「テンセント科技編者付記】業界メディアTechRadar文章を発表すると、人工知能（AI）は現在の科学技術界で最もホットな流行語、が何十年の研究と発展の後、SF小説中の多くの技術はこの数年に転化して科学と現実。この文章はAI分野の10つのマイルストーンを総括した。以下の内容について：

「テンセント かぎ科技 へんしゃ編者 ふき付記 】 ぎょうかい業界 メディアTechRadar ぶんしょう文章 を はっぴょう発表 すると、 じんこう人工 ちのう知能 （AI）は げんざい現在 の かがく科学 ぎじゅつ技術 かい界 で もっとも最も ホットな りゅうこう流行 ご語 、が なん何 じゅう十 ねん年 の けんきゅう研究 と はってん発展 の ご後 、SF しょうせつ小説 ちゅう中 の おおく多く の ぎじゅつ技術 はこの すう数 ねん年 に てんか転化 して かがく科学 と げんじつ現実 。この ぶんしょう文章 はAI ぶんや分野 の10つのマイルストーンを そうかつ総括 した。 いか以下 の ないよう内容 について：

AI技术已经成为我们生活中非常重要的一部分：AI决定了我们的搜索结果，将我们的声音转化为计算机指令，甚至可以帮助我们对黄瓜进行分类（这件事后文中会提到）。在接下来的几年里，我们将用AI驾驶汽车，回应顾客的询问，以及处理其他无数事情。

AI技術はすでに私たちの生活の中で非常に重要な部品：AIが決定しました私たちの検索結果には、私たちの声をコンピューター命令に転化して、甚だしきに至っては私達を助けることができるキュウリに分類する（事件後文の中に言及します）。これから数年、我々はAIを使って車を運転し、お客様の問い合わせに応じて、他の無数の事を処理します。

AI ぎじゅつ技術 はすでに わたし私 たちの せいかつ生活 の なか中 で ひじょう非常 に じゅうよう重要 な ぶひん部品 ：AIが けってい決定 しました わたし私 たちの けんさく検索 けっか結果 には、 わたし私 たちの こえ声 をコンピューター めいれい命令 に てんか転化 して、 はなはだしき甚だしき に いたっ至っ ては わたし私 たち達 を たすける助ける ことができるキュウリに ぶんるい分類 する（ じけん事件 ご後 ぶん文 の なか中 に げんきゅう言及 します）。これから すう数 ねん年 、 われ我 々はAIを つかっ使っ て くるま車 を うんてん運転 し、お きゃく客 さま様 の といあわせ問い合わせ に おうじ応じ て、他の むすう無数 の こと事 を しょり処理 します。

但是我们怎么走到这个阶段的？这种强大的新技术是怎么来的？下面就来看看AI技术发展的十大里程碑。

しかし私たちはどのようにこの段階に行ったのですか？このような強大な新しい技術はどのように来たのですか？この下でAI技術の発展の10つのマイルストーンを見てみます。

しかし わたし私 たちはどのようにこの だんかい段階 に いっ行っ たのですか？このような きょうだい強大 な あたらしい新しい ぎじゅつ技術 はどのように き来 たのですか？この した下 でAI ぎじゅつ技術 の はってん発展 の10つのマイルストーンを み見 てみます。

笛卡尔的理念

デカルトの理念

デカルトの りねん理念

人工智能的概念并不是突然出现的 ——直到今天，人工智能仍然是哲学辩论的一个主题：机器真的能像人类一样思考吗？机器能成为人类吗？最早想到这个问题的人之一是1637年的笛卡儿。在一本名为《方法论》（Discourse on the Method）的书中，笛卡儿竟然总结出了如今的科技人员必须克服的关键问题和挑战：

人工知能の概念が突然現れたわけではない――今日に至るまで、人工知能は哲学論争のテーマである。機械は人間になることができますか？一番早くこの問題について考えて人の一つは1637年のデカルト。で本名は『方法論』（Discourse on theを）の本にまとめた今も、デカルトの科学技術者の肝心な問題と挑戦を克服しなければならない：

じんこう人工 ちのう知能 の がいねん概念 が とつぜん突然 あらわれ現れ たわけではない―― きょう今日 に いたる至る まで、 じんこう人工 ちのう知能 は てつがく哲学 ろんそう論争 のテーマである。 きかい機械 は にんげん人間 になることができますか？ いちばん一番 はやく早く この もんだい問題 について かんがえ考え て ひと人 の ひとつ一つ は1637 ねん年 のデカルト。で ほんみょう本名 は『 ほうほう方法 ろん論 』（Discourse on theを）の ほん本 にまとめた いま今 も、デカルトの かがく科学 ぎじゅつ技術 しゃ者 の かんじん肝心 な もんだい問題 と ちょうせん挑戦 を こくふく克服 しなければならない：

