人工智能为什么这么火？

谢邀！

人工智能(AI)从被提出到现在，已有超过60年的发展历程，虽然中间也经历过暂短的热潮，都没有真正火起来，而直到去年3月阿尔法狗打赢了世界围棋冠军李世石，AI才掀起了新一轮的热潮。这轮热潮，在谷歌、Facebook 、微软、BAT等企业投资推动下，让AI走到大众视野，也走向实际应用。

而人工智能之所以最近两年才火起来，是因为拥有计算、算法和大数据这三大支撑力！

首先看看计算力方面的提升。计算是AI发展的基础。在20年前，一个机器人，当时是用32 个 CPU，达到120MHz的速度，而今天一台小小服务器的计算速度已是20年前最快计算机的60倍。现在的人工智能系统可以使用成百上千个GPU 来提升的计算能力。这使得处理学习或者智能的能力得到比较大的增强。之前用 CPU一个月才能出结果，然后再去调整参数，一年只能迭代12次。GPU产生后大幅提升了计算量，现在用 GPU 可以一天就出结果，迭代的更快。

再看看算法方面的更新。以人脸识别为例，在 2013 年深度学习应用到人脸识别之前，各种方法的识别成功率只有不到 93%，低于人眼的识别率 95%，因此不具备商业价值。而随着算法的更新，深度学习使得人脸识别的成功率提升到了 97%。这才为人脸识别的应用奠定了商业化基础。

而历经了十多年互联网行业快速发展所积累的数据资源，为AI提供了充足的“养料”。例如，在 AlphaGo 的学习过程中，核心数据是来自互联网的 3000 万例棋谱。互联网和智能手机的快速普及催生了海量数据。无论是人们无论是用手机、跑步、看电视还是行驶在车流中，几乎所有的活动都会留下数字足迹，海量数据已汇成数据洪流。

AI界的泰斗、加拿大多伦多大学的Hiton教授早在2006年就提出了深度学习的概念，直到最近几年深度学习才逐渐应用起来，是因为算法的更新也离不开大数据和计算力的支持。深度学习模型只有通过大量的数据训练才能获得理想的效果。相应地，海量数据的运算处理也必须有强大的计算作为支撑。

所以说，有了计算的基础，加上算法的突破与数据洪流的爆发成就了人工智能获得突破、走向应用。

（欢迎关注“AI商业”，为您提供专业观点和信息）

20世纪80年代早期David Rumelhart重新发现的着名的“反向传播”算法，现在被视为所谓的“AI革命”的核心，最早出现在20世纪50年代的控制理论领域和20世纪60年代。其早期应用之一是优化阿波罗太空船在朝向月球时的推力。

自20世纪60年代以来，取得了很大进展，但它可以说并不是来自追求人性化模拟人工智能。相反，就像阿波罗太空船一样，这些想法常常隐藏在幕后，一直是研究人员关注特定工程挑战的手段。尽管对公众不可见，但文档检索，文本分类，欺诈检测，推荐系统，个性化搜索，社交网络分析，计划，诊断和A / B测试等领域的研究和系统建设取得了重大成功 - 这些都是推动谷歌，Netflix，Facebook和亚马逊等公司的发展。

人们可以简单地同意将所有这些称作“AI”，事实上这似乎是发生了什么。这样的标签可能会让优化或统计学研究人员感到意外，这些研究人员醒来发现自己突然被称为“人工智能研究人员”。但是，除了将研究人员贴上标签之外，更大的问题是，使用这种单一的不明确的首字母缩写词清楚了解在场的知识和商业问题的范围。

过去二十年来，在工业界和学术界取得了重大进展，对人工模拟AI的补充愿望通常被称为“智能增强”（IA）。这里使用计算和数据来创建增强人类智慧和创造力的服务。搜索引擎可以被看作是IA的一个例子（它增加了人类的记忆和事实的知识），自然语言翻译（它增强了人类沟通的能力）也可以被看作是一个例子。基于计算的声音和图像生成可以作为艺术家的调色板和创意增强器。虽然这种服务可能涉及高层次的推理和思想，但目前他们不这样做 - 他们大多执行各种字符串匹配和数字操作，捕获人类可以使用的模式。

顺便说一句，如果你想知道更多硅谷或者美国科技的前沿信息，可以关注微信号“硅发布”。