马化腾说：人工智能四大发展趋势，未来十年改变世界
马化腾说：人工智能四大发展趋势，未来十年改变世界
在未来10到20年，人工智能将给世界带来颠覆性的变化，一切都将变得聪明。在未来10年，人工智能将无处不在。未来十年改变世界，分析人工智能的四大发展趋势。
61岁的比尔·盖茨在给大学毕业生的信息中称当前时代是“一个非常好的时代”。当他幸运的时候，他有机会参加20岁时改变世界的数字革命，盖茨如果你今天寻找的机会与你在世界上产生同样的影响，那就很坦率了。过去，他首先考虑的是人工智能。
在未来10到20年，人工智能将给世界带来颠覆性的变化，一切都将变得聪明。在未来10年，人工智能将无处不在。
与此同时，担心、的不安甚至可怕的情绪开始在人群中蔓延开来。来自未知的力量使人们焦躁不安，但不知所措。人们不知道人工智能是否是一个充满灾难的潘多拉盒子，或者是通往更多人类先进文明电梯的门户。唯一确定的是盒子已经打开，电梯按钮已被按下，没有人可以阻止它。
当人们按下人工智能的开始按钮时，它永远不会停止。就像高速列车一样，没有人有机会下车，我不知道从哪里乘坐。
当然，人工智能的发展趋势并非没有踪影。在我看来，人工智能将在未来几年呈现以下四个主要发展趋势。
趋势1:人工智能技术进入大规模商业化阶段，人工智能产品全面进入消费市场。 中国通信巨头华为发布了自己的人工智能芯片并将其应用于其智能手机产品。由苹果推出的iPhone X也采用人工智能技术实现面部识别等功能。 三星最新发布的语音助手Bixby已经从软件层升级为语音助手，长时间陷入了“你问我回答”模式。人工智能通过智能手机变得更贴近人们的生活。
在类人机器人市场中，由日本的软银公司开发的人形情感机器人Pepper自2015年6月起每月向普通消费者销售1,000个单位，并且每次都被抢购一空。隐藏在人工智能机器人背后的巨大商机也使国内企业家陷入了热情。国内有100多个人工智能机器人队伍。图灵机器人CEO
俞志晨相信未来几年:“人们会像智能手机一样挑选机器人。”在我看来，价格并不是人工智能机器人打开消费市场难的关键，因为随着行业技术的成熟，降低成本是必然趋势，市场竞争因素将进一步降低人工价格。智能机器人产品。吸引更多开发人员，丰富产品功能和使用场景是打开市场的关键。另一个好消息是人工智能机器人吸引了商业巨头的兴趣。
商业服务领域的全面应用为人工智能的大规模商业化应用开辟了一条新途径。也许人工智能机器人占据了购物中心等公共场所，而不是占据我们的起居室。
趋势2:基于深度学习的人工智能的认知能力将达到人类专家顾问的水平。 人工智能技术在过去几年的快速发展主要归功于三个要素的整合:更强大的神经网络、低成本芯片和大数据。神经网络是人脑的模拟，是深度学习机器的基础。在某一领域的深度学习将使人工智能接近人类专家顾问的水平，并在未来进一步取代人类专家顾问。当然，这种学习过程伴随着大数据的获取和积累。
国内创业团队目前正在将人工智能技术与保险业结合起来，基于保险产品数据库分析和计算知识地图，收集保险语料库，为人工智能问答系统制作数据储备，最后连接用户和保险产品。 。 。对于仍然受销售渠道驱动的中国保险市场来说，这显然是一个颠覆性的消息，这可能意味着销售人员的大规模失业。
关于人工智能的学习能力，凯文·凯利曾经生动地总结道:“人们使用人工智能的人越多，人工智能越多。人工智能越聪明，人们使用的越多。”就像人类专家顾问的水平一样，在很大程度上，根据服务客户的经验，人工智能的经验是数据和处理数据的经验。随着越来越多的人使用人工智能专家顾问，人工智能有望在未来2 - 5年内达到人类专家顾问的水平。
趋势3:人工智能实用主义趋于重要，未来将成为可购买的智能服务。
事实上，当大多数人谈论人工智能时，首先想到的问题是:“它能做什么?”“它可以在哪里使用?”“人类可以解决哪些问题?”在人工智能方面在技术应用方面，中国互联网公司似乎更加务实。专注于人工智能的百度将人工智能技术应用于其所有产品和服务。雄心勃勃的NASA计划阿里巴巴也致力于将技术推向“普惠”。
人工智能与不同行业的结合使其实用主义倾向越来越明显，使人工智能逐渐成为可购买的商品。 吴恩达博士将人工智能与未来的电力进行了比较。 “电力”已成为今天可以按需购买的商品，任何人都可以花钱将电力带回家。你可以用电来看电视，你可以用电来煮、洗衣服，以后你可以用购买的人工智能来创建一个智能家居系统，这也是同样的道理。
凯文·凯利之前做过类似的预判，他说未来我们可能会从亚马逊或中国公司购买智能服务。
