http://www.almosthuman.cn/2016/02/29/p4lh1/
「機(jī)器人會夢見電子羊嗎？」仍不失為一個好問題（譯者注：《機(jī)器人會夢見電子羊嗎？》（Do Androids Dream of Electric Sheep）為菲利普·迪克所著科幻小說，電影《銀翼殺手》根據(jù)該小說改編而成），但是科學(xué)事實(shí)已經(jīng)發(fā)展到開始與科幻小說相吻合的程度了。不，我們（目前）還沒有造出掙扎于生存危機(jī)的自主機(jī)器人，但是我們距離人們所謂的「人工智能」確實(shí)越來越近了。機(jī)器學(xué)習(xí)是人工智能的一個分支，它的算法能夠從數(shù)據(jù)和信息中進(jìn)行自主學(xué)習(xí)。在機(jī)器學(xué)習(xí)中，計(jì)算機(jī)不需要被精確地編程，卻可以不斷改進(jìn)自身的算法。

如今，機(jī)器學(xué)習(xí)算法讓計(jì)算機(jī)能夠和人類交流、自動駕駛汽車、寫作并發(fā)表體育賽事報道以及搜尋恐怖分子嫌疑人。作者堅(jiān)信機(jī)器學(xué)習(xí)將會深刻地影響絕大多數(shù)的行業(yè)及其就業(yè)情況，因此，每個經(jīng)理人都應(yīng)該對機(jī)器學(xué)習(xí)的概念及發(fā)展有一定程度的了解。這篇文章，作者將快速地回顧歷史，以考察機(jī)器學(xué)習(xí)的源起及其最新突破。

1950——阿蘭·圖靈創(chuàng)造了「圖靈測試」來檢驗(yàn)計(jì)算機(jī)是否具有真正的智能。計(jì)算機(jī)必須在測試中讓一個人類相信它也是人類，才算是通過圖靈測試。

1952——Arthur Samuel寫出了第一個計(jì)算機(jī)學(xué)習(xí)程序，該程序用于國際跳棋比賽。IBM的計(jì)算機(jī)通過不斷對局，學(xué)習(xí)哪些招式有助于贏得對局，并將這些招式納入自己的程序中。

1957——Frank Rosenblatt設(shè)計(jì)出了第一個計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)——感知機(jī)（the perceptron），它模擬了人腦的運(yùn)作方式。

1967——「最近鄰」算法（The nearest neighbor algorithm）出現(xiàn)，由此計(jì)算機(jī)可以進(jìn)行簡單的模式識別。它可以幫助旅行商制定旅游路線圖，，即保證旅行商從任意城市出發(fā)，以最短的總路程遍歷所有城市。

1979——斯坦福大學(xué)的學(xué)生研發(fā)了「斯坦福車」（Standford Cart），它可以自動定位房間中的障礙物。

1981——Gerald Dejong提出了基于解釋的學(xué)習(xí)（Explanation Based Learning，EBL）這一概念——通過分析數(shù)據(jù)并舍棄次要信息，計(jì)算機(jī)能夠創(chuàng)造出一套它可以理解的規(guī)則。

1990年代——機(jī)器學(xué)習(xí)的方法從知識驅(qū)動轉(zhuǎn)為數(shù)據(jù)驅(qū)動。科學(xué)家們開始研發(fā)能夠讓計(jì)算機(jī)通過分析海量數(shù)據(jù)，并從結(jié)果進(jìn)行總結(jié)（「學(xué)習(xí)」）的程序。

1997——IBM的「深藍(lán)」（Deep Blue）打敗了國際象棋的世界冠軍。

2006——Geoffrey Hinton正式提出了「深度學(xué)習(xí)」的概念，它解釋了那些能夠讓計(jì)算機(jī)「看見」并且區(qū)分圖像和視頻中的物體及文字的算法。

2010——微軟的體感設(shè)備Kinect能以每秒30次的速度捕捉人類的20個特征，讓人類得以通過動作和手勢與計(jì)算機(jī)進(jìn)行交流。

2011——IBM的Watson在Jeopardy游戲中擊敗人類對手。

2011——谷歌大腦（Google Brain）項(xiàng)目啟動，它的深層神經(jīng)網(wǎng)絡(luò)可以像貓一樣識別并分類物體。

2012——谷歌的X實(shí)驗(yàn)室研發(fā)了能夠自動瀏覽YouTube視頻并識別出包含貓的部分的機(jī)器學(xué)習(xí)算法。

2014——Facebook研發(fā)了DeepFace，這個軟件算法可以識別或者核實(shí)照片中的人物，它的水平已經(jīng)達(dá)到和人類一致。

2015——亞馬遜發(fā)布了自己的機(jī)器學(xué)習(xí)平臺。

2015——微軟創(chuàng)建了分布式機(jī)器學(xué)習(xí)工具包，它讓機(jī)器學(xué)習(xí)問題能夠在多臺電腦間有效配置。

2015——超過3000名人工智能及機(jī)器人學(xué)研究者，受到史蒂芬·霍金、伊隆·馬斯克及史蒂夫·沃茲尼亞克等許多人物的公開支持，簽署了一份公開信，警告那些能在沒有人類干預(yù)下鎖定目標(biāo)的自動化武器的危害。

2016——谷歌的人工智能算法打敗了圍棋專業(yè)選手。圍棋這一中國的棋盤游戲被認(rèn)為是世界上最復(fù)雜的游戲，比國際象棋難出許多倍。谷歌DeepMind 團(tuán)隊(duì)的AlphaGo算法在5局對弈中均取得勝利。

于是，我們正在向人工智能靠近嗎？一些科學(xué)家認(rèn)為這個問題本身就是錯誤的。他們認(rèn)為計(jì)算機(jī)永遠(yuǎn)不會像人類那樣「思考」，把計(jì)算機(jī)的計(jì)量分析和算法與人腦運(yùn)作機(jī)制進(jìn)行比較就像是拿蘋果和橙子對比。

無論如何，計(jì)算機(jī)進(jìn)行看、理解以及與世界交互的能力正飛速發(fā)展。而且隨著我們所產(chǎn)生的數(shù)據(jù)量以指數(shù)倍增長，我們的計(jì)算機(jī)處理、分析——以及學(xué)習(xí)這些數(shù)據(jù)的能力也隨之突飛猛進(jìn)。

本文選自forbes，作者：Bernard Marr ，機(jī)器之心編譯出品，編譯：張?jiān)姭h
閱讀記錄:read twice