简介：许多朋友问有关人工智能的两个繁荣的问题。首席执行官在本文中注明将为您提供详细的答案，以供所有人参考。我希望这对每个人都会有所帮助！让我们一起看看！
1.自1956年夏天在Datmouth会议上，人工智能行业经历了三波浪潮。在第一波中，人们大声疾呼“人工智能即将到来”，“超过十年的机器将超越人类”，并连续地发明了证明数学定理的第一个感官神经网络软件。
2.第二次提议Hopfield神经网络和BT培训算法在1980年代，语音识别，语音翻译计划等以及日本提出的第五代计算机。人类的日常生活，前两波终于恢复了沉默。
3.今天的第三波人工智能浪潮的兴起是由于深度学习技术的突破。该技术是一种“深”结构，需要大型神经网络，每一层都可以解决机器学习的不同方面。其特征是需要依靠硬件代码和预定的规则，但要依靠模拟人脑的神经网络系统来从病例和经验中获取算法。
4.“人工智能的不同技术处于不同的阶段。在其中，语音识别处于促销和受欢迎程度。三到五年后，计算机的语言识别能力将超过人类。在10年内，视觉图像，视觉图像认可也将非常好。在无人驾驶汽车领域，一些类似于分析过去的人工智能功能。人工智能有限的记忆是在实验室研究阶段。意识到人工智能，我们还有很长的距离。”
5.神经网络，深度学习和其他技术体系结构长期以来已经多年了。由于数据，硬件和算法的变化，他们之所以在近5到10年中飞跃。
6.根据IDC数字领域的数据，到2020年，年度数据量将达到44ZB（1ZB 1万亿g），并且年度复合增长率将在5年内达到141％。随着数据的增加，神经网络的数量将增加将更有效，可以通过机器语言解决的问题数量也在增加。
7.硬件容量的改善提高了神经网络结果的速度和准确性。根据数据中心体系结构的传统CPU不同，GPU和并行体系结构的使用可以更快地训练机器学习系统。通过使用图像芯片，网络可以更快地迭代以确保训练的准确性；硅FPGA可以使深度学习系统更快地推断；超级计算机的计算能力可以帮助探索深度学习的进一步可能性。
8.在更丰富的数据量和更好的硬件功能的前提下，当今的开发是更多的算法，例如伯克利的Caffe，Google的Tensorflow和Torch。
9.尽管技术取得了巨大进步，但作为驱动力的人工智能技术在分类，聚类和预测阶段中更加停止，例如：图像，文本，语音识别，比较以找到相似的项目预测基于跨性别的数据。但是，普遍人工智能（或强大的人工智能）可以完全复制人类独立学习和决策能力 - 制定能力，只保留在理论上的想象中。
10.它的瓶颈更反映在计算能力不足。在目前，与整个大脑模拟相似的技术已被用来实现通用人工智能的目标，但是所需的计算能力远远超过了当前的技术能力。随着量子计算机的突破，预计瓶颈将中断。中国科学院于5月3日宣布，中国科学家成功地构建了世界上第一个超过早期经典计算机的世界光学量子计算机，并实现了十个测试超导量子叮咬，打破了美国的先前记录。Quantum Computing使用干燥量子相重叠的原理。它具有超快速的并行计算和原则上的模拟功能。它可以为经典计算机无法解决的大规模计算问题提供有效的解决方案。通过电子控制的光量子线构建多光子“玻色子采样”任务的光学量子量子计算原型。
11.但是，在人工智能中广泛使用光量子计算机的应用还有很长的路要走。
在观看了两本最畅销的赫拉利书籍，尤其是“未来历史”之后，我越来越相信人工智能将为我们带来未来的革命性变化。未来有点简单。毕竟，作者是一位历史学家，对人工智能的了解有限。因此，我找到了一本书，可以让我进一步了解人工智能，即由李·凯夫（Li Kaifu）先生和老师王（Wang）撰写的“人工智能”公司Yonggang。
