人工智能即将腾飞 麻省理工科技评论(一)
4月，麻省理工科技评论独家推出关于人工智能的专题报告，名为《AI即将腾飞》。首先，须定义究竟什么是人工智能？在如今这个百家争鸣的社会，大家都有一套自己对人工智能的定义。在这里，我们将抛砖引玉，介绍一下自己的见解。
人工智能，就像字面的含义一样，它是模拟人类思考元素的集大成者，学习能力和推理能力是其核心内容。举个简单的例子，“机器学习（MachineLearning）”就是人工智能领域里很有前途的课题，其主要内容是利用大数据训练程序，让它们找到一些可遵循的规律，并且让程序本身大胆的预测结果。
谷歌搜索引擎的算法正利用机器学习提升自己的搜索能力。值得一提的是，机器学习还能应用在语音识别和图像识别中，而且自动驾驶技术现在也开始使用机器学习理论来构建主程序了。加入了新的元素之后，机器学习理论现在最新的发展方向是一种叫做“深度学习（DeepLearning）”的理论。
深度学习主要模拟了人脑对新事物的反应、例如学习行为，它粗略地构建了人脑中神经以及神经突触的层级关系。深度学习是人工智能领域十分火热的研究方向，它已经被广泛应用于协助机器执行任务，甚至是使人工智能呈现类似直觉的行为。
值得一提的是，借助深度学习，有时候机器的执行力甚至比人类更加好。而且深度学习的兼容性也十分好，很容易加入人工智能的其他元素，使呈现的结果锦上添花。
讲完对人工智能最基本的定义，我们有必要通过下面的图表来回顾人工智能的发展历史，包括其中的大事件。
人工智能发展史
经过一个世纪的浮沉，人工智能越来越智能了。
1914
一切的一切就要从世界上最早的电脑游戏说起，那是由西班牙发明家伦纳德·托里斯·克维多（LeonardoTorresyQuevedo）发明的游戏“ElAjedrecista（西班牙语，意思为棋手）”。这样的一款游戏有自己的机械架构，能下国际象棋的程序嵌入了机械架构之中。
1943
神经学家沃伦·麦卡洛克（WarrenMcCulloch）以及逻辑学家瓦特·匹兹（WalterPitts）发明了能进行逻辑演算的“逻辑单元”，它们能有序连接在一起，就像一个真正的大脑一样。
1950
人工智能研究真正意义上的目标被确立。阿兰·图灵（AlanTuring）在自己的论文中提出设想“机器真的能思考么？”，并提出大胆预测：到2000年，电脑的思考能力已经能超过时下30%的人类了。
1956
约翰·麦卡锡（JohnMcCarthy），马文·明斯基（MarvinMinsky）以及克劳德·香农（ClaudeShannon）在达特茅斯举办了一次夏季研讨会，会上汇总并整理了信息学、人工神经网络以及数理逻辑的先进理论，并且最早提出了“人工智能（ArtificialIntelligence）”这一名词。
深度思考当人工智能邂逅百度
人工智能/人类协作人机合作才是正道
工具智能语音领域值得关注创业公司专家问答人工智能的颠覆时刻研究丰田的新型独角兽：如同登月般来改变世界技术人工智能之弊：偏见的数据将成为人工智能发展的重大瓶颈？工作人工智能人才炙手可热
工业界的最炫人工智能风
工业界已经对人工智能蠢蠢欲动了，那么这项科技的未来到底如何呢？
先进的机器学习理念，以及数据存储处理成本的下降，使得2015年成为人工智能的腾飞之年。
作为美国联合服务协会（USAA）的数据科学部部长罗伯特·韦尔伯恩（RobertWelborn）认为，2015年是机器学习商业化进程快速发展的一年。时下存储市场的大范围降价，以及存储设备制造成本的降低是机器学习领域腾飞的关键。而当大数据遇上机器学习，一个计算机科学家朝思暮想了数十载的科技也变得触手可及——深度学习。
