人工智能技术的发展及其在地震勘探领域应用前景(上)

年代提出人工智能学科算起,人工智能已取得长足的发展,成为一门内容广泛的跨学科交叉的前沿技术。但人们至今仍很难对人工智能下一个统一的定义。维基百科对人工智能(),是机器而非人类或动物所表现出的智慧;而百度百科则将其定义为:研究、开发用于模拟、延伸和扩展人的智能的理论、方法、温斯顿百度百科技术及应用系统的一门新的技术科学。不同的专家学者,如斯坦福大学的尼尔逊和麻省理工学院的温斯顿教授等人,对人工智能的定义又有不同的解读。但总的来说,人们期望机器能够像人类一样思考,或者说如何让机器也能拥有智慧。

人工智能最早能追溯到1308年加泰罗尼亚诗人兼神学家者雷蒙·卢尔(Ramon Llull)在《The Ultimate General Art》里描述“逻辑机”的概念。但现代意义上的“人工智能(Artificialintelligence)”一词是在1955年8月由约翰·麦卡锡(达特茅斯学院)、马文·明斯基(哈佛大学)、纳撒尼尔·罗彻斯特(IBM)和克劳德·香农(贝尔电话实验室)联合递交的一份关于召开国际人工智能会议的提案中提出的。一年后,达特矛斯会议召开,这次会议被认为是开辟“人工智能”这个研究新领域的历史性事件。

第一阶段:1956-1972年是人工智能的诞生及探索阶段。这一阶段机器学习、神经网络在人工智能领域得到探索与突破,罗森布拉特提出的感知机(Perceptron)神经网络(1957年),将人工智能推向第一个高峰。但70年代后期人工智能发展出现了诸多问题,如计算机计算能力不足,难以解决任何实际问题,数据库难以满足人工智能应用需求等,导致政府及资助机构对人工智能失去信心,停止相关领域研究资助,人工智能的发展遭遇了第一次低谷。

第二阶段:1981-1987年期间是人工智能的第二个黄金发展时期。专家系统和知识工程在全世界迅速发展,为企业等用户赢得巨大的经济效益。1986年由Rumelhart和McCelland为首的科学家小组提出的BP神经网络算法,使得大规模神经网络的训练成为可能,人工智能迎来了又一个研究高潮。但随后直至90年代中期,人工智能发展方向模糊,又一次遭遇投资及财政困难,人工智能发展遇到了第二次低谷。

第三阶段:20世纪90年代以来,人工智能在各子领域悄然发展,1997年IBM制造的电脑“深蓝”击败了国际象棋冠军。2006年Hinton首次提出“深度学习”神经网络,使得人工智能性能获得突破性进展。从目前来看,深度学习是人工智能最有效、取得成效最大的实施方法。深度学习提出后,大数据云计算等基础技术也在不断进步,迎来了2013年以来的人工智能第三次高潮。

人工智能技术的真正突破是随着深度学习技术的发展、计算能力的提高、大数据时代的到来而引起的一场科技大爆发。尤其是最近几年,人工智能技术在各个领域不断刷新着人们的认知,引起人们的惊叹。如2016年AlphaGo首次击败人类职业围棋选手李世石;谷歌、苹果、百度等公司先后杀入到无人汽车自动驾驶领域激烈角逐;智能搜索、人脸识别、智能翻译、语音控制、聊天机器人、虚拟现实等技术不断涌现出来。人工智能技术在各个领域大显身手。即使是认为人类比较擅长的图像识别、语音翻译等领域,也逐渐被人工智能所超越。人工智能技术可以说又掀起了一场新的技术革命。

人工智能之所以能在各行各业取得全面突破,取得一系列辉煌成绩,很大成绩上要归功于深度学习技术的发展。

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。

深度学习的概念由Hinton等人于2006年提出。基于深度置信网络提出非监督贪心逐层训练算法,为解决深层结构相关的优化难题带来希望,随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法,它利用空间相对关系减少参数数目以提高训练性能。

深度学习是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像,声音和文本。同机器学习方法一样,深度机器学习方法也有监督学习与无监督学习之分。不同的学习框架下建立的学习模型很是不同。例如,卷积神经网络(Convolutional neural networks,简称CNN)就是一种深度的监督学习下的机器学习模型,而深度置信网络(Deep Belief Nets,简称DBN)就是一种无监督学习下的机器学习模型。温斯顿英语简介

2017年腾讯表示更愿意大力投入到AI、云计算和大数据。目前腾讯已在医疗方面推出一个产品叫腾讯觅影,就是用人工智能处理医学影像,比如对食道癌进行早期筛查,还有肺的切片、乳腺癌,还有很多需要医学影像分析的领域,和医院专家进行合作。通过深度学习算法,相信AI未来在医疗领域还是可以起到非常大的作用。

不仅仅是腾讯公司这一个案例,实际上从近几年主要IT公司在人工智能领域的布局和收购情况也可以看出,AI领域的竞争越来越激烈。从市场规模方面看,根据专注于智能领域市场调研的Tractica公司报告,2016的人工智能市场规模不足5亿美元,但今后市场规模则预计呈指数模式暴涨,2025年预计达到350亿美元市场规模,其中地球物理特征智能检测方面,市场规模能达到10亿美元以上。未来的人工智能市场潜力是巨大的,是一块尚待瓜分的诱人的大蛋糕。

在石油行业,人工智能的发展也才刚刚起步。石油行业历来是一个大数据行业,但还不能称之为一个智能行业。随着物联网技术的发展,石油行业积累的数据量会越来越多,但如何利用好这些数据,实现智能操作、智能管理,是需要考虑的方向。目前,各大石油公司都在努力构建自己的智能化油田,尤其在低油价的今天,智能化油田是提高效率降低管理成本的一个重要手段。

显然,人工智能技术已成为国际竞争的新焦点。人工智能所带来的新机遇不仅仅是科技公司追求的潜在利润增长点,它也引起各级政府甚至国家层面的高度关注。国务院专门下发了关于新一代人工智能发展规划的通知(国发2017-35号);新成立不久的中国科学院大学也在已有计算机与控制学院的情况下,2017年又单独开设了一个人工智能技术学院。由此可见人工智能技术对社会的影响,以及社会各界对人工智能技术的重视程度。

技术的发展趋势和未来庞大市场的需求,使得人工智能的发展如同浩荡的江水,不可阻挡。由它引起的技术变革,对企业旧技术模式的冲击,对社会产生的一系列影响才刚刚开始。目前AI算法能学习的数据,必须通过人力逐一标注,这些人力为AI产业提供养料,构建了AI金字塔的基础。

发表评论

电子邮件地址不会被公开。 必填项已用*标注