历史地看那些数据分析方法
因为教书，所以，在讲解相关的概念和技术的时候，总是习惯也向学生讲解下它们的历史，这是自己的学习习惯，觉得也有助于帮助学生有宏观的视野：都知道*不知历史何以为鉴，科学技术也是一样的。
虽然市面上有几本AI简史、极简等书，此文算是狗尾续貂吧。不过，肯定更为简要~
AI?其实属于人类智慧的数据分析能力的部分而已，那可有历史喽…
人类追寻智慧的大历史，粗略地划分为三个时期 - 计算机出现以前，当下的AI，和 未来。
计算机出现以前：人类构建理论(Human construct theories)
这一阶段的主要特点就是Human constructs theories to know the principles behind facts。
其中，冠之以数学的部分，可以说是人类智慧的突出代表，曾经被称之为数学是宇宙的通用语言。
摘自:
https://zhidao.baidu.com/question/1516030676384900860.html意大利哲学家、天文学家伽利略曾说过：“数学是上帝用来书写宇宙的文字”。基于这种理念，美国天文学家、科普作家卡尔·萨根深信,宇宙中的技术文明无论差异多大,都有一种共同的语言——数学语言。中国数学家、语言学家周海中认为，数学表达上准确简洁、逻辑上抽象普适、形式上灵活性强，是宇宙交际的理想工具。因此,数学语言就成了人类首选的宇宙语言。
而且，要想学好AI(包含ML - Machine Learning等)，就必须对数学
有感觉！
计算机还没有诞生自主智慧的时期 - AI: (Human use computers to compute parameters)
有点像是生产工具在人类的进化中的地位一样：计算机的出现，大大延伸了人类的分析能力 - 大脑的扩展。
遗憾的是，人们也发明和创造了很多致命的武器
尤其讽刺的是，致命武器的追求很多时候是催生其他技能的催化剂：计算机和网络便是如此！
而计算机的出现，大大催生了人们探索智慧的能力，进而诞生了所谓的AI (人工智能)。AI的出现，通常被认为是诞生于1956年的达特茅斯科学大会：
摘自：
https://zh.wikipedia.org/wiki/人工智能史达特茅斯会议之后的数年是大发现的时代。对许多人而言，这一阶段开发出的程序堪称神奇：计算机可以解决代数应用题，证明几何定理，学习和使用英语。当时大多数人几乎无法相信机器能够如此“智能”。
参看后续的AI部分，不在此展开。
AI的未来？先看看后面当下的AI阶段吧 - 留到最后
现在来看看 AI：也是三个时期
[ 憋屈的AI]http://blog.pluskid.org/?p=533
人说 AI 是一门最悲剧的学科，因为每当它的一个子领域发展得像模像样之后，就立马自立门户，从此和 AI “再无瓜葛”了，而 Machine Learning 大概要算是最新的一个典型吧。
早期以逻辑推断为主流的时期
在早期AI的研究中，研究者对于AI有不同的理解，所以，也就诞生很多不同的思路。
AI has many definitions…
- Behavior by a machine that, if performed by a human being, would be considered intelligent
- “…study of how to make computers do things at which, at the moment, people are better
- Theory of how the human mind works
不同的思路包括基于逻辑推断，向大脑学习(也就是现在火热的深度学习的滥觞)等。
不过，这一时期最火热的是基于逻辑推断的思路，工作包括定理证明。
曾经，吴文俊先生在定理证明方面到达过世界之巅
过渡阶段 - 知识工程或专家系统 - 构造领域知识
第一阶段的逻辑推断的研究，现在看来是太过于野心了：想着能够人为构造出一套推理系统解决全部(或大部分)的智能问题。显然，这是不切实际的。
之后，学者退而求其次，想着能否缩减到某一领域或者某一专门知识的。这就是知识工程或者专家系统了。
不过，研究成果也还是寥寥。倒是现在也能找到这一方式的例子
当下 - 机器学习阶段：深度学习是其中的一个研究子集 - GAN 有些意思了
为什么不能学习知识呢？由此进入第三阶段，也就是设计程序去学习那些知识，即机器学习(Machine Learning)阶段。
按照网上的说法，Two major ways to propose machine learning methods
- Statistical learning – simulate statistics
- Neural networks – simulate brain
不过，发展到现在，真是百舸争流，各种冠之以ML的算法层出不穷
当下火热的深度学习，其实就是ML的一个研究子集。
AI的未来？- Computers construct theories？
首先，挖掘人自身大脑的潜力？- 没有突破很久了 - 还记得那个10%的段子？
继续AI？- 有点死循环感觉！
在追逐智慧的过程中，辅助工具的角色也越来越重要 - 当然，目前为止，人类还是核心：人类不作死，还是会好好的。不过，生命存在的意义就是探索未知。那么，追逐更高等级的AI(那就是如何突破创新或无中生有。那可就是真的向人类智慧接近了)，是必然的目标。为此，更为强大的智慧型工具就有越来越高的吸引力，这也是AI的未来。
不过，不幸的是，这就有点悖论的感觉：想要辅助AI研发的计算机越有帮助就需要它具有更高的AI。(Unfortunately, this is a paradox. The more helpful the computers should be, the more intelligent they should be!)
可能人机结合是未来一段时间内的作死的但是可行的选择
设想就是：人类的大脑仍然作为创造性的主体，不过，通过人脑与计算机的直接交互，人脑又能有效地和直接地使用计算机强大的处理能力。
来自：https://www.adamtownsend.me/artificial-intelligence-who-goes-into-the-borg-first/
现在可以上张大图了 - 其中的那些算法可以自己去找找吧
