題圖為電影《機械姬》海報,，電影中AI機器人Ava通過各種欺騙、誘惑手段,，充分利用人性弱點通過了科學家的圖靈測試,，最終逃出囚禁,、獲得“自由”

　　1997年5月，IBM的“深藍”超級計算機在6局的國際象棋比賽中,，以2勝1負3平戰(zhàn)勝了世界排名第一的國際象棋大師卡斯帕羅夫,。這是人工智能發(fā)展史上一個重要的里程碑，這表明機器的智力在“信息完美”的領域,，如棋牌游戲,，已經(jīng)超過了人類。

　　“深藍”戰(zhàn)勝了國際象棋大師

　　所謂“信息完美”是指系統(tǒng)內(nèi)信息完全,，有始有終,，沒有外部干擾?！吧钏{”的運算能力在當時全球的超級計算機中位居259位,，每秒鐘可以運算2億步?！吧钏{”學習了70萬局國際象棋大師比賽,，從而有4千種不同的開局,。

　　此外，作為機器的“深藍”從不疲倦,，沒有情緒影響,，更不會犯低級錯誤。而卡斯帕羅夫則后悔的說: 和“深藍”的第6局比賽是他職業(yè)生涯中最爛的一盤棋,。

　　人工智能發(fā)展的“上半場”回顧

　　人工智能起步于1950年,，那年艾倫·圖靈發(fā)表了一篇論文，預測機器的人工智能有一天能夠超過人類的智能,。他同時提出了“圖靈測試”:

　　機器和人類專家對話之后,，如果專家無法區(qū)分對方是人還是機器，則說明機器的智能超過了人,。

　　1951年馬文·明斯基完成了第一臺神經(jīng)網(wǎng)絡機SNARC,，從而成為人工智能領域的一位重要的科學家。1956年的達特茅斯會議正式確定了人工智能這個領域,。

　　1950~70年是人工智能開啟的年代,，斯坦福大學做出了移動機器人，而麻省理工學院推出了聊天機器人,。在1970~80年,，人工智能的發(fā)展遇到了瓶頸，那時的計算機的運算能力和內(nèi)存有限,，導致學習能力差,。1980~87年，人工智能迎來了興旺發(fā)展的時期,，日本投入了8.5億美金研發(fā)機器人,，而美國的研究機構DARPA也針對人工智能投入大量的資源。1987~93年又陷入了一個人工智能的冬天,，人工智能的專用電腦的性能盡然落后于IBM和蘋果的個人電腦,。當時的DARPA主任認為人工智能不再是研究的重要方向。

　　從1993年到今天,，人工智能正在經(jīng)歷一個大發(fā)展,，特別是2012年之后，人工智能的進步明顯加快了,。2006年,，雷蒙德·科茲威爾（Ray Kurzweil）在他的《奇點臨近（The Singularity Is Near）》一書中，預言機器的智能將在2045年超過人類的智能,。

　　2014年6月7日,，一個名叫Eugene的“人”和一些專家在網(wǎng)上對話了5分鐘，有33%的專家認為Eugene是一位13歲小孩。事實上,，他是三名俄國科學家發(fā)明的超級計算機,。這樣，按照圖靈測試的規(guī)則,，機器第一次通過了圖靈測試,，時間正是圖靈先生逝世60周年。

　　指數(shù)式發(fā)展的“下半場”

　　國際象棋的起源可以解釋指數(shù)式發(fā)展的“下半場”的概念,。據(jù)說國際象棋的發(fā)明地是古印度,，當時大師達依爾為舍罕王發(fā)明了一個在64格棋盤上的游戲，就是今天的國際象棋,。舍罕王十分喜歡這個游戲,，要獎勵大師。大師要求的獎勵是：每個棋盤格子放麥子,，第一格放一顆,，第二格放二顆,，第三格放四顆,，以此類推，放完這64格子,。

　　舍罕王馬上就答應了,，他以為用不了多少麥子就可以放滿64格棋盤。沒想到,，放到第21格時,，麥子就必須以袋為單位;進入棋盤的“下半場”格子后，全印度的麥子都不夠,。事實上,，放滿64格棋盤，需要全球2千年所生產(chǎn)的麥子,。

　　這樣的棋盤上放麥子的增長模式是指數(shù)式增長：初期的增長曲線平緩,；后期，也就是“下半場”的增長曲線上升得非常陡峭,，速度讓人出乎意料,。

　　人工智能的發(fā)展己經(jīng)進入了“下半場”

