正如我们所说，人工智能被过分夸大了。这个前提很重要。
人工智能不会夺走所有工作，也不会毁灭人类。然而，这使得软件更智能。这就是为什么你可以使用苹果iphone x中的Animoji作为一个活生生的人与你的朋友交流，或者用你的智能音响订购更多纸巾。\
技术公司在人工智能方面投入了大量资金，改变了我们的生活和我们周围的电子设备，为更加以人工智能为中心的未来奠定了基础。
目前，人工智能的繁荣是由于机器学习领域的突破而引起的。它包括训练计算机执行基于实例的任务，而不是依赖于人工编程。一种叫做深度学习的技术使这种方法更加有效。最著名的是2016年AlphaGo大战围棋世界冠军李世石，后者在人工智能面前基本上没有还手之力。
对我们大多数人来说，人工智能最明显的变化是一些新的、更方便的东西，比如一个智能音响或iphone，你可以用你的脸解锁。但人工智能也将重塑生活的其他领域。一是卫生保健。印度一家医院正在测试一种软件，该软件可以检查视网膜上的图像是否有糖尿病性视网膜病变的迹象。通常，这种症状只能在很晚的时候发现，到那时，已经无法防止视觉恶化。机器学习对于自动驾驶也是必不可少的，自动驾驶使车辆能够更准确地感知和理解周围环境。
有证据表明人工智能可以使我们更快乐、更健康。但也有理由对人工智能持谨慎态度。算法带来或放大了社会对种族或性别的偏见，表明人工智能是一把双刃剑。
人工智能的起源
我们现在谈论的人工智能来自一个度假项目。1956年夏天，达特茅斯学院教授约翰·麦卡锡( John McCarthy )发明了这个词，他邀请了一组研究人员花数周时间研究如何让机器像使用语言那样工作。他希望在人的层面上有所突破。他与合作组织者写道，"如果一个精心挑选的科学家团队在一起花一个夏天的时间来研究的话。"
但麦卡锡后来承认，这种希望没有实现，是他太乐观了。但是这个研讨会帮助那些梦想将机器智能化的研究人员聚集到一个合适的学术领域。
塑造人工智能的瞬间
1956年
达特茅斯夏季人工智能研究项目将一个新领域命名为"人工智能"， 该领域涉及的是让软件变得像人类一样聪明。
1965
麻省理工学院的约瑟夫·维森鲍姆创造了Eliza，这是第一个聊天机器人，一个心理治疗师。
1975年
Meta-dendral斯坦福大学开发的解释化学分析的程序，计算机的第一个发现发表在参考杂志上。
1987年
一辆配有两台摄像机和一堆电脑的奔驰车在德国高速公路上以每小时55英里的速度行驶，这是一个由工程师Ernst Dickmanns领导的学术项目。
1997年
IBM的计算机深蓝击败了国际象棋世界冠军加里·卡斯帕罗夫（Garry Kasparov）。
2004年
五角大楼将DARPA超级挑战赛阶段化，这是一项在莫哈韦沙漠的自动驾驶汽车竞赛，催动了自动驾驶汽车工业化。
2012年
在一个名为"深度学习"的细分领域，研究人员通过展示他们的想法可以使语音和图像识别更加准确，从而激发了新的公司对人工智能的兴趣。
2016年
由谷歌旗下DeepMind开发的AlphaGo打败了世界围棋冠军李世石。
早期的工作通常集中在解决数学和逻辑中相当抽象的问题上。但是很快，人工智能开始在更多的人类任务上显示出有希望的结果。20世纪50年代末，亚瑟·塞缪尔发明了一个学习跳棋的程序。1962年，他在比赛中击败了一位大师。1967年，一个叫Dendral的项目表明，它可以复制化学家解释化学样品组成质谱数据的方式。
随着人工智能技术的发展，制造智能机器的策略也不同。一些研究人员试图将人类知识转化为代码，或者为理解语言等任务设置规则。其他人受到学习人类和动物智能的重要性的启发。他们建立的系统可以随着时间的推移而变得更好，可能是通过模拟进化或从样本数据中学习。在这一领域，一个又一个里程碑已经建立起来，计算机已经掌握了许多以前只能由人完成的任务。
深入学习是人工智能领域中最古老的思想之一，是人工智能领域中迅速爆炸的燃料。这种技术被用来通过模拟脑细胞工作方式的数学网络传输数据，所以它被称为人工神经网络。当网络处理训练数据时，调整网络各部分之间的连接以建立解释未来数据的能力。
人工神经网络在达特茅斯研讨会之后不久就成为了人工神经网络的一个既定理念。例如，在1958年, 充满空间的感知器马克1号(Perceptron Mark 1)就学会了区分不同的几何图形, 并被《纽约时报》称为"为阅读和增长智慧而设计的计算机的胚胎" 。但是，在1969年，麻省理工学院的马文•明斯基(Marvin Minsky)与人联合撰写了一本颇具影响力的书中指出，神经网络的作用并不是很强大，紧接着它就"失宠"了。
但并非所有人都同意明斯基的观点。几十年来，一些研究人员一直在研究这种技术，并一直保持它的活力。直到2012年，他们才被证明是正确的。一系列的实验表明，大量的数据和强大的计算机芯片所提供的神经网络能够给机器带来新的感知。
一个显著的结果是多伦多大学的研究人员在一年一度的图像分类竞赛中击败了对手。在另一项研究中，来自IBM、微软和谷歌的研究人员共同发表了一项研究，表明深度学习也显著提高了语音识别的准确性。从那以后，科技公司一直在疯狂地招聘他们能找到的所有深度学习的专家。
人工智能的未来
即使人工智能的成果明天就会停止，也不要指望它会停止改变世界的脚步。
谷歌、微软和亚马逊等大型科技公司积累了大量人工智能人才和令人印象深刻的计算机阵列，以支持其核心业务---广告或预测下一笔交易。
他们还试图通过邀请其他人在其网络上运行人工智能项目来赚钱，这将有助于推进医疗保健或国家安全等领域。人工智能硬件的改进、机器学习培训课程和开源机器学习项目的增长，也将加速人工智能向其他行业的传播。
同时，消费者可以期望更多的设备和服务与ai功能相结合。特别是Google和Amazon，改进的机器学习将使他们的虚拟助手和智能扬声器更强大。例如，亚马逊设计了一种配备摄像头的设备，可以识别其所有者并监控其周围的世界。
商业可能性将迎来人工智能研究人员的黄金时代。现在有比以往任何时候都多的实验室来研究如何制造智能机器，而且他们能得到更多的钱。但仍有许多工作要做:尽管人工智能最近取得了进展，但在不久的将来，将有许多机器无法做到的事情，例如理解语言的细微差别、常识推理以及从一两个例子中学习新技能。人工智能软件要想接近人类的多功能性、适应性和创造性智慧，就必须克服这些困难。一个深度学习的先驱，谷歌的杰夫•辛顿（Geoff Hinton）认为，要在这一重大挑战方面取得进展，就需要重新思考这一领域的一些基础。
随着人工智能系统变得越来越强大，它们也将面临越来越多的审查。政府在刑事司法等领域使用软件往往有缺陷或保密，Facebook等公司已开始解决其算法的缺陷。更强的人工智能会引起更严重的问题，例如对妇女或黑人的持续偏见。一些民间社会团体，甚至科技行业本身，正在探索人工智能的安全和伦理。为了获得机器变得更加智能好处，我们需要对机器更加智能。
閱讀更多 雲博彙物聯網 的文章
