《AI·未来》第三节

20世纪50年代，明斯基、麦卡锡、西蒙等先驱立志在机器上搭建人类智能。

20世纪50年代，明斯基、麦卡锡、西蒙等先驱立志在机器上搭建人类智能。作者1979年入哥伦比亚大学、后赴卡内基·梅隆读博，当时AI已分化为两派：规则式（专家系统）把人类专家的知识写成“若X则Y”的逻辑规则，适用于简单明确的问题，选项一多就失效；神经网络则模仿人脑结构，不设规则，靠大量样本让机器自行学习规律，人的干预越少越好。

50至60年代神经网络成果乐观，1969年遭规则式阵营还击后失势，AI在70年代陷入寒冬。作者1986年用隐马尔可夫模型建成首套连续大词汇语音识别系统Sphinx，登上《纽约时报》，却未能扭转神经网络的边缘地位，90年代AI再入寒冬。神经网络复兴依赖三要素：互联网带来海量数据、运算力变得强大便宜（手机算力远超登月计算机），以及深度学习的突破——辛顿找到训练多层神经元的方法，其团队2012年赢得国际计算机视觉竞赛，使深度学习重回焦点，并首次把AI真正用于现实：语音与图像识别、翻译、预测、自动驾驶等。

深度学习靠大量数据训练系统发现数据与结果的关联，需相关数据、强算法、细化领域和明确目标四者齐备，属“狭义人工智能”，远未达到通用AI。金融风控、自动驾驶是其天然应用。谷歌2013年收购辛顿的公司、2014年以5亿多美元买下DeepMind开发出AlphaGo。深度学习革命几乎全部诞生于美加英，中国直到2016年才普遍察觉，落后多年，西方分析普遍认为中国只能充当模仿者。作者认为这一判断错误：真正的变化是从发明的年代转向实干的年代、从专家的年代转向数据的年代，西方点燃火炬，最大受益者将是中国。