人工智能发展到什么阶段了，产生“自主情感”可能吗？

科技前线作者从一个技术开发人员角度来分析聊一下人工智能发展和应用。我接触过的人工智能有，推荐系统、人脸识别、语音识别、智能客服、清华大学九歌人工智能诗歌写作系统等。我的观点在最后大家耐心阅读。

人工智能的起源

1950年英国数学家艾伦·图灵发表论文《计算机器与智能》，提出“机器能否思考”这一关键问题，并在其中提出了一项测试，该测试可以检查机器表现出与人类智能相当的能力，称为图灵测试。人工智能的起源公认为是1956年的达特茅斯会议，这次大会标志着“人工智能”这一概念的诞生。“人工智能 Artificial Intelligence，AI” 这个词真正被广泛认可是在十年后的1965年。

1956年8月在达特茅斯学院中，约翰·麦卡锡、马文·闵斯基、克劳德·香农、艾伦·纽厄尔、赫伯特·西蒙等科学家正聚在一起，讨论用机器来模仿人类学习以及其他方面的智能。可以看到这些都是计算机界非常有名的前辈。

约翰·麦卡锡（John McCarthy）在这次会议上提出了“人工智能”一词，并被誉为人工智能之父。
克劳德·香农（Claude Shannon）信息论的创始人
赫伯特·西蒙（Herbert Simon）诺贝尔经济学奖得主
马文·闵斯基（Marvin Minsky）人工智能与认知学专家
艾伦·纽厄尔（Allen Newell）计算机科学家

人工智能的发展

人工智能也是经历了不同时期，寒冬到爆发的起起落落，国内和国外对人工智能划分阶段也略有不同。

诞生初期：1952-1956，人工智能概念提出后，来自不同领域的一批科学家开始探讨和研究。如早期神经网络、逻辑理论家程序、跳棋程序等掀起人工智能发展的第一个高潮。
黄金岁月：1956-1974，相继涌现了大批成功的AI程序和新的研究方向，搜索式推理（许多AI程序的基本算法）、自然语言（使计算机能够通过自然语言）。
初个寒冬：1974-1980，随着人工智能的应用的不断扩大，专家系统存在的瓶颈逐渐暴露。人们对人工智能的兴趣降低了，随之而来的还有资金上的困难。
应用发展：1980-1987，AI带着“专家系统”回归。专家系统被编程模拟人类专家的决策能力，解决特定领域的问题，实现了人工智能从理论研究走向实际应用的重大突破。
再次遇冷：1987-1993，80年代中商业机构对AI的追捧开始冷落，泡沫的破裂使投资者和政府再次停止为人工智能研究提供资金。
稳步发展：1993-2011，1997年IBM 深蓝击败了国际象棋世界冠军加里·卡斯帕罗夫，成为第一台击败国际象棋世界冠军的计算机。由于互联网技术的快速发展，像Google、Microsoft、Facebook、Twitter 等大公司也开始加强了人工智能的研究和使用。
蓬勃发展：2011年至今，人工智能硬件还是软件都得到了飞速的发展，产生了大量的商业应用。技术与研究得到进一步发展。

2011年后人工智能得到了空前的发展，我觉得主要是得益以下几方面

计算机硬件算力的大幅提升解决了处理大量数据效率的问题。
随着大数据、云计算、互联网的发展，产生了大量可研究发展的基础数据。
神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”。

产生了诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术，实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。

