1956年，AI這個詞匯誕生，當(dāng)時科技領(lǐng)域的先賢者召開了AI會議，提出了非常有遠(yuǎn)見的思考：怎么讓機(jī)器仿真，實現(xiàn)智能？當(dāng)然，他們的思想不是最早的，更早可以追溯到萊布尼茨，他最早提出通過數(shù)據(jù)演算出智能能力。
這些先賢者不僅有遠(yuǎn)見，而且還過分樂觀，他們認(rèn)為智能的基本問題可以在一個夏天解決，但是這個問題解決了嗎？沒有。維基百科詞條“AI winter”列出了很多失敗案例，為什么在長達(dá)的五六十年里面煽起大家那么多的熱情，卻沒有產(chǎn)生我們期待的路徑呢？
過去絕大部分的AI系統(tǒng)，更多以科學(xué)演繹的方式，演繹的概念就是類似“一生二，二生三，三生萬物”，從一個基本法則出發(fā)，推導(dǎo)出一個紛繁復(fù)雜的系統(tǒng)（歸納是從紛繁復(fù)雜的世界提煉出簡單的規(guī)律。以前受自然科學(xué)的研究影響，都是以不言自明的公理出發(fā)研究，比如認(rèn)定上帝造人，但是以這樣的思維出發(fā)會導(dǎo)致人工智能過于簡單）。傳統(tǒng)基于規(guī)則的AI系統(tǒng)沒有成果，形成了很多的教訓(xùn)：
教訓(xùn)1：這個世界是紛繁的，存在著很多因素和要素，彼此之間有復(fù)雜的影響，形成復(fù)雜的網(wǎng)絡(luò)和系統(tǒng)，這難以用一個公式來描述；
教訓(xùn)2：有很多因素和參量，你觀測不到，所以系統(tǒng)具備不確定性。現(xiàn)實以概率運行，如果你用確定性的規(guī)則，沒辦法掌握這樣的復(fù)雜系統(tǒng)，我們要采用基于統(tǒng)計的概念；
教訓(xùn)3：現(xiàn)實世界紛繁復(fù)雜，你很難完整描述，從數(shù)據(jù)中不斷學(xué)習(xí)、對問題的理解，從而隨著數(shù)據(jù)演化和進(jìn)化是關(guān)鍵，這也就是我們今天講的大數(shù)據(jù)時代的意義所在，本質(zhì)上數(shù)據(jù)提供了我們了解世界的可能。隨著數(shù)據(jù)演化，學(xué)習(xí)能力是一個關(guān)鍵。
我認(rèn)為過去60年AI的一個總結(jié)是：基于規(guī)則的系統(tǒng)，統(tǒng)治了過去的AI時代?，F(xiàn)在需要進(jìn)入數(shù)據(jù)驅(qū)動的系統(tǒng)，把數(shù)據(jù)導(dǎo)到機(jī)器里面，機(jī)器通過消化和吸收生成對世界認(rèn)知的模型。
我們再探討些本質(zhì)性的AI問題，歸結(jié)出最簡單的形式：通過觀測到的現(xiàn)象、數(shù)據(jù)、知識，映射成預(yù)測、判斷。比如，你輸入一個圖像，然后輸出“物體”的名字，這樣的映射就是圖像識別；你輸入一個語音訊號，然后輸出“文本序列”，這是語音識別；你輸入一段話，然后輸出“解析的樹狀結(jié)構(gòu)”，這是自然云儲；你輸入車輛行使周邊路況的情況，然后輸出“控制決策”，這是自動駕駛。
我們面臨的很多問題是：如何從數(shù)據(jù)中學(xué)習(xí)映射函數(shù)，形成訓(xùn)練樣本？比如把多個圖片定義為“長頸鹿”的標(biāo)簽，系統(tǒng)通過訓(xùn)練學(xué)習(xí)，然后再給出類似的新圖片的時候，該圖片也能自動打上這個標(biāo)簽。
從有限推導(dǎo)無限，是不可能的，除非你提出假設(shè)，沒有假設(shè)，就沒辦法做出判斷。在古代，古人的智慧說“近朱者赤，近墨者黑”，就蘊涵了一個樸素的智慧，就是判斷的時候一定隱含了假設(shè)：兩個在某些方面相似的人，在其它方面具有相似的特征和特性。
這就反映到人工智能大數(shù)據(jù)學(xué)習(xí)的本質(zhì)問題：假設(shè)的合理性。我們希望從數(shù)據(jù)得出的結(jié)論是簡單的、光滑的，而不是復(fù)雜的，所以哲學(xué)上有一個詞匯：剃刀原理，也就是能夠同時解釋某個現(xiàn)象的幾條規(guī)律里面，我們喜歡選擇其中最簡單的規(guī)律?？偠灾?，我們希望能夠找到一個規(guī)律，既能找到觀測的樣本，又得出簡單的結(jié)果。
如何從紛繁復(fù)雜的樣本中去抽取規(guī)律？做得最好的就是人類的大腦，能夠舉一反三、不斷學(xué)習(xí)。這個學(xué)習(xí)中最簡單的單元就是神經(jīng)元，它有很多神經(jīng)簇，和其它神經(jīng)元相連，神經(jīng)元接收到外部的信息輸入后，把對信息信號的反應(yīng)通過神經(jīng)末梢傳到其它神經(jīng)元。