　　人工智能進入指數(shù)式發(fā)展的“下半場”的證據(jù)來自至少兩個方面: 第一方面，人工智能前進的推動力具備指數(shù)式增長的特征;第二方面,，近年來人工智能的研發(fā)活動和成果極其頻繁,。

　　人工智能的推動力主要包括三個方面: 計算個人化，計算網(wǎng)絡化,，和大數(shù)據(jù),。

　　首先，計算個人化使得人工智能的研發(fā)從精英階層擴展到大眾。早期的研究機構主要是大學和政府,，只有他們才有人工智能研發(fā)所必備的超級計算機,。集成電路的發(fā)明和發(fā)展促成了計算能力快速上升和成本大幅下降，集成電路的發(fā)展模式在以往的40年遵循指數(shù)式發(fā)展,，即著名的摩爾定律,。80年代我在浙江大學學習時使用的小型機PDP11的運算能力遠遠不如我們今天使用的手機。今天用幾萬美金所搭建的服務器,，其運算能力就可以超過當年的“深藍”超級計算機,。巨大的計算能力的普及為小公司在人工智能領域進行創(chuàng)業(yè)提供了極大的便利。

　　其次,，計算網(wǎng)絡的價值增長也是呈現(xiàn)指數(shù)式,。例如，有4個節(jié)點的網(wǎng)絡有12個有方向的連接,，而400個節(jié)點的網(wǎng)絡有多達159600個連接,。由于有線互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的普及，今天的網(wǎng)絡連接數(shù)(即價值)正在直線上升,。

　　再次,，隨著信息終端的普及和物理世界的數(shù)字化，數(shù)據(jù)正在爆炸增長,，更是指數(shù)式增長,。今天全球的累計的數(shù)據(jù)量超過了10Zettabytes，其中90%的數(shù)據(jù)是在過去的兩年中產(chǎn)生的,。我相信在以上三股指數(shù)式上漲的力量推動下,，人工智能的發(fā)展也成指數(shù)式的成長模式。

　　近年來,，人工智能的創(chuàng)業(yè)和研發(fā)活動越來越活躍,。根據(jù)VENTURE SCANNER在2015年8月的統(tǒng)計，近十幾年,，全球在人工智能領域的創(chuàng)業(yè)公司達到了855家,，它們共獲得87.5億美金的風險投資。根據(jù)量化公司QUID的數(shù)據(jù),，在2013年有322家人工智能公司獲得至少20億美金的投資,。據(jù)CB Insights的數(shù)據(jù)，2014年投資人工智能領域的金額比2013年增加了三倍,。

　　人工智能創(chuàng)業(yè)分布在13個不同的領域,，包括機器學習，計算機視覺,，語音認別,，智能機器人等。高通創(chuàng)投在人工智能領域也投資了許多優(yōu)秀的企業(yè)，如基于大數(shù)據(jù)和機器學習的出行導航公司W(wǎng)AZE(在2013年被Google收購),，智能無人機公司3DR,，語音識別公司云知聲，虛擬現(xiàn)實/擴充實景公司MAGIC LEAP和小熊尼奧,，人機交互公司七鑫易維,，等等。

　　正是因為計算能力和數(shù)據(jù)量的極大增強,，機器學習成為人工智能領域進步最快的分支,，所獲得的投資額占總投資額的45%。

　　機器學習是用數(shù)據(jù)和以往的經(jīng)驗,，優(yōu)化計算機模型的性能指標,。比如說，制造手機有100多道工序,，如果我們通過編程,，讓一個機器人一步一步地按照程序完成，這不是機器學習,。如果智能機器人通過觀察工人制造手機的過程,，再經(jīng)過不斷試錯，之后可以自行制造,，這才是人工智能,。

　　“大數(shù)據(jù)”之前,，因為沒有足夠的數(shù)據(jù)來訓練模型,，所以模型優(yōu)化的進程緩慢。今天數(shù)據(jù)足夠多了,，運算能力大幅上升,，使得優(yōu)化模型的速度加快。最近量子計算機帶來更強大的運算能力的希望,。

　　近幾年大公司對人工智能的投入又怎么樣呢?

