人工智能的原理以及一些思考

人工智能的原理以及一些思考

关于人工智能（Artificial Intelligence）的定义，众说纷纭。

为了便于理解和记忆，在这里我想用拉斐尔的说法来理解它，“人工智能是一门科学，这门科学让机器做人类需要智能才能完成的事。”

而什么事才是“需要智能才能完成的事”呢？我回想高中时期惊叹于“智能”二字时，是在快乐大本营看到林志颖可以远程控制家里家具的开关，无比羡慕。而以现在的眼光看，都是很普通的智能家居技术。按照原中国人工智能学会理事长钟义信的说法，人类智慧包含发现问题、定义问题、解决问题三方面。而目前被广泛应用的所谓人工智能，只做到了解决问题的程度，如果以强人工智能和弱人工智能的学说观点区分，属于弱人工智能范畴。

强人工智能(BOTTOM-UP AI)观点认为有可能制造出真正能推理和解决问题的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。强人工智能可以有两类：类人的人工智能，即机器的思考和推理就像人的思维一样。非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。

弱人工智能(TOP-DOWN AI)观点认为不可能制造出能真正地推理和解决问题的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。

当前主流科研集中在弱人工智能上，这一研究领域已经取得可观的成就。强人工智能的研究则处于停滞不前的状态。

人工智能的起源

1950年，是人工智能的起点：马文·明斯基和邓恩·埃德蒙，建造了世界上第一台神经网络计算机。

1950年，阿兰·图灵提出图灵测试：如果一台机器能够与人类开展对话而不能被辨别出机器身份，那么这台机器就具有智能。

1956年，“人工智能”作为一门新兴学科正式诞生：约翰·麦卡锡首次提出“人工智能”这一术语。

1956年至20世纪60年代，是人工智能的第一次高峰：计算机被广泛应用于数学和自然语言领域，用来解决代数、几何和英语问题，让很多研究学者看到了机器向人工智能发展的信心。

20世纪70年代，是人工智能的第一次低谷：此时人工智能面临三个技术瓶颈：一,计算机性能不足，导致早期很多程序无法在人工智能领域得到应用；二，问题复杂化，早期人工智能程序主要是解决特定的问题，因为特定的问题对象少，复杂性低，一旦问题上升维度，程序立马不堪重负；三，数据量严重缺失，在当时不可能找到足够大的数据库来支撑程序进行深度学习，这很容易导致机器无法读取足够量的数据进行智能化。

1980年，人工智能崛起。卡内基梅隆大学设计的XCON“专家系统”，为公司每年节省下来超过四千美元经费，专家系统产业的价值高达5亿美元。

1987年，人工智能第二次低谷。苹果和IBM公司生产的台式机性能超过Symbolics等厂商生产的通用计算机，专家系统风光不再。

20世纪90年代中期，人工智能进入平稳发展时期：神经网络技术逐步发展。

2006年，人工智能产生标志性的技术进步：Hinton在神经网络的深度学习领域取得突破，人类又一次看到机器赶超人类的希望。

2015至今，人工智能引爆了一场商业革命：互联网巨头和众多初创公司，纷纷加入人工智能的战场，掀起又一轮智能化狂潮。随着技术的日趋成熟和大众的广泛接受，这一次狂潮也许会架起一座现代文明与未来文明的桥梁。

现在的应用

技术，需要落地到应用，才能持续发展，造福于生产力。作为非技术人员，“人工智能”这个无比高大上的概念，和与之相关的“图像识别”、“神经网络”、“机器学习”、“深度学习”等名词，一时间让我摸不着思考的入口。比较常规的思路是，先弄清人工智能有哪些主要技术大类，接着去每个大类中查询有哪些具体应用。

抛开硬件和算法，从较为通俗易懂的层级看，人工智能目前的主要技术方向包括计算机视觉、语音工程、自然语言处理、规划决策系统、大数据/统计分析，5大方向。

计算机视觉：用摄影机和电脑代替人眼对目标进行识别、跟踪和测量，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。

典型应用有：车牌识别、人脸识别、无人车、家庭监控等。

语音技术：让计算机能听、能看、能说、能感觉，关键技术有语音识别和语音合成。2010 年后，深度学习的广泛应用使语音识别的准确率大幅提升，用户可以对终端说一段话，让它帮忙完成一些任务。

典型应用有：Siri、Cortana 、Echo 等。

自然语言处理：研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。目前一个比较重大的突破是机器翻译，这大大提高了原来的机器翻译水平。

典型应用有：Google 的 Translation 系统、IBM 的Watson系统等。

规划决策系统：其实质就是选择、提出或产 生替换方案。决策系统的发展是随着棋类问题的解决而不断提升，决策系统可以在自动化、量化投资等系统上广泛应用。

典型应用有：深蓝、AlphaGo等。

大数据/统计分析：机器通过一系列的数据进行判别，找出最适合的一些策略而反馈给我们。例如可以通过你之前看到的文章，理解你所喜欢的内容而进行更精准的推荐；分析各个股票的行情，进行量化交易等。

典型应用有：可口可乐公司监控自助式汽水机，根据人们对饮料口味的喜好，推出了“樱桃精灵”口味可乐。

未来的展望

从技术瓶颈看，人工智能下一步的研究方向将着重于算法提升和与物理世界建立映射关系，以实现真正意义上的“智能”。

从行业趋势看，人工智能带来的行业冲击是大势所趋。

一方面，在就业上，麦肯锡报告表明，在未来20年内，人工智能将代替50%工作。而人工智能操作标准、处理大量数据的能力，使低技能，大数据量的劳动密集型工作将首先被替代。这一点不难理解，从超市、银行等机构启用自助机，收银员、柜台人员大幅减少就可以看出。工业革命使社会的重要人力资源从单纯劳力工作者变为技术人员，而人工智能时代的到来，给工作高度重复的技术人员带来威胁，创新性人才会成为重要的人力资源。

