為什么現(xiàn)在人工智能這么熱，是因為某個技術(shù)獲得突破性進展了嗎？不僅僅是人工智能現(xiàn)在如此火爆，歷史上也曾一度火爆。人們總是高估短時間內(nèi)能取得的成就，卻低估了長時間內(nèi)能取得的成就。這是人類社會的本性，而且一

為什么現(xiàn)在人工智能這么熱，是因為某個技術(shù)獲得突破性進展了嗎？

不僅僅是人工智能現(xiàn)在如此火爆，歷史上也曾一度火爆。

人們總是高估短時間內(nèi)能取得的成就，卻低估了長時間內(nèi)能取得的成就。這是人類社會的本性，而且一直如此。1956年達特茅斯會議提出了人工智能的概念。當時，科學家們信心滿滿，希望讓人工智能在十年內(nèi)解決人類智能能夠解決的問題。當時的一位大牛認為，讓機器看到和理解事物是一項非常簡單的任務，讓他的博士生在一個月內(nèi)解決機器視覺的問題。當然，我們知道，這個問題到現(xiàn)在還沒有解決。

人工智能是一個極其重要的領(lǐng)域。正因為如此，人們對它的看法總是徘徊在幾個極端之間。上世紀60年代，人們對解決自然語言問題充滿了熱情，希望用幾年時間創(chuàng)造出一個通用的翻譯器，讓人們相互理解，讓巴別塔不再是廢墟。但在投入了大量人力物力后，研究人員卻一敗涂地。于是，人工智能的熱潮迅速退去。在接下來的十年里，整個領(lǐng)域變得悲觀起來，持續(xù)了十多年的“人工智能之冬”開始了。

然而，許多研究人員仍在研究它——畢竟，人工智能太有吸引力了。20世紀90年代以來，一些新的思想被應用，人工智能領(lǐng)域逐漸活躍起來。但最大的變化應該是2006年提出的“深度學習”方法。該方法以神經(jīng)網(wǎng)絡為基礎(chǔ)，模擬人腦的學習方法，構(gòu)造多層機器學習模型。

最重要的是，這種方法具有很強的通用性，使機器能夠“學習”如何理解現(xiàn)實世界中的對象。因此，人們在圖像識別、機器翻譯、作文、寫作等領(lǐng)域進行了深入的學習嘗試，其中自然語言處理有著良好的發(fā)展勢頭。

如果在人工智能的發(fā)展中有任何突破性的技術(shù)，深度學習應該是其中之一。然而，這一領(lǐng)域的普及不僅僅是由深度學習推動的，計算機工具的普及、計算能力的提高和互聯(lián)網(wǎng)的發(fā)展都是促成當今人工智能發(fā)展的重要因素。

要成為算法工程師需要學哪些專業(yè)？

你想學習哪些專業(yè)？這太簡單了

如果你擅長數(shù)學和英語，我就不談了。這是最基本的

對于阿里這樣的大公司，你至少需要985或211所名牌大學

你可以問我關(guān)于電腦的問題

我會定期更新科普視頻