什麼是人工智能
現在人工智能非常熱，講深度學習會講的比較多，講其他的比較少，但是我們有必要知道它的歷史、知道它的門派。人工智能到現在爲止有60年的時間，有三大門派：
-
- 第一個門派，通常叫邏輯主義（符號主義），核心是符號推理與機器推理，用符號表達的方式來研究智能、研究推理。奠基人是西蒙（CMU）。
-
- 第二個門派，連接主義。核心是神經元網絡與深度學習，仿造人的神經系統，把人的神經系統的模型用計算的方式呈現，用它來仿造智能，目前人工智能的熱潮實際上是連接主義的勝利。奠基人是明斯基（MIT）。
-
- 第三個門派，行爲主義。推崇控制、自適應與進化計算。這個流派最早期的時候大家對它的期望值是比較高，這些年行爲主義沒有起來，今後可能會有一個浪潮，這個行爲主義其實和我們今後要做的車聯網非常密切。奠基人是維納（MIT）。
說到人工智能，人工智能的定義到底是什麼？現在沒有非常嚴格準確或者所有人都接受的定義，但是有一些約定俗成的說法。通常人工智能是指機器智能，讓機器達到人智能所實現的一些功能。人工智能既然是機器智能，就不是機械智能，那麼這個機器是指什麼呢？是指計算機，用計算機仿真出來的人的智能行爲叫作人工智能。
人工智能研究領域包括認知建模、知識表示、推理及應用、機器感知、機器思維、機器學習、機器行爲和智能系統等。研究人工智能的動力包括推理，知識，規劃，學習，交流，感知，移動和操作物體的能力等。我們說車聯網裏面要有人工智能，這個人工智能主要是做什麼呢？這裏包括了很多東西，包括它需要對周邊環境的感知、對移動操作的控制、對整個行爲的學習以及交互交流，所以整個都需要人工智能纔可以做得好。
現在人工智能用得最好的領域是在搜索，這一輪我們說互聯網熱，現在叫“互聯網+”，最大的進展其實就是搜索的進展。我們知道谷歌和百度的成功其實都是搜索的成功，原來的搜索都是基於關健字的搜索，現在的搜索除了關健字以外，還有很多基於雲的搜索，比如說科大訊飛，這是語音的進展。另外，現在的搜索越來越智能，以前的搜索你輸入幾個關健詞，現在的搜索可以理解整個句子，知道你想要問什麼，然後搜索出你最想要的答案。下一個是什麼？可能會是駕駛，和車聯網的關係非常密切。
人工智能的60年
人工智能能不能繞開人工智能的奠基人？人工智能的奠基人叫阿蘭·圖靈（Alan Turing），這是一個天才，他締造了兩個領域，是這兩個領域之父：一個是計算機科學之父，沒有圖靈機就沒有今天的計算機，我們今天所有的計算機模型都是基於圖靈機的。圖靈也是人工智能之父。圖靈只活了四十幾歲，在他的晚期對人工智能特別着迷，提出了圖靈測試，這也是我們今天之所以能夠研究人工智能，是因爲圖靈前面爲我們開闢了一條道路。
圖靈測試實際上是現在人工智能來判斷一個機器是不是有智能的依據：有一臺機器和一個人，都被放置在黑屋子裏，測試員不知道哪個屋子是機器哪個屋子是人。然後由測試員就開始問問題，一直問到他能判斷哪個屋子裏是機器，哪個屋子裏是人，那這個測試就完成了。當測試員把所有能夠想出來的問題都問完了，他還判斷不出來哪個是機器哪個是人，這個機器就具有智能了，這就叫圖靈測試。當時在圖靈那個年代，這個測試通常用聲音提供，人和機器的聲音一聽就能知道，所以他要求通過鍵盤進行測試。
爲了紀念圖靈，圖靈去世以後，後人有很多紀念圖靈的辦法，1966年由ACM學會設立圖靈獎，被成爲計算機學科的諾貝爾獎。這個獎共有60餘人獲獎，每年有1-3名，其中也有華人獲獎者姚期智。獲獎人可以共享一個獎勵，這個獎勵是由企業出錢來獎勵計算機學會的人。這60多人中有8位是做人工智能的，大概1/8左右和人工智能有關。國內在討論要不要把人工智能變成一級學科，從這個角度看人工智能是很重要的。
人工智能到去年剛好是60年，第一屆人工智能最主要的討論會發起是1956年，當時是由幾個年輕人發起，有大概20多個人參加，在美國的達特茅斯開了一個暑期研究班。這個研究班當時有很多現在非常有名的人蔘加，但是當時都非常年輕。這些人聚在一起討論了兩星期，最後就把人工智能的框架給闡述出來了。這些人當中有很多都是今天耳熟能詳的，後來大部分人都獲得了圖靈獎，很多都是人工智能的泰山鼻祖人物。這些人當時雖然不在斯坦福，但是後來都到斯坦福教學了，成了斯坦福的教授。
人工智能從1956年開始以後幾起幾落，出現了幾次浪潮，現在人工智能已經是第三波浪潮了。第一波浪潮實際上是從1956年-1976年，最核心的是邏輯主義。就是上文提到的第一個學派。邏輯主義主要是用機器證明的辦法去證明和推理一些知識，比如能不能用機器證明一個數學定理，這是機器證明的問題。要想證明這些問題，需要把原來的條件和定義從形式化變成邏輯表達，然後用邏輯的方法去證明最後的結論是對的還是錯的，叫做邏輯證明。
實際上早期的計算機人工智能都是沿着這條路在走，所以當時我們有很多專家系統，比如醫學專家系統。醫學專家系統輸入的是什麼呢？是輸入一些症狀。這些症狀是用語言輸進的，但機器裏面可以變換成邏輯表達，用符號演算的辦法推出來你大概是什麼病或者肯定是什麼病。所以當時在邏輯的抽象、邏輯的運算和邏輯表達方面，人們花了大量的工夫。
