人工智能歷史苔悦，為何近些年才火起來？有哪些應(yīng)用椎咧？
目前被炒的熱熱鬧鬧的人工智能是什么玖详？這些年才有的嗎？以前為什么沒有這么被重視過勤讽？人工智能（artificial intelligence蟋座，AI），目前認(rèn)為是研究脚牍、開發(fā)用于模擬向臀、延伸和擴(kuò)展人的智能的理論、方法诸狭、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)[1-2]券膀。人工智能作為計算機(jī)科學(xué)的一個重要分支，被認(rèn)為是21世紀(jì)三大尖端技術(shù)之一作谚，它企圖了解智能的實(shí)質(zhì)三娩，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器庵芭，其涉及的研究領(lǐng)域包括智能機(jī)器人妹懒、圖像識別、語言識別双吆、自然語言處理眨唬、自動程序設(shè)計和專家系統(tǒng)等[3]会前。簡單點(diǎn)解釋就是，讓機(jī)器像人一樣去思考去學(xué)習(xí)匾竿，通過對歷史數(shù)據(jù)的不斷訓(xùn)練瓦宜，讓輸出結(jié)果越來越好。
1. 人工智能的歷史由來和概念岭妖，這些年才有的嗎临庇？?
歷史：
1956年夏天，在美國的達(dá)特莫斯大學(xué)召開了一次歷時兩個月的研究會昵慌，這個研究會云集了十來位數(shù)學(xué)家假夺，心理學(xué)家，神經(jīng)生理學(xué)家斋攀，還有信息論和計算機(jī)方面的專家已卷。此次會議討論了關(guān)于機(jī)器智能的一些相關(guān)問題，會上麥卡錫提出了采用“人工高智能”一詞淳蔼，從此標(biāo)志這人工智能學(xué)科的誕生侧蘸。也正是由于這個原因麥卡錫也被人們稱為人工智能之父。
然而鹉梨，人工智能是基于神經(jīng)網(wǎng)絡(luò)而建立起來的讳癌。最早的神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型由Warren McCulloch教授和Walter Pitts教授與1943年在論文A logical calculus of the ideas immanent in nervous activity中提出，該論文中提出了一種模擬大腦神經(jīng)元的結(jié)構(gòu),其結(jié)構(gòu)如下圖所示：
2. 人工智能為什么最近這些年才被人們所熱炒存皂？之前都干嘛去啦臀栈？
雖然人工智能的概念很早就已經(jīng)提出但是冻记，直到20世紀(jì)80年代才迎來了復(fù)蘇。1982年出現(xiàn)了hopfiled 1983年出現(xiàn)了退火算法。1986年出現(xiàn)了BP算法允扇。才是推動人工智能快速發(fā)展的關(guān)鍵因素。
2016年AlphaGo戰(zhàn)勝李世石才轟動一時届搁，被很多人才第一次聽說和重視起來帕识，原來人工智能這么厲害。要知道前面所說的人工智能上世紀(jì)50年代就已經(jīng)被提出胰柑，神經(jīng)網(wǎng)絡(luò)的概念甚至在40年代截亦，二戰(zhàn)結(jié)束之前就已經(jīng)存在啦。
很多技術(shù)的熱炒或者說被人們重視起來其實(shí)是需要天時地利與人和的柬讨。其一崩瓤、隨著計算機(jī)技術(shù)的不斷發(fā)展為人工智能的發(fā)展奠定了基礎(chǔ)，比如圖像處理需要一定的計算能力踩官，尤其自動駕駛技術(shù)對實(shí)時計算能力更是有較高的要求却桶。
其二、隨著人工智能算法的不斷優(yōu)化，其輸出結(jié)果準(zhǔn)確率越來越高颖系。具體的應(yīng)用領(lǐng)域得到了應(yīng)用嗅剖。比如BP算法的提出。1986年,Romelhart和Mc-clelland提出了誤差反向傳播算法(Error Back Propagation Algorithm,簡稱BP算法),由于多層前饋網(wǎng)絡(luò)的訓(xùn)練經(jīng)常采用誤差反向傳播算法,人們也常把多層前饋網(wǎng)絡(luò)稱為BP網(wǎng)絡(luò)嘁扼。由于具有結(jié)構(gòu)簡單信粮、工作狀態(tài)穩(wěn)定、易于硬件實(shí)現(xiàn)等優(yōu)點(diǎn),在眾多的神經(jīng)網(wǎng)絡(luò)模型中, BP網(wǎng)絡(luò)的應(yīng)用最為廣泛,尤其是在模式識別及分類趁啸、系統(tǒng)仿真强缘、故障智能診斷、圖像處理不傅、函數(shù)擬合欺旧、最優(yōu)預(yù)測等方面[4]。
