全面解析　什么是人工智能（AI）

　　遇見薩曼莎（Samantha）。她是你來自2025年的貼心助手。她可以幫你整理郵件、設(shè)置您的會(huì)議以及雜貨訂單。她會(huì)畫畫和寫詩。她是你最好的朋友。她是電影《她》里的人工智能，這也是我們可以想象Siri會(huì)把我們的生活改變成怎樣的動(dòng)人。
　　現(xiàn)在，大小型高科技公司都在競相使這成為現(xiàn)實(shí)。你看看新聞就會(huì)聽說過這些行話：AI、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、自然語言處理。
　　也許這一切都有點(diǎn)疑惑。因此，以下是關(guān)于這些概念的基本知識(shí)，以及它們之間是如何關(guān)聯(lián)的。
　　什么是人工智能（AI）？
　　簡單地說，AI是試圖讓計(jì)算機(jī)變得智能，甚至比人類更聰明。這是讓電腦擁有類人類的行為、思維過程和推理能力。
　　有兩種人工智能：
　　狹義的AI（弱AI）
　　這種AI只專注于一種狹義的任務(wù)?，F(xiàn)在我們的身邊已經(jīng)處處都是弱AI了。它已經(jīng)在國際象棋，電視競賽節(jié)目《危險(xiǎn)邊緣》，還有最近的圍棋比賽中擊敗了我們?nèi)祟悺?br /> 　　像Siri和Cortana這樣的數(shù)字助手可以給我們提供天氣信息以及在路上自動(dòng)駕駛汽車。但是，它們有很大的局限性。自動(dòng)駕駛汽車不會(huì)下國際象棋。Siri也無法讀取和刪除不重要的郵件。弱AI有一個(gè)狹隘的范圍：它不能超越最先為其設(shè)置的功能。
　　
　　Cortana就是一個(gè)弱AI的例子
　　通用AI（強(qiáng)AI）
　　下面我們進(jìn)入科幻小說的王國。薩曼莎毫無疑問被定義成一個(gè)強(qiáng)AI。她可以學(xué)到新的東西，并修改自己的代碼庫。她可以在國際象棋和開車上都打敗人類。
　　AI的分析
　　現(xiàn)在我們知道通用AI是我們的終極目標(biāo)，那么我們怎么才能實(shí)現(xiàn)它呢？這里列出5個(gè)需要精通的領(lǐng)域：
　　感知：像我們?nèi)祟愐粯樱慌_(tái)電腦也需要五官來與世界進(jìn)行互動(dòng)。但它并不僅僅局限于這五個(gè)方面。它可以有人不具備的感覺。透視眼？聲納探測？所有的可能。
　　自然語言處理（NLP）：超越感知世界，AI需要懂得解釋語言和寫字。他們需要解析句子和理解它們之間的細(xì)微差別、口音和含義。同一個(gè)句子根據(jù)上下文不同可以有不同的含義，所以這個(gè)任務(wù)的難度是眾所周知的。
　　知識(shí)表達(dá)：既然它可以感知到東西 - 物體，人，概念，詞語和數(shù)學(xué)符號(hào) - 它需要一種方式來表示它們大腦中的世界。
　　推理：一旦它通過其感官收集到數(shù)據(jù)并和概念連起來，它就可以使用該數(shù)據(jù)來按照邏輯解決問題。例如，一個(gè)象棋軟件檢測到棋盤上的棋子走動(dòng)，就可以計(jì)算出應(yīng)對的策略。
　　規(guī)劃和導(dǎo)航：要想做到真正像人類一樣，AI不僅要像人類一樣思考。還應(yīng)該在我們中間生活。因此，研究人員的一個(gè)大問題就是幫助人工智能在三維世界中移動(dòng)和規(guī)劃最佳路徑。自主意識(shí)的交通工具必須做好這一點(diǎn)，因?yàn)橐粋€(gè)錯(cuò)誤就會(huì)出人命。
　　
　　新加坡***乘坐自動(dòng)駕駛汽車兜風(fēng)。圖片來源：Kenji Soon， MCI 。
　　你可以看到這些方面是如何在一起協(xié)調(diào)工作的，諸如機(jī)器視覺，它是利用成像和圖像分析來解決問題。舉個(gè)例子，F(xiàn)acebook解析你上傳到社交網(wǎng)絡(luò)上的照片來建議你應(yīng)該標(biāo)記誰，并且這已相當(dāng)?shù)臏?zhǔn)確。
