从科幻走向现实：追溯AI迈入现代企业的历程

提及"人工智能"，多数人联想到Alexa与Siri；也有人想起《终结者》或《2001太空漫游》等影片。

真相是：AI并非遥不可及的科幻概念。事实上，它无处不在——Netflix推荐下部剧集、Uber规划最优回家路线，皆是AI杰作。

AI是历经数十年演化、至今仍在进化的精密现代互联技术生态。因此，AI历史同样复杂多层，汇聚多样工具与能力的更迭，构筑了我们今天认知的AI。

理解AI当下的重要性、为明天做准备，有助于溯源AI起点，洞悉其如何演化为改变游戏规则的技术。

20世纪AI：雄心勃勃的概念验证

现代AI诞生于名校研究部门的学术殿堂，学者们深思计算的未来。早期因缺乏数据与算力，长期困守象牙塔。

1956年，达特茅斯学院举办"达特茅斯人工智能夏季研究项目"——被视为AI学术研究的关键第一步。研讨会上，20位研究者旨在证明："学习过程可被精确描述，从而让机器模拟学习。"

次年1957年，美国心理学家Frank Rosenblatt基于达特茅斯研究提出感知机——能成功执行二分类的算法。这是人工神经元从数据中学习的初步证据。

又一年后，达特茅斯研讨会与会者John McCarthy与MIT众学生开发Lisp（新编程语言）。数十年后，McCarthy研究催生SHRDLU自然语言程序、Macsyma代数系统、ACL2逻辑系统等激动人心项目。

来源

回望早期实验，可见AI从高深研究迈向实用计算的蹒跚初步。

1960年，Simulmatics公司问世，声称能基于人口统计学预测投票倾向。

1965年，研究者开发"专家系统"——通过事实集合与推理引擎解读评估数据，让AI解决计算机系统内的专业问题。

1966年，MIT教授Joseph Weizenbaum设计模式匹配程序Eliza，展示AI的智能。用户输入信息，Eliza扮演心理治疗师反问开放式问题。

至1970年代中期，政府与企业对AI失去信心，资金枯竭，随之而来的是"AI寒冬"。虽1980、1990年代有小规模复苏，AI主要退守科幻领域，严肃计算机科学家避而不谈该词汇。

1990年代末至2000年代初，机器学习技术开始规模化应用：Microsoft用贝叶斯法做垃圾邮件过滤，Amazon用协同过滤做推荐。

21世纪AI：野蛮生长的成功试点

2000年代，算力提升、大数据集涌现、开源软件兴起，让开发者在相对短时间内创造先进算法，革新科学、消费、制造、商业领域。AI已成许多企业现实。McKinsey发现400个企业用AI解决业务问题的案例。

Web重塑数据组织方式

2000年代初中叶的Web革命给AI研究带来关键变化。XML、PageRank等基础技术以新方式组织数据供AI使用。

XML是语义网与搜索引擎的前提。Google早期创新PageRank进一步组织Web。这些进步让Web更易用，海量数据更易为AI获取。

同时，数据库存取能力增强，开发者钻研函数式编程语言便于操作数据。研究者与开发者手中的工具已备，可进一步推进AI技术。

神经网络与深度学习展现AI潜力

20世纪对AI有宏大愿景，但算力限制几乎无法构建。21世纪计算机在存储、处理、分析海量数据上呈指数级增强，神经网络与深度学习的宏愿得以实现。

研究者构建专供机器训练的数据集，催生AlexNet等神经网络。此前训练依赖数万量级数据，GPU进步让新数据集达千万量级。

芯片厂商Nvidia于2006年推出并行计算平台CUDA，利用GPU加速计算。性能跃升助更多人运行TensorFlow、PyTorch等机器学习库编写的大型复杂模型。

来源

随后这些库开源，激发广泛实验，技术普及化催生AlphaGo、Google DeepMind、IBM Deep Blue等激动人心工具。

计算机视觉开启新行业应用

2000年前，AI主要处理文本。世纪之交，计算机视觉进步让计算机识别解读图像，将AI用例推向新高。

此番先锋非学者，而是走入家庭的扫地机器人Roomba、体感游戏XBox Kinect，让清洁与游戏前所未有的轻松，将计算机视觉铺入千家万户。

我们也见证计算机视觉用于新兴自动驾驶汽车、医院自动检测病变与肺炎。

除行业用例外，计算机视觉变体还点燃了机器人流程自动化（RPA）进步。🎉 配合光学字符识别（OCR），RPA机器人能处理结构化与非结构化数据，改写数据分析世界。

数据分析提升AI商业应用

过去二十年证明：自动化与AI能胜任复杂业务用例。随AI数据分析愈强，企业能更聪明、高效地利用AI。

银行用AI将海量非结构化邮件分类，替代人工密集或基于规则关键词分类效果差的现状。AI高准确率分类，缩短平均处理时长（AHT）。

AI与自动化不只助益金融。医保支付方加速识别高危妊娠：软件机器人加载验证患者数据，访问预测模型评分，确定护理方案。结果：低出生体重妊娠准确识别率提升24%，避免44%低出生体重妊娠，年节省1100万美元。阅读完整故事。

自然语言处理与语音识别提升AI易用性

虽AI始于文本分析，远未掌控它。直到最近，文本即便有OCR仍需结构化为机器可读格式。自然语言处理（NLP）推进计算机理解自然语言的前沿。

著名案例为Generative Pre-trained Transformer 3（GPT-3）。2020年5月推出的GPT-3用深度学习生成酷似人类文本。已涌现有趣应用：撰写文章（《卫报》曾让GPT-3写机器人无害论）、生成代码。

NLP应用远超GPT-3：语音转文本、文本自动摘要、跨语言翻译等。

虽NLP常处前沿，也已入驻家庭。Alexa、Google等虚拟助手处理自然语言请求并转为可执行指令。简单语音指令即可搜索信息、路由命令至智能灯锁等设备。

AI未来：企业游戏规则改写者

迈入技术成熟下一十年，企业AI用例将持续增长。过往工具奠定AI可能性基础，但将这些工具规模化仍有广阔疆域待开拓。

随AI进阶，企业将利用RPA、机器学习、流程挖掘、数据分析构建强大端到端自动化套件，这些技术将对各成熟度阶段企业更易获取。AI不再是研究者与开发者专属；借助现代工具，普通用户能针对自识别问题创建AI解决方案。

随技术对业务用户更易获取，自动化飞轮将加速，为企业提供更多AI应用构想与可能。尖端自动化平台与工具将重启并革新我们的工作方式。

UiPath AI Fabric让用户轻松启动模型、注入数据、获洞察、评估效用。

编者注：随自动化市场演进，UiPath平台持续更新以最好服务客户自动化需求。AI Fabric产品名已演变，最新信息请访问AI Center页面。

AI当下：入场正当时

是时候自动化了。我们已达AI演化的关键阶段——非理论、乃当务之急，预测将为拥抱它的企业释放数千亿美元价值。

了解领先组织如何用自动化与AI将全自动化企业™愿景变为现实：