最后蛤签，關(guān)鍵事件的宣傳辞友。由于各方面條件的具備和一個非常重要的契機(jī)就是人工智能的催化事件，阿爾法狗戰(zhàn)勝李世石震肮，讓人們意識到原來人工智能的應(yīng)用原來已經(jīng)發(fā)展到如此地步称龙，可以把專業(yè)領(lǐng)域的職業(yè)選手打敗。隨著各方的不斷報導(dǎo)戳晌，人工智能的熱度徹底被點(diǎn)燃鲫尊。
3. 關(guān)鍵改良技術(shù)BP神經(jīng)網(wǎng)絡(luò)及其優(yōu)勢和劣勢分析
20世紀(jì)80年代中期，David Runelhart沦偎。Geoffrey Hinton和Ronald W-llians疫向、DavidParker等人分別獨(dú)立發(fā)現(xiàn)了誤差反向傳播算法(Error Back Propagation Training)，簡稱BP豪嚎，系統(tǒng)解決了多層神經(jīng)網(wǎng)絡(luò)隱含層連接權(quán)學(xué)習(xí)問題搔驼，并在數(shù)學(xué)上給出了完整推導(dǎo)。人們把采用這種算法進(jìn)行誤差校正的多層前饋網(wǎng)絡(luò)稱為BP網(wǎng)侈询。 [5-6]
神經(jīng)網(wǎng)絡(luò)前向傳播是指從輸入逐層計算舌涨，得到輸出。所謂反向傳播用來對參數(shù)進(jìn)行梯度計算和更新扔字。為了方便介紹囊嘉，將這些層全部考慮為全連接層，這樣每層都有w和b參數(shù)矩陣革为。過段時間再重新推導(dǎo)一遍扭粱。在推導(dǎo)過程中，首先要明確震檩，z=w*x+b, a=g(z)琢蛤。其中，x，a分別指改層的輸入和輸出虐块，g(z)是指激活函數(shù)俩滥。這樣在推導(dǎo)的過程中就會非常明確嘉蕾，思路清晰贺奠。通過不斷的數(shù)據(jù)反向更新優(yōu)化，來實(shí)現(xiàn)輸出的改善错忱。類似于我們學(xué)習(xí)知識中不信積累經(jīng)驗(yàn)完善自己的固有認(rèn)識一般儡率。所以可以看出BP神經(jīng)網(wǎng)絡(luò)對早期的神經(jīng)元模型起到了強(qiáng)大的推動作用，為后期的廣泛應(yīng)用奠定好理論基礎(chǔ)以清。
優(yōu)勢所在：
BP神經(jīng)網(wǎng)絡(luò)具有任意復(fù)雜的模式分類能力和優(yōu)良的多維函數(shù)映射能力儿普，解決了簡單感知器不能解決的異或(Exclusive OR，XOR)和一些其他問題掷倔。從結(jié)構(gòu)上講眉孩，BP網(wǎng)絡(luò)具有輸入層、隱藏層和輸出層勒葱；從本質(zhì)上講浪汪，BP算法就是以網(wǎng)絡(luò)誤差平方為目標(biāo)函數(shù)、采用梯度下降法來計算目標(biāo)函數(shù)的最小值凛虽。 [6]
主要劣勢：
①學(xué)習(xí)速度慢死遭，即使是一個簡單的問題，一般也需要幾百次甚至上千次的學(xué)習(xí)才能收斂凯旋。所以當(dāng)計算能力不夠強(qiáng)大時呀潭，就很難體現(xiàn)其優(yōu)勢。
②容易陷入局部極小值至非，網(wǎng)絡(luò)推廣能力有限钠署。
③網(wǎng)絡(luò)層數(shù)、神經(jīng)元個數(shù)的選擇沒有相應(yīng)的理論指導(dǎo)荒椭，需要進(jìn)一步的完善踏幻。
對于上述問題，目前已經(jīng)有了許多改進(jìn)措施戳杀，研究最多的就是如何加速網(wǎng)絡(luò)的收斂速度和盡量避免陷入局部極小值的問題该面。[7]
而現(xiàn)實(shí)中的生物神經(jīng)結(jié)構(gòu)如下所示：
總結(jié)：從神經(jīng)網(wǎng)絡(luò)的發(fā)展我們不難看出，神經(jīng)網(wǎng)絡(luò)是一種仿生算法信卡，人工智能是基于神經(jīng)網(wǎng)絡(luò)發(fā)展起來的一種新型學(xué)科隔缀，其目的在于希望機(jī)器能夠仿照人的神經(jīng)傳到機(jī)制來學(xué)習(xí)，不斷提高自己傍菇。就如當(dāng)今的AlphaGo一樣可以自己不斷學(xué)習(xí)提升自己的圍棋技術(shù)和其它方面的技術(shù)一樣猾瘸。
學(xué)過智能控制的朋友都知道，專家系統(tǒng)是利用人類專家的大量有用知識和解決問題的方法來處理該領(lǐng)域問題的一種智能的計算機(jī)程序控制系統(tǒng)。其一般采用人工智能中的知識表示和知識推理技術(shù)來模擬通常由領(lǐng)域?qū)＜也拍芙鉀Q的復(fù)雜問題牵触。最早在1965年淮悼，E.A.費(fèi)根鮑姆等人在總結(jié)通用問題求解系統(tǒng)的成功與失敗經(jīng)驗(yàn)的基礎(chǔ)上，結(jié)合化學(xué)領(lǐng)域的專門知識揽思，研制了世界上第一個專家系統(tǒng)袜腥，用于推斷化學(xué)分子結(jié)構(gòu)。
