人工智能的历史

作者在书中非常详细的介绍了人工智能的诞生到今天的发展历程，人工智能相关的历史在网上随便一查都有很多，这里主要对今天人工智能比较核心也是今天大多数人工智能研究最为关注的深度学习(deep learning)做下笔记。

深度学习(deep learning)是指使用多层简单的、可调整的计算单元的机器学习。早在20世纪70年代，研究人员就对这类网络进行了实验，并在20世纪90年代以卷积神经网络(convolutional neural network)(LeCun et al., 1995)的形式在手写数字识别方面取得了一定的成功。然而，直到2011年，深度学习方法才真正开始流行起来，首先是在语音识别领域，然后是在视觉物体识别领域。 在2012年的ImageNet竞赛中，需要将图像分类为1000个类别之一（犰狳、书架、开瓶器等）。多伦多大学杰弗里·辛顿团队开发的深度学习系统(Krizhevsky et al., 2013)比以前基于手工特征的系统有了显著改进。从那时起，深度学习系统在某些视觉任务上的表现超过了人类，但在其他一些任务上还显落后。在语音识别、机器翻译、医疗诊断和博弈方面也有类似的进展。AlphaGo(Silver et al., 2016, 2017, 2018)之所以能够战胜人类顶尖的围棋棋手，是因为它使用了深度网络来表示评价函数。 这些非凡的成功使学生、公司、投资者、政府、媒体和公众对人工智能的兴趣重新高涨。似乎每周都有新的人工智能应用接近或超过人类表现的消息，通常伴随着加速成功或人工智能新寒冬的猜测。 深度学习在很大程度上依赖于强大的硬件，一个标准的计算机CPU每秒可以进行109或1010次运算。运行在特定硬件（例如GPU、TPU或FPGA）上的深度学习算法，每秒可能进行1014～1017次运算，主要是高度并行化的矩阵和向量运算。当然，深度学习还依赖于大量训练数据的可用性，以及一些算法技巧。

#人工智能 #《人工智能：现代方法（第4版）》