这本书主要介绍人工智能的定义和范围，人工智能的发展过程，人工智能的应用情景，人工智能与人类之间的关系以及人类带来的转变，企业家创新的机会人工智能，以及人工智能教育和个人成长时代的人工智能时代。老师凯吉的技术，研究人工智能多年，以及它建立的创新研讨会也在积极部署人工智能。他为我们带来了许多新的理解和对人工智能的新看法，并根据他自己的研究，对未来人工智能的发展发表了看法。它适合像我这样的流行人工智能知识。
什么是人工智能？我必须承认我对这本书的理解是非常方面的。我曾经认为人工智能是技术理论和硬件的结合。当涉及人工智能时，它必须具有硬件，即可见和触摸。实际上，否则，人工智能技术已应用于我们的生活，尤其是移动互联网级别。例如，Siri是智能会话的应用，Meitu Xiuxiu是人工智能在图像理解层面上的应用。Google翻译是自然语言的人工智能，用自然语言的翻译术语术语，TAOBAO的个性化建议也是人工智能在现实中的应用。当然，仍然有自动驾驶。
那么人工智能到底是什么？人工智能的解释和定义仅反映了人们在人工智能研究的技术方向上的变化。
第一个定义是相当主观的，人工智能是一种使人们感到不可思议的计算机程序。第二个定义认为人工智能是类似于人类思维的计算机程序。这是一个直觉的想法。实际上，这条路并不是很普遍，因为人类思维方法就像是如何研究该路径的人工智能？第三个定义被认为是类似于人类行为的计算机程序。这是一个实用的见解，即，无论实施方法如何，只要功能性能与在类似环境中的人的行为相似。第四个定义是可以学习的计算机程序。这几乎等同于人工智能和机器学习实际上反映了技术趋势，即深度学习。第五定义是指根据对环境的感知来做出合理行动并获得最大收入的计算机程序。这个定义相对全面且平衡。
近年来，人工智能繁荣尚未出现。实际上，历史上有三个人工智能繁荣。它每次都对应于国际象棋游戏，从西方国际象棋到国际象棋，再到棋子。这三个繁荣是许多科学研究人员在不同技术方向上进行的探索和研究。这些探索已积累了足够的技术资源，用于当前的人工智能研究。
第三个人工智能繁荣是由深度学习引起的。实际上，深度学习技术不是出生于空中，而是长期以来一直处于与之相关的人工神经网络技术的休眠状态。这只是计算机性能的改善和互联网的受欢迎程度。
李·凯福（Li Kaifu）老师将这种人工智能繁荣称为AI复兴。最大的功能是，人工智能已进入该行业的真实应用程序，例如语音识别，机器视觉和数据挖掘。
随着Alpha Go几乎对人类的粉碎，人们开始对人工智能和人类之间的关系充满重视，因为人工智能的发展速度超出了许多人的期望。Scientists将人工智能分为三个层次，即弱弱人工智能，强大的人工智能和超级人工智能。卫生人工智能是指关注并只能解决特定领域的问题的人工智能。显然，Alpha Go处于这个级别。实际上，当前的人工智能算法和应用处于此级别。Strong人工智能是指可以胜任所有人类作品的人工智能。Super人工智能是指比世界上最聪明，最聪明的人工智能最聪明，最有才华的人工智能最有才华的人类。当然，人们不知道存在什么样的人工智能。毕竟，没有人知道只有最高水平的人才才能执行什么样的能力。
近年来，存在“奇怪的要点接近”的论点。确实，一些科学家和行业人士（例如霍金和马斯克）对人工智能表示关注，但李·凯福（Li Kaifu）老师并不是这样。他认为人类离威胁很远。打破。
但是我们绝对不能意识到人工智能不仅是一场技术革命。将来，它将与重大的社会经济变化，教育变化，意识形态的变化和文化变化同步。人工智能可能成为下一次工业革命的核心驱动力，或者可能成为一个新的开始，巨大的变化，巨大的变化，人类社会的伟大整合和伟大的发展。