人工智能的重要事件

通过下面事件可以更清晰的看到人工智能的发展。

1943年，由 Warren McCulloch 和 Walter pits，他们提出了人工神经元模型。
1962年，设计师 Samuel 设计了出了人工智能 “跳棋程序”，打败了当年的州跳棋冠军。
1966年，Joseph Weizenbaum 创建了第一个聊天机器人，命名为 ELIZA。
1972年，日本第一台智能人形机器人被命名为 WABOT-1。
1989年，贝尔实验室的杨立坤利用卷积神经网络，实现了人工智能识别手写文字编码数字图像。
1992年，在苹果任职的李开复利用统计学方法，设计了可支持连续语音识别的Casper语音助理。
1997年，IBM 深蓝成为第一台击败国际象棋世界冠军加里·卡斯帕罗夫的计算机。
1999年，索尼推出 AIBO（人工智能机器人），旨在通过与环境和人类主人的互动进行学习。
2009年，Google 第一代自动驾驶汽车Prius 完成了100英里的无人接管自动驾驶任务。
2016年，“阿尔法围棋”（AlphaGo）4比1战胜韩国围棋九段棋手李世石。
2017年，“阿尔法围棋”（AlphaGo）3比0战胜世界排名第一的柯洁。
2018年，阿里巴巴开发了一种人工智能模型，在斯坦福大学的阅读和理解测试中得分高于人类。
2020年，OpenAI GPT-3 该语言模型通过采用预先训练的算法生成文本。

身边人工智能的应用

人工智能在身边的应用已经很广泛，像网站的猜你喜欢、抖音推荐系统、人脸识别系统、工业零件机器视觉分拣、无人驾驶系统、智能客服系统、语音合成、智能翻译等等，可以说人工智能已经无处不在。

怎么看产生自主情感

据美国多家科技媒体报道，谷歌人工智能团队的软件工程师 Blake Lemoine 被公司解雇。此前，Lemoine 称谷歌的人工智能有知觉力，随后谷歌以“违反保密协议”为由将其停职。

对于上面的事件我想聊一下我的看法，其实我看到上面的报道一点也不惊奇，在我看来是比较正常的一件事。人工智能已经不是以前的专家算法，死板的按概率计算这种模式。像推荐系统、视觉识别、智能驾驶、自然语言类、神经风格迁移，大部分是用卷积神经网络算法用大量数据集，一层一层进行深度学习。

然后产生一个结果模型，这个模型是个黑盒，我们只负责输入信息获得结果。这个模型结果我们可以认为是机器对输入所有训练数据规律的一个总结。举个例子，比如推荐系统，根据用户阅读行为推荐你喜欢内容，那么推荐系统的核心是训练了大量的用户阅读习惯，从而总结出机器自己认为合适你的内容，那么我把这个看做是推荐系统自己的性格。

回到Google事件，显然他的人工智能系统指的是，自然语言的人工智能系统，或文字类人工智能系统。之前就看到消息说Google通过大量YouTube视频来训练他的人工智能系统。也就是说他的人工智能性格取决于给他训练的数据，有可能你输入一个“你好”，他回答一个“你好”，但也不排除他回答你“滚蛋”。

加上现在已经可以让人工智能机器与机器对话，自己训练自己，再加上模型和模型可以相互耦合学习。得到的结果可能出乎你的意料。所以说再自然语言这个领域如果给他足够的训练数据，系统自己总结出一些规律和说话的方式，并没有什么好奇怪的。但目前人工智能是不能跨领域的，只能干他擅长的一件事。

人工智能自主学习形成自主意识案例

OpenAI的AI捉迷藏实验开源项目（此案例、图片来源与网络）

在这个捉迷藏游戏中，小红人是“鬼”，自带小雷达，能满场疯狂追击。而小蓝人的任务很简单，就是跑。比起自带传感器的鬼们，他们的技能是利用箱子这样的物体制造障碍，还能将之锁定。

起初，AI们完全不知道自己能做什么，只是出于“本能”逃跑、追逐。但在2500万次游戏之后，小蓝人学会了通过移动箱子，建造庇护所，来保护自己不被发现。

魔高一尺道高一丈。又经过了7500万场比赛，红鬼们会利用坡道闯进庇护所了！又吃了1000万次亏之后，小蓝人们再建庇护所，知道把坡道也顺走了。更厉害的是，AI们不只会单兵作战，还学会了团队协作。