2
| 本文作者： 宗仁 | 2016-03-15 19:30 |
盡管歌德曾滿懷敬意把歷史稱為“上帝的神秘作坊”。但在這作坊里發(fā)生的，卻是太多不可勝數(shù)的被我們熟視無睹和微不足道的小事。在一個民族里，為了產(chǎn)生一個天才，總是需要幾百萬人。一個真正具有世界歷史意義的時刻——一個人類的群星閃耀的時刻出現(xiàn)以前，必然會伴隨著無謂流逝的漫長歲月。不過，誠如在藝術(shù)上一旦出現(xiàn)一個天才就會影響百年的文化史一樣，這種具有世界歷史意義的時刻一旦發(fā)生，就會決定幾十甚至上百年的歷史進(jìn)程。就像避雷針的尖端匯聚了整個大氣層的電流一樣，那些不可勝數(shù)的事件也會擠在這最短的時間內(nèi)發(fā)作。
——斯蒂芬·茨威格《人類群星閃耀時》
人類的“嚇尿周期”正在變得越來越短。
2016年3月15日首爾時間下午6點(diǎn)02分，第180手。黃士杰為AlphaGo落下二路粘。李世石沒有再下下一手，而是拿起兩顆黑子放在了棋盤旁——這在圍棋中代表認(rèn)輸，人機(jī)大戰(zhàn)以AlphaGo 4:1 戰(zhàn)勝李世石告終。從1997年5月11日，“深藍(lán)”戰(zhàn)勝棋王卡斯帕羅夫算起，一共過去了19年10個月4天。
事實上，我們應(yīng)該將3月9日AlphaGo首勝李世石作為一個偉大時代的開端：之所以“嚇尿”，是因為大多數(shù)關(guān)注者對比賽判斷結(jié)果的偏差，我們?nèi)匀话茨柖?8個月倍增的簡單邏輯來推斷，“機(jī)器不可能在復(fù)雜度最高的對弈游戲圍棋上取勝人類”，但當(dāng)出乎意料的結(jié)果真正擺在我們面前，我們都慌了神。
AlphaGo的勝利的意義在于：如果說深藍(lán)的勝利是窮舉法暴力破解的勝利，那么AlphaGo的勝利則有了量變到質(zhì)變的意義。蒙特卡洛樹替代了暴力破解算法，大數(shù)據(jù)和深度學(xué)習(xí)成為AlphaGo取勝的關(guān)鍵，算法對于運(yùn)算能力和人工智能的提升超過了硬件的貢獻(xiàn)，讓我們看到了機(jī)器從“計算”到“思考”的改變。
這樣的跨越來之不易。
在深藍(lán)戰(zhàn)勝卡斯帕羅夫后，IBM再接再厲，推出了包含54億個硅晶體管、4096個內(nèi)核、100萬個神經(jīng)元和2.56億個“突觸”在內(nèi)的“True North”擬人芯片項目，意圖在計算力和海量數(shù)據(jù)的處理上下功夫。從現(xiàn)在看來，IBM除了模擬出了一個“老鼠級別的大腦”之外，并沒有發(fā)揮出更大的作用。
直接導(dǎo)致AlphaGo今天真正的突破出現(xiàn)在2006年，Geoff Hinton教授“A fast learning algorithm for deep belief nets”論文的問世。這篇論文使用復(fù)雜的多非線性模型表示數(shù)據(jù)之間的關(guān)系，將深度學(xué)習(xí)的性能提升到了一個新的臺階。隨后在語音識別、計算機(jī)視覺、機(jī)器人、自然語言處理等領(lǐng)域，深度學(xué)習(xí)也取得了比傳統(tǒng)機(jī)器學(xué)習(xí)更優(yōu)秀的成績。
至此，人工智能領(lǐng)域的“計算重要還是算法重要”的氣劍之爭可以休矣。
在這里，雷鋒網(wǎng)想特別提一下這22個人的名字：
David Silver、Aja Huang、Chris Massison Arthur Guez，Laurent Sifre， George Van Den Driessche、Julian Schrittwieser、Ioannis Antonoglou、Veda Panneershelvam、Yutian Chen、Marc Lanctot、Sander Dieleman、Dominik Grewe、 John Nham、Nal Kalchbrenner、Tim Lillicrap、Lucas Baker、Ilya Sutskever、 Maddy Leach、Koray Kavukcuoglu、Thore Graepel、Demis Hassabis。
與其說是上述22人組成的AlphaGo團(tuán)隊創(chuàng)造了歷史，不如說是歷史選擇了他們作為“人工智能時代已經(jīng)到來”的信使。從上個世紀(jì)50年代，圖靈在論文中首次提出“圖靈測試”和麥卡錫在達(dá)特茅斯學(xué)會上提出“人工智能”一詞算起，在大半個世紀(jì)里，人工智能的進(jìn)展一直非常緩慢，而Hinton教授論文所取得的突破的影響，在很長一段時間里也僅限于學(xué)術(shù)領(lǐng)域而已。
