尽管深度学习让人工智能进入了公众的视线ღ◈ღ✿，但它只是人类探索智能的历史上的一个插曲ღ◈ღ✿。在不到 10 年的时间里ღ◈ღ✿，它一直处于人工智能的最前沿ღ◈ღ✿。但当我们放大这个领域的整个历史ღ◈ღ✿，我们很容易意识到ღ◈ღ✿，它可能很快就会从历史舞台上退场ღ◈ღ✿。

　　这类算法的工作原理是使用统计数据来发现数据中的模式ღ◈ღ✿。事实证明ღ◈ღ✿，它在模仿人类技能 (如我们的视觉和听觉能力) 方面非常强大ღ◈ღ✿。在一些特殊情况或者是某些有限范围内ღ◈ღ✿，它甚至可以模仿我们的推理能力ღ◈ღ✿。深度学习为谷歌的搜索ღ◈ღ✿、Facebook 的新闻 Feed 和 Netflix 的推荐引擎提供了强大的支持七生奈央ღ◈ღ✿，并正在改变医疗和教育等行业ღ◈ღ✿。

　　然而ღ◈ღ✿，尽管深度学习让人工智能进入了公众的视线ღ◈ღ✿，但它只是人类探索智能的历史上的一个插曲ღ◈ღ✿。在不到 10 年的时间里七生奈央ღ◈ღ✿，它一直处于人工智能的最前沿ღ◈ღ✿。但当我们放大这个领域的整个历史ღ◈ღ✿，我们很容易意识到ღ◈ღ✿，它可能很快就会从历史舞台上退场ღ◈ღ✿。

　　华盛顿大学计算机科学教授兼主算法的作者佩德罗·多明戈斯就认为ღ◈ღ✿，长期以来ღ◈ღ✿，不同技术的突然兴起和衰落一直是人工智能研究的特点ღ◈ღ✿。每十年都有不同观点之间的激烈竞争ღ◈ღ✿。然后ღ◈ღ✿，每隔一段时间ღ◈ღ✿，一个新的技术就会兴起ღ◈ღ✿，研究人员都会聚集起来研究这个新兴的技术七生奈央j9九游会老哥俱乐部交流区ღ◈ღ✿。

　　在对人工智能技术持续的报道和关注的基础之上ღ◈ღ✿，《麻省理工科技评论》想把技术断断续续ღ◈ღ✿、起伏变化的过程形象化ღ◈ღ✿。当今最大的科学论文开源数据库之“arXiv”是一个最佳选项ღ◈ღ✿，于是ღ◈ღ✿，本文作者下载了截止到 2018 年 11 月 18 日“人工智能”部分的 16625 篇论文的摘要ღ◈ღ✿，并对这些年来提到的词汇进行了追踪ღ◈ღ✿，以了解深度学习的发展究竟走到了哪一个阶段？下一个十年最大的发展机会ღ◈ღ✿，又将属于谁？

　　在 20 世纪 90 年代和 21 世纪初ღ◈ღ✿，所有这些方法之间都保持着稳定的竞争态势ღ◈ღ✿。然后ღ◈ღ✿，在 2012 年ღ◈ღ✿，一个关键的突破打破了这个平衡ღ◈ღ✿，将其中一种方法——深度学习——带向前所未有的高潮发展期ღ◈ღ✿：在一年一度的ImageNet 图像分类竞赛中ღ◈ღ✿，Geoffrey Hinton 和他在多伦多大学的同事们以惊人优势实现了当时的图像识别最高准确率ღ◈ღ✿，团队所使用的方法正是深度学习ღ◈ღ✿。

　　该标志性事件引发了人工智能一波新的研究浪潮——首先是在视觉研究上ღ◈ღ✿，然后其他领域也开始加入到这波深度学习浪潮中ღ◈ღ✿。随着越来越多令人印象深刻的结果的涌现ღ◈ღ✿，深度学习（以及神经网络）的普及程度呈爆炸式增长ღ◈ღ✿。

