1997年5月，IBM的“深藍(lán)”超級計(jì)算機(jī)在6局的國際象棋比賽中，以2勝1負(fù)3平戰(zhàn)勝了世界排名第一的國際象棋大師卡斯帕羅夫。這是人工智能發(fā)展史上一個重要的里程碑，這表明機(jī)器的智力在“信息完美”的領(lǐng)域，如棋牌游戲，已經(jīng)超過了人類。
所謂“信息完美”是指系統(tǒng)內(nèi)信息完全，有始有終，沒有外部干擾。“深藍(lán)”的運(yùn)算能力在當(dāng)時(shí)全球的超級計(jì)算機(jī)中位居259位，每秒鐘可以運(yùn)算2億步。“深藍(lán)”學(xué)習(xí)了70萬局國際象棋大師比賽，從而有4千種不同的開局。
此外，作為機(jī)器的“深藍(lán)”從不疲倦，沒有情緒影響，更不會犯低級錯誤。而卡斯帕羅夫則后悔的說： 和“深藍(lán)”的第6局比賽是他職業(yè)生涯中最爛的一盤棋。
人工智能起步于1950年，那年艾倫·圖靈發(fā)表了一篇論文，預(yù)測機(jī)器的人工智能有一天能夠超過人類的智能。他同時(shí)提出了“圖靈測試”：
機(jī)器和人類專家對話之后，如果專家無法區(qū)分對方是人還是機(jī)器，則說明機(jī)器的智能超過了人。
1951年馬文·明斯基完成了第一臺神經(jīng)網(wǎng)絡(luò)機(jī)SNARC，從而成為人工智能領(lǐng)域的一位重要的科學(xué)家。1956年的達(dá)特茅斯會議正式確定了人工智能這個領(lǐng)域。
1950~70年是人工智能開啟的年代，斯坦福大學(xué)做出了移動機(jī)器人，而麻省理工學(xué)院推出了聊天機(jī)器人。在1970~80年，人工智能的發(fā)展遇到了瓶頸，那時(shí)的計(jì)算機(jī)的運(yùn)算能力和內(nèi)存有限，導(dǎo)致學(xué)習(xí)能力差。1980~87年，人工智能迎來了興旺發(fā)展的時(shí)期，日本投入了8.5億美金研發(fā)機(jī)器人，而美國的研究機(jī)構(gòu)DARPA也針對人工智能投入大量的資源。1987~93年又陷入了一個人工智能的冬天，人工智能的專用電腦的性能盡然落后于IBM和蘋果的個人電腦。當(dāng)時(shí)的DARPA主任認(rèn)為人工智能不再是研究的重要方向。
從1993年到今天，人工智能正在經(jīng)歷一個大發(fā)展，特別是2012年之后，人工智能的進(jìn)步明顯加快了。2006年，雷蒙德·科茲威爾（Ray Kurzweil）在他的《奇點(diǎn)臨近（The Singularity Is Near）》一書中，預(yù)言機(jī)器的智能將在2045年超過人類的智能。
2014年6月7日，一個名叫Eugene的“人”和一些專家在網(wǎng)上對話了5分鐘，有33%的專家認(rèn)為Eugene是一位13歲小孩。事實(shí)上，他是三名俄國科學(xué)家發(fā)明的超級計(jì)算機(jī)。這樣，按照圖靈測試的規(guī)則，機(jī)器第一次通過了圖靈測試，時(shí)間正是圖靈先生逝世60周年。
指數(shù)式發(fā)展的“下半場”
國際象棋的起源可以解釋指數(shù)式發(fā)展的“下半場”的概念。據(jù)說國際象棋的發(fā)明地是古印度，當(dāng)時(shí)大師達(dá)依爾為舍罕王發(fā)明了一個在64格棋盤上的游戲，就是今天的國際象棋。舍罕王十分喜歡這個游戲，要獎勵大師。大師要求的獎勵是：每個棋盤格子放麥子，第一格放一顆，第二格放二顆，第三格放四顆，以此類推，放完這64格子。