　　先說谷歌：谷歌在2010年正式開始汽車自動駕駛項目,，在2012年獲得美國首個自動罵駛車輛許可證。到了2016年年初,，谷歌的自動駕駛汽車己經(jīng)累計行駛了225萬公里,，自動駕駛的趨于成熟的速度超出了許多人的想象。2014年,，谷歌收購了深度學習公司DeepMind,，10月DeepMind發(fā)布了一種全新的模擬神經(jīng)網(wǎng)絡。同年,，谷歌開始開發(fā)一套能夠整合海量數(shù)據(jù)的語音系統(tǒng),，使得語音別識的精準度從2012年的84%提升到2014年的98%。在圖像識別的研發(fā)方面，谷歌一直不遺余力,。在2012年,，“谷歌大腦”可以在1000萬張圖片中成功識別出貓，從2010年到2014年,，谷歌的圖像分類識別精確度提高了4倍,。谷歌在2013年收購了8家機器人公司。

　　再來看Facebook：深度學習的鼻祖級科學家Yann LeCun在2013年加入Facebook,，使其圖像識別和自然語言處理技術飛速提高,，2014年，F(xiàn)acebook的臉部識別的準確率達到97%,。再來看看IBM這支人工智能領域的老牌勁旅,，2014年IBM宣布組建“Watson Group”，同時推出兩項Watson顧問服務,，一項幫助企業(yè)從海量數(shù)據(jù)中獲得洞察,，另一項使得數(shù)據(jù)可視化。同年8月IBM發(fā)布能模擬人類大腦的SyNAPSE(自適應可伸縮神經(jīng)形態(tài)電子)芯片,，該芯片有100萬個“神經(jīng)元”內(nèi)核,，而功耗僅為70毫瓦。

　　最后說百度：2014年5月百度引入深度學習專家Andrew Ng,，并由其組建百度北美研究中心,。隨后他們發(fā)明了Deep Speech的語音識別方法，可以在嘈雜環(huán)境中實現(xiàn)81%的識別準確率,。同年4月,，百度發(fā)布大數(shù)據(jù)引擎，提供大數(shù)據(jù)存儲,、分析和挖掘技術,，在醫(yī)療、金融和交通領域有具體的應用,。

　　所以說,，近年來在人工智能領域的創(chuàng)業(yè)越來越活躍。大型科技公司也視人工智能為其核心技術而加大研發(fā)投入,。人工智能的成果在最近幾年不斷涌現(xiàn),，充分顯示其發(fā)展進入了指數(shù)式增長的“下半場”。

　　機器聰明了,，人怎么辦?

　　人工智能的發(fā)展進入了“下半場”的快車道,，機器的智能日新月異，人類的智力有進步嗎?

　　英國倫敦大學的科學家的研究表明,，自1950年以來,，人們的平均智商升高了20點,，相當于平均每10年人類的智商值提高了3%。

　　這是一個喜憂參半的消息,，憂的是人類的智商提升的速度遠遠低于人工智能的進步;喜的是,，不管多少，人們的智商還是可以被提升的,。

　　一個簡單而重要的問題是: 人工智能技術能夠用來提高人的能力嗎?

　　人工智能在教育領域的應用

　　經(jīng)過分析,，我將人工智能在教育領域的應用總結為以下7個方面。我相信這方面的創(chuàng)新剛剛開始,，科學家和創(chuàng)業(yè)者不僅應該關心機器的能力,，而是更在乎我們自身的能力。

　　人工智能進入指數(shù)式發(fā)展“下半場 機器變聰明了 人怎么辦?

　　1)自動作業(yè)批改,。語音識別和語義分析使得自動批改作業(yè)成為可能,。數(shù)學等學科的自動批改作業(yè)相對容易，但是,，作文的自動批改已經(jīng)開始了,，老師和助教的效率正在大大提高。

　　2)個性化學習,。大數(shù)據(jù)可以描述每個學生的學習特性,，根據(jù)倫敦的一個研究機構的分析，人們的學習方法可以分為70種,。高通投資的愛樂奇已經(jīng)積累了一千三百萬學生所做過的8億道題,，為個性化教學提供了充分的依據(jù)。如果說今天的課堂教學的主流方法是“從原理到應用”,，而機器學習的方法是“從案例到原理”,，并且是同時學習多個案例。那么“從案例到原理”的學習方法對部分同學有效嗎?事實上,，許多人包括我本人在內(nèi),，更適應于“從案例到原理”的學習方法,。