保险业、金融业、制造业、石油和天然气行业、汽车制造业以及医疗保健行业，这些也许不是你一想到人工智能就能想到的行业。然而继谷歌、百度以及一系列网络公司设立人工智能实验室之后，工业界也刮起了最炫的人工智能风潮。
那么我们不禁要发问：人工智能商业化之后的发展会如何？人工智能会给工业界带来怎样的改变。这将是本次商业报告的“大问题”——主要关注点。
虽然人工智能前途无限，但是现在工业界使用的人工智能软件还只能算是它的九牛一毛。国际数据公司IDC研发部的主任，戴夫·舒布梅尔（DaveSchubmehl）统计并计算了去年各大公司所有认知软件平台的销售情况，除了谷歌和Facebook这种自己自主研发的公司，其他公司的销售总额已经超过了10亿美金。
由此他也大胆预测，到2020年这个数字将超过100亿美金。除了行业内一些大企业，比如IBM以及大数据公司PalantirTechnologies，人工智能的市场还由很多初创公司组成。至今为止，由彭博（Bloomberg）公司提供的数据显示，已经有超过2600个人工智能的初创公司成立了。
这么看起来，人工智能的市场还是欣欣向荣的，但从技术层面上来说人工智能中许多的方向——例如模式识别（patternrecognition）、自然语言处理（naturallanguageprocessing）、图像识别（imagerecognition）以及假设生成（hypothesisgeneration）——还有很长一段路要走。
先让我们看看人工智能的成功应用。USAA作为最早一批应用人工智能的公司，已经尝试用不同的方式，应用人工智能来完善公司推出的盗窃识别系统。韦尔伯恩介绍说：“该系统的核心就是寻找并匹配客户的典型习惯，如不匹配则判定该操作为异常，即使是在初次操作的时候。我们系统具有学习能力，而且很擅长识别看起来怪异的行为。”识别初次遇到的犯罪行为毫无疑问是这个系统的一大亮点，因为传统的系统往往只能在第二次遭遇犯罪行为时才能识别。
USAA利用人工智能的成功案例还包括，他们利用人工智能来提高客户服务。该系统中引入的人工智能由刚刚被Intel收购的Saffron开发完成，系统主要模拟了人脑思维的跳跃性。具体地说，研发人员在系统中加入了7000种不同的元素之后，人工智能便能识别并匹配广大用户的行为。
令人惊讶的是，88%的情况下该系统做出的预测均是正确的，例如预测用户会用什么方式联系USAA，（通过网站？电话？还是电子邮件？）或者是预测用户的需求。而没有人工智能的老系统只能蒙对50%。有着这样骄人的成绩，该系统的应用也正在拓宽。
再说说其他的公司：美国通用电气公司（GeneralElectric）。他们应用人工智能来提高其高精尖飞机引擎的售后服务。该系统集成了一种叫做计算机视觉的人工智能系统（最初由通用电气旗下的NBC环球影视公司开发，主要用来对电影以及电视剧进行分类操作）。
另外，借助计算机辅助设计（CAD）画图以及摄像头和红外探测器的数据采集，通用电气公司利用这样的系统进行检测飞机引擎风扇的裂缝以及其他问题。
该检测系统已经成功投入使用，并且比质检员的效率还高，例如它没有周一和周五的“消极怠工”。但是系统本身还并不完善，还是需要专人来确认它检测的问题。“如此一来一回，检测系统便能识别检测的模式。”通用电气的软件研发部副部长科林·巴里（ColinParris）如是说。
除了以上的应用，人工智能还能用作新产品和新服务的“推手”。像安德玛（UnderArmour）这样的运动品牌大公司，正在开始尝试使用人工智能拉近与客户之间的关系。这是一家有超过1亿6千万客户的公司，旗下设计并产出了很多运动装备，以及像“MyFitnessPal”这种提供运动健身信息的手机应用。
