现在一说起人工智能的起源,公认是1956年的达特茅斯会议。殊不知还有个前戏,1955年,美国西部计算机联合大会 (Western Joint Computer Conference)在洛杉矶召开,会中还套了个小会:学习机讨论会(Session on Learning Machine)。讨论会的参加者中有两个人参加了第二年的达特茅斯会议,他们是塞弗里奇(Oliver Selfridge)和纽厄 尔(Allen Newell)。塞弗里奇发表了一篇模式识别的文章,而纽厄尔则探讨了计算机下棋,他们分别代表两派观点。 讨论会的主持人是神经网络的鼻祖之一皮茨(Walter Pitts),他最后总结时说:“(一派人)企图模拟神经系统,而 纽厄尔则企图模拟心智(mind)……但殊途同归。”这预示了人工智能随后几十年关于“结构与功能”两个阶级、两条路线的斗争。
人工智能主要包括六大学科,当下业界讨论往往聚焦机器学习这一学科
机器学习之所以如此火爆,是因为它是一种可以让计算机自动学习和改进的技术。
与传统的程序设计方法不同,机器学习允许计算机从数据中学习规律和模式,并在未知数据上进行预测和决策。这使得机器学习在各种领域 都具有广泛应用前景,包括自然语言处理、计算机视觉、机器人技术、金融、医疗、电子商务等等。
机器学习火热背后的原因:
数据量的爆炸式增长:随着数字化时代的到来,人类生产的 数据量正在呈指数级增长,这些数据中蕴含着很多宝贵的信 息,而机器学习可以通过对这些数据的分析和学习,发现其 中的规律和模式,并将其应用于各种领域。
计算能力的提高:随着计算机硬件和软件技术的不断发展, 计算能力越来越强,能够处理大规模的数据和复杂的算法, 这使得机器学习变得更加高效和实用。
开源框架的出现:出现了许多优秀的机器学习框架,如 TensorFlow、PyTorch等,它们不仅提供了丰富的工具和算 法,而且是免费开源的,使得机器学习技术更加普及和易用。
商业应用的需求:机器学习技术在商业应用中也有广泛的应 用,如推荐系统、广告投放、欺诈检测等等,这些应用在商 业领域中起着至关重要的作用,推动了机器学习技术的快速 发展。