所以，對于“人機(jī)大戰(zhàn)是否是一場成功的PR”的討論，那已經(jīng)不重要了。“人機(jī)大戰(zhàn)”的意義，在于將之前只有少數(shù)從業(yè)者才能清楚認(rèn)識到的“真正具有世界歷史意義的時刻”以一種通俗易懂的方式展現(xiàn)在了所有人面前，讓我們意識到：這是一個人工智能時代群星閃耀的時刻。
“我憂心忡忡地看待未來，但仍滿懷美好的希望?！蓖洝癆I發(fā)展究竟會導(dǎo)致人類永生還是滅絕”的爭論和未來不可知的電閃雷鳴吧，我們所處的就是一個偉大時代的開端，而那些為我們開創(chuàng)這個時代的天才們，值得我們銘記。
人工智能（AI）從它的誕生到今天AlphaGo戰(zhàn)勝人類取得新的突破，已經(jīng)經(jīng)歷兩次低谷期，兩次復(fù)蘇，再到2006年開始，因為一個叫Hinton的老頭提出的深度學(xué)習(xí)概念，引發(fā)了人工智能的再次大爆發(fā)，包括近日AlphaGo的里程碑式勝利，都離不開這項技術(shù)。
雷鋒網(wǎng)覺得有必要整理出一份加入深度學(xué)習(xí)大事的人工智能大事記新名單，而更多對人工智能和深度學(xué)習(xí)領(lǐng)域大牛的介紹文章也將陸續(xù)推出。一來，響應(yīng)人工智能已經(jīng)進(jìn)入“深度學(xué)習(xí)”的新浪潮；二來彌補(bǔ)一下之前的低谷憂傷~
先簡單的看下人工智能的幾個階段
AI的誕生：1956
第一次AI低谷：1974 – 1980，
繁榮：1980 – 1987，
第二次AI低谷：1987 – 1993，
復(fù)蘇：1993 – 2006
深度學(xué)習(xí)異軍突起：2006至今
歷史時刻回顧
1956年，達(dá)特茅斯會議召開，AI的名稱和任務(wù)得以確定，同時出現(xiàn)了最初的成就和最早的一批研究者，因此這一事件被廣泛承認(rèn)為AI誕生的標(biāo)志。
1952年，塞繆爾寫出了第一個計算機(jī)學(xué)習(xí)程序，該程序用于國際跳棋比賽。IBM的計算機(jī)通過不斷對局，學(xué)習(xí)哪些招式有助于贏得對局，并將這些招式納入自己的程序中。
1958年，麥卡錫研制出表處理程序設(shè)計語言LISP，它不僅可以處理數(shù)據(jù)，而且可以方便的處理各種符號，成為了人工智能程序語言的重要里程碑。目前，LISP語言仍然是研究人工智能何開發(fā)智能系統(tǒng)的重要工具。
1968年，斯坦福大學(xué)費(fèi)根鮑姆教授和幾位遺傳學(xué)家及物理學(xué)家合作研制了一個化學(xué)質(zhì)譜分析系統(tǒng)（DENDARL），這是第一個專家系統(tǒng)，標(biāo)志著人工之能從實驗室走了出來，開始進(jìn)入實際應(yīng)用時代。
1979年，斯坦福大學(xué)的學(xué)生研發(fā)了「斯坦福車」（Standford Cart），它可以自動定位房間中的障礙物。
1981年，Gerald Dejong提出了基于解釋的學(xué)習(xí)（Explanation Based Learning，EBL）這一概念——通過分析數(shù)據(jù)并舍棄次要信息，計算機(jī)能夠創(chuàng)造出一套它可以理解的規(guī)則。
1985年，哈羅德·科岑編寫的繪圖軟件Aaron在AI大會亮相。
1990年，機(jī)器學(xué)習(xí)的方法從知識驅(qū)動轉(zhuǎn)為數(shù)據(jù)驅(qū)動。科學(xué)家們開始研發(fā)能夠讓計算機(jī)通過分析海量數(shù)據(jù)，并從結(jié)果進(jìn)行總結(jié)（「學(xué)習(xí)」）的程序。
1997年，IBM的「深藍(lán)」（Deep Blue）打敗了國際象棋的世界冠軍。
-----------------------------------------------此處應(yīng)有分割線，不是嘛？-----------------------------------------------
2006年，Geoffrey Hinton正式提出了「深度學(xué)習(xí)」的概念，它解釋了那些能夠讓計算機(jī)「看見」并且區(qū)分圖像和視頻中的物體及文字的算法。
