基于技術路線圖的IBM公司人工智能發(fā)展階段研究

蔡晨星

摘 要：人工智能的發(fā)展經歷了不同階段，從最開始模仿人的行為的機器內涵衍生至一切人設計的技能設備。文章采用案例研究法，針對IBM公司的人工智能的發(fā)展進程，初步構建技術發(fā)展路線圖的基本框架，在此基礎上，通過結合人工智能產業(yè)發(fā)展的不同階段和特點，通過具有代表性的樣本案例，描述其相關進展，從而歸納出IBM公司人工智能技術發(fā)展的過程、階段、進展和主要方向。

關鍵詞：人工智能;IBM公司;技術線路

中圖分類號：TP18文獻標識碼：A文章編號：1674-1064（2021）06-039-02

DOI：10.12310/j.issn.1674-1064.2021.06.019

現階段，人工智能技術在研發(fā)、應用和未來商業(yè)投影中所體現出的立體多面性，引發(fā)了新的產業(yè)革命，對商業(yè)世界必然產生各種層面的影響。有的領域已經開始改變，有的領域還沒有完全呈現變化。但是，整個世界的基本規(guī)則和底層邏輯并不完全是因為技術進步而發(fā)生根本性顛覆，人的主導型和人作為人本身的技術進步的目的尚未因此發(fā)生根本變化。面對人工智能不能妄自菲薄，機器會顛覆到人，也不能妄自尊大，要接受人工智能給我們帶來的改變。

1 人工智能的研究綜述

人工智能（Artificial Intelligence，AI）亦稱智械、機器智能，指由人制造出來的機器所表現出來的智能。人工智能的定義，眾多學者有不同的概括。

隨著對“智能”這一概念的深入研究，其含義從最初的“讓機器達到與人類做同樣的行為”，到現在的“一切人造系統(tǒng)的智能”，“人類的各種智能行為用某種物化了的機器予以人工實現”，人工智能的概念包容性越來越強。隨著生產力的發(fā)展和技術的進步，新一代人工智能的內涵和外延不斷擴大人，工智能所涉及和應用的領域也越來越廣泛。對此，梁迎麗（2018）認為，人工智能是人類在信息時代的認識、創(chuàng)造能力高峰，人工智能產業(yè)將成為經濟發(fā)展的新引擎及促進傳統(tǒng)產業(yè)轉型升級的重要抓手[1]。杜爽（2019）認為，新一代人工智能并非“新”在算法，而是“新”在應用，應當激勵各企業(yè)的對應研發(fā)，通過商業(yè)化帶來企業(yè)的直接利益[2]。

新一代的人工智能之所以被稱為“新一代”，究其原因是相較于以往的人工智能，新一代人工智能在研發(fā)基礎上有著獨有的特征。對此，單瑩瑩（2020）對此作出了歸納：一是硬件角度，核心芯片、物聯網、云計算等新技術新設備的推陳出新;二是軟件角度，技術發(fā)展讓更多編程方式更加簡潔、高效，能夠實現更多過去難以實現的算法，這也就為人工智能的軟件開發(fā)提供了更廣闊的空間;三是數據角度，舊有的人工智能在經驗數據上來源較少，在智能表現形式上更多地依靠推測，現在的大數據時代的來臨，讓智能表現從推測變成了科學的預測，這也為人工智能的現實表現提供更好的發(fā)展基礎[3]。

2 人工智能的發(fā)展及IBM公司的案例研究

2.1 第一階段——混沌時期（20世紀50年代前）

一般來說，定義一門學科的初端，很難梳理出明確的邊界和相對準確的判斷，其涵蓋的領域不斷擴展邊界都有所涉及。第二次世界大戰(zhàn)前，對于人工智能的概念并未有準確的定義或系統(tǒng)的框定，也沒有人對齊進行相關的學科歸類。

此時，剛合并不久的IBM公司在早期傳統(tǒng)智能領域制造各種產品，并正在發(fā)展計算機、穿孔卡片設備。穿孔卡片是由一種薄紙板制成，用于記錄和存儲信息的方形卡片，最初被一些西方國家地區(qū)用來在紡織業(yè)中貯存紡織機工作過程控制的信息，到第二次世界大戰(zhàn)期間被歐洲情報檢索屆重用。之后IBM的設備還被用于軍事計算、后勤和其他軍需，并且建設了美國海軍的第一臺大規(guī)模自動數碼電腦——Harvard Mark I。在第二次世界大戰(zhàn)末期，IBM公司與哈佛大學合作制造了電子管計算機MARK-1和MARK-2，以及電子管繼電器混合大型計算機SSEC。因此，第二次世界大戰(zhàn)成為了機械時代和電子時代的分水嶺。

2.2 第二階段——萌芽時期（20世紀50年代）

20世紀50年代的人工智能在歐洲以及美國等西方國家各地逐漸萌芽?？藙诘隆ぐ瑺栁榈隆は戕r（Claude Elwood Shannon）是美國數學家、信息論的創(chuàng)始人，他在1950年的一篇文章中闡述了“實現人機博弈的方法”，并設計了一款國際象棋程序，其主要思路在多年后的“深藍”及AlphaGo中仍能看到。

1956年夏季的都達特茅斯學院人工智能夏季研討會（Dartmouth Summer Research Conference on Artificial Intelligence）上，明斯基、麥卡錫等10名學者正式使用了“人工智能”這一術語，人工智能學科正式誕生。

