2016年3月， Alpha Go與李世石的一盤棋將人工智能帶入了普通人的眼前，一時(shí)間人工智能大熱，各個(gè)領(lǐng)域都在大談人工智能。人工智能已經(jīng)著實(shí)走進(jìn)了我們的工作與生活中。雖然人工智能已洶涌而來，但是光知道人工智能這個(gè)名詞還遠(yuǎn)遠(yuǎn)不夠。你真的懂人工智能嗎？人工智能是什么？人工智能在未來會(huì)為我們的生活帶來怎樣的改變？我們?cè)鯓訐肀斯ぶ悄埽?/p>
了解這個(gè)時(shí)代，才能擁抱這個(gè)時(shí)代。雖然半個(gè)腳邁進(jìn)了智能機(jī)器人的領(lǐng)域，但我對(duì)人工智能的了解也只是來自于ALpha Go的媒體報(bào)道而已，直到最近讀了李開復(fù)老師的《人工智能：李開復(fù)談AI如何重塑個(gè)人、商業(yè)與社會(huì)的未來圖譜》，書中關(guān)于人工智能的介紹與展望，著實(shí)令人眼前一亮，解決了我關(guān)于人工智能的很多困惑，這絕對(duì)是一本很棒的關(guān)于人工智能的科普書籍，值得對(duì)人工智能感興趣的小白一讀，現(xiàn)用六千多字長文總結(jié)分享如下，希望能夠同樣解決你關(guān)于人工智能的困惑
一、人工智能是什么？
1、目前存在的人工智能
其實(shí)人工智能并不是什么觸不可及的東西，包括蘋果Siri、 百度度秘、 微軟小冰等智能助理和智能聊天類應(yīng)用以及美圖秀秀的自動(dòng)美化功能，都屬于人工智能。甚至一些簡(jiǎn)單的，套路固定的資訊類新聞，也是由人工智能來完成的。
當(dāng)然，現(xiàn)在的主流搜索引擎以及翻譯技術(shù)也都在嘗試?yán)萌斯ぶ悄軄頌閺V大網(wǎng)友提供更為精準(zhǔn)的搜索服務(wù)。
至于以實(shí)物存在的人工智能，當(dāng)屬現(xiàn)在物流倉庫的小黃機(jī)器人了。他們正代替人類完成繁重的商品擺放、 整理， 快速出庫、 入庫等操作。
但是需要注意的是，現(xiàn)在的人工智能，并沒有發(fā)展到像《鋼鐵俠》里的管家一樣的高智能化程度，今天的家庭機(jī)器人還遠(yuǎn)無法像大家奢望的那樣， 以人形外貌出現(xiàn)在主人面前。 反倒越是追求與人長得一樣， 試圖像人一樣說話、 做事的機(jī)器人項(xiàng)目， 就越?jīng)]有商業(yè)前景。 這個(gè)道理很簡(jiǎn)單——機(jī)器人越像人， 人類就越容易拿真人與“它”做比較。 這時(shí)， 技術(shù)的不足會(huì)暴露無遺， 在“缺點(diǎn)放大鏡”的作用下， 這種機(jī)器人只會(huì)顯得無比愚蠢和笨拙。
真正容易打動(dòng)家庭用戶的是諸如亞馬遜Echo這樣的智能家電——功能相對(duì)簡(jiǎn)單， 外形更像家電而不是機(jī)器人， 智能功能只面向一兩個(gè)有限但明確的使用場(chǎng)景。 也就是說， 大多數(shù)用戶會(huì)更喜歡一個(gè)有一定溝通能力、 比較可愛甚至很“萌”的小家電， 而不是一個(gè)處處缺陷的全功能人形機(jī)器人。
2、人工智能的三個(gè)級(jí)別
1）弱人工智能
也稱限制領(lǐng)域人工智能（Narrow AI） 或應(yīng)用型人工智能（Applied AI） ， 指的是專注于且只能解決特定領(lǐng)域問題的人工智能。 毫無疑問， 今天我們看到的所有人工智能算法和應(yīng)用都屬于弱人工智能的范疇。Alpha Go其實(shí)也是一個(gè)弱人工智能。人們更愿意將弱人工智能看成是人類的工具， 而不會(huì)將弱人工智能視為威脅。
2）強(qiáng)人工智能