2010年，深度學(xué)習(xí)開始應(yīng)用到語音識別領(lǐng)域（關(guān)鍵技術(shù)DNN——深度神經(jīng)網(wǎng)絡(luò)）、圖像識別領(lǐng)域（關(guān)鍵技術(shù)CNN——卷積神經(jīng)網(wǎng)絡(luò)）、自然語言處理（NLP）領(lǐng)域、機(jī)器人領(lǐng)域。
2011年，微軟研究院和Google的語音識別研究人員先后采用DNN技術(shù)降低語音識別錯誤率20％~30％，是語音識別領(lǐng)域十多年來最大的突破性進(jìn)展。
2011年，NCAP 研究成員同時也是斯坦福大學(xué)的副教授 Andrew Ng 在 Google 創(chuàng)立并領(lǐng)導(dǎo)了 Google Brain 項目。
2012年，DNN（CNN）技術(shù)在圖像識別領(lǐng)域取得驚人的效果，在ImageNet評測上將錯誤率從26％降低到15％。
2012年，谷歌的X實驗室，Andrew Ng參與開發(fā)了能夠自動瀏覽YouTube視頻并識別出包含貓的部分的機(jī)器學(xué)習(xí)算法。
……（這中間的空檔期，各大公司進(jìn)入人才搶奪期~~~）
2014年，F(xiàn)acebook研發(fā)了DeepFace，這個軟件算法可以識別或者核實照片中的人物，在全球最權(quán)威的人臉識別評測系統(tǒng)LFW中，人臉識別準(zhǔn)確率達(dá)97.25%。
2014年，F(xiàn)ace++在全球最權(quán)威的人臉識別評測系統(tǒng)LFW中，人臉識別準(zhǔn)確率達(dá)97.27%，已經(jīng)略高于Facebook的人臉識別率。
2016年，谷歌的人工智能算法打敗了圍棋專業(yè)選手。圍棋這一中國的棋盤游戲被認(rèn)為是世界上最復(fù)雜的游戲，比國際象棋難出許多倍。谷歌DeepMind 團(tuán)隊的AlphaGo算法在5局對弈中均取得4:1的勝利。
Geoff Hinton，加拿大多倫多大學(xué)，深度學(xué)習(xí)學(xué)派的祖師爺，提出了「深度學(xué)習(xí)」的概念，目前就職于Google。
Yann LeCun， 紐約大學(xué) ，發(fā)表了卷積神經(jīng)網(wǎng)絡(luò)（CNN）的工作，F(xiàn)acebook人工智能研究院主任。
Yoshua Bengio，蒙特利爾大學(xué)，對RNN的一系列推動包括經(jīng)典的neural language model，gradient vanishing 的細(xì)致討論。
Jürgen Schmidhuber，地處歐洲，LSTM的發(fā)明人，目前就職于瑞士人工智能實驗室IDSIA。
2012年，余凱加入百度，之前在NEC實驗室就在做深度學(xué)習(xí)的相關(guān)研究。
2012年6月19日，F(xiàn)acebook收購面部識別技術(shù)公司Face.com。
2013年3月，Google收購了Alex Krizhevsky、Ilya Sutskever 和 Geoff Hinton 剛剛注冊幾個月的公司DDNNresearch。
2013年，百度深度學(xué)習(xí)研究院（IDL）的創(chuàng)建。
2013年10月，田淵棟加入Google無人駕駛汽車 (Google driverless car) 研究組。
2013年12月，F(xiàn)acebook作為回應(yīng)，挖了Yann Lecun，讓他在紐約領(lǐng)導(dǎo)成立了 Facebook AI lab。
2014年1月，Google收購了Deepmind。
2014年5月， Andrew Ng離開Google去了百度。
2015年初，田淵棟離開Google，跳到Facebook的人工智能實驗室（FAIR）。
2015年3月，IBM收購初創(chuàng)公司AlchemyAPI，增強(qiáng)沃森的深度學(xué)習(xí)能力。
運(yùn)氣好的話，這次一周的人機(jī)大戰(zhàn)結(jié)束后，雖然距離強(qiáng)人工智能還有一定距離，迎來新的爆發(fā)潮倒是不容置疑的，這些前所未有的熱情，從歷史的角度講，就是為了彌補(bǔ)之前那些可愛的人們在這個領(lǐng)域遭受的冷落、迷茫和痛苦。
特別是那些所有像Yann LeCun一樣不惜個人榮譽(yù)而為真理而戰(zhàn)的勇士們，都應(yīng)該浮出水面。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