“如果为了各种实用性的目的，机器在外形上向人类靠拢，并模仿人类的行为，那么我们仍然应该有两种非常确定的方法来辨识出它们不是真人。”笛卡尔表示，在他看来，机器永远无法使用言语，或者“把标识放在一起”来“向别人表达想法”，即使我们能够设想出这样的机器，但是“让一台机器对文字进行组合，对别人的话做出有意义的，即便水平和最愚笨的人差不多的回答，那也是不可想象的。”他还提到了我们现在面临的一个挑战：创建一个广义的AI，而不是狭义的AI——以及当前AI的局限性会如何暴露它并非人类：

「もし様々な実用性の目的のために、機械は形の上で人間に近づけて、人間の行為を真似して、それではまだ2つの非常に確定した方法が、実写ではないことを認識すべきである。」デカルトは、彼にしてみれば、永遠に使用できない機械言葉とか、「標識を一緒に入れて」「他人に考えて、たとえ私は表現」が想定ような機械が、「機械文字を組み合わせて、他人の話を意義があって、たとえレベルと最も愚かな人の違わない答えも想像できませ。」彼はまた私たちが今直面している1つの挑戦に言及していました：広義のAIを作成して、狭義のAIではありません——および現在のAIの制限はどのようにそれが人間ではないことを暴露することができます：

「もし さまざま様々 な じつよう実用 せい性 の もくてき目的 のために、 きかい機械 は かたち形 の うえ上 で にんげん人間 に ちかづけ近づけ て、 にんげん人間 の こうい行為 を まね真似 して、それではまだ2つの ひじょう非常 に かくてい確定 した ほうほう方法 が、 じっしゃ実写 ではないことを にんしき認識 すべきである。」デカルトは、 かれ彼 にしてみれば、 えいえん永遠 に しよう使用 できない きかい機械 ことば言葉 とか、「 ひょうしき標識 を いっしょ一緒 に いれ入れ て」「 たにん他人 に かんがえ考え て、たとえ わたし私 は ひょうげん表現 」が そうてい想定 ような きかい機械 が、「 きかい機械 もじ文字 を くみあわせ組み合わせ て、 たにん他人 の はなし話 を いぎ意義 があって、たとえレベルと もっとも最も おろか愚か な ひと人 の ちがわ違わ ない こたえ答え も そうぞう想像 できませ。」 かれ彼 はまた わたし私 たちが いま今 ちょくめん直面 している1つの ちょうせん挑戦 に げんきゅう言及 していました： こうぎ広義 のAIを さくせい作成 して、 きょうぎ狭義 のAIではありません——および げんざい現在 のAIの せいげん制限 はどのようにそれが にんげん人間 ではないことを ばくろ暴露 することができます：

“即使有些机器可以在有些事情上可以做得和我们一样好，或者甚至更好，但是其他机器也不可避免地会失败，这就表明它们的行为并非来自于对事物理解，只是一种简单的回应。”

「多少機械があることにするのが、私たちのように、あるいはもっと良くて、しかし他のマシンも避けられないで失敗することを表明して、それらの行為ではないから、物事に対して理解して、ただ1種の簡単な答え。」

「 たしょう多少 きかい機械 があることにするのが、 わたし私 たちのように、あるいはもっと よく良く て、しかし他のマシンも さけ避け られないで しっぱい失敗 することを ひょうめい表明 して、それらの こうい行為 ではないから、 ものごと物事 に たいし対し て りかい理解 して、ただ1 しゅ種 の かんたん簡単 な こたえ答え 。」

模仿游戏

シミュレーションゲーム

シミュレーションゲーム

AI的第二个主要的哲学基准来自计算机科学先驱图灵（Alan Turing）。在1950年时，他提出了“图灵测试”，他称之为“模仿游戏”。这个测试衡量的是，我们什么时候可以宣布智能机器出现了。这个测试很简单：如果评判者不知道哪一方是人类，哪一方是机器（比如阅读两者之间的文本对话时），那么机器能否骗过评判者，让他以为自己是人类？

AIの第二の主な哲学の基準からコンピュータ科学先駆者チューリング（Alan Turing）。1950年時、彼が提唱した「チューリングテスト」は、彼を「模倣ゲーム」。このテストで判断したのは、いつかスマートフォンが出てくると発表しました。このテストはとても簡単です：もし評価者知らないどちらは人間で、どちらが機械（例えば読解両者のテキストの会話に、そんなに機械を騙したのかどうか判定者、彼は自分は人間ですか？

