AI+电信网络:运营商的人工智能之路
上QQ阅读APP看书,第一时间看更新

1.1 人工智能的发展历程

人工智能是一门交叉学科,将计算机科学、控制论、信息论、哲学和语言学结合在一起。学术界尚未就人工智能的定义达成共识。美国斯坦福大学人工智能研究中心的尼尔森教授说:“人工智能是一门关于知识的学科,有关如何表示知识及如何获取和使用知识的科学”麻省理工学院温斯顿教授这样理解人工智能:“研究如何使计算机完成过去只有人类才能完成的智能工作。”究其本质,人工智能是基于机器(计算机)来模拟人类智能的,最终的目标是改善人类的福祉。

人工智能的应用领域非常广泛,包括媒体、教育、医疗、安全、农业等。人工智能是计算机科学的一个分支。自20世纪70年代以来,它被称为世界三大尖端技术(空间技术、能源技术、人工智能)之一,它也被认为是21世纪三大尖端技术(基因工程、纳米科学、人工智能)之一。讨论人工智能的发展过程将有助于我们更好地掌握人工智能的整体发展,促进人工智能及其相关科研领域的发展。

1956年被称为人工智能诞生的元年。如今,人工智能已有60多年的历程,其间起起伏伏。世界人工智能的发展主要经历了6个阶段,即萌芽期(1956年之前)、第一个高潮期(1956—1966年)、低谷发展期(1967年至20世纪80年代初)、第二个高潮期(20世纪80年代中期至20世纪90年代初)、稳定发展期(20世纪90年代至2016年)和第三次高潮期(2016—2020年)。

人工智能的概念在20世纪50年代被提出。1950年,一位名叫马文·明斯基(Marvin Minsky)(后来被称为“人工智能之父”)的大学生和他的同学邓恩·埃德蒙(Dunn Edmond)一起建造了世界上第一台神经网络计算机,这也被视为人工智能的起点。巧合的是,也是在1950年,被称为“计算机之父”的阿兰·麦席森·图灵(Alan Mathison Turing)提出了享誉世界的想法——图灵测试。根据图灵的愿景:如果一台机器可以在不被识别出机器身份的情况下与人类顺畅地交谈,那么该机器是智能的。就在同年,图灵还大胆预测了机器真正具备智能的可行性。

1956年夏天,在美国达特茅斯学院举办的研讨会上,包括海曼·明斯基(Hyman Minsky)、克劳德·艾尔伍德·香农(Claude Elwood Shannon)、约翰·麦卡锡(John McCarthy)和罗切斯特在内的一批年轻科学家为人工智能这一学科的诞生做出了贡献。计算机专家约翰·麦卡锡创造了“人工智能”一词,此后不久,最早的人工智能学者和技术团体开始出现。达特茅斯会议被广泛认为是人工智能诞生的标志,从那时起,人工智能就走上了快速发展的道路。

在达特茅斯会议之后,人工智能进入了一个新的发展阶段。在此期间,人工智能的主要研究方向是定理证明和机器翻译等。此阶段的代表性成果如下。1956年,艾伦·纽厄尔(Allen Newell)和赫伯特·西蒙(Herbert Simon)首次在定理证明方面取得了突破,并开辟了使用计算机程序模拟人类思维的方式;1960年,麦卡锡创立了人工智能编程语言LISP。一系列的突破使人工智能科学家相信,通过研究人类思维的一般规律,计算机最终可以模拟人类思维,从而创建通用的逻辑推理系统。

随着人工智能研究的不断深入,科学家面临越来越多的困难。创立于1965年的消解法(归结法)曾经备受期待。但是,当证明“连续函数之和仍是连续的”这个微积分事实时,该方法在推导了一万步后仍然没有结果。塞缪尔(Samuel)的象棋程序在赢得州冠军后从未赢得过全国冠军。机器翻译所依赖的词典中的词到词的映射方法迟迟无法达到理想的效果。从神经生理学角度研究人工智能的科学家尚未成功地使用电子电路模拟神经元和人脑。当时,人工智能面临的技术瓶颈主要有3个方面。第一,计算机性能的落后导致早期许多程序无法应用于人工智能领域。第二,问题的复杂性。早期的人工智能程序主要用于解决特定问题,因为特定问题的对象很少且复杂度较低。一旦问题维度上升,该程序将立即不堪重负。第三,数据量严重不足,没有足够大的数据库来支持该程序进行深度学习。