另一方面，人工智能掀起的商业狂潮吸引无数互联网巨头公司和新兴互联网公司投身其中，中间有真正技术扎实、目标明确的企业，也不乏借人工智能的噱头捞一笔块钱，实则并无行业理想的投机者。随着人工智能技术的发展，广大用户对人工智能接受和理解的日益加深，经过市场的大浪淘沙，前者将历尽艰辛后收获成功的果实，后者将被浪潮清理出人工智能的行业。

人工智能是否会取代人类

先简单表明我的观点：不会。

目前，人工智能的应用其实相当原始，处于弱人工智能的皮毛层次。再高端的弱人工智能，也只是对人类智能的模拟，停留在工具阶段，只是这个工具比现有的大部分工具逻辑更加复杂而已。

2011年，计算机对图像分类的准确度为75%左右，距离人类水平的95%左右还有较大差距，而2018年，计算机的准确度已经达到96%左右，超过人类水平。其中更复杂的人脸识别，2013年采用的非深度学习的传统算法，使计算机的准确度达到96%左右，距离人类水平的99.1%还有较大差距，而到了2018年，深度学习算法已使计算机的准确度达到99.7%，超过人类水平。

语言识别、图像识别的飞速发展看上去很厉害，其实就是那么几个算法拿语料库图像库训练出来的。计算机程序可以做到处理海量数据比人类更快更好，却很难做到人类轻易就可以做到的事，比如扫一眼就可以区分猫和狗，或者判断一部电影是不是好电影。

人工智能、机器学习、深度学习，这些字眼，无论在外行人眼中看起来多么高大上，最终也是一行行代码的实现。

人类所恐惧的人工智能，是强人工智能，而强人工智能实际上必须基于人工生命才能成型。所谓人工生命，是通过人工模拟生命系统，来研究生命的领域。包括计算机科学领域的虚拟生命系统，和工程生物领域的合成生物学技术。

所以强人工智能的实现需要解决至少计算机科学和生物科学两大学科的问题，计算机程序的计算能力，数量再大也是有限的，要模拟人脑的几千万个神经元及其工作方式，复杂程序难以想象。而人工智能的发展，有三个必要条件：数据、运算能力、算法。统计数据表示，每1.5至2年，数据和运算能力都会翻番，就像十年前的我们想象不到智能手机，现在的我们无法想象的强人工智能，或许也有实现的那一天，只是需要经过数代人的不懈努力。

从弱人工智能到强人工智能的困难和实现方式，见下两张图。

如果强人工智能真的实现，人类为了自身的生存也会谨慎使用这一技术。人类主观上不会允许自身被强人工智能取代，而主要危险原因是：人类出于各种原因做出错误决策，使强人工智能的发展走向不可控的地步。这些电影中的情节如果真的发生，未来世界的人类也经过了长时间的进化，有他们的对策。

我对人工智能的看法

说起人工智能这个话题，首先出现在我脑海的是一个关于它的搞笑视频：视频中的主人公家中充满了人工智能设备，早上从起床到出门，几乎只需要动动嘴就可以实现开灯、刷牙、洗脸、播放音乐、开门等一系列操作，各种炫酷。而他去医院拔牙后，说话漏风，回家时连门都打不开了。

这样的“人工智能”被称为“人工智障”。

视频反映出的问题至少有以下几点：

语音识别没有考虑到多种状况下的语音可能，只能单一识别标注发音。整套智能家居产品的使用单一采用语音识别，以至于所有操作都依赖于用户的声音整套智能家居产品没有应急预案，特殊情况下甚至都无法使用钥匙开门

市面上不少人工智能产品似乎也有视频中体现的问题，讲文艺一点，人工智能的出现是为了服务于人类，为了人工智能而人工智能，使我们的生活飘渺于空中楼阁，我们可能体会不到亲自掏出钥匙打开家门的那一份温馨，而是得委屈自己，服从于冰冷的设备。

我对人工智能的看法总结来说有以下几点：

目前的人工智能虽然已经取得了不少突破性进展，但从人工智能整个学科看，还停留在皮毛阶段。市场上不少企业为了标榜自己而强行“人工智能”，比如推荐我喜欢的商品，等。希望人类在使用人工智能的同时，也不要忘记现实生活，就像《头号玩家》中詹姆斯·哈利迪所说，只有在现实生活中，我才能吃到一碗热饭。对强人工智能的预言在历史上一次又一次被打脸，比如1962年，卡内基梅隆大学的西蒙教授曾断言：“二十年内，计算机将完成人能做到的一切工作。”而五十七年过去了，计算机也没做到。1970年，麻省理工大学的马文·明斯基教授预言：“在三到八年的时间里，我们将有一台具有人类平均智能的计算机。”而四十九年过去了，我们也没有拥有这样的计算机。人工智能会造成重复性劳动工作者的失业问题，也会给熟悉相关技术的人和周边产业带来大批就业机会，国家必定会出台相关政策维持社会稳定，避免人工智能的兴盛带来社会动荡，对比数十年甚至上百年后可能出现的人类被取代问题，当下社会稳定是更重要的问题。希望在强人工智能出现的那一天，未来的人类可以知足常乐，谨慎决策，别因为一时头脑发热，或因为重要资源掌握在极个别人手里，做出错误的决策，把自己玩完了。如果强人工智能真的因为人类错误决策产生威胁性影响，这表明人类对自己的各种决策可能导致的结果缺乏预见性，或预见错误，这代表我们千万年来累积的自然科学和社会科学知识系统将遭到颠覆，这种情况真的出现，人类被取代也算不上头等大事了。