AIの だい第 に二 の おも主 な てつがく哲学 の きじゅん基準 からコンピュータ かがく科学 せんく先駆 しゃ者 チューリング（Alan Turing）。1950 ねん年 じ時 、 かれ彼 が ていしょう提唱 した「チューリングテスト」は、 かれ彼 を「 もほう模倣 ゲーム」。このテストで はんだん判断 したのは、いつかスマートフォンが で出 てくると はっぴょう発表 しました。このテストはとても かんたん簡単 です：もし ひょうか評価 しゃ者 しら知ら ないどちらは にんげん人間 で、どちらが きかい機械 （ たとえば例えば どっかい読解 りょうしゃ両者 のテキストの かいわ会話 に、そんなに きかい機械 を だまし騙し たのかどうか はんてい判定 しゃ者 、 かれ彼 は じぶん自分 は にんげん人間 ですか？

有趣的是，图灵对未来的计算做出了一个大胆的预测——他估计到20世纪末，机器就可以通过图灵测试。他说：“我相信，在大约50年的时间内，人们就有可能用上1GB的存储容量的计算机，通过编程让它们玩模仿游戏，玩得足够逼真，以至于一般的评判者在经过5分钟的对话之后，做出正确的判定的可能性低于70％…… 我相信，到本世纪末，文字的使用和通识教育理念将会发生很大的变化，那时你谈论机器思维，通常不会引发抵触情绪。”

面白いのは、チューリング未来への計算を作ってきた大胆な予測――彼とにじゅう世紀末、機械をチューリング・テスト。彼は言います：“私は信じて、約ごじゅう年の時間内で可能に、人々は1 GBのメモリ容量のコンピュータプログラミングによって、それらを遊び、十分に遊んで、一般の評判を経てしまう者ご分の対話の後、正しい判定を下回る70％の可能性……私は今世紀の末まで、文字の使用と通意識教育の理念が大きく変化すると信じています。」

おもしろい面白い のは、チューリング みらい未来 への けいさん計算 を つくっ作っ てきた だいたん大胆 な よそく予測 ―― かれ彼 とにじゅう せいき世紀 まつ末 、 きかい機械 をチューリング・テスト。 かれ彼 は いい言い ます：“ わたし私 は しんじ信じ て、 やく約 ごじゅう ねん年 の じかん時間 ない内 で かのう可能 に、 ひとびと人々 は1 GBのメモリ ようりょう容量 のコンピュータプログラミングによって、それらを あそび遊び 、 じゅうぶん十分 に あそん遊ん で、 いっぱん一般 の ひょうばん評判 を へ経 てしまう しゃ者 ご ふん分 の たいわ対話 の ご後 、 ただしい正しい はんてい判定 を したまわる下回る 70 %％ の かのう可能 せい性 …… わたし私 は こんせいき今世紀 の まつ末 まで、 もじ文字 の しよう使用 と つう通 いしき意識 きょういく教育 の りねん理念 が おおきく大きく へんか変化 すると しんじ信じ ています。」

可惜的是，他的预测不太准确。我们现在确实开始看到一些真正让人眼前一亮的AI系统出现，但是在2000年代，AI技术还处在比较原始的阶段。不过硬盘容量在世纪之交时平均为10GB左右，这倒是远远超过了图灵的预测。

残念なことに,彼の予測はあまり正確ではない。私達は今確かにいくつかの本当の目の前の明るいAIシステムを見ることを始めて、しかし2000年代に、AIの技術はまだ比較的に原始的な段階にある。しかしハードディスク容量は世紀の変わり目時平均10GBぐらい、それをはるかに超えてチューリングの予測。

ざんねんなことに,かれのよそくはあまりせいかくではない。 残念なことに,彼の予測はあまり正確ではない。 わたし私 たち達 は いま今 たしか確か にいくつかの ほんとう本当 の め目 の まえ前 の あかるい明るい AIシステムを みる見る ことを はじめ始め て、しかし2000 ねんだい年代 に、AIの ぎじゅつ技術 はまだ ひかく比較 的に げんし原始 的な だんかい段階 にある。しかしハードディスク ようりょう容量 は せいき世紀 の かわりめ変わり目 じ時 へいきん平均 10GBぐらい、それをはるかに こえ超え てチューリングの よそく予測 。

第一个神经网络的出现

第一神経ネットワークの出現

だい第 いち一 しんけい神経 ネットワークの しゅつげん出現

神经网络其实是一种试错法，它是现代AI的关键概念。从本质上讲，当你训练一个AI系统时，最好的办法就是让系统猜测，接收反馈，然后在继续猜测——不断调整概率，以便让AI系统得出正确答案。

