「2019 Python开发者日」7折优惠最后3天，请扫码咨询 ↑↑↑

作者 | 武博士、宋知达、袁雪瑶、聂文韬

来源 | 大鱼AI（id:DayuAI-Founder）

本文我们会以生动有趣的漫画来介绍关于人工智能（AI）相关的故事，你将会学习到： 

• 人工智能的历史故事

• 机器人与人工智能的关系

• 人工智能的应用领域和相关等级

• 人工智能关于我们的未来的影响，我们是否会失业。

• 如何开始学习人工智能  

让我们一起进入人工智能的世界吧。

1.1 进入人工智能

当有人问我，Dr.Wu 你的研究方向是什么？我回答：人工智能。 接着大约会得到以下五种问题回应： 

• 哇，好酷！是不是很难呢？ 

• 是不是制造机器人帮助我们呢？ 

• AI和人工智能有什么区别？ 

• 我们会不会失业？ 

• 究竟啥是人工之智能？ 

接下来，我会带大家一一解惑。

1.1.1 人的智慧和人工智能

究竟什么是人工智能，什么是AI，接下来，由我为大家解答。 媒体上几乎每天都有AI和人工智能的词汇，总给人一种深奥神秘的感觉。人工智能顾名思义就是人类制造的智慧，英文叫Artificial Intelligence（AI），所以人工智能=AI。 

那么问题又来了，智慧究竟是什么？我们要以何种方式去制造智慧？要回答这个问题，就必须从人与人造物的 区别和人的智慧说起。 

对于人工智能的研究人员来说，目标并不是研究人类智慧的来源，而是以工程技术手段制造出类似人类智慧的 产品。  

人类和人工智能最大的差异是，肉体的有无。

人类可以通过身体获得外界资讯。透过感觉器官，我们可以感觉到声音、外观、触感、气味等，让我们觉得舒服或者讨厌，进而产生感情。 

不过人工智能并没有人类的身体，因此无法像人类一样通过肉体感觉器官来积累感觉经验，也无法借此获得知识。 

人工智能必须依赖人类，将人类通过鼻子、眼睛、嘴巴、皮肤...获得的外界资讯，以某种形式”输入“到人工智能，人工智能才可以加工和处理这些信息。 具体输入方式我们未来讨论。

1.1.2 图灵测试：哪个一边是人？

英国数学家，Dr.Wu 认为二十世纪最聪明的人三个人（爱因斯坦、图灵、冯诺依曼）之一，艾伦.图灵（Alan Turing：1912-1954）定义了一种方法，来判断人工智能是否成功，这种方法是：和自己对话的对象是人类还是人工智能？ 

这种方法就是大名鼎鼎的图灵测试。

只要三成以上的研究员将人工智能误以为是人类，就算通过图灵测试。 

但是由于计算机很难做到与人类接近的对话，所以很长一段时间都没有任何人工智能通过图灵测试。反而人类在不断学习计算机语言，这就是大量程序员的工作，和计算机对话。 

图灵测试又叫做模仿游戏‘Imitation Game’，一部描绘图灵一生的自传电影一样也叫模仿游戏，我觉得很好看哦。 Imitation 即为模仿。 

除了这部电影之外，《黑客帝国》、《终结者》、《全面进化》等描述人工智能的电影中，大多提到人工智能会威胁到人类生活，而不是给人类带来幸福，这让很多人谈到人工智能都会感到恐慌。 

但是，事实上，目前还没有做出公认通过图灵测试的人工智能。所以大家也不必恐慌哦。

1.1.3 人工智能会思考吗？

“思考”，大多数人会想到计算，应该是人工智能的专长。但事实上，要想像人类一样思考其实是一件非常困难的事情。 

人工智能需要以各种输入数据案例为基础，通过这些数据案例获取经验和知识，然后进行预测和判断。如果输入的案例太少，就无法做出判断。 情况相反，人类即使遇到过去未曾遇到的状况，也可以以弹性的方式面对各种状况。 

