術不斷成熟，大數據和雲計算發展完善，智能硬體的發展更加智能，這賦予了人工智慧感覺、感知、神經中樞、智能處理等行為，未來人工智慧的前景將更加廣闊。
7月7日，在2017首屆北大創新論壇的圓桌互動環節，北京大學人工智慧創新中心主任、網路創始七劍客之一雷鳴；上海鴻凱投資公司總經理、復旦大學金融學博士檀江來；上海贏基財富公司董事長王進；廣聯達科技股份公司董事、高級副總裁劉謙就人工智慧的發展來了一場「唇槍舌戰」。
人工智慧時代，我們該憂慮什麼？人工智慧的未來在哪裡？人工智慧將如何影響行業發展？
以下內容根據速記整理：
Q：人工智慧發展這么快，我們該擔心嗎？
檀江來：回顧人類最近100年的工業史，發展速度越來越快，難免讓人有點擔心。如果未來人工智慧快速發展，人類控制不了機器怎麼辦呢？我個人的觀點是，未來3-4年，人工智慧可能不會發展的那麼快。人類對新技術的應用不會像潮水一樣，馬上就影響我們的生活和行業。比如，這兩年投資領域流行一個詞叫智能投顧，又稱機器人投顧，是數字化投顧的一種，具體是指「通過互聯網技術，以投資者的風險偏好和財務狀況為依據，利用大數據和量化模型，為客戶提供基於指數型基金的資產配置方案和財富管理服務，並根據市場情況進行持倉追蹤和動態調整」。中國目前大概有上千個量化交易的團隊，智能投顧主要集中在銀行和證券業，對這些領域的發展有推動作用，未來還有很大的發展空間。
王進：關於人工智慧，發達城市、高等院校研究院所在談論，國外也在談論，甚至在偏遠的西部省區，絕大多數的產業規劃里也都把大數據、人工智慧作為了當地的支柱產業和未來發展方向，可見人工智慧在中國的火熱程度。
不過，對於人工智慧，我有幾個方面的擔憂：
第一，人工智慧到現在都沒有一個總體的規劃和布局，會不會像之前的項目一樣，盲目上馬，最後落得一地雞毛？
第二，人工智慧會以加速度的方式改變人類文明，它帶來的影響比計算機技術還大。80年代初有一部美國電影叫《星球大戰》，當時覺得影片中的很多場景都是幻想，結果都實現了。所以，我的感覺就是，如果這次人工智慧的機會抓不住，以西方為代表的工業社會就會和發展中國家形成一個新的鴻溝。未來發展中國家在新的製造方面就很難形成產業優勢，這是我的第二點擔憂。
第三，剛剛鄂維南院士提到，中國在人工智慧產、學、研上的投入比例非常低。這里有一個數據，不只是人工智慧產業鏈，在技術產業化方面，中國高等院校的比例也只有不到5%。這意味著我們超過90%以上的研究成果是被浪費的。我們一直在模仿西方國家，在資本的推動下、模式的推動下，市場大環境的推動下，實現了快速的發展。但是，模式容易創造，真正的技術進步還是需要沉澱的。
劉謙：其實，人工智慧已經融入我們的日常生活了，比如我們開車使用的導航，就是人工智慧應用的一種。以前，我們開車的時候才用導航，現在，即使去熟悉的地方也會開著導航，因為導航可以智能匹配最優路線，讓我們的出行更方便，更智慧。
《人類簡史》裡面提到了三次革命，最重要的一次是認知革命，即通過數據和科技改變我們的生活。也正是因為認知革命，才會把整個社會從原來的傳統模式帶入一個新的模式。所以，我認為人工智慧一定是未來社會的發展趨勢，而且會給經濟發展和社會形態帶來巨大變化。
與其擔心人工智慧，不如擁抱人工智慧。2015年，AlphaGo剛開發出來的時候只有10到12歲的智商，但是它打破了人機模擬學的模式，通過大數據、雲計算、深度學習，讓人工智慧技術不斷進化。另外，人工智慧不是單一的智能，未來它可以實現萬物互聯。
所以，如果用開放和擁抱的心態看人工智慧，它是行業進步的大方向，但也絕對是一個大挑戰。
雷鳴：從去年3月AlphaGo贏了棋手李世石，人工智慧就開始進入大眾視野並且越來越熱。從技術角度來說，人工智慧有三個基礎組成部分：數據、演算法和預算能力。預算能力隨著GPU的提升發展很快，現在一個GPU伺服器的運算能力是過去的幾百倍，而且還在以一年半到兩年的速度翻番。
另外就是數據，計算機被發明之後，數據的增長速度基本上是一年翻一番。關於深度學習，一開始方法非常差，最近幾年有了質的變化，這就是現在的數據和運算能力深度學習模型，基本上可以接近人腦，或者超過人腦。
在應用方面，人工智慧在各個垂直領域都有一定程度的替代性。各個領域，但凡通過學習和掌握重復提供標准化服務的，人工智慧都可以替代，包括智能投顧、自動駕駛、安保、審計、簡單的法律處理、在線醫療診斷等等。人工智慧一旦找到一個真正的風口，發展速度是非常之快的。
Q2：結合產業，探討一下未來人工智慧的影響和願景？
檀江來：我先談一個例子。前段時間我們去考察科大訊飛的一個項目，是利用人工智慧幫助學校老師改卷子。我們都知道，試卷里客觀題比較好判斷，對比選項就可以，但是主觀題就比較麻煩，需要根據教學大綱里內容分析判斷。但是科大訊飛做到了，並且已經在教育領域裡面耕耘了好多年，很多學校都在用他們的產品，很多學生也在用。大家都知道中國家長最大的投資是小孩的教育。據科大訊飛內部的數據，目前已經有1萬多所學校用了他們的產品，中國最優秀的100所學校有60多所在用他們的產品。這是一個了不起的市場。
