社 社会在大步向前发展，人工智能日新月异。茶余饭后，人们会一起讨论人工智能相关的问题，毕竟，人工智能早已进入了人们的生活，与我们密切相关。不过，到底要怎么去定义人工智能，这似乎是一个很难的问题。 事实证明，人们已经在人工智能领域尝试了很长时间，也做了很多的事情，不过目前还尚不清楚超级计算机还能做些什么事情。本文是我们机器人2025对2016年国内外人工智能行业的回顾，文章选取了15个较为重大的人工智能事件，虽然并不能解决几十年来困扰科学家、心理学家和哲学家们的人工智能问题，但却是人工智能技术发展历程上不可磨灭的印记。 1、人工智能先驱Marvin Minsky去世 Marvin Minsky，二十一世纪人工智能和计算机行业最重要的人物之一，于2016年1月24日去世，享年88岁。Marvin Minsky老先生是计算机科学和认知科学的先驱，是定义了计算和计算研究的最早那批人之一。在微处理器和超级计算机出现前，他就为人工智能打下了基础，他证明了将常识推理传授给计算机是可能的。老先生非常谦逊，1981年，他告诉The New Yorker，我也不记得我做过什么值得纪念的事情了。 主要成就： 提出关于思维的基本理论 二次世界大战以前，图灵正是在这里开始研究机器是否可以思考这个问题的，明斯基也在这里开始研究同一问题。1951年他提出了关于思维如何萌发并形成的一些基本理论，并建造了一台学习机，名为Snare。Snare是世界上第一个神经网络模拟器，其目的是学习如何穿过迷宫，其组成中包括40个'代理'(agent，国内资料也有把它译为'主体'、'智能体'的)和一个对成功给予奖励的系统。 组织发起人工智能会 他与麦卡锡、香农等人一起发起并组织了成为人工智能起点的'达特茅斯会议'，在这个具有历史意义的会议上，明斯基的Snare，麦卡锡的α-β搜索法，以及西蒙和纽厄尔的'逻辑理论家'(10sicTheorist)是会议的三个亮点。 在人工智能方面的贡献 明斯基在人工智能方面的贡献是多方面的。1975年他首创框架理论(frame theory)。框架理论的核心是以框架这种形式来表示知识。(由于篇幅的限制，大家可以百度框架理论额) 开发世界最早的机器人 明斯基还把人工智能技术和机器人技术结合起来，开发出了世界上最早的能够模拟人活动的机器人Robot C，使机器人技术跃上了一个新台阶。明斯基的另一个大举措是创建了著名的'思维机公司'(Thinking Machines，Inc.)，开发具有智能的计算机。 2、谷歌Alphago击败世界冠军李世石 AlphaGo是由谷歌（Google）旗下的子公司DeepMind公司开发出来一款围棋人工智能程序。其主要工作原理是“深度学习”。2016年3月9号，这个程序与围棋世界冠军、职业九段选手李世石进行人机大战，并以4:1的总比分获胜。 不少职业围棋手认为，阿尔法围棋的棋力已经达到甚至超过围棋职业九段水平，在世界职业围棋排名中，其等级分曾经超过排名人类第一的棋手柯洁。 小编认为，谷歌Alphago击败世界冠军李世石，或多或少都引发了人工智能恐慌论。 3、NVIDIA 首款深度学习与人工智能专用超级计算机问世 NVIDIA创立于1993年1月，是一家以设计智核芯片组为主的半导体公司。在今年之前，NVIDIA就已经推出了一些专为深度学习应用而设的 GPU，所以它接下来开发超级计算机也是顺理成章的事情。今年4月，英伟达宣布其开发出了一台专门用于满足人工智能研究人员需求的超级计算机—— DGX-1。 根据NVIDIA官方的介绍，DGX-1的规格如下： 半精度 (FP16) 峰值性能最高可达 170 Teraflops； 8 个 Tesla P100 GPU 加速器，每颗 GPU 16GB 内存； NVLink Hybrid Cube Mesh (NVLink 混合立方网格)； 7TB 固态硬盘 DL 高速缓存； 双万兆以太网，四路 InfiniBand 100Gb 网络连接； 功耗：3U 3200W。 因为NVIDIA将这些硬件设计在了一个机箱内，所以DGX-1被称为单机箱深度学习超级计算机。英伟达CEO黄仁勋曾表示，3000人花费3年时间才研发出来这样一款DGX-1，深度学习超级计算机研发的难度之大可见一斑。 