例如，人工智能需要看过上万张猫狗的图片才可以相对准确的识别猫狗图片，但是人类3岁左右的小朋友，只需要见过几次，就可以识别。差距还是巨大的。

但是，人类对于人类来说很难解决的问题，人工智能却能够迅速解决。例如：训练好的人工智能在图片识别过程中，效率远远高于人类，给他们10万张图片，他们会很快的为人类做好分类工作，无怨无悔，而且在工作过程中，人工智能本来的"智慧”也在提升。

我们将在未来的章节提到，目前具有一定“智能”的AI，可以用什么样的方式来解决什么样的问题。明白人工智能的擅长之处与不擅长之处，是未来社会我们能够幸福生活的关键。

1.2 人工智能的诞生

人工智能是最近才有的吗？ 其实人工智能很早就有了，都快63岁了呢。 让我们进入历史的长河，一起沿着时间的足迹探究人工智能。

1.2.1 达特茅斯会议

人工智能（Artificial Intelligence）这个名词是1956年夏天，在美国东部的达特茅斯会议中初步登场。 会议从7月持续到8月，是一场为期一个月以上的会议。对于人工智能的研究者来说，这个会议是一场划时代的会议，会议将“像人一样思考的计算机”称为“人工智能”，于是“人工智能”这个词，诞生了！

这场会议中，有许多著名的计算机科学家参加，包括约翰.麦卡锡，马文.闵斯基，艾伦.纽维尔。许多研究者当时发布了最新的研究成果。 其中马文.闵斯基曾在1951年，利用硬件实现了类神经网络。 这是世界上第一个可以进行自我学习的网络。

1.2.2 第一次人工智能（AI）浪潮

达特茅斯会议之后，到了50年代后期到60年代，整个人工智能领域流行的用计算机进行演算法，以解决特殊的问题。 

以走迷宫为例，目标就是从迷宫的起点走到终点。 人类走迷宫，碰到死路时候稍微后退，再找其他路径，一步一步向终点靠近。

如果让计算机去走迷宫，不会真的按照真实的道路前进，而是从起点开始分类，分成往A走的情况和往B走的情况等。接着往A走碰到的情况，以及往B走的情况，进行分类。在不断分类的情况下，最后能找到终点。这就是初期人工智能所使用的方法。

近些年，由于计算机的优异表现，广受媒体注意的国际象棋（IBM 深蓝）等棋类竞赛，用的都是这种演算法。 

乍一看这种演算法处理问题似乎不是那么“聪明”，但是由于计算机处理的速度的提升，机器相对于人类慢慢体现出了压倒性优势。（围棋除外） 

为什么我一直把围棋要除外呢，因为围棋的走法有10的360次方，数量要比天上的星星还要多，但是近期AlphaGo攻克的围棋，并不是第一次AI浪潮的产物哦。

好多人在问我IBM深蓝和AlphaGo的区别，我的回答是深蓝用的是演算法，目的是证明IBM大型服务器的能力，而AlphaGo用的是深度强化学习，证明机器可以有智能（我们在后续的文章会解释）。

我们言归正传，到了60年代，以演算法解决棋类竞赛的问题为核心的第一次AI浪潮，由于没有解决亟待解决的现实问题，美国政府切断了一切资金的供给，直接导致第一次AI浪潮的结束。20世纪70年代末成了人工智能的寒冬。

1.2.3 第二次人工智能浪潮

在第一次AI浪潮中，人工智能无法为疾病治疗等人类实际问题做出贡献，使相关研究进入严冬。但是20世纪70年代开始，研究人员利用计算机的存储功能，将“知识”存入电脑让它变得更加聪明。

斯坦福大学开发的MYCIN就是一个著名的例子。

Mycin可以将过去所有病人诊断为细菌感染的症状与其他情况等知识，记录在数据库中。当有新的患者出现时，输入患者症状和其他情况，就能够推测患者感染某种细菌的概率。

如“输入：发烧，头疼，口干 ；输出：这种症状的病人有69%的几率感染 * * 细菌”。 然而，要让计算机具有这些知识，需要采纳许多专家的相关知识，并进行许多调查研究，以积累资料，相当耗费时间和精力。 