　　自動(dòng)駕駛汽車也許是目前最復(fù)雜的機(jī)器視覺處理任務(wù)了。它需要認(rèn)清路標(biāo)，遵守車道，注意車輛、物體和人。它在能見度惡劣的天氣條件下，不管白天黑夜，是在破舊的路上還是全新的路上，都要能正常工作。
　　實(shí)現(xiàn)工具
　　這些概念并不是新的。他們早在1956年就在達(dá)特矛斯會(huì)議（Dartmouth Conferences）上被提出，這次會(huì)議是人工智能領(lǐng)域的開創(chuàng)性事件。
　　讓技術(shù)跟上我們的想象要花幾十年的時(shí)間，我們似乎也馬上就要最終站在AI革命的風(fēng)口浪尖上，隨著更多的風(fēng)險(xiǎn)資本投資，更多的大型科技企業(yè)投入到AI的研發(fā)中來，我們在日常的生活越來越多地使用到AI。
　　促進(jìn)AI崛起的重要因素包括摩爾定律，這讓我們可以在更小、更高效的芯片上注入更多的計(jì)算能力。計(jì)算能力到達(dá)一定程度后，AI就將會(huì)變得既實(shí)用又劃算。
　　
　　谷歌在貓的識(shí)別上取得重大突破。圖片來源：zbeads
　　大數(shù)據(jù)是導(dǎo)致AI崛起的另一個(gè)趨勢：當(dāng)谷歌在2012年為神經(jīng)網(wǎng)絡(luò)輸入了海量的數(shù)據(jù)之后，取得了突破性進(jìn)展，這其中包括1000萬張YouTube的視頻劇照。
　　其結(jié)果是，神經(jīng)網(wǎng)絡(luò)在沒人教它的情況下學(xué)會(huì)了辨識(shí)貓，取得了75％的準(zhǔn)確率。沒有這1000萬個(gè)視頻資料庫是不可能實(shí)現(xiàn)的。
　　當(dāng)機(jī)器會(huì)學(xué)習(xí)
　　現(xiàn)在，讓我們理清幾個(gè)常常容易相互混淆的概念。機(jī)器學(xué)習(xí)是一個(gè)專注于從數(shù)據(jù)里學(xué)習(xí)insights并利用它們來預(yù)言世界的AI技術(shù)。
　　
　　決策樹算法。 圖片來源：Wikipedia
　　機(jī)器學(xué)習(xí)已經(jīng)用算法實(shí)現(xiàn)了。一個(gè)任務(wù)是通過一系列算法來完成的。這種算法的例子包括決策樹學(xué)習(xí)和關(guān)聯(lián)規(guī)則學(xué)習(xí)。
　　機(jī)器學(xué)習(xí)算法使整個(gè)世界閃耀了起來，但是，它只是人工神經(jīng)網(wǎng)絡(luò)，一個(gè)由我們大腦的神經(jīng)如何運(yùn)作而得到啟發(fā)的技術(shù)。
　　它甚至進(jìn)入了流行文化：在喜劇系列《硅谷》中，創(chuàng)業(yè)公司Pied Piper就是在神經(jīng)網(wǎng)絡(luò)上運(yùn)行其壓縮服務(wù)。
　　視頻：https://youtu.be/E2YcOV5C2x4
　　這里有一個(gè)簡單的解釋：神經(jīng)網(wǎng)絡(luò)是由好幾層的神經(jīng)元組成的。輸入被傳遞到第一層上。單個(gè)神經(jīng)元接收輸入，給每個(gè)輸入值一個(gè)權(quán)重值，并在這個(gè)權(quán)重值的基礎(chǔ)上產(chǎn)生一個(gè)輸出。
　　輸出從第一層被傳遞到第二層來進(jìn)行處理，以此類推。最終的輸出就這樣生成了。
　　然后，奇跡就發(fā)生了。運(yùn)行網(wǎng)絡(luò)的人定義了“正確”的最終輸出應(yīng)該是什么。每次數(shù)據(jù)通過網(wǎng)絡(luò)傳遞，最終的結(jié)果都是與“正確”的值比較，每次它都會(huì)調(diào)整權(quán)重值直至其創(chuàng)建正確的最終輸出。這個(gè)網(wǎng)絡(luò)實(shí)際上是在進(jìn)行自我訓(xùn)練。