神経のネットは実は1種手さぐり法、それは現代AIの重要な概念。本質的に言って、あなたがAIシステムを訓練する時、最も良い方法はシステムを推測して、フィードバックを受信して、それから推測を続けます——絶えず確率を調整して、AIシステムに正しい答えを出すようにさせます。

しんけい神経 のネットは じつは実は 1 しゅ種 てさぐり手さぐり ほう法 、それは げんだい現代 AIの じゅうよう重要 な がいねん概念 。 ほんしつ本質 的に いっ言っ て、あなたがAIシステムを くんれん訓練 する とき時 、 もっとも最も よい良い ほうほう方法 はシステムを すいそく推測 して、フィードバックを じゅしん受信 して、それから すいそく推測 を つづけ続け ます—— たえ絶え ず かくりつ確率 を ちょうせい調整 して、AIシステムに ただしい正しい こたえ答え を だす出す ようにさせます。

令人惊奇的是，第一个神经网络实际上是在1951年由马尔文·明斯基（Marvin Minsky）和迪恩·艾德蒙兹（Dean Edmonds）创建的，称为“SNARC” ，意思是随机神经模拟增强计算机。它不是由微芯片和晶体管，而是由真空管、电机和离合器制成的。这台机器可以帮助一只虚拟老鼠解决迷宫难题。系统发送指令，让虚拟老鼠在迷宫里游走，每一次都将其行为的效果反馈到系统里——用真空管来存储结果。这意味着机器能够学习并调整概率，提高虚拟老鼠通过迷宫的机会。

驚いたのは、初めての神経のネットは実際には1951年には马尔文・明斯基（Marvin Minsky）とディーン・エドモンド茲（ディーンEdmonds）が創建されたのは、「SNARC」、意味はランダムに神経をコンピュータシミュレーション。それはマイクロチップとトランジスタのではなく、真空管、電機やクラッチで作った。この機械は1匹の仮想マウスを助けることができて迷宮の難題を解決することができます。システムのコマンドを送信して、仮想ネズミを迷宮の中で走って、毎回その行為の効果をシステムの中にフィードバックします——真空管で結果を記憶します。これは機械が学んで確率を調整することができることを意味して、仮想ネズミを高めて迷宮を通過する機会を高めることを意味します。

おどろい驚い たのは、 はじめて初めて の しんけい神経 のネットは じっさい実際 には1951 ねん年 には马尔 ぶん文 ・ めい明 し斯 もと基 （Marvin Minsky）とディーン・エドモンド じ茲 （ディーンEdmonds）が そうけん創建 されたのは、「SNARC」、 いみ意味 はランダムに しんけい神経 をコンピュータシミュレーション。それはマイクロチップとトランジスタのではなく、 しんくう真空 かん管 、 でんき電機 やクラッチで つくっ作っ た。この きかい機械 は1 ぴき匹 の かそう仮想 マウスを たすける助ける ことができて めいきゅう迷宮 の なんだい難題 を かいけつ解決 することができます。システムのコマンドを そうしん送信 して、 かそう仮想 ネズミを めいきゅう迷宮 の なか中 で はしっ走っ て、 まいかい毎回 その こうい行為 の こうか効果 をシステムの なか中 にフィードバックします—— しんくう真空 かん管 で けっか結果 を きおく記憶 します。これは きかい機械 が まなん学ん で かくりつ確率 を ちょうせい調整 することができることを いみ意味 して、 かそう仮想 ネズミを たかめ高め て めいきゅう迷宮 を つうか通過 する きかい機会 を たかめる高める ことを いみ意味 します。

本质上，谷歌当前用于识别照片中的对象的相同过程的非常非常简单的版本。谷歌目前用来识别照片中的对象也使用了同样的过程，只不过远比它复杂。

本質的には、Googleは現在、写真の対象の同じ過程を識別するための非常に簡単なバージョンである。Googleは現在、写真の対象を識別するためにも同じプロセスを使用している。

ほんしつ本質 的には、Googleは げんざい現在 、 しゃしん写真 の たいしょう対象 の おなじ同じ かてい過程 を しきべつ識別 するための ひじょう非常 に かんたん簡単 なバージョンである。Googleは げんざい現在 、 しゃしん写真 の たいしょう対象 を しきべつ識別 するためにも おなじ同じ プロセスを しよう使用 している。

第一辆自动驾驶汽车的出现

自動運転車の出現

今私達の言及自動運転車の際、思わGoogle Waymoなど、しかし驚いたのは、1995年、メルセデスベンツは改装した車からは、ミュンヘンコペンハーゲン、道中ほとんど時は自動運転。路程計1043マイル、改装車に搭載したろくじゅうの結晶コンピューターチップ、その当時の並列計算分野で最も先進的な技術、それは素早く大量データ処理運転を自動運転車の応答度保証を提供する。この車の時速は115マイルに達して、今の自動運転車とほぼ一致しています。