为了让这项技术实用化，需要搜集和整理许多领域的资料，其中包括“觉得头重脚轻”这种含糊不清的症状描述。 但是想让这些全部记录下来，实在是一件不容易的事情。 

这时，有些计划将所有人类具有的知识全部输入计算机。比较著名的是1984年美国新创公司发起的CYC计划。但是世界的知识实在是太庞杂了。这个计划到目前为止，还在进行中... 人工智能面临不知道该如何理解文字意义，以什么方式描述知识，才能让计算机容易处理的问题（我们会在后面详细说明）。于是，必须以人工一条一条输入知识，才能构建人工智能的第二次AI浪潮，在90年代中期再次进入寒冬。 

冬天肿么又到了...

1.2.4 第三次人工智能浪潮

时间到了20世纪90年代中期，互联网和搜索引擎相继诞生，到了2000年，随着网站的数量的增加，人类的知识、资料在互联网呈现指数增长。到了2008年，随着智能手机的兴起和4G网络的普及，几乎全世界一半的人都成为了网民，为互联网贡献自己的数据。

能够让计算机自主学习，便进入了第三次AI浪潮。

从人工智能诞生到现在的历史，可以整理为下图：

当我们介绍人工智能浪潮的时候，总会有人问“第三次人工智能浪潮”会很快结束吗？ 我的回答是：“至少从现在看，人工智能已经是大势所趋，在未来社会中，是不可或缺的技术。”

1.3 人工智能可以做哪些事

1.3.1 人工智能与机器人

虽然人工智能很早之前就有，但是很多人还是将机器人研究等同于人工智能研究。

从小时候开始，动漫书总就会有理想中的人工智能。他们所具有的智慧，可以让他们进行和人完全相同的对话、思考、行动。还有类似人类一样的身体。我小时候特别想有一只机器猫。

人类的智慧与身体无法分离，因此很多人无法想象智慧与身体无法分离的样子。 然而，人工智能研究不能等同于机器人研究。人工智能研究与机器人研究如图：

人工智能研究与机器人研究，虽然不同，但是有共同的部分。

在这里，我们具体说明一下机器人研究，那就是具有“感应系统、控制系统、驱动系统的机械装置” 。

• 感应系统： 感受声音、光线温度等物理状态之变化的感应器

• 控制系统： 能够操作机械装置的系统

• 驱动系统： 能传导动力使之活动的系统

“产业机器人”就是机器人实用化的例子。

工业制造领域中有焊接机器人、组装机器人； 医疗领域中有数据机器人（例如鼎鼎大名的达芬奇机器人）；农业领域有除草机器人和插秧机器人；电子商务领域中有快递分拣机器人。 机器人应用领域相当广泛。 

机器人的研究以感应系统和驱动系统为主。而控制系统的研究，则接近于人工智能的研究。 机器人比赛中，大多是由操作者以无线的方式遥控操作机器人，用最快的速度跨越障碍物，一步一步走向终点。 

机器人的手臂运动由人来控制还是自己控制，用到的人工智能的等级完全不同。 至于咱们人类，完全就是自己控制，不需要外界操作。 

这里我们提到了人工智能等级，我们详细为大家介绍。

1.3.2 第一级人工智能

人工智能分第一到第五，共五个等级。我们目前处于第四级人工智能。我们将一起试着思考做到哪些事才能称得上是人工智能。

第一级人工智能，常见于搭载相对单纯的控制程序，输入与输出一一对应的家电产品（吸尘器、空调、洗机器、冰箱...）。 近年来许多家电声称”搭载人工智能“，就是这个等级。（不过有些产品具有第二级的人工智能） 

例如，有些人工智能空调主打温度在适当区间，有些人工智能洗衣机可以根据衣服的重量自动调整水量。不过，他们终究没有超出第一级人工智能的范围。

近期，微软与一家德国家电厂商联合推出一款“自动识别内部物品的冰箱”，引起大家关注。这样的功能已经超越了第一级人工智能，但是说白了，这只是利用冰箱内的摄像头进行图片识别的过程。虽然方便，但是仍然称不上人工智能的概念。