強(qiáng)人工智能又稱通用人工智能或完全人工智能， 指的是可以勝任人類所有工作的人工智能。一般認(rèn)為， 一個(gè)可以稱得上強(qiáng)人工智能的程序， 大概需要具備以下幾方面的能力：
存在不確定因素時(shí)進(jìn)行推理， 使用策略， 解決問題， 制定決策的能 力；
知識(shí)表示的能力， 包括常識(shí)性知識(shí)的表示能力；
規(guī)劃能力；
學(xué)習(xí)能力；
使用自然語言進(jìn)行交流溝通的能力；
將上述能力整合起來實(shí)現(xiàn)既定目標(biāo)的能力。
3）超人工智能
假設(shè)計(jì)算機(jī)程序通過不斷發(fā)展， 可以比世界上最聰明、 最有天賦的人類還聰明， 那么由此產(chǎn)生的人工智能系統(tǒng)就可以被稱為超人工智能。超人工智能的定義最為模糊， 因?yàn)闆]人知道， 超越人類最高水平的智慧到底會(huì)表現(xiàn)為何種能力。 如果說對(duì)于強(qiáng)人工智能， 我們還存在從技術(shù)角度進(jìn)行探討的可能性的話， 那么， 對(duì)于超人工智能， 今天的人類大多就只能從哲學(xué)或科幻的角度加以解析了。
當(dāng)然，如果人工智能發(fā)展到這種程度，確實(shí)有必要擔(dān)心來自于人工智能的威脅。但是，我們今天還沒有到必須分配精力去為可能的機(jī)器威脅做準(zhǔn)備的地步。即便以今天的標(biāo)準(zhǔn)看來，弱人工智能的發(fā)展還有很長的一段路要走，科研人員、技術(shù)人員、各行業(yè)的從業(yè)者、、教育機(jī)構(gòu)、社會(huì)組織等，還有大量的工作需要做。至少在目前，人類離超人工智能的威脅還相當(dāng)遙遠(yuǎn)。
二、人工智能的主要技術(shù)：深度學(xué)習(xí)+大數(shù)據(jù)
近年來人工智能包括語音識(shí)別和機(jī)器視覺取得了巨大突破的主要原因就是：深度學(xué)習(xí)
1、什么是深度學(xué)習(xí)
其實(shí)計(jì)算機(jī)深度學(xué)習(xí)的方式與小孩認(rèn)字的過程相似。一個(gè)小孩要想認(rèn)識(shí)一個(gè)字，必然要反復(fù)看這個(gè)字的多個(gè)寫法，直到形成一個(gè)整體的印象，看的多了，下次見到這個(gè)字自然就認(rèn)識(shí)了。
要教計(jì)算機(jī)認(rèn)字， 差不多也是同樣的道理。 計(jì)算機(jī)也要先把每一個(gè)字的圖案反復(fù)看很多很多遍， 然后， 在計(jì)算機(jī)的大腦（ 處理器加上存儲(chǔ)器） 里， 總結(jié)出一個(gè)規(guī)律來， 以后計(jì)算機(jī)再看到類似的圖案， 只要符合之前總結(jié)的規(guī)律， 計(jì)算機(jī)就能知道這圖案到底是什么字。
用專業(yè)的術(shù)語來說， 計(jì)算機(jī)用來學(xué)習(xí)的、 反復(fù)看的圖片叫“訓(xùn)練數(shù)據(jù)集”；“訓(xùn)練數(shù)據(jù)集”中， 一類數(shù)據(jù)區(qū)別于另一類數(shù)據(jù)的不同方面的屬性或特質(zhì)， 叫作“特征”； 計(jì)算機(jī)在“大腦”中總結(jié)規(guī)律的過程， 叫“建模”； 計(jì)算機(jī)在“大腦”中總結(jié)出的規(guī)律， 就是我們常說的“模型”； 而計(jì)算機(jī)通過反復(fù)看圖， 總結(jié)出規(guī)律， 然后學(xué)會(huì)認(rèn)字的過程， 就叫“機(jī)器學(xué)習(xí)”。
那計(jì)算機(jī)是怎么總結(jié)出規(guī)律來的呢？
