1.3　曙光——人工智能谁领风骚

至今，人工智能技术已经走过了60年的历程，在这段曲折的路途上，人工智能技术经历坎坷：经历了二十世纪五六十年代以及八九十年代的人工智能浪潮期，也经历了七八十年代的低谷期。人工智能的研究者们一直致力于研究使机器具备人工智能的方法，这些研究者主要来自计算机科学领域和神经生物学领域。前者主要通过编写计算机程序的方式模仿人类的智能行为，后者主要研究人类大脑皮层的工作原理。伴随着第三次人工智能浪潮的发展，我们可以看到第三次浪潮与前两次浪潮明显不同。由于数据的爆发式增长、CPU计算能力的大幅提高、硬件的快速迭代和深度学习算法的发展成熟，强大的深度学习算法在计算机视觉、语音识别、自然语言处理等领域均取得了显著的成就。显然，从人工智能的研究进展来看，源自计算机科学领域的研究占据了主流。

随着互联网的发展，全球每天产生的数据量达万亿GB，为深度学习的发展提供了良好的数据基础。研究者们也积极地为各领域收集和整理相应的数据库，如为计算机视觉研究提供帮助的ImageNet数据库。2012年，吴恩达和杰夫·迪恩利用1000台计算机、16000个芯片搭建了一个深度学习系统，该系统可以自动根据图片中物体的类别将图片进行分类。深度学习在语音识别领域也取得了显著的进展，苹果公司的Siri、微软公司的小冰、vivo的小艾和百度的小度都是比较成熟的语音识别技术产品并已投放市场。

随着人工智能的逐渐普及，各大公司纷纷开发与之相关的深度学习和机器学习框架，降低算法模型搭建和训练的门槛。2013年，应用于人脸识别、图片分类等图像处理技术的Caffe框架问世。2015年，谷歌开源了TensorFlow框架，提供了丰富的与深度学习相关的API，还提供了可用于自然语言处理、计算机视觉等多领域的可视化分析工具TensorBoard。

从算法模型的不断发展成熟和支撑底层算法技术的深度学习框架的开源，到大型深度学习数据库的建设及硬件设施、云计算服务的逐步完善，人工智能的高速发展为我们揭开了一个新时代的序幕。