深度学习主导人工智能时代将结束万余篇论文链轨刻刀沙发护理百分表出售宠物Frc

深度学习主导人工智能时代将结束？万余篇论文梳理ai发展史

从2012年斯坦福大学和谷歌的研究人员让计算机学会识别猫开始，深度学习将人工智能推向了公众的视野，也一直在人工智能领域占据着前沿地位。不论是正在改变医疗和安防行业的图像识别和人脸识别技术，还是语音识别和视频理解，这些人工智能的应用大多都要归功于深度学习。

然而，新技术的突然兴起是人工智能研究的一大特征，近期一份基于16625篇论文的分析报告指出，深度学习主导人工智能领域的趋势正在发生改变。

《麻省理工科技评论》最近在全球最大的科学论文开源数据库之一arxiv上收集了16625篇人工智能领域的论文。这些论文的发表时间跨度为25年，最早可追溯到1993年，最晚截止至2018年11月18日。根据论文的摘要和关键词，《麻省理工科技评论》分析了不同人工智能方法的发展趋势并指出：“深度学习的时代即将结束”。

从手动编码转向机器学习

《麻省理工科技评论》的报告发现，在20世纪90年代末至21世纪初的这段时间里，人工智能学者的目光渐渐转向了机器学习。

所谓机器学习，指的是从已知数据中去学习数据中蕴含的规律或者判断规则。

1988年，ibm研究人员发布了一种语言翻译统计方法，将概率原理引入到当时规则驱动的人工智不需要复杂的步骤和要求能领域，尝试解决法语和英语之间自动翻译的挑战。这种方法被视为是今天使用的机器学习的基础。

上述报告发现，在20世纪90年代末至21世纪初的人工智能论文中，“逻辑”、“规则”等与知识系统相关的词，数量开始下降，而“数据”、“络”、“性能”等与机器学习相关的词汇出现的次数快速增长。

机器学习取代以知识为基础排污管的推理

《麻省理工科技评论》在报告中给出了这种变化的原因。知识系统需要人为编写规则才能使系统运行，需要极大的人力成本且效率低下，而不要求手动编码的机器学习5、接头处弯折角不得大于4度正好成为“完洁净设备美替代”。在机器学习中，编程机器会自动从一堆数据中提取规则。

image net挑战赛与神经络

在20世纪90年代至21世纪初，神经络、贝叶斯络、进化算法、支持向量机等机器学习的各种方法之间存在着稳定的竞争。但报告发现，2012年的一次突破改变了这一状况，深度学习大大超越了其他方法，一举成为最受重视的机器学习领域。

在2012年一次全球范围的图像识别算法竞赛ilsvrc(也称为 image net挑战赛)中，多伦多大学教授、“深度学习之父”杰弗里·辛顿(geoffrey hinton)和同事们开发的一个多层神经络 alex net取得了冠军。该多层神经络以超过10个百分点的惊人幅度实现了图像识别的最佳准确度，大幅度超越了使用传统机器学习算法的第二名。

这次比赛的成果在人工智能学界引起了广泛的震动。从此，以多层神经络为基础的深度学习被推广到多个应用领域，在语沙发革音识别、图像分析、视频理解等诸多领域取得成功。

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经络，它模仿人脑的机制来解释数据，例如图像，声音和文本。

与此同时，一种监督学习下的深度学习模型——卷积神经络也得到了快速的发展。《麻省理工科技评论》的报告发现了这个增长趋势。数据显示，神经络相关论文在人工智能论文中所占的比例从2012年的3%一路上升至2018年的27%。

阿尔法狗和强化学习的兴起

强化学习是人工智能的重要分支。在2016年击败围棋世界冠军李世石九段的阿尔法狗，其令世人震惊的博弈能力就是通过强化学习训练出来的。

强化学习的目标是要获得一个策略(policy)去指导行动。例如，在阿尔法狗和李世石的围棋博弈请取出备用保险丝安装便可中，这个策略可以根据盘面形势指导阿尔法狗每一步应该在哪里落子。

强化学习会从一个初始的策略开始。通常，初始策略不一定很理想。在学习过程中，决策主体通过行动和环境进行交互，不断获得反馈(回报或者惩罚)，并根据反馈调整优化策略。

《麻省理工科技评论》发现，最近几年中，提及强化学习的论文数量大幅上升，强化学习论文在人工智能论文中的占比从2015年的4.7%上升为2018年的15.3%。

对于这种上升趋势，华盛顿大学计算机科学教授佩德罗·多明戈斯(pedro domingos)表示，强化学习并不是新鲜的理论，但在之前几十年中，它没有发挥出真正的作用。阿尔法狗在围棋比赛中击败世界冠军的里程碑事件，无疑为强化学习的发展带来了深刻影响。

根据上述报告，多明戈斯分析称，在人工智能领域，基本上每十年都会看到不同技术的统治：80年代的知识型系统、90年代的贝叶斯络、00年代的矢量机器以及10年代的神经络。

他认为，21世界20年代应该也不例素质外，深度学习时代可能很快就会结束。至于是旧技术重获青睐还是新技术突然出现，他无法给出答案。