いま今 わたし私 たち達 の げんきゅう言及 じどう自動 うんてん運転 しゃ車 の さい際 、 おもわ思わ Google Waymoなど、しかし おどろい驚い たのは、1995 ねん年 、メルセデスベンツは かいそう改装 した しゃ車 からは、ミュンヘンコペンハーゲン、 どうちゅう道中 ほとんど とき時 は じどう自動 うんてん運転 。 ろてい路程 けい計 1043マイル、 かいそう改装 しゃ車 に とうさい搭載 したろくじゅうの けっしょう結晶 コンピューターチップ、その とうじ当時 の へいれつ並列 けいさん計算 ぶんや分野 で もっとも最も せんしん先進 的な ぎじゅつ技術 、それは すばやく素早く たいりょう大量 データ しょり処理 うんてん運転 を じどう自動 うんてん運転 しゃ車 の おうとう応答 ど度 ほしょう保証 を ていきょう提供 する。この くるま車 の じそく時速 は115マイルに たっし達し て、 いま今 の じどう自動 うんてん運転 しゃ車 とほぼ いっち一致 しています。

转向“基于统计”的方法

「統計に基づく」による方法

「 とうけい統計 に もとづく基づく 」による ほうほう方法

虽然神经网络作为一个概念出现已经有一段时间了，但是直到20世纪80年代后期，AI研究人员开始从“基于规则”的方法转向“基于统计”的方法 ，也就是机器学习。这意味着不要试图去根据人类行为的规则来让系统进行模仿，而是采取试错法，根据反馈来调整概率，这是教会机器思考的好方法。这一点非常重要，因为正是这个概念让如今的AI办到了一些令人惊讶的事情。《福布斯》的吉尔·普利斯（Gil Press）认为，这一转变是从1988年开始的，当时IBM的TJ Watson研究中心发表了一篇名为《语言翻译的统计学方法》的论文，特别提到了如何使用机器学习来做语言翻译。

としては神経のネットの概念がもうしばらくの時間があって、しかしにじゅう世紀まではちじゅう年代後期、AI研究員から「ベースのルール」の方法から「ベースの統計の方法、つまり機械学習。この意味でしようとして人間の営みのルールによってシステムの模倣ではなく、を手さぐり法によって、フィードバックを調整して確率は、教会の機械思考の良い方法。これは非常に重要であり、この概念こそ今のAIに驚くべきことをしたからだ。「フォーブス」のジル・普利斯（ギルPress）は、この変化は1988年から始まり、当時IBMの値ワトソン研究センターの発表と「言語翻訳の統計学方法』の論文は、特別に言及した機器を使用してどのように勉強して言語翻訳。

としては しんけい神経 のネットの がいねん概念 がもうしばらくの じかん時間 があって、しかしにじゅう せいき世紀 まではちじゅう ねんだい年代 こうき後期 、AI けんきゅう研究 いん員 から「ベースのルール」の ほうほう方法 から「ベースの とうけい統計 の ほうほう方法 、つまり きかい機械 がくしゅう学習 。この いみ意味 でしようとして にんげん人間 の いとなみ営み のルールによってシステムの もほう模倣 ではなく、を てさぐり手さぐり ほう法 によって、フィードバックを ちょうせい調整 して かくりつ確率 は、 きょうかい教会 の きかい機械 しこう思考 の よい良い ほうほう方法 。これは ひじょう非常 に じゅうよう重要 であり、この がいねん概念 こそ いま今 のAIに おどろく驚く べきことをしたからだ。「フォーブス」のジル・ ふ普 り利 こ斯 （ギルPress）は、この へんか変化 は1988 ねん年 から はじまり始まり 、 とうじ当時 IBMの ち値 ワトソン けんきゅう研究 センターの はっぴょう発表 と「 げんご言語 ほんやく翻訳 の とうけい統計 がく学 ほうほう方法 』の ろんぶん論文 は、 とくべつ特別 に げんきゅう言及 した きき機器 を しよう使用 してどのように べんきょう勉強 して げんご言語 ほんやく翻訳 。

IBM用220万对法文和英文句子来训练这个系统 ——这些句子全部来自加拿大议会的双语记录。220万这个数字听起来很多，但是谷歌有整个互联网上可以利用——所以现在谷歌翻译的效果可以说相当不错了。

これらの文はすべてカナダ議会のバイリンガルからの記録を220万人と英語の文で訓練します。220万という数字はたくさん聞こえますが、Googleはインターネット上で利用できるようになりましたので、今のGoogle翻訳の効果はかなり良いと言えるでしょう。

