人工智能和機(jī)器學(xué)習(xí)概念目前在各種場(chǎng)合被頻頻提到，移動(dòng)互聯(lián)網(wǎng)時(shí)代后的未來(lái)被預(yù)測(cè)為人工智能時(shí)代，那么人工智能的前世今生是怎樣的，到底會(huì)給我們的未來(lái)帶來(lái)什么呢？為了弄清這個(gè)問(wèn)題，我們可以簡(jiǎn)單回顧一下人工智能的發(fā)展歷史。

其實(shí)，人工智能可以追溯到很久以前的年代。在圖靈的時(shí)代，科學(xué)家就試圖通過(guò)模擬人的意識(shí)和思維來(lái)處理人類(lèi)才能完成的復(fù)雜任務(wù)，并提出圖靈測(cè)試檢測(cè)機(jī)器是否具有真正的“智慧”。隨著計(jì)算機(jī)被發(fā)明，信息存儲(chǔ)和處理問(wèn)題被解決，人工智能有了落地的可能。1956年在達(dá)特茅斯會(huì)議上，人工智能的概念被明斯基明確提出，使用的正是由神經(jīng)學(xué)家提出的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)模型，并在此次完善了匹配的編程語(yǔ)言，將實(shí)現(xiàn)推向更具有現(xiàn)實(shí)意義的發(fā)展方向。

神經(jīng)網(wǎng)絡(luò)本質(zhì)是神經(jīng)元之間的作用與反饋，是人類(lèi)思維的基礎(chǔ)，模擬大腦是長(zhǎng)時(shí)間以來(lái)人工智能的主要思路。兩年后，計(jì)算機(jī)科學(xué)家羅森布拉特提出感知機(jī)的概念，即兩層神經(jīng)元組成的最簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)，并用來(lái)進(jìn)行數(shù)據(jù)二分類(lèi)。科學(xué)界迎來(lái)了人工智能的第一縷曙光，更多人開(kāi)始關(guān)注并投身于此。然而人工智能并沒(méi)有變得大熱，明斯基在1969年在其著作中證明感知器只能處理線性分類(lèi)問(wèn)題，連簡(jiǎn)單的異或問(wèn)題都無(wú)法正確分類(lèi)。這個(gè)問(wèn)題因而成為那一代人工智能領(lǐng)域?qū)W者繞不開(kāi)的噩夢(mèng)。人工智能學(xué)科隨后一度作為最冷門(mén)的學(xué)科陷入了長(zhǎng)達(dá)20年的停滯。

直到1969年，杰弗里·辛頓提出反向傳播算法，打破了人工智能萬(wàn)古長(zhǎng)夜的局面。該方法有效解決了非線性分類(lèi)問(wèn)題的局限性，并廣泛用于多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中，由此帶來(lái)了深度學(xué)習(xí)的熱潮。為了得到高精度的結(jié)果，網(wǎng)絡(luò)結(jié)構(gòu)不斷加深，隨著層數(shù)加深，深層結(jié)構(gòu)會(huì)逐漸喪失對(duì)于前層的有效學(xué)習(xí)，反向傳播算法中的梯度消失問(wèn)題變得不可忽視。不少人開(kāi)始轉(zhuǎn)向淺層的機(jī)器學(xué)習(xí)方法來(lái)解決實(shí)際問(wèn)題。直到2006年，杰弗里·辛頓提出了梯度消失的解決方案，才重啟了深度學(xué)習(xí)的熱潮。同時(shí)這股熱潮開(kāi)始從學(xué)術(shù)界席卷工業(yè)界，越來(lái)越多的公司和機(jī)構(gòu)開(kāi)始將其應(yīng)用到語(yǔ)音識(shí)別和圖像分類(lèi)等領(lǐng)域。正是在這些領(lǐng)域，深度學(xué)習(xí)方法開(kāi)始展現(xiàn)出顯著優(yōu)于傳統(tǒng)淺層機(jī)器學(xué)習(xí)方法的優(yōu)勢(shì)。2012年之后，各種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和調(diào)優(yōu)方法的提出使深度學(xué)習(xí)性能得到了大幅提升，但即使算法和算力不斷加強(qiáng)，深度學(xué)習(xí)動(dòng)輒幾十個(gè)小時(shí)的訓(xùn)練和海量的訓(xùn)練數(shù)據(jù)要求還是把很多人拒之門(mén)外。

為了解決向訓(xùn)練數(shù)據(jù)少的領(lǐng)域遷移問(wèn)題，遷移學(xué)習(xí)應(yīng)運(yùn)而生，它解決了將原領(lǐng)域?qū)W習(xí)到的東西遷移到目標(biāo)領(lǐng)域的問(wèn)題，并有效利用已經(jīng)習(xí)得的模型參數(shù)，大大縮短了模型訓(xùn)練時(shí)間，被認(rèn)為是人工智能算法的未來(lái)。

人工智能學(xué)科經(jīng)過(guò)長(zhǎng)期沉淀和發(fā)展，相關(guān)的算法已經(jīng)具備了解決各種復(fù)雜問(wèn)題的能力，以最低的成本使用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)解決各個(gè)細(xì)分領(lǐng)域的問(wèn)題成了人工智能爆發(fā)期的關(guān)鍵。人工智能給人類(lèi)帶來(lái)的深刻變革是接下來(lái)時(shí)間里大概率發(fā)生的事。正如互聯(lián)網(wǎng)+的模式改變了我們衣食住行的各個(gè)方面，未來(lái)AI+的模式一定也會(huì)以同樣的方式席卷各個(gè)行業(yè)的細(xì)分領(lǐng)域，車(chē)聯(lián)網(wǎng)、家電領(lǐng)域、醫(yī)療、農(nóng)業(yè)、制造業(yè)等行業(yè)都需要更加精準(zhǔn)的模式幫助人類(lèi)處理復(fù)雜任務(wù)。

華為機(jī)器學(xué)習(xí)服務(wù)基于這樣的理念推出自定義模型服務(wù)，它采用遷移學(xué)習(xí)的方法幫助開(kāi)發(fā)者輕松定義自己的模型，只需要準(zhǔn)備少量領(lǐng)域數(shù)據(jù)，就可以獲取領(lǐng)域模型，大大降低了深度學(xué)習(xí)的門(mén)檻。相信未來(lái)，人工智能不再僅僅作為少數(shù)人的工具，而是可以應(yīng)用于各行各業(yè)，給人類(lèi)社會(huì)的方方面面帶來(lái)更加智能、更加個(gè)性化的體驗(yàn)。
責(zé)任編輯：YYX