希望未來在中國在金融市場上，我們也可以見到的一個比較好的人工智慧標的，供大家參考。
王進：從社會需求來看，人工智慧是一個必然趨勢。我們知道，在北京上海這樣的一線城市，企業最頭痛的一件事就是不斷上漲的人力成本。每個企業都在尋找降低成本的方式，其中一個就是技術進步帶來的勞動生產率的提高，人工智慧恰恰就可以提供這種可能性。
以我大學同學的公司為例，這個公司每年有80%的機器替代人工；還有另一個例子是相機行業，以前大家出門都是背著一個笨重的相機，現在人工智慧也把這個行業給顛覆了。
所以，未來企業家招人的時候可能考慮更多的是需要引進幾個機器人來替代工人。
劉謙：我們企業是專門服務於建設行業的。目前來看，建築行業有很大的轉型空間。
首先是建築數字化，即以後我們交付的除了建築實體，還有數字虛體；第二個數字化是整個建築流程數字化；第三個是參與各方的數字化。這也是人工智慧影響建築行業的基礎。
目前，全國有8000萬的建築從業人員，裡面有5000萬建築工人。這些建築工人在哪兒？在什麼地方工作？每天上下班出勤情況怎麼樣？從業學歷怎麼樣？這些都需要用數字化記錄下來。這是第一個特徵。
第二個特徵是要把建築行業的人與物、物與物在線連接起來。以前都是通過攝像頭來操作，未來我們會把建築實體和建築物提前通過數字模型連接起來，把建築物所有的信息傳到數字虛體裡面，然後再反向影響建築實體，這樣就構成了數字建築。當我們完成數字化和在線化以後，就形成了非常重要的數據基礎，整個建築物也會走向智能化。
未來，人工智慧帶給傳統行業的改變就是萬物互聯，但如果說人工智慧會不會給建築行業帶來一些威脅，我覺得有兩個。一是，如果人工智慧在某些演算法和數據採集上出現問題，可能導致安全事故發生；二是，當我們掌握大數據和人工智慧技術之後，人可能更難控制了，那時候真正的威脅可能是來自於人。
未來，人工智慧發展更多的不是技術本身，更重要的是我們的看法和我們本身。
雷鳴：人工智慧進入每個行業都會衍生出很多的新事物，比如智能預警大樓、智能安防、智能製造，智能物流、智能駕駛等等，未來我們的生活會被數字包圍。
Q3：人工智慧將真正影響世界，這一點是確認無疑的。目前中國在這方面有沒有領先優勢和主動權？大家應該怎麼樣做？
檀江來：毫無疑問，人工智慧已經在影響人類，未來會更加深刻的影響著我們的生產和生活。關於中國在人工智慧領域的優勢，我個人覺得有幾點：
一，相比較美國，中國在人工智慧領域的研究比較靠前，至少在人工智慧的發展中，中國搶了一些先機。美國的優勢在於可以吸引全世界的人才，中國政府如果可以把國內空氣質量改善一下，相信優秀人才也會留在國內。
二，在中國，人工智慧最迫切需要改善的領域可能是醫療。在之前的工業革命中，機器代替人已經很完整了，剩下的空間其實沒有那麼大。反倒是醫療行業，需要人工智慧可能更迫切一些。
王進：我覺得政府在人工智慧發展進程中，腳步走的稍微有點快。我們可以看到，各地政府在實際的生產過程中佔用了大量資源。這種資源往往是不計較投入產出的，還造成了資源浪費。換一種說法就是，我們產、學、研模式沒有理順。實際上，我們可以把中央政府的很多投資放到專業機構中，讓它發揮專業機構的培育和引領作用。
同樣，我們也可以借鑒一些國外的做法，建立一些國家產業基金，重點扶持包括人工智慧在內的重點行業。中國一定要跟世界接軌，吸引全世界最優秀的人才，最創新的想法，來實現人工智慧的產業化、市場化。
劉謙：我們可以看到，在中國有80%的產業數據都集中在政府裡面。如果政府把這些產業數據開放，支持我們國家的創新研究和人工智慧技術研究，將會有一個非常好的促進作用。
另外，對於各個國家而言，人工智慧正處在百花齊放、萬家爭鳴的階段，需要盡管推動國家層面制定人工智慧相關產業的政策和配套制度，這些也將對人工智慧發展起到正向引導作用。
所以，我們要相信政府，相信市場，相信未來。
雷鳴：從國際角度來看，中國在人工智慧的優勢確實不錯。中國有巨大的人才池，華人在人工智慧領域的相應論文數量佔了全球的將近一半。這是中國的第一點優勢。
第二點，中國有非常大的市場優勢。
第三點是說一下醫療領域。中國的醫生數量很多，但是高質量的醫生很少，這是我們的缺陷。但是落後並不見得是壞事，人工智慧時代，中國完全可能在醫療行業實現超越。
㈥ 人工智慧是怎麼起源的
人工智慧（Artificial Intelligence）, 英文縮寫為 AI, 是一門由計算機科學、控制論、資訊理論、語言學、神經生理學、心理學、數學、哲學等多種學科相互滲透而發展起來的綜合性新學科。