1.3.3 第二级人工智能

同样是家电产品，美国麻省理工学院MIT人工智能实验室成立的人型机器人公司，最近推出的扫地机器人Roomba已经是第二级人工智能。 

有研究者认为，Roomba的感应行动已和蟑螂有等级的智慧，它可以运用数十个感应器搜集房间的信息，并以 每秒60次以上的频率判断状况，再从40种以上的行动模式汇总选择最适合的行动。 

以这类扫地机器人为代表，能够判断、选择行动并执行的系统，即称为第二级人工智能。

让输入和输出变得更加精密的人工智能，就是第二级人工智能。一般应用程序中的棋类游戏，就属于这个等级的人工智能。 

第一级和第二级人工智能就在这里结束。 接下来就要说明第三级、第四级人工智能，将会涉及到“机器学习”， 领域。机器学习顾名思义，就是让机器（计算机）去学习事物的特征和规则，然后计算机变得越来越聪明。

1.3.4 第三级人工智能

这个等级的人工智能，可以自由学习，会变得越来越聪明。我们将在以后具体解释第三级人工智能，它具有机器学习功能。 

那么什么是机器学习呢。以数据为基础，为各种输入与输出赋予关联性，以这种方法进行学习的算法，就是机器学习。 第三级人工智能从20世纪90年代中期开始普及，一直进入21世纪前期。 

我们耳熟能详的，藏在搜索引擎背后，会自动在网站上获取大量数据并自动分析判断的人工智能。就是第三级人工智能的典型代表。

在第二级人工智能加入机器学习的方法后，进化成第三级人工智能。 而在众多机器学习方法中，深度学习 （Deep Learning）能够让计算机自行提取特征，以进行学习。深度学习可以称得上是第四级人工智能。

1.3.5 第四级人工智能

从第一级人工智能进化到第四级，有些AI甚至在某些领域超过人类（ImageNet 图片分类、AlphaGo...）。这种人工智能能在特定领域发挥自己的作用，也称作“特型化人工智能”。 

为了某个目的而特型化的AI = 特型化人工智能 

我们平时听到的，可以下围棋、辨别声音、参加益智问答、自动驾驶、对话机器人都是属于第四级特型化人工智能。

人类和第四级人工智能的区别：人类在学习过围棋后，或许可以举一反三，将经验运用到其他领域中。但是AlphaGo 无论有多厉害，它也不具备围棋以外的功能。

1.3.6 第五级人工智能

第五级人工智能就是“泛人工智能”，指的就是类似于哆啦A梦等和人类相似的行为，甚至能够发挥比人类更加优秀的能力。 这样的人工智能可以了解人的喜怒哀乐，懂得物体的质感，能够感受到人的情感。 

达到这种程度，可以称之为第五级人工智能。然而，一般认为，从第四级进化到第五级，非常困难，我们需要找到另一种特殊方法。

人工智能在第四级以前都是人类方便的工具，不过第五级“泛人工智能”不只是具有人类同等的智慧，还有第四级特型化的人工智能的能力，在特定领域超过人类，第五级人工智能可能不在是人类的工具，有可能对人类产生威胁，但是它还远远没有实现。

1.4 人工智能与人类的未来

1.4.1 科技奇点什么，它会到来吗？

有人预测，到了2045年，计算机将会超越人类大脑。这是基于计算机芯片性能每18个月提升一倍的假设，这个假设就是著名的摩尔定律。

如果这个预言成真，那么在人类的不断努力下，不久的将来，可以制造出比人类还聪明的人工智能。这种人工智能诞生后，由于它比人类聪明，它可以制造比它聪明的人工智能。在这样的推演下，人类就会被远远抛在后面。 

由此可知，所谓的科技奇点（技术的的特异点），指的就是人工智能有办法制造出更加聪明的人工智能的时间点。 原本从第一级到第四级的人工智能，都需要人类手动创造。但是当人工智能有办法制造出比自己聪明的人工智能时，便进入了一种截然不同的境界，即使新的人工智能比原来只聪明的一点点。 