舍罕王馬上就答應(yīng)了，他以為用不了多少麥子就可以放滿64格棋盤。沒想到，放到第21格時(shí)，麥子就必須以袋為單位；進(jìn)入棋盤的“下半場”格子后，全印度的麥子都不夠。事實(shí)上，放滿64格棋盤，需要全球2千年所生產(chǎn)的麥子。
這樣的棋盤上放麥子的增長模式是指數(shù)式增長：初期的增長曲線平緩；后期，也就是“下半場”的增長曲線上升得非常陡峭，速度讓人出乎意料。
人工智能的發(fā)展己經(jīng)進(jìn)入了“下半場”
人工智能進(jìn)入指數(shù)式發(fā)展的“下半場”的證據(jù)來自至少兩個方面： 第一方面，人工智能前進(jìn)的推動力具備指數(shù)式增長的特征；第二方面，近年來人工智能的研發(fā)活動和成果極其頻繁。
人工智能的推動力主要包括三個方面： 計(jì)算個人化，計(jì)算網(wǎng)絡(luò)化，和大數(shù)據(jù)。
首先，計(jì)算個人化使得人工智能的研發(fā)從精英階層擴(kuò)展到大眾。早期的研究機(jī)構(gòu)主要是大學(xué)和政府，只有他們才有人工智能研發(fā)所必備的超級計(jì)算機(jī)。集成電路的發(fā)明和發(fā)展促成了計(jì)算能力快速上升和成本大幅下降，集成電路的發(fā)展模式在以往的40年遵循指數(shù)式發(fā)展，即著名的摩爾定律。80年代我在浙江大學(xué)學(xué)習(xí)時(shí)使用的小型機(jī)PDP11的運(yùn)算能力遠(yuǎn)遠(yuǎn)不如我們今天使用的手機(jī)。今天用幾萬美金所搭建的服務(wù)器，其運(yùn)算能力就可以超過當(dāng)年的“深藍(lán)”超級計(jì)算機(jī)。巨大的計(jì)算能力的普及為小公司在人工智能領(lǐng)域進(jìn)行創(chuàng)業(yè)提供了極大的便利。
其次，計(jì)算網(wǎng)絡(luò)的價(jià)值增長也是呈現(xiàn)指數(shù)式。例如，有4個節(jié)點(diǎn)的網(wǎng)絡(luò)有12個有方向的連接，而400個節(jié)點(diǎn)的網(wǎng)絡(luò)有多達(dá)159600個連接。由于有線互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的普及，今天的網(wǎng)絡(luò)連接數(shù)（即價(jià)值）正在直線上升。
再次，隨著信息終端的普及和物理世界的數(shù)字化，數(shù)據(jù)正在爆炸增長，更是指數(shù)式增長。今天全球的累計(jì)的數(shù)據(jù)量超過了10Zettabytes，其中90%的數(shù)據(jù)是在過去的兩年中產(chǎn)生的。我相信在以上三股指數(shù)式上漲的力量推動下，人工智能的發(fā)展也成指數(shù)式的成長模式。
近年來，人工智能的創(chuàng)業(yè)和研發(fā)活動越來越活躍。根據(jù)VENTURE SCANNER在2015年8月的統(tǒng)計(jì)，近十幾年，全球在人工智能領(lǐng)域的創(chuàng)業(yè)公司達(dá)到了855家，它們共獲得87.5億美金的風(fēng)險(xiǎn)投資。根據(jù)量化公司QUID的數(shù)據(jù)，在2013年有322家人工智能公司獲得至少20億美金的投資。據(jù)CB Insights的數(shù)據(jù)，2014年投資人工智能領(lǐng)域的金額比2013年增加了三倍。