これらの ぶん文 はすべてカナダ ぎかい議会 のバイリンガルからの きろく記録 を220 まん万 にん人 と えいご英語 の ぶん文 で くんれん訓練 します。220 まん万 という すうじ数字 はたくさん きこえ聞こえ ますが、Googleはインターネット じょう上 で りよう利用 できるようになりましたので、 いま今 のGoogle ほんやく翻訳 の こうか効果 はかなり よい良い と いえる言える でしょう。

“深蓝”击败国际象棋冠军

「紺」がチェスの優勝を破った

「 こん紺 」がチェスの ゆうしょう優勝 を やぶっ破っ た

尽管AI的侧重点已经转移到统计模型上，但基于规则的模型也仍然在使用—— 在1997年举办了一场国际象棋比赛中，IBM的计算机深蓝战胜了世界国际象棋冠军加里·卡斯帕罗夫，向人们展示了机器可以有多么强大。这不是双方的第一场比赛，在1996年，卡斯帕罗夫曾以4-2击败深蓝。而到了1997年，机器就占了上风。

にもかかわらず、AIの焦点に移管統計模型に基づくルールが、モデルも用いる――1997年に開かれ、チェスの試合では、IBMのコンピュータに打ち勝ったチェス深藍世界チャンピオンゲイリー・カスパロフ、人々に展示した機械がどんなに強い。これは双方の初試合、1996年に、カスパロフはかつて4 - 2深藍を。そして1997年になって機械が優勢になった。

にもかかわらず、AIの しょうてん焦点 に いかん移管 とうけい統計 もけい模型 に もとづく基づく ルールが、モデルも もちいる用いる ――1997 ねん年 に ひらか開か れ、チェスの しあい試合 では、IBMのコンピュータに うちかっ打ち勝っ たチェス ふかあい深藍 せかい世界 チャンピオンゲイリー・カスパロフ、 ひとびと人々 に てんじ展示 した きかい機械 がどんなに つよい強い 。これは そうほう双方 の はつ初 しあい試合 、1996 ねん年 に、カスパロフはかつて4 - 2 ふかあい深藍 を。そして1997 ねん年 になって きかい機械 が ゆうせい優勢 になった。

从一定程度上说，深蓝的智能有点虚假——IBM本身认为深蓝没有使用人工智能，因为它使用的是蛮力之法，每秒处理数千种走棋的可能性。 IBM为这个系统注入了数以千计之前比赛的数据，每次对手走棋之后，深蓝就会照搬以前象棋大师们在相同情况下的反应。正如IBM所说，深蓝只是在扮演之前象棋大师们的幽灵。

一定の程度のことから、紺の知能は少し偽りがあります。IBM自体は、紺が人工知能を使用していないと思っています。それはかなり力のある法で、毎秒数千種の碁を処理する可能性があります。IBMはこのシステムのために数千千万の前の試合のデータを注入して、毎回相手が碁を打った後に、紺は以前将棋の大家たちが同じ状況の下での反応をそのまま使っています。IBMの言う通り、青はただ前将棋の大家たちの幽霊を演じている。

いってい一定 の ていど程度 のことから、 こん紺 の ちのう知能 は すこし少し いつわり偽り があります。IBM じたい自体 は、 こん紺 が じんこう人工 ちのう知能 を しよう使用 していないと おもっ思っ ています。それはかなり りょく力 のある ほう法 で、 まいびょう毎秒 すう数 せんしゅ千種 の ご碁 を しょり処理 する かのう可能 せい性 があります。IBMはこのシステムのために すう数 せん千 せん千 まん万 の まえ前 の しあい試合 のデータを ちゅうにゅう注入 して、 まいかい毎回 あいて相手 が ご碁 を うっ打っ た あと後 に、 こん紺 は いぜん以前 しょうぎ将棋 の おおや大家 たちが おなじ同じ じょうきょう状況 の した下 での はんのう反応 をそのまま つかっ使っ ています。IBMの いう言う とおり通り 、 あお青 はただ まえ前 しょうぎ将棋 の おおや大家 たちの ゆうれい幽霊 を えんじ演じ ている。

不管这算不算真正的AI，它都是一个重要的里程碑，让人们不仅开始关心计算机的计算能力，也对整个AI领域产生了兴趣。自从与卡斯帕罗夫对决以来，在游戏中打败人类玩家已经成为机器智能基准测试的主要方式 —— 2011年时，我们再次看到，IBM的“沃森”系统轻松地击败了两个人类对手，成为美国智力竞赛节目《危险边缘》的优胜者。