4、3D打印技术再现荷兰最伟大画家伦勃朗作品 2016年6月，一幅伦勃朗?哈尔曼松?凡?莱因绘画作品在阿姆斯特丹展出，不过它并非出自这位17世纪的画家之手，而是由一支团队利用 3D打印技术创作。团队成员既有数据分析师又有开发者和艺术历史学家。这幅叫做“下一个伦勃朗(The Next Rembrandt)”的作品由阿姆斯特丹广告商J Walter Thompson为它的客户--荷兰商业银行打造，整个项目总共耗费了18个月的时间完成。 为了能够准确复制出伦勃朗的绘画风格和笔触，团队开发出了一套独有的软件和面部识别算法，然后对伦勃朗知名的346幅作品展开数字分析，随后将这些数据输送到 3D打印机 中进行打印。据了解，“下一个伦勃朗”总共用了13层UV油墨层。最后，在微软的协助下，作品实现了1.48亿像素的高清效果。 5、XPRIZE携手IBM Watson设立AI 2020竞赛 2016年8月，XPRIZE宣布他们将和IBM Watson组织一项新的挑战赛，让人们更加务实地思考人工智能对于人类未来的影响。XPRIZE建于20年前，旨在促进有可能使人类受益的重大突破。该非营利性组织曾因为亚轨道飞行技术组织Ansari XPRIZE大奖最终促成2004年SpaceShipOne飞行成功而闻名。 挑战赛开始不久，1000多人注册组成团队并提出面向各种社会问题的计划，其中包括健康，气候，交通，太空旅行，机器人，城市规划，外科手术，教育甚至还有公民权等。该竞赛是开放式比赛，参赛团队需要思考2020年他们将面临的评价标准。 这次竞赛的激动人心之处在于其跨学科性质。有的成员可能擅长机器学习等传统技术，有的则可能有认知科学，数学，语言学甚至设计学的专业知识。 该竞赛将于2017年3月正式开始并提供大量的签到奖励和阶段性奖励，2020年将于TED进行最终展示。因为该竞赛将于接下来几年持续进行，最后完成的项目将使用当今不存在的科技。据了解，获得AI大奖的团队将获得IBM提供的300万美金，第二三名分获1百万和 50万美金。 6、谷歌 WaveNet可以合成更逼真的人声 目前常见的电脑合成人声，大致上可以分成两种：一种是利用一个庞大的样本资料库来做组合，另一种是用小的样本资料（各别的音节），但透过电子的方式去修改它的音调和语速。第一种听起来会比较自然，但需要大量的时间和精力来准备资料库，而且也很占空间；第二种则是虽然比较不占空间，但用合成的去修改音调，听起来还是比较不自然。 2016年9月9日，Google 的 DeepMind 人工智慧团队（就是开发了 AlphaGo 的那个）利用了神经元网络，开发了第三种方式 -- 也就是直接拆解出声源样本，产生出一个更深层的语言「习惯」资料，之后再从这些习惯直接建构出音讯档来。取决于喂给 WaveNet AI 的资料，它甚至可以模拟出嘴型动作和换气的细微声音，在音调和语速上也更有个人风格。而且 WaveNet 的应用并不止于人声而已，研究人员喂给它古典乐做为参考，它也能组合出相当有模有样的古典乐出来。 7、谷歌开源 TensorFlow 图说生成模型，可真正理解图像 9月22号，谷歌宣布开源图说生成系统 Show and Tell 最新版在 TensorFlow 上的模型。该系统采用编码器-解码器神经网络架构，分类准确率达 93.9%，在遇到全新的场景时能够生成准确的新图说。谷歌表示，这说明该系统能够真正理解图像。这次发布的版本对系统计算机视觉组件的一些重大技术提升，训练速度更快、生成的图说也更加准确、丰富。 2014 年，谷歌大脑团队的研究员训练了一个机器学习系统，自动生成能够准确描述图像的图说。这一系统的发展使其在 MS COCO 2015 图说生成竞赛中夺得第一。 【图12】 系统在遇到相似的场景时，会重复使用之前人类为相似场景添加的描述 想了解更多细节，可以参见 Oriol Vinyals 等人写的论文 “Show and Tell: Lessons learned from the 2015 MSCOCO Image Captioning Challenge”。 8、Facebook、Amazon、谷歌、IBM和微软结成史上最大AI联盟 9月28号，Facebook、Amazon、谷歌Alphabet、IBM和微软自发聚集在一起，宣布缔结新的人工智能(AI)伙伴关系，旨在进行研究和推广最佳做法。 