人工智能創(chuàng)業(yè)分布在13個不同的領(lǐng)域，包括機(jī)器學(xué)習(xí)，計(jì)算機(jī)視覺，語音認(rèn)別，智能機(jī)器人等。高通創(chuàng)投在人工智能領(lǐng)域也投資了許多優(yōu)秀的企業(yè)，如基于大數(shù)據(jù)和機(jī)器學(xué)習(xí)的出行導(dǎo)航公司W(wǎng)AZE（在2013年被Google收購），智能無人機(jī)公司3DR，語音識別公司云知聲，虛擬現(xiàn)實(shí)/擴(kuò)充實(shí)景公司MAGIC LEAP和小熊尼奧，人機(jī)交互公司七鑫易維，等等。
正是因?yàn)橛?jì)算能力和數(shù)據(jù)量的極大增強(qiáng)，機(jī)器學(xué)習(xí)成為人工智能領(lǐng)域進(jìn)步最快的分支，所獲得的投資額占總投資額的45%。
機(jī)器學(xué)習(xí)是用數(shù)據(jù)和以往的經(jīng)驗(yàn)，優(yōu)化計(jì)算機(jī)模型的性能指標(biāo)。比如說，制造手機(jī)有100多道工序，如果我們通過編程，讓一個機(jī)器人一步一步地按照程序完成，這不是機(jī)器學(xué)習(xí)。如果智能機(jī)器人通過觀察工人制造手機(jī)的過程，再經(jīng)過不斷試錯，之后可以自行制造，這才是人工智能。
“大數(shù)據(jù)”之前，因?yàn)闆]有足夠的數(shù)據(jù)來訓(xùn)練模型，所以模型優(yōu)化的進(jìn)程緩慢。今天數(shù)據(jù)足夠多了，運(yùn)算能力大幅上升，使得優(yōu)化模型的速度加快。最近量子計(jì)算機(jī)帶來更強(qiáng)大的運(yùn)算能力的希望。
近幾年大公司對人工智能的投入又怎么樣呢？
先說谷歌：谷歌在2010年正式開始汽車自動駕駛項(xiàng)目，在2012年獲得美國首個自動罵駛車輛許可證。到了2016年年初，谷歌的自動駕駛汽車己經(jīng)累計(jì)行駛了225萬公里，自動駕駛的趨于成熟的速度超出了許多人的想象。2014年，谷歌收購了深度學(xué)習(xí)公司DeepMind，10月DeepMind發(fā)布了一種全新的模擬神經(jīng)網(wǎng)絡(luò)。同年，谷歌開始開發(fā)一套能夠整合海量數(shù)據(jù)的語音系統(tǒng)，使得語音別識的精準(zhǔn)度從2012年的84%提升到2014年的98%。在圖像識別的研發(fā)方面，谷歌一直不遺余力。在2012年，“谷歌大腦”可以在1000萬張圖片中成功識別出貓，從2010年到2014年，谷歌的圖像分類識別精確度提高了4倍。谷歌在2013年收購了8家機(jī)器人公司。
再來看Facebook：深度學(xué)習(xí)的鼻祖級科學(xué)家Yann LeCun在2013年加入Facebook，使其圖像識別和自然語言處理技術(shù)飛速提高，2014年，F(xiàn)acebook的臉部識別的準(zhǔn)確率達(dá)到97%。再來看看IBM這支人工智能領(lǐng)域的老牌勁旅，2014年IBM宣布組建“Watson Group”，同時(shí)推出兩項(xiàng)Watson顧問服務(wù)，一項(xiàng)幫助企業(yè)從海量數(shù)據(jù)中獲得洞察，另一項(xiàng)使得數(shù)據(jù)可視化。同年8月IBM發(fā)布能模擬人類大腦的SyNAPSE（自適應(yīng)可伸縮神經(jīng)形態(tài)電子）芯片，該芯片有100萬個“神經(jīng)元”內(nèi)核，而功耗僅為70毫瓦。