これは本当のAIではなくて、それはすべて1つの重要なマイルストーンで、人々にコンピュータの計算能力を関心するだけではなくて、全体のAI分野に興味を持ってきました。彼女とカスパロフ対決以来、ゲーム中で人類はすでに機械知能プレイヤーをベンチマークテストの主要な方式——2011年の時に、私は再び見る、IBMの「ワトソン」システムが気楽に破った二つの人間相手となり、アメリカクイズ番組『瀬戸際』の優勝者。

これは ほんとう本当 のAIではなくて、それはすべて1つの じゅうよう重要 なマイルストーンで、 ひとびと人々 にコンピュータの けいさん計算 のうりょく能力 を かんしん関心 するだけではなくて、 ぜんたい全体 のAI ぶんや分野 に きょうみ興味 を もっ持っ てきました。 かのじょ彼女 とカスパロフ たいけつ対決 いらい以来 、ゲーム なか中 で じんるい人類 はすでに きかい機械 ちのう知能 プレイヤーをベンチマークテストの しゅよう主要 な ほうしき方式 ——2011 ねん年 の とき時 に、 わたし私 は ふたたび再び みる見る 、IBMの「ワトソン」システムが きらく気楽 に やぶっ破っ た ふたつ二つ の にんげん人間 あいて相手 となり、アメリカクイズ ばんぐみ番組 『 せとぎわ瀬戸際 』の ゆうしょう優勝 しゃ者 。

Siri 和自然语言处理

Siriと自然言語処理

Siriと しぜん自然 げんご言語 しょり処理

自然语言处理是AI领域的一大课题，要想像《星际迷航》（Star Trek）那样通过语音对设备发布命令，就需要有很强的自然语言处理能力。所以，用统计方法创建的Siri令人眼前一亮。它由SRI International研发，甚至曾经在iOS应用程序商店中作为独立的app推出，很快，这家公司就被苹果公司收购，并深度整合在了iOS中。现在它和谷歌助手、微软小娜，以及亚马逊Alexa这些软件已经成为机器学习最引人瞩目的成果之一，改变了我们与设备互动的方式。当然，我们如今似乎认为这种互动方式是理所当然的，但是任何曾经在2010年之前尝试过使用语音命令的人都知道，这个进步有多大。

自然言語処理はAI分野の大きな課題は、「スター・トレック」（Star想像Trek）通り音声設備に対して命令を出すのがとても強い自然言語処理能力。だから、統計の方法で作成さのSiri明る目。それはSRIインターナショナルの開発で、甚だしきに至ってはかつてiOSアプリケーションの店で独立したapp発売して、とても速くて、この会社はアップル社の買収を統合したiOSで深さで。今やGoogle助手、マイクロソフトナナリーやアマゾンアレクサ・小さい、これらのソフトはすでに機械は勉強して最も目立つの成果の1つで、私達と設備を変えた対話の方式。もちろん、このようなインタラクティブな方法は当たり前だと思っているようですが、2010年までに音声コマンドを使ってみたことがある人は、その進歩が多いと思います。

しぜん自然 げんご言語 しょり処理 はAI ぶんや分野 の おおきな大きな かだい課題 は、「スター・トレック」（Star そうぞう想像 Trek） どおり通り おんせい音声 せつび設備 に たいし対し て めいれい命令 を だす出す のがとても つよい強い しぜん自然 げんご言語 しょり処理 のうりょく能力 。だから、 とうけい統計 の ほうほう方法 で さくせい作成 さのSiri あかる明る め目 。それはSRIインターナショナルの かいはつ開発 で、 はなはだしき甚だしき に いたっ至っ てはかつてiOSアプリケーションの みせ店 で どくりつ独立 したapp はつばい発売 して、とても はやく速く て、この かいしゃ会社 はアップル しゃ社 の ばいしゅう買収 を とうごう統合 したiOSで ふか深 さで。 いま今 やGoogle じょしゅ助手 、マイクロソフトナナリーやアマゾンアレクサ・ ちいさい小さい 、これらのソフトはすでに きかい機械 は べんきょう勉強 して もっとも最も めだつ目立つ の せいか成果 の1つで、 わたし私 たち達 と せつび設備 を かえ変え た たいわ対話 の ほうしき方式 。もちろん、このようなインタラクティブな ほうほう方法 は あたりまえ当たり前 だと おもっ思っ ているようですが、2010 ねん年 までに おんせい音声 コマンドを つかっ使っ てみたことがある ひと人 は、その しんぽ進歩 が おおい多い と おもい思い ます。

图像识别

画像認識

がぞう画像 にんしき認識

就像在语音识别上一样，AI也可以在图像识别领域大有作为。在2015年，研究人员首次得出结论：在1000多个类别中，谷歌和微软研发的两个深度学习系统识别图像的效果比人类更好。图像识别可以应用在数不清的方面，谷歌在推广其TensorFlow机器学习平台时举一个有趣的例子，就是对黄瓜进行分类：通过使用计算机视觉，农民不需要雇用人员来决定黄瓜是否合适采摘了，而是让机器来自动做出决定，只要这些机器接受过早期数据的培训即可。