毕竟，人工智能是一个务实的事情。越来越多的医疗机构使用人工智能来诊断疾病。越来越多的汽车制造商正在使用人工智能技术来开发无人驾驶汽车。越来越多的普通人正在使用人工智能来做出诸如投资、保险等决策。这意味着人工智能已经走出“体育技术”阶段，未来将真正进入实用阶段。
趋势4:人工智能技术将严重影响劳动密集型产业，改变全球经济生态。 许多科技界一方面受益于人工智能技术，一方面担心人工智能技术的发展受到威胁。包括比尔·盖茨、埃隆·马斯克、蒂芬·霍金和其他人已经警告过人工智能的发展。虽然现在要担心人工智能取代甚至摧毁人类还为时尚早，但毫无疑问，人工智能正在窃取各行各业工人的工作。
可能由人工智能引起的大规模失业是目前最紧迫的问题。 阿里巴巴董事会主席马云在今年的大数据峰会上说:“如果我们继续以前的教学方法，我可以保证我们的孩子30年后找不到工作。” 阿里巴巴在电子商务领域的反对者，京东董事会主席刘强东发誓说:“五年后，交付将是机器人。”未来2 -
5年人工智能引发的大规模失业将首先从劳动密集型产业开始。例如，在制造业中，在主要依赖劳动力的阶段，其商业模式基本上是为了获得劳动力的剩余价值。当技术成本低于雇用劳动力成本时，很明显劳动力将被无情地消除，制造企业的商业模式也将发生变化。例如，在物流行业，大多数企业已经实现了无人机仓库管理和机器人自动分拣货物。然后，无人驾驶运载工具、无人机也可能取代一些物流和配送人员。
就目前的中国情况而言，它正处于从劳动密集型产业向技术密集型产业转型的过程中，不可避免地受到人工智能技术的影响，经济落后的国家和地区具有廉价的劳动力优势。尽管如此，人工智能技术的影响仍然很小。世界经济论坛2016年的调查数据预测，到2020年，机器人技术和人工智能的兴起将导致全球15个主要工业化国家的510万个工作岗位流失，其中大多数是基于低成本的劳动密集型工作岗位。
大数据和人工智能是未来十年的发展趋势，金砖会上已经提出来了，大家自己判断，别被别
大数据和人工智能是未来十年的发展趋势，金砖会上已经提出来了，大家自己判断，别被别人影响了自己的判断。
只有自己有敏锐的洞察力才能在股市立于不败之地，要是大家都觉察到的消息那也就毫无意义。
作者：您目前是匿名发表 | 作者：，欢迎留言
提示：用户在社区发表的所有资料、言论等仅代表个人观点，与本网站立场无关，不对您构成任何投资建议。用户应基于自己的独立判断，自行决定证券投资并承担相应风险。
人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。“人工智能”一词最初是在1956
年Dartmouth学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的，现在计算机不但能完成这种计算,
而且能够比人脑做得更快、更准确，因之当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”, 可见复杂工作的定义是随着时代的发展和技术的进步而变化的, 人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，一方面又转向更有意义、更加困难的目标。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机,
人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科学以外, 人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。
人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或着人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。
关于什么是“智能”，就问题多多了。这涉及到其它诸如意识（consciousness）、自我（self）、思维（mind）（包括无意识的思维（unconscious_mind）等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构***的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。