安德玛公司决意拓展自己的业务，并不局限于只帮用户记录健身信息。他们已经和IBM的认知计算系统公司Watson达成战略性合作关系，他们将把安德玛公司提供的健身信息和第三方收集的睡眠、活动、健身以及营养信息加入人工智能系统。最终的目标是提供个人健身或者健康的指导，最终能为超过1亿6千万用户提供更有意义的数据支持与服务。
看着USAA和安德玛公司对人工智能的应用，我们仿佛能看到人工智能的未来，与其说像电影中的那种拟人化机器人，不如说是能与时俱进的趁手工具。尽管人工智能会使很多工人失去工作，但是人的判断与反馈对人工智能，比如机器学习系统，还是不可或缺的。
在此次的人工智能商业报告中还有一篇提到人对于人工智能的重要性，欢迎大家继续阅读，那是罗伯特D·霍夫（RobertD.Hof）撰写的文章。文中提到的谷歌公司工业部副部长约翰·詹南德雷亚（JohnGiannandrea）在接受罗伯特·霍夫采访时曾说过：“就算你有一台高大上的车子，它还是需要你给它指示目的地在哪。”
对话谷歌大脑负责人：大众的机器学习
“机器学习最近的飞跃是在此研究领域之外的成功应用。”谷歌大脑（Google Brainresearchgroup）的负责人杰夫·迪恩如是说。
首先我们先介绍一下本篇问答的主人公杰夫·迪恩（JeffDean）。众所周知，谷歌拥有超强的计算能力，而这很大程度上都要感谢杰夫·迪恩的奉献。是他最早参与设计并组建了公司的网络搜索引擎以及广告系统。但是，他的成名之作是发明了一种名叫“MapReduce”的编程模型，它与大数据系统兼容并产生了席卷计算产业的改变。
现在，迪恩正致力于从最深处革新谷歌的技术，甚至整个世界。
他加入并领导了谷歌大脑研究团队，该团队目标是研发更先进的机器学习系统。那是能让软件自动学习怎样执行任务的艺术，它省去了常规冗长的编程过程。谷歌大脑开发的程序现在被谷歌内部的600多个团队使用，通常集成于普通用户没见过的内部系统。但就在去年，谷歌大脑设计并发布了谷歌搜索引擎的重要升级、Gmail垃圾邮件过滤以及全新的谷歌翻译系统。
其实机器学习与谷歌渊源颇深，谷歌的工程师很早就用机器学习“训练”软件，让它们能协助用户搜索信息并呈现相关网站，又或者有选择有指向性地向用户展示广告，以及根据用户的口味向用户推荐YouTube视频。谷歌也是众多继开发模拟神经系统数据传输软件后，在深度学习领域加大投入并取得突破性进展的公司之一。
迪恩就此也大胆断言：“在不久的将来，机器学习就能走进其他领域了。”迪恩也接受了麻省工科技评论记者汤姆·西蒙尼特的采访，会谈举行于谷歌山景城分部。以下是迪恩答记者问的主要内容。
机器学习是如何改变了谷歌内部团队处理新问题，和设计新产品的方法呢？
首先说，这个改变是巨大的。在过去的五年内，机器学习有了长足的发展，它拓宽了人们对于计算机能力的认识，特别是计算机视觉技术以及计算机语音识别的能力。这样的发展自然能带来新的产品以及新方法，例如谷歌图片搜索引擎以及Gmail的智能回复功能。当然谷歌所能想到的远远不止这些。回想五年前的计算机，有些事情还不能借助它们完成，而现在它们甚至能做更多的事情。这也自然地拓宽了我们对计算机能力的认识。
您曾经是TensorFlow的核心团队成员，你们开发的软件帮助了谷歌机器学习的发展，也给了Gmail智能回复邮件的功能。而如今TensorFlow走向了开源的道路，这是为什么呢？
