模型即服务的历史进程

近年来，在人工智能领域，尤其是人工神经网络（也可简称为“神经网络”）的受关注度异常火爆。简单来讲，神经网络就是模拟人类大脑中神经元运作模式的计算机系统，其中的参数描述了神经元之间连接的权重，模型通过反复调整权重，被训练到能够输出研究人员想要得到的特定内容为止。因此，人工智能就是伴随着人们对神经网络www.jikenets.com研究的不断深入而逐步演进的。回顾历史，人工智能的发展不过60多年，但是已经经历多次发展的高潮和低谷。

1956年，美国心理学家Frank Rosenblatt发明了一种早期的神经网络模型——Perceptron Model，这个模型只有8个模拟神经元，能够完成的工作就是对简单的图像进行分类。IBM在这些研究的基础上，实现了最早的机器语言翻译系统，可以在英语和俄语之间进行互译。同年夏天，在Dartmouth College的一次会议上，人工智能领域的知名专家，例如马文·明斯基(Marvin Minsky)、克劳德·香农(ClaudeShannon)、约翰·麦卡锡(John McCarthy)、赫伯特·西蒙(Herbert Simon)和艾伦·纽厄尔(Allen Newell)等人，把“人工智能”正式定义为计算机科学的一个全新的研究领域，这些先驱也被称为人工智能的奠基人。

这些人工智能的大佬个个能力超群。比如约翰·麦卡锡开发了程序语言Lisp，并在1971年获得了著名的图灵奖；克劳德·香农是通信领域的鼻祖，提出了大名鼎鼎的香农定理，我们所熟悉的5G网络，它的基础理论都离不开香农定理；赫伯特·西蒙和艾伦·纽厄尔在达特茅斯会议上报告了世界上第一个人工智能项目“逻辑理论家(the Logic Theorist)”。

早期的人工智能先驱，希望能够教会计算机模仿人类做一些复杂的任务，为此他们将人工智能的研究分为了5个领域，分别是推理、规划、自然语言处理、知识表述和感知。实际上，以上领域在当下也是人工智能探索和应用的重要方向。1955—1974年是人工智能发展的第一次高潮，人们发现计算机可以证明数学定理、学习使用语言，大量成功的初代人工智能程序和研究方向不断出现。

然而遗憾的是，科研人员发现，虽然机器可以拥有简单的逻辑推理能力，但是在运算能力、对世界的认知等方面，当时的人工智能还难以达到，从而限制了其发展。就连当前知名的人工神经网络也被马文·明斯基本人看衰。1966年马文·明斯基等人在《感知机：计算几何学导论》(Perceptrons:an introduction to computation geometry)一书中明确表示：由于硬件的限制，只有几层的人工神经网络仅能执行一些最基本的计算。为此整个人工智能领域进入迷茫期，同时人工智能也首次迎来了其发展史上的低谷期。这里面既有技术的局限性，也有对技术过高承诺而引发的过高期望，最终导致人们针对人工智能研究的批评和失望。

但现实发展却超出了AI先驱的悲观预测。尤其是20世纪80年代以来，计算机性能的快速提升，使计算机编程语言可以通过程序结构（例如条件、循环等）来实现逻辑功能。这一时期的人工智能基本上成为专家系统(Expert System)的代名词，并获得了快速发展。专家系统其实就是一个智能计算机程序系统，吸纳了某个领域的海量知识和经验，可以模拟人类专家的决策过程来解决那些需要人类专家处理的复杂问题，从而提升整体的工作效率。简而言之，专家系统是一种模拟人类专家解决专业领域问题的计算机程序系统。

比如我们熟知的专家系统——IBM的超级计算机“深蓝”，IBM从1985年开始研发“深蓝”计算机，它是专门针对国际象棋的专家系统，“深蓝”计算机的技术思路就是通过整合国际象棋的规则和经验来模拟人类专家进行逻辑推理和判断，并在1997年击败了国际象棋大师加里·卡斯帕罗夫(Garry Kasparov)，引发广泛关注。

但是短暂的热潮之后，专家系统也开始暴露出大量问题，例如硬件存储空间的限制以及系统维护成本的增加、专家系统的知识领域过于狭窄并且难以解决具体问题、不会自己学习等问题逐渐让专家系统陷入困境。甚至有人调侃IBM的超级计算机“深蓝”只会下国际象棋，因为“深蓝”在战胜人类国际象棋选手之后并没有在其他领域发挥出较大作用和价值，至此人工智能发展第二次陷入低谷。