專家系統(tǒng)是人工智能中一個具體的應(yīng)用領(lǐng)域钉汗，該系統(tǒng)實(shí)現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用羹令、從一般推理策略探討轉(zhuǎn)向運(yùn)用專門知識的重大突破。專家系統(tǒng)是早期人工智能的一個重要分支损痰，它可以看作是一類具有專門知識和經(jīng)驗(yàn)的計算機(jī)智能程序系統(tǒng)福侈。
4. 人工智能在醫(yī)學(xué)領(lǐng)域中的具體應(yīng)用
① 數(shù)據(jù)挖掘技術(shù)在醫(yī)學(xué)方面的應(yīng)用。數(shù)據(jù)挖掘（data mining卢未，DM）肪凛，亦稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)。（knowledge discovery in database辽社，KDD）伟墙，旨在從大量原始數(shù)據(jù)中挖掘出隱含的、有用的尚未發(fā)現(xiàn)的知識（如規(guī)則爹袁、模型远荠、規(guī)律、模式等）失息，幫助決策者尋找數(shù)據(jù)間潛在的關(guān)聯(lián)譬淳，找出難以人工發(fā)現(xiàn)的因素[8]
②圖像識別與模式識別方面的應(yīng)用。
③多重數(shù)據(jù)融合盹兢，智能診斷邻梆。
④智能治療。例如智能機(jī)器人輔助手術(shù)绎秒，從而來增加實(shí)驗(yàn)的安全性和為以后手術(shù)降低成本打好基礎(chǔ)浦妄。
對于上述應(yīng)用由于每一個都需要好幾篇文章來詳細(xì)介紹，本文先介紹到這里见芹，下期開始不斷更新人工智能在醫(yī)學(xué)領(lǐng)域中的具體應(yīng)用剂娄。希望大家不斷關(guān)注，一起來學(xué)習(xí)人工智能的知識玄呛。下期見阅懦。
聲明：我們致力于保護(hù)作者版權(quán)，部分文字/圖片來自互聯(lián)網(wǎng)徘铝，無法核實(shí)真實(shí)出處耳胎，如涉及版權(quán)問題惯吕，請及時聯(lián)系我們刪除。從該公眾號轉(zhuǎn)載本文至其他平臺請聯(lián)系作者本人怕午。支持原創(chuàng)
[1] 劉文亮,黃曄春,畢士鑫.人工智能及在醫(yī)療領(lǐng)域的應(yīng)用.數(shù)碼世界,2017(10):185
[2] 王振亮,師潤田.基于自主學(xué)習(xí)的人工智能帶給中醫(yī)學(xué)的機(jī)遇和挑戰(zhàn).中華中醫(yī)藥雜志,2018,33(12):5295-5297
[3] 孔祥溢,王任直.人工智能及在醫(yī)療領(lǐng)域的應(yīng)用.醫(yī)學(xué)信息學(xué)雜志,2016(11):2-5
[4] N. Garcia -Pedrajas, C. Hervas -Martinez, J. Munoz -Perez. COVNET: a cooperative coevolutionary model for evolving artificial neural networks [J]. IEEE Transaction on Neural Networks, 2003, 14(3): 575-596.
[5] K. Hornick, M. Stinchcombe, H. White. Multilayer feedforward networks are universal approximators [J].Neural Networks, 1989, 2: 359-366
[6] 阮秀凱废登，劉莉，張耀舉郁惜，戴瑜興著．現(xiàn)代無線通信系統(tǒng)盲處理技術(shù)新進(jìn)展基于智能算法：復(fù)旦大學(xué)出版社堡距，2015.01
[7]張宏建 孫志強(qiáng)等編著．普通高等教育“十一五”國家級規(guī)劃教材現(xiàn)代檢測技術(shù)：化學(xué)工業(yè)出版社，2007年09月[8]殷振瑾,王陽,暴宏伶.數(shù)據(jù)挖掘技術(shù)在中醫(yī)醫(yī)案研究中的應(yīng)用. 承德醫(yī)學(xué)院學(xué)報,2011,28(3):278-280
