数字人民币 “双离线”钱包已经完全开发完毕

自20世纪60年代以来，人类科技已经取得了重大进步，但人工智能的发展并没有达到顶峰。相反，就像阿波罗宇宙飞船一样，这些和研究人员的独特技术问题相关的概念一直被隐藏在幕后。

虽然没有明确向公众、研究展示，但系统建设在文档检索、文本处理、垃圾邮件检测、推荐系统、自定义搜索、社会网络分析、准备、诊断和A/ B测试领域取得了巨大成功。这些创新也推动了一些公司的发展，如Google、Netflix、Facebook和亚马逊。

人们将这些统称为AI，优化和统计研究人员一夜之间被贴上“人工智能研究人员”的标签，令人惊讶。但除此之外更严重的问题在于，使用这个模棱两可的特殊字母缩写，会妨碍人们对其涉及的知识和商业问题更为清晰的认知。
 

科学家预测，新的商业模式会持续发展。“数据科学”这一术语开始用于指代这一现象，表明机器学习算法方面的专家需要与数据库和分布式系统专家协作，以创建可伸缩、稳定的机器学习系统，用以表示生成的系统更广泛的社会和环境影响范围。

回顾历史，“人工智能”一词在20世纪50年代末被创造出来，指的是一种在软件和硬件上实现具有人类智能水平物体的强烈愿景。虽然已经有了相关的学术领域，如运能分析、统计、模式识别、信息论和控制理论，这些往往受到人类智能的影响，人工智能其实是一项学术事业。

这些领域的灵感来自于一种能力，例如，一只松鼠能够感知它所生活的森林的三维结构，并能在树枝间跳跃。“人工智能”旨在专注于——人类高级的“推理”和“思考”或“认知”能力。

然而，60年后，高层次的推理和思考仍然难以捉摸。现今在工程领域中被称为“人工智能”的技术主要着眼于低级模式的识别和调节运动，和统计领域——在集中识别数据和趋势后做出有根据的预测、测试假设和决定。

事实上，David Rumelhart在20世纪80年代初重新发现的流行“反向传播”算法（现在被认为是所谓的“人工智能革命”的基石），最早出现在20世纪50-60年代的控制理论领域。它的早期用途之一是在阿波罗飞船飞向月球时改进其推力。
 

就像早期的建筑和桥梁经常以意想不到的方式倒塌并带来毁灭性的后果一样，早期的许多社会推理和决策过程中也存在严重的概念缺陷。遗憾的是,我们并不擅长预测下一个致命错误的出现，我们真正失去的是工程学科及其理论和设计概念。

通常，公共话语情景下，人们常使用人工智能AI作为分析通配符，而这使得他们很难思考新兴技术的本质和含义。下文中，笔者将更仔细地研究“AI的过去和近况”。

当今被称为“人工智能”的事物，在过去几十年一直被称为“机器学习”。机器学习属于算法领域，包含了来自统计学、计算机科学和许多其他学科的思想，以开发处理数据、预测和支持决策制定的算法。

机器学习对世界的影响由来已久。早在上世纪90年代初，机器学习就已经很明显地发展成为具有巨大工业意义的产品。而在世纪之交，机器学习开始被具有前瞻性的公司所利用。

在整个公司（如亚马逊）内部，机器学习已经被应用于解决欺诈检测和供应链预测等关键任务的后端问题，并开发面向消费者的突破性服务，如推荐系统。在接下来的20年里，随着数据集和计算资源的快速增长，很快机器学习将不仅控制亚马逊，而且将几乎控制任何决策可以与大规模信息相关联的组织。
 

一旦这些目标最终达成，人类与AI的关系，无疑会上升到一个全新的维度，类似电影《她》(Her)中所描写的场景一般。它不仅能够提供明确的服务和解决方案，也能提供情感的慰藉和乐趣。

届时，我们和人工智能的对话可能变成这样：X猫精灵，给我放一首王菲的《南海姑娘》——收到，听完之后要不要听下邓丽君的原唱?——好吧，把这两首都添加到我的个人歌单里——收到，已经添加——哎呀，今天的天气很晴朗，对面山上的树木都看得很清楚——是，希望你今天上班的心情和天气一样好，顺便说一句，对面山上有39684棵树，希望这个数据能够帮到你——真不赖，那你觉得我有多少个脑细胞?——2个?哈哈哈，这是个玩笑…………

参考文献

（编辑：南通站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!