最后說百度：2014年5月百度引入深度學(xué)習(xí)專家Andrew Ng，并由其組建百度北美研究中心。隨后他們發(fā)明了Deep Speech的語音識別方法，可以在嘈雜環(huán)境中實(shí)現(xiàn)81%的識別準(zhǔn)確率。同年4月，百度發(fā)布大數(shù)據(jù)引擎，提供大數(shù)據(jù)存儲、分析和挖掘技術(shù)，在醫(yī)療、金融和交通領(lǐng)域有具體的應(yīng)用。
人工智能的發(fā)展進(jìn)入了“下半場”的快車道，機(jī)器的智能日新月異，人類的智力有進(jìn)步嗎？
英國倫敦大學(xué)的科學(xué)家的研究表明，自1950年以來，人們的平均智商升高了20點(diǎn)，相當(dāng)于平均每10年人類的智商值提高了3%。
這是一個喜憂參半的消息，憂的是人類的智商提升的速度遠(yuǎn)遠(yuǎn)低于人工智能的進(jìn)步；喜的是，不管多少，人們的智商還是可以被提升的。
一個簡單而重要的問題是： 人工智能技術(shù)能夠用來提高人的能力嗎？
人工智能在教育領(lǐng)域的應(yīng)用
經(jīng)過分析，我將人工智能在教育領(lǐng)域的應(yīng)用總結(jié)為以下7個方面。我相信這方面的創(chuàng)新剛剛開始，科學(xué)家和創(chuàng)業(yè)者不僅應(yīng)該關(guān)心機(jī)器的能力，而是更在乎我們自身的能力。
1）自動作業(yè)批改。語音識別和語義分析使得自動批改作業(yè)成為可能。數(shù)學(xué)等學(xué)科的自動批改作業(yè)相對容易，但是，作文的自動批改已經(jīng)開始了，老師和助教的效率正在大大提高。
2）個性化學(xué)習(xí)。大數(shù)據(jù)可以描述每個學(xué)生的學(xué)習(xí)特性，根據(jù)倫敦的一個研究機(jī)構(gòu)的分析，人們的學(xué)習(xí)方法可以分為70種。高通投資的愛樂奇已經(jīng)積累了一千三百萬學(xué)生所做過的8億道題，為個性化教學(xué)提供了充分的依據(jù)。如果說今天的課堂教學(xué)的主流方法是“從原理到應(yīng)用”，而機(jī)器學(xué)習(xí)的方法是“從案例到原理”，并且是同時(shí)學(xué)習(xí)多個案例。那么“從案例到原理”的學(xué)習(xí)方法對部分同學(xué)有效嗎？事實(shí)上，許多人包括我本人在內(nèi)，更適應(yīng)于“從案例到原理”的學(xué)習(xí)方法。
3）智能輔導(dǎo)系統(tǒng)（ITS）。人工智能在這個領(lǐng)域的應(yīng)用已經(jīng)有長足的進(jìn)步，也展示出明顯的效果。我和我的兒子都喜歡可汗學(xué)院（KHAN ACADEMY），它是一個優(yōu)秀的智能輔導(dǎo)系統(tǒng)，幫助我們學(xué)習(xí)數(shù)學(xué)、科學(xué)、人文科學(xué)和計(jì)算機(jī)科學(xué)。值得一提的是，可汗學(xué)院的創(chuàng)始人拒絕了風(fēng)險(xiǎn)投資人的投資建議，堅(jiān)持要把可汗學(xué)院辦成非贏利企業(yè)。學(xué)者將ITS和課堂一對多教學(xué)以及一對一的老師輔導(dǎo)進(jìn)行對比，結(jié)果令人振奮： ITS的效果比課堂教學(xué)好很多，和老師的一對一輔導(dǎo)的效果相似。
4）互動學(xué)習(xí)環(huán)境（ILE）。互動學(xué)習(xí)環(huán)境與智能輔導(dǎo)系統(tǒng)的區(qū)別在于四方面：更多建設(shè)性學(xué)習(xí)（或者說學(xué)生自己決定學(xué)習(xí)科題），學(xué)生更主動，更多個性化，以及學(xué)生收到更多反饋。