人工智能目前在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。 机器视觉:指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统等。 人工智能是一门边沿学科，属于自然科学和社会科学的交叉。 哲学和认知科学，数学，心理学，计算机科学，控制论，不定性论
自然语言处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，感知问题，模式识别，逻辑程序设计，软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法 智能控制，机器人学，语言和图像理解，遗传编程 【意识和人工智能的区别】 人工智能就其本质而言，是对人的思维的信息过程的模拟。
对于人的思维模拟可以从两条道路进行，一是结构模拟，仿照人脑的结构机制，制造出“类人脑”的机器；二是功能模拟，暂时撇开人脑的内部结构，而从其功能过程进行模拟。现代电子计算机的产生便是对人脑思维功能的模拟，是对人脑思维的信息过程的模拟。 人工智能不是人的智能，更不会超过人的智能。 “机器思维”同人类思维的本质区别：
1.人工智能纯系无意识的机械的物理的过程，人类智能主要是生理和心理的过程。 2.人工智能没有社会性。 3.人工智能没有人类的意识所特有的能动的创造能力。 4.两者总是人脑的思维在前，电脑的功能在后。 【强人工智能和弱人工智能】 人工智能的一个比较流行的定义，也是该领域较早的定义，是由约翰·麦卡锡（John McCarthy|）在1956年的达特矛斯会议（Dartmouth
Conference）上提出的：人工智能就是要让机器的行为看起来就象是人所表现出的智能行为一样。但是这个定义似乎忽略了强人工智能的可能性（见下）。另一个定义指人工智能是人造机器所表现出来的智能性。总体来讲，目前对人工智能的定义大多可划分为四类，即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动，或制定行动的决策，而不是肢体动作。
强人工智能观点认为有可能制造出真正能推理（Reasoning）和解决问题（Problem_solving）的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。强人工智能可以有两类： 类人的人工智能，即机器的思考和推理就像人的思维一样。 非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。
弱人工智能观点认为不可能制造出能真正地推理（Reasoning）和解决问题（Problem_solving）的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。 主流科研集中在弱人工智能上，并且一般认为这一研究领域已经取得可观的成就。强人工智能的研究则出于停滞不前的状态下。 对强人工智能的哲学争论
“强人工智能”一词最初是约翰·罗杰斯·希尔勒针对计算机和其它信息处理机器创造的，其定义为： “强人工智能观点认为计算机不仅是用来研究人的思维的一种工具；相反，只要运行适当的程序，计算机本身就是有思维的。”（J Searle in Minds Brains and Programs. The Behavioral and Brain Sciences, vol. 3,
1980）这是指使计算机从事智能的活动。在这里智能的涵义是多义的、不确定的，象下面所提到的就是其中的例子。利用计算机解决问题时，必须知道明确的程序。可是，人即使在不清楚程序时，根据发现（heu-
ristic）法而设法巧妙地解决了问题的情况是不少的。如识别书写的文字、图形、声音等，所谓认识模型就是一例。再有，能力因学习而得到的提高和归纳推理、依据类推而进行的推理等，也是其例。此外，解决的程序虽然是清楚的，但是实行起来需要很长时间，对于这样的问题，人能在很短的时间内找出相当好的解决方法，如竞技的比赛等就是其例。还有，计算机在没有给予充分的合乎逻辑的正确信息时，就不能理解它的意义，而人在仅是被给予不充分、不正确的信息的情况下，根据适当的补充信息，也能抓住它的意义。自然语言就是例子。用计算机处理自然语言，称为自然语言处理。
