这是当代二进制记数系统第一次公开涌如今科学文献中。

二进制是当代打算机的根本。
打算机处理器的运行事理——0和1代表的逻辑电路的“开”和“关”，可以说重塑了我们本日的天下：飞机、导弹远程调度姿态，电网的运行，万里之外的股票交易，远程诊断，远程***会议...如今，一国的经济、军事、生命，都与运行在二进制根本上的一行行代码息息相关。

值得一提的是，二进制数干系的系统，古埃及、古代中国和古印度虽然也有涌现。
但是公元前9世纪涌现的中国的《易经》尤其引发了莱布尼茨的灵感。

深度神经网络的发明和深度学习观点的提出

打算机供应了硬件载体，就像人类大脑作为智能存在的根本一样，如今我们竭力发展的AI，就在模拟真实大脑的信息处理过程。

这一探究过程越是深入，就越靠近智能爆炸所谓的“奇点”。

1981年诺贝尔医学奖得到者 David Hubel 和 Torsten Wiesel 创造人的视觉系统的信息处理是分级的：从视网膜（Retina）出发，经由低级的V1区提取边缘特色，到V2区的基本形状或目标的局部，再到高层的全体目标（如剖断为一张人脸），以及到更高层的PFC（前额叶皮层）进行分类判断等。
高层的特色是低层特色的组合，从低层到高层的特色表达越来越抽象和观点化，也即越来越能表现语义或者意图。

现在的深度神经网络，最早就受此启示。

神经网络最早的雏形——“感知机”早在上世纪50年代末就涌现，感知机作为只有一个中间层的单层神经网络，由于无法拟合非线性函数而一度发展结束。
随着多层神经网络的提出和80年代 Hinton 等人开始利用BP算法，深度神经网络的前身—多层神经网络真正涌现了。

到了2006年，Hinton在《Science》和干系期刊上揭橥了论文，首次提出了“深度置信网络”的观点。
与传统的演习办法不同，深度置信网络有一个“预演习”（pre-training）的过程，它的浸染是让神经网络权值找到一个靠近最优解的值，之后再利用“微调”(fine-tuning)技能，来对全体网络进行优化演习。
这两个技能的利用大幅度提升了模型的性能，而且减少了演习多层神经网络的韶光。
他给多层神经网络干系的学习方法授予了一个新名词——“深度学习”。

2012年著名的ImageNet图像识别竞赛上，Hinton教授的团队，利用以卷积神经网络为根本的深度学习方案，他们演习的模型面对15万张测试图像时，预测的头五个类别的缺点率只有 15.3%，而排名第二的日本团队，利用的SVM方法构建的模型，相应的缺点率则高达 26.2%。

2017年5月27日，堪称繁芜度最高的人类智力游戏——古老的围棋被攻破，面对无懈可击的AlphaGo，天下排名第一的柯洁0：3完败，并且在比赛中一度哽咽落泪，“它太完美了，我看不到希望”。
击败柯洁的AlphaGo，就凑集了深度神经网络最新演进的诸多新技能。

AlphaGo击败柯洁后，有人评论道，“大概几百年后回看历史，上个世纪的量子力学和随后的核武器，本世纪深度神经网络和人工智能，会是人类发展的标志性事宜。
”

人工智能可以写书、作曲、识别图像，也可以预测股票、诊断疾病乃至通知陪聊，所有之古人类独占的创造活动、繁芜决策、沟通互换，都有相应的AI可以实现，而且许多领域比人类做得更好。

以是，很多像 Elon Musk 这样的硅谷大佬就开始认为，人工智能的发展将危及人类的生存。

但是在2017年乌镇大会上，杨元庆提出了一个新观点，“增强智能”。
杨元庆也正是一个武断的人工智能无威胁论者。

很多人不理解，神经网络的认知难点在于，科学家无法完全追溯输入的数据经由了若何的通报和处理，末了如何变成了人们想要的结果，AI目前还是一个“算法黑箱”。
强人工智能的门槛，公认是很难发展出人类那种自我意识，目前AI在工程和商业利用上的成功，缺少坚实的理论根本。

“人们实在并不知道神经网络的效果为何如此之好。
”

作为人工智能在工程和商业运用上的先行者，遐想集团董事长兼CEO杨元庆在今年乌镇大会上接管采访时强调，“机器的聪慧是基于人的聪慧，算法都是人类定的，它只是在增强人的聪慧。
”

杨元庆并不认同“人工智能”的命名。
在他看来，人工智能（Artificial Intelligence）的说法随意马虎带来误解，会让人担心AI将取代人类；他认为更准确的说法是：增强智能（Augmented Intelligence）。

在增强智能这个真正的根本上，才能得以往下谈智能医疗、智能制造等等。

“由于IoT带来数据的膨胀，加上打算力的加强，和算法的优化，会带来行业智能，或者家当智能。
”

以智能制造为例，元庆认为智能将表示在全体制造的设计研发、供应、生产、发卖、做事五大链条中。
智能制造更加准确的定义是从自动化和信息化根本上进入智能化，是对全代价链的推进，是基于越来越多的智能设备所产生的数据，基于边缘打算和云打算的数据，基于深度学习的算法所带来的制造行业的智能。

“比如说设计研发，我们的产品要一代代往下走，怎么设计？怎么研发？要基于前几代客户的利用数据，供应链高下游的技能变革等等，来进行设计，再用智能的办法进行仿照测试，看是否符合设计的哀求。
”

到了供应端，智能将有可能办理以往碰着的最大问题：供需不平衡，“对付制造型企业，最大的问题是供需不平衡，供过于求，供不应求，都是企业的丢失。
但现在随着增强智能，或者人工智能的发展，就会大大改进这个问题。
我们现在实际上在用大数据进行需求的预测。
大数据不仅仅包括我们过去发卖的历史记录，每年波峰波谷清清楚楚，机器终极预测就会比人的预测准确度高很多。
”

生产和发卖同样如此，就连做事，目前也已经广泛智能化。
loT 带来的数据爆发是人工智能的根本，数据爆发、算法演进可以实现“增强智能”。

一句话概括，杨元庆对AI的发展，提出的意见是：它未来无法真正取代人，而是跟人领悟，各取所长，才能达到最强！