人工智能這個詞，從誕生到一路坎坷地迎來輝煌，就注定與“模擬”緊密相連。
1956年，在新罕布什爾州達特茅斯學院的一次小型會議上，赫伯特西蒙、約翰麥卡錫、克勞德香農(nóng)等AI界的開山鼻祖?zhèn)?，就提出了“智能的任何特征，原則上都可以精確描述，因此我們可以制造機器來對它進行模擬”。
先解釋一下，雖然都是對大腦智能的“模擬”，但不同人工智能學派的理念卻各不一樣。
符號主義學派主張模擬人腦的邏輯思維。先把問題或知識表示為某種邏輯結(jié)構(gòu)，運用符號演算，從而實現(xiàn)表示、推理和學習等功能，典型代表就是專家系統(tǒng)。
聯(lián)結(jié)主義學派則主張模擬人腦的生理結(jié)構(gòu)和工作機理。通過人腦神經(jīng)網(wǎng)絡(luò)、神經(jīng)元之間的連接以及在神經(jīng)元間的并行處理,實現(xiàn)對人腦智能的模擬?，F(xiàn)在街知巷聞的神經(jīng)網(wǎng)絡(luò)算法，就是這一理念的成功應(yīng)用。
而行為主義學派則主張直接模擬智能行為的感知和動作模式。不要考慮復雜的知識、表征、推理等等，讓AI在現(xiàn)實世界中通過自動控制過程與環(huán)境交互作用表現(xiàn)出來就好。
在感知層面，利用現(xiàn)代計算機算力的提升，以及網(wǎng)絡(luò)數(shù)據(jù)量的暴漲，讓深度學習通過大規(guī)模數(shù)據(jù)集與訓練來獲得數(shù)據(jù)模型成為了可能。
而在讓機器“看起來智能”的核心推理能力上，深度學習也展現(xiàn)了足夠強大的進步。主要體現(xiàn)在兩個方面：一種是判別事物。在已知屬性的條件下，讓機器對某個事物進行判斷與分類，比如找出垃圾郵件或攻擊性語言，亦或是從圖像、視頻中識別出某種特殊物體等等。
另一個能力則是生成。也就是通過訓練好的模型，產(chǎn)生處符合該模型描述的數(shù)據(jù)。比如風靡一時的AI換臉，越來越機靈的智能語音助手，自動編寫新聞的機器人等等。
得益于這種在應(yīng)用場景上快速打開商業(yè)想象力的優(yōu)勢，我們今天提到AI，絕大多數(shù)人的第一反應(yīng)，已經(jīng)不再是被替代的恐慌、超越人類的恐怖故事，而是如何讓數(shù)字世界為AI所用，再讓以深度學習及衍生技術(shù)為基石的AI反哺千行萬業(yè)，為社會生活提質(zhì)增效。
一個是如前面科學家們所說，為人工智能算法找到新的突破口，脫離“模擬程序智能”的桎梏；
而另一個機器人的智能也可以得到顯著提高。“多任務(wù)訓練”一直是當下人工智能的突破難點，隨著模擬人腦的深入，既不用讓人類辛辛苦苦地對其進行“毆打”，來訓練其靈活處理信息的能力，避免了不少倫理難題；還有可能將人類智能導入機器，培養(yǎng)出能夠執(zhí)行復雜任務(wù)的“多功能”機器人。
或許也只有這樣，AI才能擁有一個真正智慧的“大腦”。不同道路在未來的交匯，將為AI的極限發(fā)揮埋下一個漂亮的引線。