关于强人工智能的争论不同于更广义的一元论和二元论（dualism）的争论。其争论要点是：如果一台机器的唯一工作原理就是对编码数据进行转换，那么这台机器是不是有思维的？希尔勒认为这是不可能的。他举了个中文房间的例子来说明，如果机器仅仅是对数据进行转换，而数据本身是对某些事情的一种编码表现，那么在不理解这一编码和这实际事情之间的对应关系的前提下，机器不可能对其处理的数据有任何理解。基于这一论点，希尔勒认为即使有机器通过了图灵测试，也不一定说明机器就真的像人一样有思维和意识。
也有哲学家持不同的观点。Daniel C. Dennett 在其著作 Consciousness Explained 里认为，人也不过是一台有灵魂的机器而已，为什么我们认为人可以有智能而普通机器就不能呢？他认为像上述的数据转换机器是有可能有思维和意识的。 有的哲学家认为如果弱人工智能是可实现的，那么强人工智能也是可实现的。比如Simon Blackburn在其哲学入门教材 Think
里说道，一个人的看起来是“智能”的行动并不能真正说明这个人就真的是智能的。我永远不可能知道另一个人是否真的像我一样是智能的，还是说她／他仅仅是看起来是智能的。基于这个论点，既然弱人工智能认为可以令机器看起来像是智能的，那就不能完全否定这机器是真的有智能的。Blackburn 认为这是一个主观认定的问题。
需要要指出的是，弱人工智能并非和强人工智能完全对立，也就是说，即使强人工智能是可能的，弱人工智能仍然是有意义的。至少，今日的计算机能做的事，像算术运算等，在百多年前是被认为很需要智能的。 人工智能的传说可以追溯到古埃及，但随着1941年以来电子计算机的发展，技术已最终可以创造出机器智能，“人工智能”(Artificial
Intelligence)一词最初是在1956年Dartmouth学会上提出的，从那以后,研究者们发展了众多理论和原理，人工智能的概念也随之扩展，在它还不长的历史中，人工智能的发展比预想的要慢，但一直在前进，从40年前出现到现在，已经出现了许多AI程序，并且它们也影响到了其它 技术的发展。 1941年的一项发明使信息存储和处理的各个方面都发生了革命.这项同时在美国和德国出现的
发明就是电子计算机.第一台计算机要占用几间装空调的大房间,对程序员来说是场恶梦:仅仅为运行一 个程序就要设置成千的线路.1949年改进后的能存储程序的计算机使得输入程序变得简单些,而且计算机 理论的发展产生了计算机科学,并最终促使了人工智能的出现.计算机这个用电子方式处理数据的发明, 为人工智能的可能实现提供了一种媒介.
虽然计算机为AI提供了必要的技术基础,但直到50年代早期人们才注意到人类智能与机器之间 的联系. Norbert Wiener是最早研究反馈理论的美国人之一.最熟悉的反馈控制的例子是自动调温器.它 将收集到的房间温度与希望的温度比较,并做出反应将加热器开大或关小,从而控制环境温度.这项对反馈 回路的研究重要性在于:
Wiener从理论上指出,所有的智能活动都是反馈机制的结果.而反馈机制是有可 能用机器模拟的.这项发现对早期AI的发展影响很大. 1955年末,Newell和Simon做了一个名为"逻辑专家"(Logic Theorist)的程序.这个程序被许多人 认为是第一个AI程序.它将每个问题都表示成一个树形模型,然后选择最可能得到正确结论的那一枝来求解
问题."逻辑专家"对公众和AI研究领域产生的影响使它成为AI发展中一个重要的里程碑.1956年,被认为是 人工智能之父的John McCarthy组织了一次学会,将许多对机器智能感兴趣的专家学者聚集在一起进行了一 个月的讨论.他请他们到 Vermont参加 " Dartmouth人工智能夏季研究会".从那时起,这个领域被命名为 "人工智能".虽然
Dartmouth学会不是非常成功,但它确实集中了AI的创立者们,并为以后的AI研究奠定了基础. Dartmouth会议后的7年中,AI研究开始快速发展.虽然这个领域还没明确定义,会议中的一些思想 已被重新考虑和使用了. Carnegie Mellon大学和MIT开始组建AI研究中心.研究面临新的挑战: 下一步需
要建立能够更有效解决问题的系统,例如在"逻辑专家"中减少搜索;还有就是建立可以自我学习的系统. 1957年一个新程序,"通用解题机"(GPS)的第一个版本进行了测试.这个程序是由制作"逻辑专家" 的同一个组开发的.GPS扩展了Wiener的反馈原理,可以解决很多常识问题.两年以后,IBM成立了一个AI研 究组.Herbert Gelerneter花3年时间制作了一个解几何定理的程序.