我们假想每天都比以前的自己进步1%，那么一年后，你的能力会提升多少倍？ 答案是惊人的：37.78. 而且计算机的迭代速度是远远超越人类的。

但是以目前的技术条件，还无法达到科技奇点，但是人类已经向这个方向努力了。 

深度学习不是的通向科技奇点的唯一之路, 人脑的相关研究（脑科学）的研究也可能会帮助早就这一天的早日到来。 

有人认为，只要在计算机上实现人脑大脑的功能，新皮质、大脑基底核、以及小脑并适当组合就可以实现第五级人工智能。

• 大脑新皮质：是大脑特别发达的部位，包括视觉、听觉、运营、计算、逻辑都在这个部位处理。 我们后续会讲解非监督学习，或许可以模拟大脑新皮质系统哦。

• 大脑基底核：运行机制还有很多未知。不过一般认为，在学习过程中，如果这个结果对自己有利， 大脑基底核就会加强这方面的学习；如果学习成果对自己没有好处，则大脑基底核将不再接触相关 的学习。 这就是AlphaGo的基础：强化学习的原理哦。

• 小脑： 小脑的神经回路相对单纯，有人认为小脑所做的事有点像监督学习

监督学习、非监督学习、强化学习这些名词都是什么意思呢？我们会在后续的章节中进行详细解释哦。是不是很让人期待！

1.4.2 AI会改变人类的未来吗？

英国经济学家凯恩斯在1930年预测，100年后，人类一天只需要工作3小时。由于人工智能可以取代许多工作，从事这些工作的人因此可以得到解放，换句话说，就是失业。在2013年，牛津大学发表的论文，列出来未来十年或者二十年可能消失或者留下的工作。

为什么会举这些列子呢，我们会详细说明理由人工智能已经对声音、图片、视频的识别能力很高，所以，与声音、图片、视频相关的判别、记录、搜寻的相关工作，有很大机会都会被人工智能取代。

人工智能在数值预测上的能力相当高，所以银行柜台业务、融资、证券公司和保险业务也会有一部分会被人工智能取代。人工智能在销售与需求方面的预测、推测已经有实际应用的例子。广告公司可能会被取代。人工可能还可以进行创作，写作、作曲、设计都可以胜任。

此外食谱制作，玩游戏、回答问题到相对复杂的自动驾驶，人工智能都有办法做到。如果只认为从事数据收集、输入、加工、分析的会使用电脑的人才会失业的想法是错误的。事实上，从19世纪开始，纺织业就开始使用机械，到了20世纪，机场的取票功能已经被自动取票机器代替。随着人工智能的发展，人们的工作会被逐渐替代。

但是，大家不要灰心，未来我们还有很多工作是人工智能无法替代的。因为人工智能目前既没有身体和外界互动，也欠缺感知外界的能力。所以，需要透过身体感觉、情感、味觉才能胜任的工作，仍然在未来10到20年会留下来。如休闲治疗师、电影演员、心理医生。

人工智能也不擅长处理多重能力的工作，无法发挥带领团队的领导力，而这些工作都是责任重大的工作。例如企业高级管理人员、人工智能设计师、部门负责人等。

（*本文是AI科技大本营转载文章，转载请联系原作者）

◆

精彩推荐

◆

推荐阅读：

• NLP泰斗董振东老师与他的知网 | 纪念

• 线下沙龙 | 2019如何学Python？这里有你需要的答案

• 10行代码，用Python写一个USB“病毒”？

• Python官方中文文档上线，Pythoner快收藏福利！

• JavaScript 力压 Java 成最受欢迎编程语言，TypeScript 大涨！

• 工作 996，生病 ICU！这一次，程序员不忍了！

• “V神给了我1000个ETH, 我用来招了两个程序员” 独立开发者做到极限就是Paul Hauner | 人物志

• 阿里带火的中台，究竟是个啥？

• 曝光！月薪5万的程序员面试题：73%人都做错，你敢试吗?

❤点击“阅读原文”，查看历史精彩文章。