北京中图万象文化发展有限公司

“人工智能”一词初见于1956年达特茅斯学院夏季研讨会，后又经历了逻辑推理、专家系统、神经网络、深度学习等几个重要阶段[1]。2012年AlexNet首次击败传统人为特征图像识别，人工智能的发展进入了算法、数据、算力三轮驱动的新时代。在海量数据和强劲算力的支撑下，人工智能开始赋能各个领域，提升了产业智能化水平，并为经济高质量发展提供了源源不断的动力。世界主要国家都在加紧布局人工智能技术与产业发展方向，然而由于人工智能技术现有的理论、技术瓶颈，人们距离达到真正意义上的强人工智能还有很长的距离，人工智能的下一个十年去向如何，成为备受瞩目的焦点。

人工智能发展至今历经了三次浪潮，基本思想大致可分为符号主义、联结主义、行为主义，其中符号主义和联结主义的竞争最为激烈。符号主义的代表是逻辑推理、专家系统和知识工程，这一技术路线统治了早期的人工智能学术圈。而20世纪80年代，随着神经网络的兴起，联结主义开始占据上风。行为主义主要起源于维纳等人的控制论学说，影响了仿生机器人、强化学习等产品和算法设计理念。

符号主义理论最新进展

符号主义理论的发展诞生了语义网络、知识表示、本体论、知识图谱、认知图谱等一系列成就。语义网络由图灵奖获得者蒂姆·伯纳斯-李]提出，旨在用三元组标签描述网页本身，便于被当时的搜索引擎索引。语义网络理论的出现引发了研究人员对知识图谱的探索。早期知识图谱将关系局限为几种特殊的基本关系，如“属性”“导致”“属于”等，并定义一系列在图谱上推理的规则，期望通过在知识图谱上进行逻辑推理实现智能。然而，早期知识图谱的思路遇到了许多实际的困难，比如结构解析困难、知识图谱编辑过程需要大量人工参与、推理规则无法穷举等，这些瓶颈一定程度上导致以知识图谱为代表的符号主义发展陷入困境。随着互联网技术的发展，2007 年 Metaweb 公司发布Freebase 大型合作知识库，知识库中包含大量“机器可读”的数据信息；2010 年谷歌收购 Freebase，在谷歌的运营下 Freebase 知识库得到进一步发展，并于 2016 年更名为“谷歌知识图谱 API”，现已成为谷歌搜索引擎的核心知识系统。符号主义的发展由于结构化的知识难以获取和复杂问题推理难以实现而一度中断，但符号主义的最新进展却为实现知识加数据“双轮驱动”以及人工智能的可解释性奠定了基础。

联结主义理论最新进展

联结主义理论诞生了感知机模型，进一步演化出神经网络模型、BP 神经网络。现如今备受瞩目的深度学习技术也源自联结主义。为了证明深度学习的潜力，多伦多大学 Hinton 课题组于 2012 年参加ImageNet 图像识别比赛 [5]，其通过构建卷积神经网络（CNN）AlexNet 一举夺得冠军 [6]，且性能远超第二名支持向量机方法（SVM）。正是由于该比赛，卷积神经网络进入大众视野，吸引了众多研究者的注 意。2013、2014、2015、2016 年， 通 过 ImageNet图像识别比赛，深度学习网络结构、训练方法、芯片硬件不断进步，促使深度学习性能出现爆炸式增长，诞生了 ResNet、RNN、LSTM、VGG 等众多网络模型。得益于移动端芯片等硬件设备性能不断增强，深度学习的产业化程度得到了前所未有的发展，成为时下应用最广的人工智能技术。

行为主义理论最新进展

行为主义最早来源于 20 世纪初的一个心理学流派，行为主义人工智能强调智能体与周围环境的交互与反馈。对行为主义的研究产生了仿生机器人、自主行走机器人等应用，并影响了强化学习理论。强化学习理论与行为主义人工智能有着密不可分的关系，强化学习的核心是智能体在环境中怎样执行动作以获得最大的累计奖励，也是处理物体与环境间交互的问题。早在维纳的控制论提出之前，研究人员就通过多巴胺的作用机理认识到了奖励信号与试错学习的关系。2013 年 DeepMind 提出 DQN 深度强化学习算法，2016 年基于 DQN 算法的 AlphaGo 以 4∶1 的比分战胜世界围棋冠军李世石。强化学习在围棋以及游戏竞技中取得引人注目的成果， 并且在自动驾驶、机器人控制等领域崭露头角。行为主义人工智能不仅在各种游戏竞技中大放异彩， 也影响了拟人机器人训练、进化算法等领域 。