人工智能的发展阶段及最新进展
摘要：人工智能自从1955年出现以来，在人工智能理论和技术创新方面得到了不断的发展，自然而然地渗透到了多种应用领域内，这些应用领域包括图像处理，机器学习，语音识别等。人工智能的基础理论科学包括计算机科学、生物学、逻辑学、哲学及心理学等众多学科。本文从人工智能的发展阶段和最新进展进行讨论。
关键词：人工智能；图像处理；机器学习；语音识别；
0引言
人工智能 (Aritificial Intelligence, 英文缩写为AI) 是一门综合了计算机科学、控制论、信息论、神经生理学、心理学、语言学、哲学等多种学科互相渗透而发展起来的的一门交叉学科,是二十一世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。
人工智能在社会发展中扮演着不可或缺的角色。人工智能在提升劳动效率、减低劳动成本、优化人力资源结构及创造新的工作岗位需求方面带来了革命性的成果。人工智能的出现为疲软的全球经济提供了新的动力, 提升了全球GDP的增长速度。
1人工智能的发展阶段
人工智能从诞生至今已有近70年的历史，其发展大致可分为以下几个阶段。
1.1 初始阶段 (1967年之前)
人工智能雏形的出现是在1955年, 在一次“学习机器讨论会”上, 著名的科学家艾伦•纽厄尔和奥利弗•塞弗里奇分别提出了下棋与计算机模式识别的研究。在次年的达特茅斯会议上, 提出了“人工智能”一词, 并讨论确定了人工智能最初的发展路线与发展目标。1956年, Newell和Simon等人在定理证明工作中首先取得突破, 开启了以计算机程序来模拟人类思维的道路;1960年, Mc Carthy建立了人工智能程序设计语言LISP。一系列的成功使人工智能科学家们认为可以研究和总结人类思维的普遍规律并用计算机模拟它的实现, 乐观的预计可以创造一个万能的逻辑推理体系。
1.2波折阶段（1967年至70年代初期）
20世纪70年代中叶符号学派走向低谷, 以仿生学为基础的研究学派逐渐火热。神经网络由于BP算法的广泛应用获得了高速发展。在大环境下, 专家系统的大量使用使工业界节约了大量成本, 提升了产业效益。例如价值上亿的矿藏由PROSPECTOR专家系统成功地分析得出。在此之后, 人们开始尝试研究具有通用性的人工智能程序, 却遇到了严重的阻碍，陷入停滞。
例如1965年发明的消解法 (归结原理) 曾给人们带来了希望, 可很快就发现了消解法的能力也有限, 证明“连续函数之和仍连续”是微积分中的简单事实, 可是用消解法 (归结法) 来证明时, 推了十万步尚无结果。这一切都说明:由于50年代的盲目乐观和期望值过高, 没有充分估计困难, 没有抓到科学本质。因此, 60年代中期至70年代初期AI受到了各种责难, 陷入停滞。
1.3快速发展阶段（70年代至今）
1977年第五届国际人工智能联合会会议上, Feigenbaum教授在一篇题为“人工智能的艺术:知识工程课题及实例研究”的特约文章中系统地阐述了专家系统的思想并提出“知识工程”的概念。1997年, “深蓝”的成功让人工智能的发展又提上日程。随着算力的增加, 人工智能的瓶颈被打破, 为基于大数据的深度学习与增强学习提供了发展的可能。GPU不断发展, 与此同时定制化处理器的研制成功使算力不断提升, 为人工智能的爆发提供了基础。
如图1所示, 人工智能自出现以来, 经历了两次低谷三次浪潮, 现在正处于人工智能的第三次浪潮, 人工智能正在快速发展, 为生产力的提升提供变革的动力。
图1 人工智能发展阶段
2人工智能最新进展
人工智能技术步入商业化阶段后，在全球各主要城市的创新融合应用概况，以及其将对金融、教育、数字政务、医疗、无人驾驶、零售、制造业、智慧城市等各行业带来的深刻变革。
2.1主要发现
（1）人工智能全面进入机器学习时代，未来人工智能的发展将是关键技术与产业的结合。
（2）人工智能投资趋于理性，底层技术和易落地领域更受人工智能领先机构青睐。
（3）不同城市在人工智能的顶层设计、算法突破、要素质量、融合质量、应用质量上有着不同的表现，形成多样与个性化的AI发展模式。
（4）上海、北京城市的人工智能企业数量已超过600家，其中上海已经与科技巨头腾讯、微软以及人工智能独角兽商汤、松鼠AI建立了企业实验室。
（5）无人驾驶技术下的共享出行将代替传统的私家车的概念。随着无人驾驶行业规范和标准的制定，将衍生出更加安全和快捷的无人货运和物流等新兴的行业。
2.2全方位变革
人工智能正全方位商业化，如图表1所示
表1 人工智能带来的全方位变革
AI全面进入机器学习时代，在人工智能众多的分支领域中，“机器学习”是人工智能的核心研究领域之一。包括89%的人工智能申请专利和40%人工智能范围内的相关专利均为机器学习范畴。
2.3人工智能关键技术
（1）计算机视觉：百度开发了人脸检测深度学习算法PyramidBox;海康威视团队提出了以预测人体中轴线来代替预测人体标注框的方式，来解决弱小目标在行人检测中的问题。腾讯优图和香港中文大学团队在CVPR2018提出了PANet，在MaskR-CNN的基础上进一步聚合底层和高层特征，对ROI Align在多个特征层次上采样候选区域对应的特征网格，通过智适应特征池化做融合操作便于后续预测。
（2）语音识别：在语音识别技术方面，百度、科大讯飞、搜狗等主流平台识别准确率均在97%以上。科大讯飞拥有深度全序列卷积神经网络语音识别框架，输入法的识别准确率达到了98%。搜狗语音识别支持最快400字每秒的听写。阿里巴巴人工智能实验室通过语音识别技术开发了声纹购物功能的人工智能产品。
（3）自主无人系统：阿里巴巴人工智能实验室开发单车智能系统，实现了全场景、全天候的厘米级定位。百度的无人驾驶技术包括障碍物感知、决策规划、云端仿真、高精地图服分、销到端的深度学习等五大核心能力。
（4）人工智能自适应学习：在国内，以松鼠AI为代表的智适应教学企业在遗传算法、神经网络技术、机器学习、图论、频率图模型、逻辑斯蒂回归模型、知识空间理论、信息论、贝叶斯理论、知识追踪理论等都实现了技术积累。
2.4人工智能开放平台
表2 国内外技术及应用开放平台
3.参考文献
[1]崔雍浩,商聪,陈锶奇,郝建业.人工智能综述:AI的发展[J].无线电通信技术，2019，45（03）：225-231.
[2]朱祝武.人工智能发展综述[J].中国西部科技,2011,10(17):8-10.
[3]吕惠.中国电信发布人工智能发展白皮书[J].计算机与网络,2019,45(13):15.