當時在1958年這個領域剛開了兩年之後，就有兩位計算機領域的大師，Herbert Simon和Allen Newell，他們的理論直接涉及到決策論，完全是一套邏輯主義的推理方法。他們對決策論經濟學界很看好，很多人認爲做經濟學的判斷是非常應該的。當時他們做了一個大膽的預言，十年之內計算機就可以寫出優美的樂譜，十年之內計算機就能夠實現大多數的心理學行爲。當時他們判斷這些事都可以迎刃而解，並不是什麼問題，但事實證明這不是真的。包括國際象棋冠軍一直到一九九幾年才實現，圍棋一直到去年才實現。
數學定理這件事是做通了，因爲這件事是所有的事當中最容易用邏輯的辦法解決的，所以學習推理證明是判斷的十個可能有四個可能最貼近目標。計算機自動譜曲這件事，當然可以做很多，但是並不能達到隨心所欲的程度。最後這個心理學行爲，到現在也還沒有完全做好，這是我們今後要做的事。
定理證明實際上是第一個浪潮當中實現效果最好的，當時有很多數學家用定理思路證明了數學定理。配合這些工作，當時出了很多和邏輯證明相關的計算機，我們把它叫做邏輯程序語言，比如很知名的Prolog。最關鍵的是要有一個很好的數據庫，要有一個控制系統，進行邏輯推理和演算。
1976年前後，由於四大預言實現遙遙無期，關於人工智能方法論的爭論風聲漸緊。1977年，曾是Simon研究生的Feigenbaum提出知識工程的概念。在一開始邏輯主義和連接主義都在，第一個浪潮當中邏輯主義是完全佔上風的，連接主義那時候不太吃香。然而邏輯主義最後沒有實現目標，引起了大家的反思，這時候神經系統就慢慢佔了上風。
在70年代末，整個神經元網絡、模型都有突飛猛進的成績，最重要的是有一個叫BP網絡，這個模型能夠解決神經元網絡的學習。以前一個刺激對應一個輸出，刺激和輸出是一對，有什麼樣的刺激就有什麼樣的輸出。1986年BP網絡證明了神經元網絡，後來大家往更大的領域應用，做出了比較大的貢獻。後來在很多模式識別的領域、手寫漢字的識別、字符識別、簡單的人臉識別纔開始慢慢用起來，這個領域一下就熱起來。
第二個浪潮是連接主義。連接主義持續了十幾年，從1976年到80年代中期屬於低潮，大概到2006年又開始走下坡了。1986年BP網絡剛出來的時候解決了不少問題，大家都認爲人工智能是有希望的，後來十幾年以後發現神經元網絡解決單一問題可以，解決複雜問題不行。訓練學習的時候，數據量太大，有很多結果到一定程度就不再往上升了。這時候就出現了現在的第三次浪潮。
第三個浪潮，是把一些技術、神經元網絡和統計的方法結合在一起。最初人們並不知道到底要怎麼做，2006年有一篇文章，作者現在是人工智能圈子裏的大咖，認爲現在的神經元系統能做到幾千層都沒有問題，有點類似BP網絡。
人們可以認爲現在是第三次浪潮，但是這三次浪潮的區分是很籠統的。如果按照技術分類來講，第二次、第三次其實是一件事，依然是神經元網絡，差別的是深度學習的成功。這裏既有硬件的進步，也有卷積神經網絡模型與參數訓練技巧的進步。
它的弱點是整個網絡可以做得很深，也很容易去訓練，但是訓練得出的結果和人是完全不一樣的。因爲人腦裏面是有非常明確的定義，很容易舉一反三推理，但是神經元系統不行。神經元網絡本身實際它的物理意義沒有了，怎麼樣把神經元網絡和真人的智能概念的理解舉一反三的能力運用起來，是它天然的障礙。這個障礙的解法在哪裏，理論上是統計學的方法，現在神經元網絡基本上更多的是靠連接來實現的這個功能，但不是靠統計來做。人們希望把連接和深層次的統計結合在一起，纔有可能走出現在的環境。
目前爲止，工程院將深度學習、邏輯推理稱爲AI 1.0，下一步希望從AI 1.0往AI 2.0發展，克服現在AI 1.0的不足，使人工智能更順暢地發展，大概過幾個月就會在很多層面有一些具體的行爲。
自動駕駛將是下一個突破點
關於車聯網和人工智能，之前是在搜索方面有一個長足的進步，下一個進步是在自動駕駛，自動駕駛這件事將會對今後汽車產業有非常大的變革。這種變革需要一個出發點。任何一個東西都是有生態鏈的，目前整個系統都是以人爲中心的。如果要過渡到自動的操作系統來駕駛車的話，人就不再是中心，原來的駕駛技術就不需要了。如果人不需要介入，它對信息獲取的渠道已經不是眼睛和耳朵，而是會有很多的渠道獲取信息。
比如現在我們說的雷達，還是在仿照人的眼睛，但如果不是人爲中心，我們可以構造一箇中心，讓這個環境的信息通過車聯網送給汽車，這時候汽車的判斷在大多數情況下就夠了。小部分情況下，車要有觀察人，人不能發信號。如果汽車本身在發信號，你就知道這個汽車正在行駛、要變道、信號燈還有幾秒會變。當這些信息都有的時候，整個系統和現在的無人車完全不是一個系統。我想自動駕駛、車聯網會對整個汽車行業有非常大的改革衝擊，這個衝擊後面離不開人工智能，所有東西都需要決策最後完成。非常希望看到未來AI和車聯網結合。