数字化随笔-演进AI

AI提出50多年了，历经高潮与低谷，走过弯路有过跌宕，终于在2016年完成了核心能力准备后在确立了2017年为内容元年，这是为何我们在2017年末有一种AI爆炸而的感觉。回溯的历史，是一段AI三要素中数据的积累与计算能力一度无法支撑超前的算法的时光。

7、80年代你收集1万张柯达照片试试难不难，现在Facebook收集100万照片易如反掌。没有海量照片，算法模型怎么培训，不培训怎么长大成熟，模型不成熟又何谈应用。

人工智能依旧是强人工智能弱，若人工智能强。弱人工智能今天如火如荼，强人工智能还很遥远。

人工智能面对的挑战，除了技术的还有哲学的。是为人类服务还是为了你个人服务，不同价值观人工智能机器人恐怕会给你不同答案，机器人善意的谎言给你的惊讶还是惊喜，人们现在需要考虑了。稳定场景机器学习可以应对，但人类的场景并不总是稳定，不稳定场景恐怕需要认知学习Cognitive Learning的长足进步。

---

数据分析挖掘与机器学习是一座大山的两个视角，二者的算法就是血溶于水。前者更严谨后者更高效（effective），没有理由。

没有大数据就没有AI，没有分布式提高的计算能力就没有AI。当代人工智能AI的核心是机器学习ML，ML基于统计学、专家系统、控制理论的算法n年前就有了。基于神经科学的深度学习DL姗姗来迟，2006多伦多大学的教授Geoffrey Hinton提出，受益于华人的骄傲吴恩达Andrew Ng将神经+GPU，使得ML在2015年飞越迷雾。Geoffrey Hinton名字不容易记忆的话就记着他的高曾祖父布尔吧，“与“”或“”非”布尔运算的亲爹。DL是ML的一种，相比其他ML的兄弟，DL有跨越Plateau的能力使其笑看江湖。

没有互联网就没有移动互联网，没有苹果移动互联网发展要拖n年，没有移动互联网和互联网就没有大数据积累。

没有互联网应用的3V特性的数据，今天还是仅仅关系数据库，没有分布式计算。当然遥远的未来关系数据不会消失，二者已经在融合，坐看风云。

没有电子计算机就没有互联网。