正如赫拉利（Herraley）的研究现在正在寻找历史的法律时，李·凯福（Li Kaifu）老师还探索了人工智能对人类智能的影响，从工业革命带来的文艺复兴和工业革命中，他将这个时代称为人类历史上的第二次文艺复兴。
这将为我们的社会带来巨大变化。要点之一是失业。5第二，这项工作很可能被人工智能取代。但他还提到AI只是人类工具，人类工作的相当一部分可能会被转变而不是完全替换。
作者还提出了当前几个人工智能的流行应用领域。最大的应用程序场景是自动驾驶。最有希望的着陆区是财务。还有一些机器翻译和智能的超市，从人们中受益。从而成为医生的好助手。值得称赞的是，在艺术领域，人工智能取得了很小的进步。
那么，人类如何面对人工智能？作者呼吁人类摆脱人类历史积累的“阶级金字塔”模型，并以开放的态度和创造性地欢迎与人工智能和人类合作的新世界。
当然，人工智能时代也充满了创新和企业家精神的机会。就像40年前的个人计算机时代一样，20年前是互联网的时代，十年前是移动互联网的时代。然后，下一次是人工智能时代。各种国家已将人工智能推广到国家战略，而主要的技术巨头也将AI提高到了首选的战略水平，在这一初创企业中出现。情报确实来了。
人工智能企业家精神仍应在商业化层面上考虑。王华（Wang Hua）是创新研讨会的合作伙伴，他认为人工智能的商业化大致分为三个阶段。第一阶段是AI是AI首次应用于高度高度的人。在线行业，并在数据细分和媒体方面实现自动化，即具有高质量在线大数据的行业将进入人工智能时代，例如财务，例如财务；第二阶段是感知技术，传感器和机器人技术的发展，AI将扩展到现实世界，工业机器人，仓库机器人等将在此阶段实现大量普及；第三阶段是AI的时代扩展到个人场景，以及全面的自动化时代。
在AI时代，企业家企业家精神将有所不同。李·凯福（Li Kaifu）老师认为，人工智能企业家需要五个基石。首先，该领域的边界是因为这种类型的问题是对以深度学习为代表的人工智能算法的最佳解决方案。第三，在这项深入学习中，可以对1000万个级别的数据量进行足够的培训。第四是超大的计算能力，或者满足深度学习的培训；第五是AI的顶级科学家。这可能是最困难的。目前的人才非常稀缺。
同时，人工智能行业的发展也面临六个主要挑战，这些挑战正在削减边缘科学研究和工业实践，尚未紧密相关。人才差距很大，人才结构是不平衡的。数据岛和分散化的问题很明显；工具和服务尚未成熟；在某些领域的高级发展和盲目投资存在问题；企业家精神很困难。
最后，作者探讨了人工智能时代的教育和个人发展。实际上，总结是两个主要问题。我们应该如何学习，应该学到什么？
就如何学习而言，作者通过密涅瓦大学和Tsinghua University的“ YAO禁令”的例子给出了答案，该大学将积极挑战极限；从实践中学习；注意灵感教育，培养创造力，创造力，创造力和创造力独立解决问题的能力；交互式在线学习变得越来越重要；积极向机械学习；学习人 - 人的合作，也学习人 - 机器协作；学会遵循兴趣。
在我应该学的内容中，作者的思想是：在人工智能时代，仅记忆和实践可以掌握的技能将是只能通过记忆和实践来掌握的最有价值的技能。反映人们的全面质量，例如，人们的综合系统的全面分析和决策能力以及对艺术和文化的美学能力和创造性思维。他的情感（爱，仇恨，热情，冷漠等）与他人互动的能力……这些是人工智能时代最有价值，最有价值的培训和学习技能。
作者终于谈到了教育，这正是我从事的行业。作者提出了关于未来教育系统的理想外观。
坦率地说，很难仅仅意识到这个梦想，而且互联网上的教育变化也非常有限。结合强大的人工智能技术，也许是虚拟现实技术，最终将实现这个梦想。
