7
1955年，斯坦福大學計算機科學家約翰·麥卡錫（John McCarthy）在達特矛斯會議上第一次提出了“人工智能”這個概念。
AlphaGo之后，這幾天都被人工智能刷屏刷得眼花繚亂了吧？最要緊的是，刷完了人工智能的了解還是像個毛線球？某某專家鼻祖發(fā)明的某某技術(shù)奠定了機器視覺、深度學習、語音識別……的基礎，他們都是誰？都做了什么？所謂萬變不離其宗，通常來說技術(shù)、知識體系都由一代宗師開始而代代相傳，并且推陳出新。人工智能作為一個誕生了六十年的研究領域，也有其“宗”可溯。
較早進行人工智能研究的麻省理工學院（MIT）人工智能實驗室、斯坦福人工智能實驗室等。事實上，正規(guī)教育體系的學科分類中，人工智能下分計算機視覺和機器學習兩個二級學科，領域中諸多種技術(shù)彼此都相互關(guān)聯(lián)。
從特征描述符到深度學習，計算機視覺走過蓬勃發(fā)展的二十年。近兩年來，尤其是最近Facebook、微軟、Google在人工智能領域取得的成績，我們都知道深度卷積神經(jīng)網(wǎng)絡的神奇之處。與其他深度學習結(jié)構(gòu)相比，卷積神經(jīng)網(wǎng)絡在圖像和語音識別方面能夠給出更優(yōu)的結(jié)果。那么，在此之前，物體識別技術(shù)是什么樣子？計算機視覺技術(shù)的進步，離不開他們的工作：
計算機視覺大牛族譜
計算機視覺的鼻祖要數(shù)偉大的David Marr，他從計算機科學的觀點出發(fā)，熔數(shù)學、心理物理學、神經(jīng)生理學于一爐，首創(chuàng)人的視覺計算理論，從而使視覺研究的面貌為之一新。他的同事，將其理論傳承了下來。現(xiàn)在，計算機視覺，計算機圖形圖像與機器學習趨于融合，極大技術(shù)相互聯(lián)系，密不可分。而當下最流行的機器學習，它又是怎樣誕生出千奇百怪的機器人或人工智能程序的呢？
一般來說，機器學習領域的代表人物有Geoffrey Hinton、?Yann Lecun、Tom Mitchell等。他們?nèi)缃耠m然任職于不同的機構(gòu)組織，然而也秉承著嚴謹?shù)膸煶嘘P(guān)系（包括Phd和Post-doc，co-supervise關(guān)系），如圖：
最初，機器學習分為聯(lián)結(jié)主義和符號主義兩大學派，后來華盛頓大學教授Pedro Domingos在去年的ACM Webminar上提出了機器學習五大流派及其代表人物的劃分：符號主義、聯(lián)結(jié)主義、進化主義、行為主義還有貝葉斯派。
代表人物：
符號主義是一種基于邏輯推理的智能模擬方法，又稱為邏輯主義，其算法起源于邏輯學和哲學，通過對符號的演繹和逆演繹來進行結(jié)果預測。舉個例子：根據(jù) 2+2=? 來預測 2+?=4中的未知項。
早期的人工智能研究者絕大多數(shù)屬于此類。該學派認為：人類認知和思維的基本單元是符號，而認知過程就是在符號表示上的一種運算。它認為人是一個物理符號系統(tǒng)，計算機也是一個物理符號系統(tǒng)，因此我們就能夠用計算機來模擬人的智能行為,即用計算機的符號操作來模擬人的認知過程。
總的來說，可以把符號主義的思想簡單的歸結(jié)為“認知即計算”。
代表人物：
據(jù)維基百科介紹，聯(lián)結(jié)主義是統(tǒng)合了認知心理學、人工智能和心理哲學領域的一種理論。聯(lián)結(jié)主義建立了心理或行為現(xiàn)象模型的顯現(xiàn)模型—單純元件的互相連結(jié)網(wǎng)絡。聯(lián)結(jié)主義有許多不同的形式，但最常見的形式利用了神經(jīng)網(wǎng)絡模型。
人造神經(jīng)元
聯(lián)結(jié)主義的中心原則是用簡單單位的互聯(lián)網(wǎng)絡描述心理現(xiàn)象。聯(lián)結(jié)的形式和單位可以從模型到模型修改。例如，網(wǎng)絡的單位可以描述神經(jīng)元，聯(lián)結(jié)可以描述突觸。另一個模型網(wǎng)絡中每個單位用一個詞表示，每個聯(lián)結(jié)用一個語義類似的詞表示。
反向傳播算法演示
神經(jīng)網(wǎng)絡是今天聯(lián)結(jié)主義模型的主導形式，如今流行的深度學習也是此學派的一個延伸。
Google那個識別出貓的神經(jīng)網(wǎng)絡
代表人物：
據(jù)Airbnb工程師朱赟介紹，進化主義起源于生物進化學，該學派擅長于使用遺傳算法和遺傳編程。例如佛蒙特大學的Josh Bongard研發(fā)的基于生物進化理論的“海星機器人”，它能夠通過內(nèi)部模擬來“感知”身體各個部分，并進行連續(xù)建模。因此，即使沒有外部編程，它也可以自己學會走路。
遺傳算法
遺傳編程
海星機器人
代表人物
貝葉斯決策就是在不完全情報下，對部分未知的狀態(tài)用主觀概率估計，然后用貝葉斯公式對發(fā)生概率進行修正，最后再利用期望值和修正概率做出最優(yōu)決策。其基本思想是：已知類條件概率密度參數(shù)表達式和先驗概率，利用貝葉斯公式轉(zhuǎn)換成后驗概率，根據(jù)后驗概率大小進行決策分類。基于概率統(tǒng)計的貝葉斯算法最常見的應用就是反垃圾郵件功能。
概率推理
代表人物：
劍橋大學計算機科學家Felix Hill認為，近來人工智能系統(tǒng)在深度學習上取得的進展可以概括為行為主義和認知主義。所謂行為主義，顧名思義，關(guān)注行為表現(xiàn)而忽略大腦和神經(jīng)的作用；認知主義則著眼于構(gòu)成行為的心理過程。
Pedro Domingos最后表示，五大流派雖然各有所長，但是，目前我們真正需要的是一個能夠統(tǒng)一解決所有這些問題的算法。
以上圖片來源：slideshare.net
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