1963年MIT从美国政府得到一笔220万美元的资助,用于研究机器辅助识别.这笔资助来自国防部 高级研究计划署(ARPA),已保证美国在技术进步上领先于苏联.这个计划吸引了来自全世界的计算机科学家, 加快了AI研究的发展步伐. 以后几年出现了大量程序.其中一个著名的叫"SHRDLU"."SHRDLU"是"微型世界"项目的一部分,包括
在微型世界(例如只有有限数量的几何形体)中的研究与编程.在MIT由Marvin Minsky领导的研究人员发现, 面对小规模的对象,计算机程序可以解决空间和逻辑问题.其它如在60年代末出现的"STUDENT"可以解决代数 问题,"SIR"可以理解简单的英语句子.这些程序的结果对处理语言理解和逻辑有所帮助.
70年代另一个进展是专家系统.专家系统可以预测在一定条件下某种解的概率.由于当时计算机已 有巨大容量,专家系统有可能从数据中得出规律.专家系统的市场应用很广.十年间,专家系统被用于股市预 测,帮助医生诊断疾病,以及指示矿工确定矿藏位置等.这一切都因为专家系统存储规律和信息的能力而成为可能. 70年代许多新方法被用于AI开发,著名的如Minsky的构造理论.另外David
Marr提出了机器视觉方 面的新理论,例如,如何通过一副图像的阴影,形状,颜色,边界和纹理等基本信息辨别图像.通过分析这些信 息,可以推断出图像可能是什么.同时期另一项成果是PROLOGE语言,于1972年提出. 80年代期间,AI前进更为迅速,并更多地进入商业领域.1986年,美国AI相关软硬件销售高达4.25亿
美元.专家系统因其效用尤受需求.象数字电气公司这样的公司用XCON专家系统为VAX大型机编程.杜邦,通用 汽车公司和波音公司也大量依赖专家系统.为满足计算机专家的需要,一些生产专家系统辅助制作软件的公 司,如Teknowledge和Intellicorp成立了。为了查找和改正现有专家系统中的错误,又有另外一些专家系统被设计出来. 从实验室到日常生活
人们开始感受到计算机和人工智能技术的影响.计算机技术不再只属于实验室中的一小群研究人员. 个人电脑和众多技术杂志使计算机技术展现在人们面前.有了象美国人工智能协会这样的基金会.因为AI开发 的需要,还出现了一阵研究人员进入私人公司的热潮。150多所像DEC(它雇了700多员工从事AI研究)这样的公司共花了10亿美元在内部的AI开发组上.
其它一些AI领域也在80年代进入市场.其中一项就是机器视觉. Minsky和Marr的成果现在用到了生产线上的相机和计算机中,进行质量控制.尽管还很简陋,这些系统已能够通过黑白区别分辨出物件形状的不同.到1985年美国有一百多个公司生产机器视觉系统,销售额共达8千万美元. 但80年代对AI工业来说也不全是好年景.86-87年对AI系统的需求下降,业界损失了近5亿美元.象
Teknowledge和Intellicorp两家共损失超过6百万美元,大约占利润的三分之一巨大的损失迫使许多研究领 导者削减经费.另一个另人失望的是国防部高级研究计划署支持的所谓"智能卡车".这个项目目的是研制一种能完成许多战地任务的机器人。由于项目缺陷和成功无望,Pentagon停止了项目的经费.
尽管经历了这些受挫的事件,AI仍在慢慢恢复发展.新的技术在日本被开发出来,如在美国首创的模糊逻辑,它可以从不确定的条件作出决策;还有神经网络,被视为实现人工智能的可能途径.总之,80年代AI被引入了市场,并显示出实用价值.可以确信,它将是通向21世纪之匙. 人工智能技术接受检验 在"沙漠风暴"行动中军方的智能设备经受了战争的检验.人工智能技术被用于导弹系统和预警显示以
及其它先进武器.AI技术也进入了家庭.智能电脑的增加吸引了公众兴趣;一些面向苹果机和IBM兼容机的应用 软件例如语音和文字识别已可买到;使用模糊逻辑,AI技术简化了摄像设备.对人工智能相关技术更大的需求促 使新的进步不断出现.人工智能已经并且将继续不可避免地改变我们的生活.