　　3)智能輔導系統(tǒng)(ITS),。人工智能在這個領域的應用已經(jīng)有長足的進步，也展示出明顯的效果,。我和我的兒子都喜歡可汗學院(KHAN ACADEMY),，它是一個優(yōu)秀的智能輔導系統(tǒng)，幫助我們學習數(shù)學,、科學,、人文科學和計算機科學。值得一提的是,，可汗學院的創(chuàng)始人拒絕了風險投資人的投資建議,，堅持要把可汗學院辦成非贏利企業(yè),。學者將ITS和課堂一對多教學以及一對一的老師輔導進行對比，結果令人振奮: ITS的效果比課堂教學好很多,，和老師的一對一輔導的效果相似,。

　　4)互動學習環(huán)境(ILE)?；訉W習環(huán)境與智能輔導系統(tǒng)的區(qū)別在于四方面：更多建設性學習(或者說學生自己決定學習科題),，學生更主動，更多個性化,，以及學生收到更多反饋,。

　　5)通過仿真游戲學習: 目前最成功的仿真是飛行模擬器。我的飛行員朋友告訴我：在模擬機上飛行和真機沒有兩樣,，只是訓練更加便捷,。美國紅雀公司的FMX就是一款經(jīng)過美國FAA認證的，價值幾千萬美金的模擬機,。我女兒熱愛環(huán)境保護,，她使用Catchment Simulation 仿真軟件學習水文和水利。我兒子正在模擬的股市中,，使用虛擬貨幣進行交易,。我認為人的能力大概分為三種：分析能力(一種在書本和課堂中能夠學到的能力)，實踐能力(一種只能在生活中培養(yǎng)的能力),，以及創(chuàng)造能力(一種上天賦予的能力),。今天，因為實踐的機會極少,，人們的實踐能力越來越弱,，仿真可以多少彌補一些實踐能力。

　　6)對教學體系的反饋和評測,。

　　7)人工智能為學校招生,，學習場所和課后活動提供創(chuàng)新的解決方案。

　　在以上人工智能應用于教育的七大方面,，效果明顯的是智能輔導系統(tǒng)和通過仿真游戲學習,。

　　象棋大師的“東山再起”

　　在1997年象棋大師卡斯帕羅夫輸給IBM的“深藍”之后，雖然有短暫的不服等情緒,，他總結了失敗原因,，并提出了一種新型的國際象棋比賽形式——自由式。在自由式國際象棋比賽中,，人和機器可以自由組合：可以是一臺或多臺電腦,，可以是一個或者幾個棋手，也可以是人加機器,。

　　在2014年的自由式國際象棋比賽中,，機器贏了42局,，而人加機器勝53局。獲得冠軍的是一個叫Intagrand的人加機器的團隊,。當他們剛剛出現(xiàn)時,，人們懷疑團隊中有卡斯帕羅夫，后來才知道這個團隊的棋手是由三名業(yè)務選手組成,，加上并非最尖端的國際象棋軟硬件,。三名棋手其中一位是華裔女選手，她也是全球唯一兩位自由式國際象棋女選手之一,。人加機器的勝利說明這樣的組合比人或者機器更有優(yōu)勢,，而冠軍隊Intagrand的組成也進一步證明“一般人加上一般機器”可以戰(zhàn)勝“最強的人”或者“最強的機器”。

　　雖然“人加機器”的文明進步方式讓我們松了一口氣：人和機器不是對立的,。但是人仍然希望自身能力可以大大提高,。正如本文所闡述的，人工智能可以在教育領域得以應用,，人工智能也能夠幫助國際象棋棋手快速提高水平,。今天的國際象棋大師中最高水平當屬Magnus Carlsen，他在訓練中使用了人工智能,，也被大家認為下棋風格最像電腦的大師,。Magnus的水平已經(jīng)超過了歷史上所有的大師。所以說,，人工智能能夠幫助我們達到更快更高更好,。

　　2015年12月21日，英國倫敦帝國理工學院的科學家在《自然：神經(jīng)學》發(fā)表一項研究成果：他們發(fā)現(xiàn)了影響人類智力的基因群M1和M3,。他們聲稱“……我們有望操縱一整套與人類智力有關的基因,。通過這些基因改造智力，理論上是有可能的,，……” 這類基因研究成果首先用于治療疾病,，但是我們可以想象：將來我們的智商可以大幅度提高，仍然高于機器,。