5）通過仿真游戲?qū)W習(xí)： 目前最成功的仿真是飛行模擬器。我的飛行員朋友告訴我：在模擬機(jī)上飛行和真機(jī)沒有兩樣，只是訓(xùn)練更加便捷。美國紅雀公司的FMX就是一款經(jīng)過美國FAA認(rèn)證的，價(jià)值幾千萬美金的模擬機(jī)。我女兒熱愛環(huán)境保護(hù)，她使用Catchment Simulation 仿真軟件學(xué)習(xí)水文和水利。我兒子正在模擬的股市中，使用虛擬貨幣進(jìn)行交易。我認(rèn)為人的能力大概分為三種：分析能力（一種在書本和課堂中能夠?qū)W到的能力），實(shí)踐能力（一種只能在生活中培養(yǎng)的能力），以及創(chuàng)造能力（一種上天賦予的能力）。今天，因?yàn)閷?shí)踐的機(jī)會極少，人們的實(shí)踐能力越來越弱，仿真可以多少彌補(bǔ)一些實(shí)踐能力。
6）對教學(xué)體系的反饋和評測。
7）人工智能為學(xué)校招生，學(xué)習(xí)場所和課后活動提供創(chuàng)新的解決方案。
在以上人工智能應(yīng)用于教育的七大方面，效果明顯的是智能輔導(dǎo)系統(tǒng)和通過仿真游戲?qū)W習(xí)。
象棋大師的“東山再起”
在1997年象棋大師卡斯帕羅夫輸給IBM的“深藍(lán)”之后，雖然有短暫的不服等情緒，他總結(jié)了失敗原因，并提出了一種新型的國際象棋比賽形式——自由式。在自由式國際象棋比賽中，人和機(jī)器可以自由組合：可以是一臺或多臺電腦，可以是一個或者幾個棋手，也可以是人加機(jī)器。
在2014年的自由式國際象棋比賽中，機(jī)器贏了42局，而人加機(jī)器勝53局。獲得冠軍的是一個叫Intagrand的人加機(jī)器的團(tuán)隊(duì)。當(dāng)他們剛剛出現(xiàn)時(shí)，人們懷疑團(tuán)隊(duì)中有卡斯帕羅夫，后來才知道這個團(tuán)隊(duì)的棋手是由三名業(yè)務(wù)選手組成，加上并非最尖端的國際象棋軟硬件。三名棋手其中一位是華裔女選手，她也是全球唯一兩位自由式國際象棋女選手之一。人加機(jī)器的勝利說明這樣的組合比人或者機(jī)器更有優(yōu)勢，而冠軍隊(duì)Intagrand的組成也進(jìn)一步證明“一般人加上一般機(jī)器”可以戰(zhàn)勝“最強(qiáng)的人”或者“最強(qiáng)的機(jī)器”。
雖然“人加機(jī)器”的文明進(jìn)步方式讓我們松了一口氣：人和機(jī)器不是對立的。但是人仍然希望自身能力可以大大提高。正如本文所闡述的，人工智能可以在教育領(lǐng)域得以應(yīng)用，人工智能也能夠幫助國際象棋棋手快速提高水平。今天的國際象棋大師中最高水平當(dāng)屬M(fèi)agnus Carlsen，他在訓(xùn)練中使用了人工智能，也被大家認(rèn)為下棋風(fēng)格最像電腦的大師。Magnus的水平已經(jīng)超過了歷史上所有的大師。所以說，人工智能能夠幫助我們達(dá)到更快更高更好。
2015年12月21日，英國倫敦帝國理工學(xué)院的科學(xué)家在《自然：神經(jīng)學(xué)》發(fā)表一項(xiàng)研究成果：他們發(fā)現(xiàn)了影響人類智力的基因群M1和M3。他們聲稱“……我們有望操縱一整套與人類智力有關(guān)的基因。通過這些基因改造智力，理論上是有可能的，……” 這類基因研究成果首先用于治療疾病，但是我們可以想象：將來我們的智商可以大幅度提高，仍然高于機(jī)器。