7
1955年，斯坦福大學計算機科學家約翰·麥卡錫（John McCarthy）在達特矛斯會議上第一次提出了“人工智能”這個概念。
AlphaGo之后，這幾天都被人工智能刷屏刷得眼花繚亂了吧？最要緊的是，刷完了人工智能的了解還是像個毛線球？某某專家鼻祖發明的某某技術奠定了機器視覺、深度學習、語音識別……的基礎，他們都是誰？都做了什么？所謂萬變不離其宗，通常來說技術、知識體系都由一代宗師開始而代代相傳，并且推陳出新。人工智能作為一個誕生了六十年的研究領域，也有其“宗”可溯。
較早進行人工智能研究的麻省理工學院（MIT）人工智能實驗室、斯坦福人工智能實驗室等。事實上，正規教育體系的學科分類中，人工智能下分計算機視覺和機器學習兩個二級學科，領域中諸多種技術彼此都相互關聯。
從特征描述符到深度學習，計算機視覺走過蓬勃發展的二十年。近兩年來，尤其是最近Facebook、微軟、Google在人工智能領域取得的成績，我們都知道深度卷積神經網絡的神奇之處。與其他深度學習結構相比，卷積神經網絡在圖像和語音識別方面能夠給出更優的結果。那么，在此之前，物體識別技術是什么樣子？計算機視覺技術的進步，離不開他們的工作：
計算機視覺大牛族譜
計算機視覺的鼻祖要數偉大的David Marr，他從計算機科學的觀點出發，熔數學、心理物理學、神經生理學于一爐，首創人的視覺計算理論，從而使視覺研究的面貌為之一新。他的同事，將其理論傳承了下來。現在，計算機視覺，計算機圖形圖像與機器學習趨于融合，極大技術相互聯系，密不可分。而當下最流行的機器學習，它又是怎樣誕生出千奇百怪的機器人或人工智能程序的呢？
一般來說，機器學習領域的代表人物有Geoffrey Hinton、?Yann Lecun、Tom Mitchell等。他們如今雖然任職于不同的機構組織，然而也秉承著嚴謹的師承關系（包括Phd和Post-doc，co-supervise關系），如圖：
最初，機器學習分為聯結主義和符號主義兩大學派，后來華盛頓大學教授Pedro Domingos在去年的ACM Webminar上提出了機器學習五大流派及其代表人物的劃分：符號主義、聯結主義、進化主義、行為主義還有貝葉斯派。
代表人物：
符號主義是一種基于邏輯推理的智能模擬方法，又稱為邏輯主義，其算法起源于邏輯學和哲學，通過對符號的演繹和逆演繹來進行結果預測。舉個例子：根據 2+2=? 來預測 2+?=4中的未知項。
早期的人工智能研究者絕大多數屬于此類。該學派認為：人類認知和思維的基本單元是符號，而認知過程就是在符號表示上的一種運算。它認為人是一個物理符號系統，計算機也是一個物理符號系統，因此我們就能夠用計算機來模擬人的智能行為,即用計算機的符號操作來模擬人的認知過程。
總的來說，可以把符號主義的思想簡單的歸結為“認知即計算”。
代表人物：
據維基百科介紹，聯結主義是統合了認知心理學、人工智能和心理哲學領域的一種理論。聯結主義建立了心理或行為現象模型的顯現模型—單純元件的互相連結網絡。聯結主義有許多不同的形式，但最常見的形式利用了神經網絡模型。
人造神經元
聯結主義的中心原則是用簡單單位的互聯網絡描述心理現象。聯結的形式和單位可以從模型到模型修改。例如，網絡的單位可以描述神經元，聯結可以描述突觸。另一個模型網絡中每個單位用一個詞表示，每個聯結用一個語義類似的詞表示。
反向傳播算法演示
神經網絡是今天聯結主義模型的主導形式，如今流行的深度學習也是此學派的一個延伸。
Google那個識別出貓的神經網絡
代表人物：
據Airbnb工程師朱赟介紹，進化主義起源于生物進化學，該學派擅長于使用遺傳算法和遺傳編程。例如佛蒙特大學的Josh Bongard研發的基于生物進化理論的“海星機器人”，它能夠通過內部模擬來“感知”身體各個部分，并進行連續建模。因此，即使沒有外部編程，它也可以自己學會走路。
遺傳算法
遺傳編程
海星機器人
代表人物
貝葉斯決策就是在不完全情報下，對部分未知的狀態用主觀概率估計，然后用貝葉斯公式對發生概率進行修正，最后再利用期望值和修正概率做出最優決策。其基本思想是：已知類條件概率密度參數表達式和先驗概率，利用貝葉斯公式轉換成后驗概率，根據后驗概率大小進行決策分類。基于概率統計的貝葉斯算法最常見的應用就是反垃圾郵件功能。
概率推理
代表人物：
劍橋大學計算機科學家Felix Hill認為，近來人工智能系統在深度學習上取得的進展可以概括為行為主義和認知主義。所謂行為主義，顧名思義，關注行為表現而忽略大腦和神經的作用；認知主義則著眼于構成行為的心理過程。
Pedro Domingos最后表示，五大流派雖然各有所長，但是，目前我們真正需要的是一個能夠統一解決所有這些問題的算法。
以上圖片來源：slideshare.net
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