音声認識のように、AIも画像認識の分野で活躍することができます。2015年には、研究者が初めて結論を出した。1000以上の種類の中で、Googleとマイクロソフトが開発した2つの深さ学習システムは、人間よりも効果的である。画像認識できる応用は数えきれないほどの面では、Google広めてそのTensorFlow機械の勉強のプラットフォームに面白いの例を挙げて、キュウリの分類を使うコンピュータ視覚、農民が雇用者を決めて収穫キュウリが適当かどうか、機械では自動で決めてさえすれば、これらの機械を受けた早期データの訓練で。

おんせい音声 にんしき認識 のように、AIも がぞう画像 にんしき認識 の ぶんや分野 で かつやく活躍 することができます。2015 ねん年 には、 けんきゅう研究 しゃ者 が はじめて初めて けつろん結論 を だし出し た。1000 いじょう以上 の しゅるい種類 の なか中 で、Googleとマイクロソフトが かいはつ開発 した2つの ふか深 さ がくしゅう学習 システムは、 にんげん人間 よりも こうか効果 的である。 がぞう画像 にんしき認識 できる おうよう応用 は かぞえ数え きれないほどの めん面 では、Google ひろめ広め てそのTensorFlow きかい機械 の べんきょう勉強 のプラットフォームに おもしろい面白い の れい例 を あげ挙げ て、キュウリの ぶんるい分類 を つかう使う コンピュータ しかく視覚 、 のうみん農民 が こよう雇用 しゃ者 を きめ決め て しゅうかく収穫 キュウリが てきとう適当 かどうか、 きかい機械 では じどう自動 で きめ決め てさえすれば、これらの きかい機械 を うけ受け た そうき早期 データの くんれん訓練 で。

GPU让AI变得更便宜

GPUがAIをより安くする

GPUがAIをより やすく安く する

AI现在如此引人瞩目，一个重要原因就是在过去的几年里，处理大量数据的成本已经变得没有那么高昂了。据《财富》报道，研究人员直到21世纪末才意识到，为3D图形和游戏而开发的图形处理单元（GPU）在深度学习计算方面比传统的CPU强20到50倍。在那之后，人们可以利用的计算能力就大大增加了，如今的AI云平台可以为无数AI应用提供动力。所以，要感激玩家。你的父母和配偶可能不会喜欢你花这么多时间来玩游戏 —— 但人工智能研究人员确实很感激你。

AIは今このように注目を集めているが、一つの重要な原因は、過去数年、大量のデータを処理するコストがそれほど高くなくなってしまったことである。「富」によると、研究者は21世紀末までに、3 Dパターンとゲームのために開発された図形処理ユニット（GPU）の深さ学習計算において、従来のCPU強より20倍から50倍になるという。その後、人々の利用できる計算能力は大きく増加して、今のAIのプラットフォームは無数のAIを利用して動力を提供することができます。だから、プレイヤーに感謝します。あなたの両親や配偶者がこんなにたくさんの時間を使ってゲームをすることはできないかもしれませんが、人工知能研究者は本当に感謝しています。

AIは いま今 このように ちゅうもく注目 を あつめ集め ているが、 ひとつ一つ の じゅうよう重要 な げんいん原因 は、 かこ過去 すう数 ねん年 、 たいりょう大量 のデータを しょり処理 するコストがそれほど たかく高く なくなってしまったことである。「 とみ富 」によると、 けんきゅう研究 しゃ者 は21 せいき世紀 まつ末 までに、3 Dパターンとゲームのために かいはつ開発 された ずけい図形 しょり処理 ユニット（GPU）の ふか深 さ がくしゅう学習 けいさん計算 において、 じゅうらい従来 のCPU きょう強 より20 ばい倍 から50 ばい倍 になるという。 そのご その後 、 ひとびと人々 の りよう利用 できる けいさん計算 のうりょく能力 は おおきく大きく ぞうか増加 して、 いま今 のAIのプラットフォームは むすう無数 のAIを りよう利用 して どうりょく動力 を ていきょう提供 することができます。だから、プレイヤーに かんしゃ感謝 します。あなたの りょうしん両親 や はいぐう配偶 しゃ者 がこんなにたくさんの じかん時間 を つかっ使っ てゲームをすることはできないかもしれませんが、 じんこう人工 ちのう知能 けんきゅう研究 しゃ者 は ほんとうに本当に かんしゃ感謝 しています。

AlphaGo和Alp

AlphaGoとAlp