深度解读人工智能过去60年沉浮史，未来60年将彻底改变人类【万字长文】

　　现代AI的曙光：新工具、新理念和摩尔定律

　　如何在有限的资源下做有用的事情，这是人工智能一直以来的挑战。一个现实的途径就是像人类造飞机一样，从生物界获得启发后，以工程化方法对功能进行简化、部署简单的数学模型以及开发强大的飞机引擎。

现代AI的曙光发生在这个阶段，出现了新的数学工具、新的理论和摩尔定律。人工智能也在确定自己的方向，其中一个选择就是要做实用性、功能性的人工智能，这导致了一个新的人工智能路径。由于对于人工智能任务的明确和简化，带来了新的繁荣。

　　基于神经元网络的深度学习算法示意图

在新的数学工具方面，原来已经存在于数学或者其他学科的文献中的数学模型，被重新发掘或者发明出来。当时比较显著几个成果包括最近获得图灵奖的图模型以及图优化、深度学习网络等，都是大约在15年前重新被提出来，重新开始研究。

在新的理论方面，由于数学模型对自然世界的简化，有着非常明确的数理逻辑，使得理论分析和证明成为可能，可以分析出到底需要多少数据量和计算量来以得期望的结果，这对开发相应的计算系统非常有帮助。

在更重要的一方面，摩尔定律让计算越来越强大，而强大计算机很少被用在人工智能早期研究中，因为早期的人工智能研究更多被定义为数学和算法研究。当更强大的计算能力被转移到人工智能研究后，显著提高了人工智能的研究效果。

由于这一系列的突破，人工智能又产生了一个新的繁荣期。最早的结果即为1997年IBM深蓝战胜国际象棋大师。在更加通用型的功能性方面，机器在数学竞赛、识别图片的比赛中，也可以达到或者超过人类的标准。

　　人工智能的繁荣也促进了机器人的进步，包括把人工智能原理用在机器狗的设计上。无论是人工智能狗还是无人车驾驶，都不是用编程方法写出来，而是通过一套学习算法在模拟器中不断的走路和开车，让机器自己产生行为策略，这是人工智能和原先控制论最不同的地方。

　　2011年，Facebook的挑战

　　在2011年的时候，邢波迎来做教授的*次学术休假，美国教授大概每6年可以做一次休假。邢波选择去了一家很年轻的公司做客座教授，这就是当时的Facebook。那个时候只有500人的Facebook在斯坦福大学的仓库里搭起了自己的实验室，当时Facebook提出希望连接上亿用户，也希望能够运用人工智能投放有价值的广告以增加公司收入。

　　Facebook当时的目标为在不久的将来把用户从1亿增长到10亿，邢波的任务就是帮助Facebook实现这个愿景。作为Facebook的*个客座教授，他的*个任务要把用户在社交网络里连接起来，然后把这种连接投射到社交空间中，从而做社群检测并把社群检测用来实现用户分组和特征化。

　　这个任务并不难，可以通过混合成员随机区块模型来实现，这是2011年*的处理网络数据的AI算法。但其中有一个问题，即计算的复杂度呈平方级现象，即用户数每增加10倍就需要100倍的CPU和存储，因此单机最多处理1万人，这是当时*问题。

　　邢波于是通过研究算法模型实现计算加速，包括在社交网络抽取比“边”更强大的特征叫做“三角形”，模型也从混合块模型升级到混合三角模型。混合算法实现了显著的革新，计算复杂度在不断下降。当时的研究成果被用于全球电影明星网络研究，大约在100万人左右的网络，可实时展示人们在模型驱动下不断在社交空间找朋友并落入到不同的社交群。

　　100万的网络、几亿条边、500多亿特征数，用10核单机在40分钟内完成了模拟，这也是惊人的成果。

　　但问题来了，Facebook的目标用户不是100万，而是1亿用户。100万用户模拟只用了一台笔记本电脑，而当时在Facebook的机房里有1000台主机，上面跑着可运行并行程序Hadoop系统。当时邢波把任务进行了并行化处理，希望能在0.6分钟内处理1亿用户。可结果并不理想，一个星期后依然没有结果。

【本文由投资界合作伙伴钛媒体授权发布，本平台仅提供信息存储服务。】如有任何疑问，请联系（editor@zero2ipo.com.cn）投资界处理。