这意味着高科技公司将经常聚在一起讨论人工智能的进展情况。他们还将正式建立一种体制，实现公司间的沟通。值得注意的是，在日常工作中，这些团队将不断竞争，利用机器智能开发出最好的产品和服务。放心，新的AI联盟不会推翻每家公司已有的各项成果，而是将提供了一个论坛，分享宝贵的意见。 9、机器学习也要反歧视？谷歌提出机会均等框架 随着机器学习技术的快速发展，人们对理解其社会影响的兴趣也越来越大。机器学习中一个尤其成功的分支是监督学习（supervised learning）。只要有足够的历史数据和计算资源，学习算法通常都能得出有效得让人惊讶的未来事件预测器。即使最好的预测器也会犯错。尽管机器学习的目标是最小化错误的可能性，但我们可以如何防止特定的群体经受不成比例的这类错误？ 10月7号，为了解决机器学习中的反歧视问题，谷歌提出机会均等框架。 相关资料： 论文：机器学习中机会均等 Equality of Opportunity in Supervised Learning http://research.google.com/bigpicture/attacking-discrimination-in-ml/ 10、Facebook推出AI和机器学习战略 Facebook其实有两副面孔：一个是数亿网民分享政治观点和晒娃的社交网络；一个是建造巨型太阳能激光无人机、人造大脑和虚拟自拍杆的未来工厂。它连接了世界四分之一人口，在公司的所有产品中，人工智能所拥有的大规模数据分析能力足以满足它的需求。 Facebook 首席技术官 Mike Schroepfer 在11月份的 Web 峰会上，Facebook 首席技术官 Mike Schroepfer 阐述了人工智能和机器学习将在公司今后改善全球连通性、技术可及性和人机交互能力方面将发挥的重要作用。并再次表示，未来十年Facebook的发展愿景是“连接全世界”，而具体创新点则落实到“连接”、人工智能（AI）和虚拟现实（VR）三个领域上。 11、17岁少年开发应用程式 帮助视障碍者阅读 长期以来，目标识别都是一个难题，诸如Facebook和谷歌这样的公司在准确率上也难获得突破。 2016年11月17号，安大略省多伦多一个17岁中学生，成功开发应用程式iDentifi，程式可安装于智能手机或平板电脑，协助视障人士认清事物甚至阅读文字，至今有多达数千人下载程式，用家遍布全球60个国家，而且费用全免，不会加重视障人士负担。 相关资料：http://www.lahoo.ca/article-97094-1.html 12、高科技航空器公司Airspace Systems新系统可捕获高速无人机 将人工智能技术应用于计算机视觉领域，可以取得更好的效果。2016年11月18日，高科技航空器公司Airspace Systems发布的Interceptor无人机系统可以识别并捕获天空中高速飞行的无人机。公司采用了创新方法来对其无人机进行机器学习，主要通过3D飞行模拟帮助其捕获系统在现场测试前获取更多经验。 13、谷歌人工智能翻译工具获新突破 2016年11月22日，谷歌发布了人工智能翻译工具。此前其可以把英文日文，英文韩文进行互译，但现在机器可以在前两对翻译训练的基础上， “无师自通”地把日文直接翻译成韩文，整个过程不再借助英文的“桥接”。 这或许意味着计算机自己内部形成了一套更深层次的概念体系，其更像是一个哲学的进步。 14、OpenAI发布人工智能训练平台Universe 2016年12月5日，特斯拉首席执行官伊隆马斯克(Elon Musk)创办的人工智能非营利性组织OpenAI发布了一款名为“Universe”的虚拟训练平台，以加快人工智能技术的发展。具体来说，开发人员可以将视频游戏、应用程序等内容放在这个平台上，对人工智能进行训练。 15、斯坦福400名机器学习领域研究生于今年毕业 诚然，处理器性能和云计算的进步推动了人工智能的发展，但其核心依旧是机器学习。今年以来，机器学习的热度达到了前所未有的高点。2016年12月30日 ，斯坦福大学表示学校培养的逾400名相关领域研究生于今年顺利毕业，一个伟大的人工智能时代即将在他们，在我们面前展开。 机器人爱好者11群：
联系客服