在AI时代，人们的存在是不可避免的。在《未来的简短历史》中，作者埃拉里（Herrari）进行了很多讨论。在本书中，作者还表达了自己的看法：AI在这里，思想的生活并不是可悲的，因为我们的所有尊严都在于想法。
总体而言，这本书对于普及人工智能知识非常有价值，还可以激发读者对未来与机器之间关系的思考。我们必须准备好欢迎这个新时代的到来，而不是盲目恐惧和拒绝。
人工智能发展的第一波浪潮从1956年到1970年代初期。在此期间开发的诸如专家系统之类的官方智能系统只能由于计算机处理性能的限制，只能处理一定数量的规则，并且只能在特定字段和环境。
尽管人们对人工智能的期望充满了期望，但他们也对缺乏实际系统感到失望。因此，该国和企业在人工智能中的预算越来越少。这个时期是1970年代后期称为人工智能发展的“第一槽”。
但是，在进入1980年代后，人工智能迅速迎来了新的繁荣。
这种发展繁荣的主角是在第一次开发繁荣时期出生的专家系统。
人工智能的发展已经引入了第二次繁荣，最大的原因之一是计算机性能的极大改善。在1980年代，基于复杂规则的专家系统也可以在计算机上运行。结果，商业用途专家系统逐渐实现。
随着专家系统的繁荣，制定专家系统规则的工程师也被称为“知识工程师”，他们已经成为热门职业一段时间，就像今天一样，数据科学家非常受欢迎，并受到追捧人。
知识工程师的主要任务是聆听用户的业务内容，并从中绘制明显的规则和隐藏规则，然后进行分类。
当时，科学家开发了各种专家系统。大多数最初的特殊专家系统都使用LISP编程。通过技术的创新，通用引擎部分仍使用LISP编程，规则是知识工程师使用外部数据来编程。此外，使用LISP编程引擎零件，使用C语言进行编程的开发研究也已经开始。
专家系统的编程从专用的LISP语言转变为普通的C语言。该系统也已成为普通程序员编写的一般系统，其新含义逐渐稀释。
结果，专家系统也从人工智能计划变为决定性理论的一般计划。随着这种变化，专家系统的效果变得非常清晰，但其开发瓶颈已经开始出现。
人工神经网络的发展
在人工智能的第二次兴起中，人造神经网络也发生了很大变化。在第一个开发繁荣，Marvin Minski等方面指出，仍然有许多问题无法通过简单的人工神经网络解决，以解决这些问题。这个主要问题，多层次的人工神经网络已经开始引起关注。但是，如何实现多层次人工神经网络的自我学习，没有固定的模型。
后来，该算法被称为反向传播，突破了这种骑行的连续性。反向通信是人工神经网络的自我学习算法。基于该算法，多层人工神经网络的机器学习已实现固定的形式。该算法是在输入层和输出层之间设置的，以通过反向传播实现机器的自我实现。
基于反向通信的形式，固定模型逐渐形成，人工神经网络的发展也进入了一个繁荣的时期。线性封底问题的问题也开始解决，人工智能也取得了进一步的发展。
在人工智能的第二次繁荣期间，作者很幸运能够参与LISP特殊机器作为人工智能机器的研究和开发。LISPSpeecial Machine，这是一台名为“ AI Workstation”的新计算机。争先恐后地开发各种人工智能的机器，并形成了一段时间。
在人工智能的诞生开始时，价格约为1000万日元，价格迅速下降，这使得人工智能的机器在一定程度上普及了。您可以在人工智能专用机器上直接编写专家系统。您还可以首先编写一般专家系统，然后将各种规则编译到系统中。
结论：以上是首席CTO注释给所有人提出的人工智能的两个繁荣的所有内容。我希望这对每个人都会有所帮助。如果您仍然想了解有关此信息的更多信息，请记住收集并关注此网站。