人工智能淺析

2016年開始谷歌開發的人工智能程序Alpha Go通過下圍棋陸續戰勝了包括李世石、柯潔等在內的世界頂尖高手。一時間人工智能瞬間“火”了。人工智能、人工智能成爲2017年、2018年最火熱的話題之一。

本段摘自網絡：

從1956年達特茅斯會議上“人工智能”概念第一次被提出，到如今我們看到基於人工智能技術的無人駕駛、智能風控、疾病診斷、個性化推薦等實際應用浸入商業與生活的方方面面，AI(Artificial Intelligence)已經走過了62年。

　　它不像互聯網商業模式創新那樣極速顛覆世界，也不像過去工業革命那樣摧枯拉朽。但毫無疑問的是，人工智能正在步步爲營地影響人類世界的當下與未來。

　　今天，北京有百度世界大會，南京有騰訊開放合作伙伴大會。他們都花了極大的篇幅探討各自人工智能的進展。當然還有更多的從業者，阿里、京東、搜狗、滴滴、字節跳動、美團、商湯、科大訊飛等，也都在人工智能行業深度耕耘。

　　無論是政策層面，還是大公司佈局層面，人工智能站在了一個前所未有的高度，AI早已不只是一個前沿的概念。那麼究竟AI有哪些應用落地?商業化前景又是如何?到了“收割”的季節了嗎?未來還有哪些可能性?

作爲一個研究生時期（14-17年）方向爲機器學習、機器視覺、圖像算法，現在主做圖像算法的從業人員。感覺AI在非專業的技術領域、生活領域的理解中存在很大的誤區，往往被噱頭化、泡沫化。從自己的角度花一段時間慢慢梳理人工智能，並附上自己的理解。增強自己對AI的全面理解，並儘量科普之。

人工智能其實算是一個學科。而且是自動化的一個分支。自動化（Automation）是指機器設備、系統或過程（生產、管理過程）在沒有人或較少人的直接參與下，按照人的要求，經過自動檢測、信息處理、分析判斷、操縱控制，實現預期的目標的過程。自動化設備主要是通過人爲設定，是及其按照指定命令進行指定操作，自動化的前提是，人已經把整個過程完全設計好了，再複雜的自動化程序每一個步驟都是明確清晰的，只解決一個問題或一串問題，對於相似問題必須重新設定另一套程序。而人工智能則不盡然，從傳統的機器學習和從前也有現在火爆的深度學習兩個方面分別討論：傳統的機器學習設計之初是人在主觀的前提下根據問題的表現形式通過分析判斷加科學計算形成的數學模型（或稱爲規則，數學思想主要是統計學習、概率論），解決的問題是無法遍歷的，雖然只有一套程序但卻適用於同類問題的絕大部分情況；深度學習（以前叫神經網絡，現在的本質任然是神經網絡）的網絡模型和傳統的機器學習模型建立並不一樣，神經網絡的建立不再看問題的表現形式來設計對應的功能，而是通過所謂的模擬人類腦神經的信息傳遞模式設計的網絡狀的帶有很多可調參數的數學模型（由於模型的建立並非針對某類或特定類別問題，因此這種模型的種類並不多），這些網絡通過對問題樣本進行復雜的人爲很難形象化理解的方式歸納問題的處理方法，形成一套程序，利用這套程序處理某類問題。也許由於人爲設計的傳統的機器學習程序相對簡單，在某些問題的處理上，那些複雜到人難以理解的深度學習神經網絡解決問題的能力更強，這也是爲何深度學習能夠使人們在忽略強計算力高複雜度的情況下快速風靡人工智能領域的根本原因。

人工智能（英語：Artificial Intelligence, AI）亦稱機器智能，是指由人工製造出來的系統所表現出來的智能，可以概括爲：研究智能程序的科學。這門科學的出發點是研究如何使程序能夠像人一樣思考、行爲，以及如何保持理性（如圖1），這裏的理性可以理解爲效用最大化。

人工智能的基本知識和應用領域，主要有機器學習、概率推理、機器人技術、計算機視覺、自然語言處理、和專家系統等。

現在的人工智能分三個級別：弱人工智能、強人工智能、超人工智能。

1、弱人工智能

也稱限制領域人工智能或應用型人工智能，指的是專注於且只能解決特定領域問題的人工智能。毫無疑問，今天我們看到的所有人工智能算法和應用都屬於弱人工智能。Alpha Go其實也是一個弱人工智能。。

2、強人工智能

強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。一個可以稱得上強人工智能的程序，大概需要具備以下幾方面的能力：存在不確定因素時進行推理，使用策略，解決問題，制定決策的能力；知識表示的能力，包括常識性知識的表示能力；規劃能力；學習能力；使用自然語言進行交流溝通的能力；將上述能力整合起來實現既定目標的能力。

3、超人工智能

假設計算機程序通過不斷髮展，可以比世界上最聰明、最有天賦的人類還聰明，那麼由此產生的人工智能系統就可以被稱爲超人工智能。超人工智能的定義最爲模糊，因爲沒人知道，超越人類最高水平的智慧到底會表現爲何種能力。如果說對於強人工智能，我們還存在從技術角度進行探討的可能性的話，那麼，對於超人工智能，今天的人類大多就只能從哲學或科幻的角度加以解析了。