Machine Intelligence(Nature Insight 2015.5.28/Vol 521/Issue No 7553)

原文链接

1956年计算机科学家第一次提出“人工智能”这个酷炫的词时，对制造出像人一样，具有智能和行为的机器的期望就一直很高，但是这个领域过去长期处于等待的状态。在接下来的几十年，这个总是在流行文化中被提及。更糟糕的事，这种尝试模仿人类对高级符号理解的算法的失败，给这个领域带来了不好的名声，并导致长期申请不到基金。



同时，正如一般事物发展的规律，由于雄心勃勃的电子工业的“蓄谋已久”，并不是那么聪明的计算机迅速发展，变得非常强大，消费者也很青睐。

然而，由于物理极限的存在，留给计算机芯片性能提高的空间并不多了。在过去的几十年，世界出现了数据爆炸。在未来一段时间，利用通用计算机从这些数据洪流中获取信息会变得可能。幸运的是，人工神经网络的研究工作从未中断过，并且这个领域最近取得了巨大的突破。利用强大计算机处理功能和大量用来训练的数据，人工智能打了个回马枪，宣布了一种基于机器学习的解决方案，比如那些像人一样处理视觉和语言信息的系统。



机器智能的另一条路线是机器人，将人工智能物理性地存在于现实生活中。它使用传感器获得必要的信息输入。得益于芯片技术的发展，计算机算法和小型材料，使得创造出的辅助人的机器人，能做的事情越来越多。



在这篇INSIGHT中，我们收集了机器学习和机器人领域最激动人心的进展。历史有一次的重演，期望有一次的高起来，但和历史不同的是，接下来的几篇文章中都指出，通向未来研究的大门已经打开。有合适的保护下，我们将会在21世纪迎接这些挑战。

评论区留言

亲爱的编辑：

上面这篇文章，站在50年前对机器智能巨大的期望的立场下，阐述了计算机领域不尽人意的结果。我们认为，重复学习的算法一直在发展。最近，由于深度学习网络，以及语言信息处理等发展，又产生了巨大的期望。但我们认为，还有其他原因会促进更长远的进步。

两种半监督算法的提出：多层神经网络（MNN）和分层隐式马尔可夫模（HHMM）。这两种算法都认为：

1、在不改变变量复杂度的情况下，并联变量。

2、在HHMM结点，混合指定MNN。

3、训练过程是自动的（自学习）

4、具有集群智能

虽然大多数计算机芯片都遵循传统的处理架构，但是VLSI和FPGA架构的研究提升了机器算法的性能。上面提到的算法更可能成为未来机器感知过程的“齿轮”角色。这些处理会成为新一代机器的支撑，并帮助我们完成危险的任务，比如太空和深海探测。