前一阶段的盲目乐观加之相关研究人员并未完全估计到可能遇到的困难,导致与美国国防高级研究计划局的合作计划失败了,而且还给人工智能的未来蒙上了阴影。同时,舆论的压力已逐渐开始集中在人工智能方向的研究上,导致大量研究经费被转移到其他项目上。在此期间,人工智能研究进入了低谷期。尽管面临巨大的压力,来自各个国家的人工智能研究人员仍在努力工作,继续加强基础理论研究,并在机器人、专家系统和自然语言理解方面取得新突破。

1977年,费根鲍姆(Feigenbaum)教授在第五届国际人工智能联合会会议上提出了“知识工程”的概念,这标志着人工智能研究的新转折点,即实现了从获取智能的基于能力的策略向基于知识的研究方法的转变。基于人工智能的基本理论和计算机科学的发展,各种实用的人工智能系统已经商业化,并取得了巨大的经济和社会效益。例如,1980年,卡耐基梅隆大学为数字设备公司XCON设计了一个“专家系统”。这是一个使用人工智能程序的系统,可以很容易地理解为“知识基础+推理引擎”的组合。XCON是一套具有完整专业知识和经验的计算机智能系统。该系统在1986年之前每年为公司节省4000多美元。有了这种业务模型后,就衍生了一些硬件和软件公司,如Symbolics、Lisp Machines、IntelliCorp、Aion等。在此期间,仅专家系统的行业价值就高达5亿美元。

然而,命运之轮再次碾过人工智能,让它回到原点。仅仅过了7年,曾经轰动一时的人工智能系统就失败了。到1987年,苹果和IBM生产的计算机的性能已经超过了Symblics等制造商生产的通用电脑。

此后,随着计算机网络技术的发展,特别是互联网技术的发展,人工智能的研究已经从单智能体发展到基于网络环境的分布式研究。随着神经网络技术的逐步发展,人们开始对人工智能有了客观、合理的认识,人工智能技术开始进入稳定发展期。1997年5月11日是人类和计算机挑战史上有重大意义的一天,计算机第一次在正常时限内击败了世界排名第一的玩家。加里·卡斯帕罗夫(Garry Kasparov)以一胜二负三平的成绩输给了IBM的计算机程序“深蓝”。机器的胜利再次引发公众对人工智能话题的热烈讨论。

2006年,多伦多大学教授、机器学习的领导者和神经网络之父杰弗里·辛顿(Geoffrey Hinton)和他的学生鲁斯兰·萨拉赫丁诺夫(Ruslan Salakhutdinov)在学术期刊《科学》上发表了一篇文章,提出了深度网络训练中的梯度问题解决方案:无监督的预训练以初始化权重+有监督的训练微调。斯坦福大学、纽约大学、加拿大蒙特利尔大学等已成为深度学习的研究中心,在学术界和工业界掀起了深度学习的浪潮,这是人工智能发展的重要里程碑。

2012年,为了证明深度学习的潜力,Hinton的科研小组首次参加了ImageNet图像识别竞赛。它通过构建CNN(卷积神经网络)AlexNet,以巨大的优势压倒了传统的机器学习SVM方法,赢得冠军。也正是由于这次比赛,深度学习算法吸引了许多研究人员的注意力。

2016年3月,由谷歌(Google)旗下DeepMind公司开发的基于深度学习算法的围棋机器人AlphaGo(如图1-1所示)与世界围棋冠军、职业九段棋手李世石进行围棋人机大战,以4∶1的总比分获胜。毫无疑问,这是人工智能历史上一个里程碑式的大事件。大家一致认为,人工智能已经上升到了一个新的高度。2016年也被称为人工智能新纪元的元年。

图1-1 围棋机器人AlphaGo

人工智能技术作为一种通用赋能技术,可以服务于各行各业。运营商借助完善的网络、云基础设施和全程全网的业务提供能力,借助人工智能发展的契机,一方面可以对运营商的电信业务进行人工智能赋能,拓展业务能力而提升业务质量;另一方面积极拓展面向垂直行业的服务能力和渠道,助力运营商实现综合信息服务数字化转型。实现跨越多个垂直市场的服务组合后,电信运营商将需要开辟新的市场渠道,最大限度地提升收益。这些渠道基于特定的垂直行业、地点或零售场景,缺乏服务开发能力。

目前,基于深度学习的计算机视觉、计算机语音识别和自然语言处理等已经具有实用化和成功商用的经验,可以快速地与电信网络的业务运营能力结合,形成大规模的人工智能能力来提供服务,帮助电信企业从电信管道业务向综合数字化服务转型。