1.2　AI的发展与应用

从20世纪50年代到20世纪70年代初，人工智能的研究处于“推理期”。1957年，Rosenblatt基于神经科学的研究，提出了著名的感知器模型，这更像现在的机器学习模型。然而，1969年，研究神经网络社区的Minsky提出了著名的XOR（异或）问题，之后感知器发展遇到瓶颈。

20世纪70年代中期开始，人工智能研究进入“知识期”。1981年，Werbos提出的多层感知器，引入了反向传播（BP）算法。直到现在，BP算法仍然是神经网络架构的关键要素。此后，神经网络得到了快速发展。

1986年，决策树的机器学习算法被J.R.Quinlan提出，更具体地说就是ID3算法。ID3算法的核心是根据“最大信息熵增益”原则选择划分当前数据集的最佳特征，它是一种贪心算法，每次选取的分割数据的特征都是当前的最佳特征，并不关心是否达到最优。

1995年，Vapnik和Cortes提出了支持向量机（SVM），其被作为一种能使机器学习取得重大进展的方法而得到推广，拥有非常坚实的理论基础并且取得了理想的结果。

2005年，Hinton、LeCun、Bengio、Andrew Ng提出深度学习，意思是神经网络的级联层数变深，同时在算法方面引入新的技术。三层的NN模型强势崛起，诸多专家在理论和实践上彻底激活了深度学习。深度学习在对象识别、语音识别、NLP等不同的任务中击败了之前的技术。

2006年是深度学习元年，Hinton提出了深层网络训练中梯度消失问题的解决方案：无监督预训练对权值进行初始化和有监督训练微调。其主要思想是先通过自学习的方法学习训练数据的结构（自动编码器），然后在该结构上进行有监督训练微调。

2012年，Hinton课题组为了证明深度学习的潜力，首次参加ImageNet图像识别比赛，通过CNN网络——AlexNet夺得冠军。也正是由于该比赛，CNN网络吸引了众多研究者的关注。

2015年，深度残差网络（ResNet）被提出，在众多比赛中表现突出。深度残差网络就是为了解决由于网络深度加深而产生的学习效率变低、准确率无法有效提升的问题。

2016年，由谷歌旗下的DeepMind公司研发的阿尔法围棋（AlphaGo），战胜了当时的围棋世界冠军李世石，成为第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人。升级版的AlphaGo在2017年以3比0的成绩战胜了当时排名世界第一的围棋棋手柯洁。

2018年，腾讯公司AI Lab研发的“王者荣耀”（一款MOBA类手机游戏）AI机器人，通过监督学习（SL）和强化学习（RL），以及大量数据训练，单机器人可以达到“王者”的水平。到2019年，AI Lab研发的“王者荣耀”AI机器人可以在5人组队后达到“王者”的水平。

AI技术的应用现在变得越来越广泛，在图像处理、语音识别、艺术创作、自动驾驶等许多方面都有了成熟的技术与稳定的应用。

（1）图像处理

比如图像增强，如果你急需使用一张照片，但是这张照片分辨率很低。没关系，深度学习算法已经能够提高照片分辨率。

（2）语音识别

语音识别的应用包括多语言实时翻译、微信语音转文字、本地方言转普通话等。

（3）艺术创作

人工智能也能当作曲家，并且写出来的音乐作品还挺好听。在绘画方面，机器学习通过数据进行训练与学习，能给照片赋予大师级的画风，即利用画风转换神经网络做到实时生成多种画风，用户通过调整不同画风的参数来控制渲染的风格，生成大师级的绘画作品。

（4）自动驾驶

国内外很多大的公司都在积极研究自动驾驶技术，谷歌自动驾驶汽车于2012年5月获得了美国首个自动驾驶车辆许可证，国内的腾讯、百度等互联网公司也有部门专门在做自动驾驶汽车的研发。