二、机器学习的应用领域和发展史

一、机器学习的应用领域

机器学习（AI）已落地到众多实际场景，本讲列举的典型应用：

• 图像识别：让机器"看懂"图像、屏幕内容
• 无人驾驶：车辆的感知、决策与控制
• 智能翻译：多语言自动互译（如 “hi / hola / 您好”）
• 语音识别：语音信号 → 文字（话筒 → 波形 → Abc）
• 医疗智能诊断：结合医疗数据的辅助诊断与监护
• 数据挖掘：从海量数据中发现模式与规律（Data Mining / Patterns）

二、机器学习发展史

（一）开篇：达特茅斯会议 —— "人工智能"的诞生（1956）

• 时间地点：1956 年 8 月，美国汉诺斯小镇的达特茅斯学院
• 与会人物：
  • 约翰·麦卡锡（John McCarthy）—— “人工智能之父”
  • 马文·闵斯基（Marvin Minsky）—— 人工智能与认知学专家
  • 克劳德·香农（Claude Shannon）—— 信息论创始人
  • 艾伦·纽厄尔（Allen Newell）—— 计算机科学家
  • 赫伯特·西蒙（Herbert Simon）—— 诺贝尔经济学奖得主
• 讨论主题：用机器来模仿人类学习以及其他方面的智能
• 历史意义：会议足足开了两个月，虽未达成普遍共识，但为所讨论的内容起了一个名字——“人工智能”；1956 年因此成为人工智能元年。
• 过渡：不过，"让机器模仿学习"的探索早于这次会议，下面按真实历史顺序展开。

（二）发展时间线

0. 孕育期 · 命名之前（1948–1955）

• 1948：图灵与 Champernowne 写出象棋算法 Turochamp
• 1950：图灵设计国际象棋程序（同年发表"图灵测试"思想）
• 1952：Samuel 在 IBM 701 上写出第一个跳棋程序并演示 —— 比达特茅斯会议早 4 年
• 1955：Samuel 完成带学习能力的跳棋程序（1956 年 2 月电视演示）；同年，麦卡锡等人在达特茅斯提案中首次写下 “Artificial Intelligence”

1. 学科诞生 · 符号主义（1956–70 年代）

• 1956.8：达特茅斯会议召开 → 正式命名"人工智能" → AI 元年
• 1959：Samuel 正式提出 “Machine Learning（机器学习）” 一词
• 1962：Samuel 跳棋程序战胜人类高手 → 人工智能第一次浪潮
• 时代特征：符号主义、专家系统占主导

2. 统计主义（20 世纪 80–2000 年）

• 1993：Vapnik 提出 SVM（支持向量机）
• 1997：IBM 深蓝战胜国际象棋冠军卡斯帕罗夫 → 人工智能第二次浪潮
• 时代特征：主要用统计模型解决问题

3. 神经网络 / 深度学习（21 世纪初期）

• 2012：AlexNet —— 深度学习的开山之作
• 2016：Google AlphaGo 战胜李世石 → 人工智能第三次浪潮

4. 大模型 · AIGC（2017 年至今）

• 2017：Transformer 框架出现
• 2018：BERT 和 GPT 相继问世 → "预训练 + 微调"范式确立
• 2022：ChatGPT 爆火 → 进入大模型 AIGC 发展阶段

（三）要点速记

📌 两位"之父"：人工智能之父 = 约翰·麦卡锡；机器学习之父 = 亚瑟·塞缪尔（Arthur Samuel）

三、AI 发展三要素

• 数据、算法、算力三要素相互作用，是 AI 发展的基石
• 关系链：数据 →(输入)→ 算法 ←(支撑)← 算力；算法 →(输出)→ AI 应用；应用端"新数据输入 → 推断结果输出"（推断/预测），并以"更多数据、优化算量"反哺训练
• 算力硬件对比：
  • CPU：主要适合 I/O 密集型任务
  • GPU：主要适合计算密集型任务
  • TPU：专门针对大型网络训练而设计的处理器