我们提供开源免费的软件，旨在用统一的方式来表达机器学习的想法，这样会使得机器学习研究领域的交流变得方便。机器学习的发展前景是十分好的，我们现在都能在学校里、公司里甚至政府里见到它的身影了。
工业界日后会依赖于机器学习么？
迪恩：首先世界上还有很多产业都能采集数据，而并没有应用机器学习。不过我觉得最终这些产业都会陆陆续续开始使用机器学习的。例如交通，最近很火的自动驾驶，就十分依赖于机器学习。甚至医疗卫生产业也即将出现很多很有意思的机器学习应用，例如门诊结果的生成，又例如对X光结果的病症判断和预测。我不会觉得只有一个产业将会受到机器学习的影响，我觉得会有很多。
机器学习将会成为计算应用科学的基础科学么？
当然，我觉得是。现在很多大学的计算机科学学系中，都会设有机器学习方向。培养的理念就是希望学生能有对机器学习有一定的基本认识，并利用机器学习完成一些项目。
当人工智能邂逅百度
去年11月份，我到访了中国最大的互联网公司百度，一位百度人工智能的开发者向我做了展示，图片中的我竟然长出了狗鼻子、毛茸茸的耳朵还有一个粉红的大舌头。
这是百度去年在万圣节退出的一个叫“FaceYou”的手机应用。你能在你的大头照上加入很多元素，例如各种鬼怪的特效以及动物的五官。FaceYou加入了一项名为深度学习的人工智能，它能识别人脸及其特征，并以此自动添加特效。
深度学习在百度的应用并不局限于像FaceYou一样的娱乐软件。相反，它能优化一些已经存在的产品，并且协助工程师开发新产品。
百度正在用深度学习开发新应用，例如训练机器和人对话。这其实也标志着深度学习的时代已经到来，正如纽约大学教授燕乐存（YannLeCun）所说：“机器学习正在向深度学习过渡。而这个过渡的进程也在逐渐加快，因为深度学习在模式识别以及预测分析中已经展现出了强大的能力。”他是深度学习发展史上举足轻重的一位名人，现担任Facebook人工智能实验室的主任。
深度学习是机器学习领域内高效率的典型，它将大量的数据导入到计算机程序中。深度学习将数据源源不断地输入到一个类似神经网络的系统中，让系统能从输入中识别一些抽象的模式。经过这样“训练”后，系统就能识别例如图片中的物体，或者辨识新邮件是否是垃圾邮件。
深度学习的开发和使用，必将帮助百度巩固其作为中国创新型本土产业巨头的地位。全中国有超过5亿3千6百万的搜索用户，其中有92%的用户使用百度来搜索。而且这个数字还在持续增长。而就在去年，百度搜索还开设了很多新的板块，例如能检索音乐、声音的全新的百度音乐、以及涉足金融产业的百度财富。
那么深度学习是怎样走进百度的呢？
我们不得不提到一个人：百度首席科学家吴恩达，他是斯坦福大学的副教授，也是当今机器学习炙手可热的大师。他将深度学习带到了百度，并说：“利用人工智能，百度正在将自己的技术领域变得更加与时俱进以及更具有竞争力。”
并且他补充道：“深度学习的应用天天都在增长。”百度深度学习实验室与百度在硅谷设立的人工智能实验室（SiliconValleyAILab）联系十分紧密，经常协同作业。该实验室成立于2013年，设立的初衷是为了吸引人工智能领域新潮的研究和项目。
如吴教授所述，百度深度学习实验室最初设立的项目便是深度学习的实验平台“Paddle”，其他部门的工程师也能使用。而该实验室的员工也会被派驻到其他部门研究学习。深度学习实验室的成果是显著的，例如他们成功地提高了百度杀毒软件的过滤能力，并成功预测公司超大服务器的硬件故障。
文章开头提到的，向我介绍“FaceYou”手机应用的员工叫顾嘉唯，是一名年轻的研究员。他说起这个手机应用，觉得其背后的技术能够让百度开立研究新方向——虚拟现实，例如利用此项技术将实物带入虚拟的环境中.