　　舉個(gè)例子，這個(gè)人造大腦可以學(xué)習(xí)如何從照片中識(shí)別椅子。隨著時(shí)間的推移，它會(huì)學(xué)會(huì)什么是椅子的特性，來提高他們識(shí)別出椅子的概率。
　　Facebook的AI負(fù)責(zé)人Yann LeCun用類推法來解釋神經(jīng)網(wǎng)絡(luò)：
　　模式識(shí)別系統(tǒng)就像個(gè)一端帶有攝像頭的黑盒子，在頂部有一個(gè)綠燈和一個(gè)紅燈，前面則有一大堆的旋鈕。學(xué)習(xí)算法就是試圖調(diào)整旋鈕，當(dāng)在鏡頭前是一條狗時(shí)，使紅燈亮起；當(dāng)鏡頭前有一輛汽車的時(shí)候，使綠燈亮起。
　　在你給機(jī)器展示一只狗的時(shí)候。就把紅燈亮起，不要做任何事情。如果它是暗的，就調(diào)整旋鈕使燈光變亮。如果綠色指示燈亮起，調(diào)整旋鈕，使其變暗。然后，顯示汽車的時(shí)候，調(diào)整旋鈕使紅燈變暗，綠燈變亮。
　　如果你展示了很多汽車和狗的案例，而你每次都是不斷一點(diǎn)點(diǎn)地調(diào)整旋鈕，最終，機(jī)器每一次都會(huì)得到正確的答案。
　　
　　圖片來源：a16z
　　現(xiàn)在我們來談?wù)勆疃葘W(xué)習(xí)，這是一套簡單的訓(xùn)練多層人工神經(jīng)網(wǎng)絡(luò)的方法。它已被證明從數(shù)據(jù)中識(shí)別圖案是特別有效的。不論何時(shí)媒體談到神經(jīng)網(wǎng)絡(luò)，很可能指的都是深度學(xué)習(xí)。
　　關(guān)于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的一個(gè)偉大解釋：How Does Your Phone Know This Is A Dog？
　　深度學(xué)習(xí)對于AI的促進(jìn)作用是顯而易見的。它現(xiàn)在在軟件行業(yè)之外的許多行業(yè)都已經(jīng)使用。
　　Facebook M，一個(gè)人工智能驅(qū)動(dòng)的虛擬助手，正在使用深度學(xué)習(xí)來幫助用戶完成各種任務(wù)-包括做研究、預(yù)訂機(jī)票以及買咖啡等。
　　谷歌正在使用一個(gè)名為RankBrain的深度學(xué)習(xí)系統(tǒng)來過濾搜索結(jié)果，來和更多的傳統(tǒng)搜索結(jié)果進(jìn)行比較。據(jù)彭博社描述：
　　該系統(tǒng)每天幫谷歌處理15%的之前系統(tǒng)沒有遇到過的查詢請求。它善于處理模棱兩可的查詢請求，比如“在食物鏈頂端的消費(fèi)者怎么稱呼？”
　　該系統(tǒng)現(xiàn)在已經(jīng)是谷歌搜索結(jié)果的第三大信號(hào)，位居反鏈接和內(nèi)容之后。
　　神經(jīng)網(wǎng)絡(luò)可以識(shí)別貓？這就是深度學(xué)習(xí)。
　　從Siri到薩曼莎
　　深度學(xué)習(xí)可能是建立更智能、更類人類AI的一個(gè)關(guān)鍵拼圖。
　　谷歌掃描貓的大腦需要1.6萬臺(tái)計(jì)算機(jī)處理器來運(yùn)行。擊敗圍棋世界冠軍李世石的程序AlphaGo，運(yùn)行在48個(gè)處理器上。在未來，神經(jīng)網(wǎng)絡(luò)能在廉價(jià)的移動(dòng)電話上運(yùn)行。
　　深度學(xué)習(xí)可以提高AI的各個(gè)方面，從自然語言處理到機(jī)器視覺，可以看成是一個(gè)能夠提高計(jì)算機(jī)學(xué)習(xí)能力的更好的一個(gè)大腦。
　　它可以提高虛擬助手例如Siri或谷歌處理不熟悉請求的能力。它可以處理視頻和生成總結(jié)內(nèi)容的短片。
　　或許有一天它還會(huì)贏得奧斯卡獎(jiǎng)，誰知道呢？