第二次世界大戰(zhàn)以后，IBM面臨兩種選擇：一是繼續(xù)發(fā)展它在機械時代的產品（電動機械制表機）;二是發(fā)展新興的電子計算機工業(yè)（初級人工智能）。CEO沃森認為，大型計算機是未來的發(fā)展趨勢，便決定發(fā)展大型計算機。IBM抓住了電子時代的機會，大型計算機從此走向社會和商業(yè)。

2.3 第三階段——發(fā)展時期（20世紀60年代至80年代）

20世紀60年代至80年代末，人工智能技術和學科的發(fā)展呈現波浪型線性上升的趨勢，雖然有反復起伏，但是不改其前進且不可逆的趨勢。

20世紀60年代初發(fā)展出了符號邏輯，初步萌芽了自然語言處理和人機對話技術。20世紀60年代末，愛德華·費根鮑姆（Edward Feigenbaum）提出第一個專家系統(tǒng)DENDRAL，并對知識庫給出了初步的定義，但由于該時期人工智能應用發(fā)展的停滯不前，人們認為僅僅是計算機的設計應用，對人工智能的關注度漸漸降低，人工智能的發(fā)展也進入了“瓶頸”階段，并在不久后陷入低潮。

IBM在20世紀60年代戰(zhàn)勝了大部分競爭對手成為美國最大的電腦公司。隨后，半導體集成電路問世，引起IBM的關注和研究。

1981年8月12日，第一臺個人電腦IBM 5150由IBM研究問世，16K字節(jié)的內存，可用盒式錄音磁帶下載和存儲數據，也可配5.25英寸的軟件盤驅動器，一上市就大受歡迎，占領了接進80%的個人電腦市場。IBM錯誤地認為個人電腦賺錢的部分是幾千塊錢的硬件，而不是幾十塊錢的軟件。為了快速推出個人電腦，IBM來不及自己開發(fā)操作系統(tǒng)，于是向其他公司招標。這時候，比爾·蓋茨把操作系統(tǒng)賣給了IBM，但是并沒有讓IBM買斷操作系統(tǒng)，而是從每臺IBM個人電腦中收一筆不太起眼的版權費。

2.4 第四階段——變革時期（20世紀90年代后至21世紀初）

20世紀90年代，人工智能有兩個重要的突破：一是1998年蒂姆·伯納斯·李（Tim Berners-Lee）提出的語義網，即以語義為基礎的知識網或知識表示;二是統(tǒng)計機器學習理論的提出（包含Vapnik Vladimir等人提出的支持向量機、John Lafferty等人的條件隨機場以及David Blei和Michael Jordan等人的話題模型LDA）。

20世紀90年代初，個人電腦慢慢開始勝任一些以前只有大型計算機才能做的工作。這樣，個人電腦開始侵占大型計算機的市場。這導致1993年IBM宣布前一年虧損近59億元美金——當時美國歷史上最大的公司年損失。同期，日本第五代計算機人工智能計劃宣告失敗?？偟膩碚f，這一時期是人工智能經歷陣痛的時期，也是傳統(tǒng)人工智能向新一代人工智能跨越的變革時期。

2.5 第五階段——爆發(fā)時期（21世紀初至今）

賁可榮（1997）提出現代人工智能技術是研究開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術。2006年，杰弗里·辛頓（Geoffrey Hinton）等人提出深度學習，幾乎成為此次爆發(fā)的導火索，企業(yè)成為引領本次人工智能沖鋒的主力軍。

IBM Watson是人工智能認知計算系統(tǒng)的杰出代表，有推薦系統(tǒng)、機器學習、自然語言、處理計算機、視覺處理、語音識別等六大模塊。其推薦系統(tǒng)的特色是使用信息過濾系統(tǒng)的子類，預測商品評價或客戶喜好，通過Watson Discovery這種AI搜索技術，打破開放數據孤島，在分析企業(yè)數據中的趨勢和關系時，檢索問題的特定答案。Watson Discovery應用機器學習中的最新突破，包括自然語言處理功能，并且可以輕松地接受行業(yè)語言訓練。與競爭對手不同，Watson Discovery可以部署在任何云端或本地環(huán)境中。其機器學習能夠自動運行分析模型，使計算機能夠自己進行學習并獲得洞察。自然語言處理的特色是讓計算設備理解人類語言。計算機視覺處理的特色是獲取、處理、分析和理解數字圖像。語音識別則是使用計算機識別所講述的語言，并將其翻譯為文本。

3 結語

目前，企業(yè)在接觸人工智能的時候容易陷入盲目樂觀和膽小慎微兩個誤區(qū)，需要以足夠的耐心，等待人工智能所帶來的更多可能性。人工智能給予了人類極大的想象空間，也許其中有很多無法實現，但是有泡沫才能推動創(chuàng)新。在這一過程中需要注意，人和人工智能并不是非此即彼，而是各有特點，要相互協(xié)作迎接更多可能性。在認知領域以及在模擬人類思維模式的道路上，人工智能技術還有很長的一段路要走。

參考文獻

[1] 梁迎麗.人工智能的理論演進、范式轉換及其教育意涵[J].高教探索，2020（9）：44-49.

[2] 杜爽，劉志鵬.新一代人工智能經濟風險及防控思路[J].新經濟，2019（5）：74-78.

[3] 單瑩瑩，劉志強.新一代人工智能發(fā)展與展望[J].科技經濟導刊，2020，28（7）：30.