　　分析显示ღ◈ღ✿，在深度学习兴起后的几年里ღ◈ღ✿，人工智能研究发生了第三次也是目前最后一次变化ღ◈ღ✿：监督学习ღ◈ღ✿、非监督学习和强化学习受到越来越多的关注ღ◈ღ✿。其中ღ◈ღ✿，监督学习即标注数据来训练算法j9九游会老哥俱乐部交流区ღ◈ღ✿，这种方法是最常用的ღ◈ღ✿，也是目前为止最实用的方法ღ◈ღ✿。但在过去的几年里ღ◈ღ✿，强化学习的风头也很强劲ღ◈ღ✿，强化学习在论文摘要中被提及的次数迅速增加ღ◈ღ✿。这种方法旨在于 AI 学习过程是否正确执行了指令实施正面奖励或者负面奖励ღ◈ღ✿。

　　这个想法并不新鲜ღ◈ღ✿，但几十年来它并没有真正奏效ღ◈ღ✿。“监督学习的支持者会取笑强化学习的支持者”ღ◈ღ✿，佩德罗·多明戈斯说ღ◈ღ✿。

　　但ღ◈ღ✿，就像深度学习的发展遇到了 ImagNet 2012 年的成绩一样ღ◈ღ✿，强化学习同样迎来了一个关键的历史事件ღ◈ღ✿，自那以后人们对它的关注度突飞猛进ღ◈ღ✿。

　　那就是在 2015 年 10 月j9九游会 - 真人游戏第一品牌ღ◈ღ✿。ღ◈ღ✿，经过强化学习训练的 DeepMind 的 AlphaGo 在古老的围棋比赛中击败了欧洲围棋冠军ღ◈ღ✿、职业二段选手樊麾ღ◈ღ✿。那次成功对整个研究界的影响几乎是立竿见影的ღ◈ღ✿。

　　事实上ღ◈ღ✿，我们认为j9九游会官方登录ღ◈ღ✿，ღ◈ღ✿，这一次对 arXiv 的分析只是提供了目前人工智能研究的某些趋势的缩影ღ◈ღ✿，包括不同观点之间竞争的最新消息ღ◈ღ✿。但这也在某种程度上说明了人类在追求智能的道路上是多么的“反复无常”ღ◈ღ✿。

　　一个重要的线 年里七生奈央ღ◈ღ✿，我们使用的许多人工智能技术大约同时起源于 20 世纪 50 年代ღ◈ღ✿，之后ღ◈ღ✿，各个技术随着一个有一个十年的到来此起彼伏ღ◈ღ✿，例如ღ◈ღ✿，神经网络曾在 60 年代达到顶峰ღ◈ღ✿，80 年代也短暂地达到高潮ღ◈ღ✿，但在深度学习重新迎来春天之前ღ◈ღ✿，它几乎走到了研究的边缘地带ღ◈ღ✿。

　　换句话说ღ◈ღ✿，每一个十年ღ◈ღ✿，本质上是某种技术的统治时期ღ◈ღ✿：神经网络统治 50 年代和 60 年代j9九游会老哥俱乐部交流区j9九游会老哥俱乐部交流区ღ◈ღ✿，各种象征性的方法征服了 70 年代人工智能ღ◈ღ✿，知识库系统在 80 年代走向巅峰ღ◈ღ✿，贝叶斯网络引领 90 年代ღ◈ღ✿，支持向量机在 00 年代爆发ღ◈ღ✿，10 年代七生奈央ღ◈ღ✿，我们再次回到神经网络j9九游会老哥俱乐部交流区ღ◈ღ✿。

　　对此ღ◈ღ✿，华盛顿大学计算机科学教授兼主算法作者佩德罗·多明戈斯说ღ◈ღ✿，“21 世纪 20 年代也不会例外”ღ◈ღ✿，这意味着深度学习的时代可能很快就会结束ღ◈ღ✿。但是ღ◈ღ✿，对于接下来会发生什么ღ◈ღ✿，已经有两个截然不同的走向摆在我们面前——究竟是一种旧技术会重新获得青睐j9九游会老哥俱乐部交流区ღ◈ღ✿，还是 AI 领域将迎来一个全新的范式？