依舊拿認(rèn)字來說，傳統(tǒng)的機(jī)器學(xué)習(xí)會(huì)通過算法告訴計(jì)算機(jī)識(shí)別不同字的規(guī)律，比如：只需要認(rèn)識(shí)一，二，三時(shí)，只需要告訴機(jī)器一筆是一，二筆是二，三筆是三。
這樣做的很大一個(gè)缺點(diǎn)就是：如果增加字的種類，就不湊效了。比如增加一個(gè)“土”字，機(jī)器就沒有辦法區(qū)別“三”和“土”。這樣勢(shì)必要引入其他判定條件。
自然界的很多事物是可以劃分為無限的，即使科學(xué)家想了很多映射函數(shù)，但是這種有限的規(guī)律本質(zhì)上就很難適應(yīng)無限的自然。那怎么解決呢？
深度學(xué)習(xí)出場(chǎng)了！
簡(jiǎn)單地說， 深度學(xué)習(xí)就是把計(jì)算機(jī)要學(xué)習(xí)的東西看成一大堆數(shù)據(jù)， 把這些數(shù)據(jù)丟進(jìn)一個(gè)復(fù)雜的、 包含多個(gè)層級(jí)的數(shù)據(jù)處理網(wǎng)絡(luò)（ 深度神經(jīng)網(wǎng)絡(luò)） ， 然后檢查經(jīng)過這個(gè)網(wǎng)絡(luò)處理得到的結(jié)果數(shù)據(jù)是不是符合要求——如果符合， 就保留這個(gè)網(wǎng)絡(luò)作為目標(biāo)模型， 如果不符合， 就一次次地、 鍥而不舍地調(diào)整網(wǎng)絡(luò)的參數(shù)設(shè)置， 直到輸出滿足要求為止。
這就好比輸入一股水流，計(jì)算機(jī)只要調(diào)節(jié)中間層層閥門，如果可以在預(yù)期的管道出口看到水流，那么就說明這個(gè)管道符合要求。而我們要做的，只是告訴計(jì)算機(jī)輸入和預(yù)期的結(jié)果，讓他自己找規(guī)律。當(dāng)然，新的輸入進(jìn)入時(shí)，我們也要保證已經(jīng)調(diào)節(jié)好的管道不變化。
也就是說，深度學(xué)習(xí)算法是有計(jì)算機(jī)自己湊出來的模型。這樣反倒更加實(shí)用。更能夠從本質(zhì)上解決問題。
2、深度學(xué)習(xí)的兩個(gè)前提條件——強(qiáng)大的運(yùn)算能力和高質(zhì)量的大數(shù)據(jù)
當(dāng)然，搭建好的“管道”只有通過各種類型“水流”的檢驗(yàn)，才能變得越來越接近真實(shí)的世界，值得一提的是，大數(shù)據(jù)正是為這些“管道”提供了源源不斷的“水流”。
深度學(xué)習(xí)、大規(guī)模計(jì)算、大數(shù)據(jù)都是在2010年前后逐漸步入成熟的它們?nèi)灰惑w，神兵出世，一下子就可以摧城拔寨、無堅(jiān)不摧。
當(dāng)然，在大數(shù)據(jù)發(fā)揮作用的同時(shí)，人工智能研發(fā)者也一定不要忘了，大數(shù)據(jù)的應(yīng)用必然帶來個(gè)人隱私保護(hù)方面的挑戰(zhàn)。為了給你推送精準(zhǔn)的廣告信息，就要收集你的購買習(xí)慣、個(gè)人喜好等數(shù)據(jù)，這些數(shù)據(jù)中往往包含了許多個(gè)人隱私；為了獲得以人類基因?yàn)榛A(chǔ)的醫(yī)療大數(shù)據(jù)來改進(jìn)疾病的診療，就要通過某種渠道收集盡可能多的人類基因樣本，而這些數(shù)據(jù)一旦保管不善，就可能為提供基因樣本的個(gè)人帶來巨大風(fēng)險(xiǎn)；為了建立智能城市，就要監(jiān)控和收集每個(gè)人、每輛車的出行信息，而這些信息一旦被壞人掌握，往往就會(huì)成為案犯最好的情報(bào)來源……
?