程序員如何自信的回答普通人問(wèn)你什么是人工智能，因為我被問(wèn)過(guò)，答不出來(lái)感覺(jué)很丟臉，當然，只是個(gè)人覺(jué)得，不是說(shuō)程序員就要懂。人工智能試圖理解智能的本質(zhì)，并產(chǎn)生一種新的智能機器，它可以以類(lèi)似于人類(lèi)智能的方式作出反應。該領(lǐng)域的研究包括機器人技術(shù)，語(yǔ)音識別，圖像識別，自然語(yǔ)言處理和專(zhuān)家系統。自人工智能誕生以來(lái)，理論和技術(shù)日趨成熟，應用領(lǐng)域不斷擴大?？梢灶A見(jiàn)，在未來(lái)幾年內，它將進(jìn)入“人工智能時(shí)代”。

人工智能現在遍布全世界，并在日常生活中經(jīng)歷了巨大的變化。這些AI不是科幻電影中的機器人，它們具有自我意識并計劃摧毀世界的邪惡。相反，我們的智能手機，智能家居，銀行信用卡管理員和智能汽車(chē)等產(chǎn)品在我們每天生活的產(chǎn)品和服務(wù)中使用AI。

人工智能將通過(guò)促進(jìn)自動(dòng)駕駛汽車(chē)的發(fā)展，改進(jìn)醫學(xué)圖像分析，促進(jìn)更好的醫療診斷和個(gè)性化醫療，帶來(lái)重大的社會(huì )轉型。人工智能也將成為支持未來(lái)技術(shù)發(fā)展的基本資源，就像電力和網(wǎng)絡(luò )一樣。但對于大多數人來(lái)說(shuō)，人工智能仍然非常奇怪，充滿(mǎn)了神秘色彩。

那么讓我們來(lái)談?wù)劷裉烊斯ぶ悄茏钪匾墓δ堋?mdash;—模式識別有效。我希望通過(guò)簡(jiǎn)短而簡(jiǎn)潔的介紹幫助您理解這一領(lǐng)域。

人工智能是一門(mén)嚴謹的科學(xué)，而不是一種無(wú)所不能的神話(huà)。媒體過(guò)度夸大報道人工智能的功能，提倡威脅論是不負責任的。人工智能的目標是設計一個(gè)具有智能的機器，其中算法和技術(shù)基于人腦的當前研究結果。今天許多流行的AI系統使用人工神經(jīng)網(wǎng)絡(luò )來(lái)模擬非常簡(jiǎn)單的互連元素的網(wǎng)絡(luò )，有點(diǎn)像大腦中的神經(jīng)元。這些網(wǎng)絡(luò )可以通過(guò)調整單元之間的連接來(lái)學(xué)習經(jīng)驗，這個(gè)過(guò)程類(lèi)似于通過(guò)修改神經(jīng)元之間的連接而學(xué)習的人和動(dòng)物大腦。神經(jīng)網(wǎng)絡(luò )可以學(xué)習模式識別，翻譯語(yǔ)言，學(xué)習簡(jiǎn)單的邏輯推理，甚至創(chuàng )建圖像或形成新的設計。其中，模式識別是一項特別重要的功能，因為AI非常擅長(cháng)識別海量數據中隱藏的模式，這對于依賴(lài)經(jīng)驗和知識的人來(lái)說(shuō)并不容易。這些程序運行在具有數百萬(wàn)單位和數十億連接的神經(jīng)網(wǎng)絡(luò )上。我們現在可以創(chuàng )建的“智能”由這些電子神經(jīng)元網(wǎng)絡(luò )組成。

機器沒(méi)有人體器官和大腦，它們可以很好地協(xié)同工作。例如，當我們看到一只狗時(shí)，我們會(huì )很快判斷它是什么動(dòng)物以及它是什么類(lèi)型的動(dòng)物。這個(gè)看似簡(jiǎn)單的過(guò)程對于機器來(lái)說(shuō)非常困難。人類(lèi)獲得這種力量的能力也來(lái)源于數億年來(lái)生物學(xué)的進(jìn)化過(guò)程。機器了解世界的方式是通過(guò)模型，需要通過(guò)復雜的算法和數據建立模型，這樣機器就可以獲得簡(jiǎn)單的感知和判斷能力。以下描述了深度學(xué)習系統中最重要的算法之一，即——卷積神經(jīng)網(wǎng)絡(luò )。如果你以前對AI有一些了解，那么你一定聽(tīng)說(shuō)過(guò)這個(gè)概念。該算法涉及人類(lèi)和其他動(dòng)物大腦視覺(jué)皮層結構的研究。簡(jiǎn)要介紹這種特殊類(lèi)型的人工神經(jīng)網(wǎng)絡(luò )，它使用感知器，機器學(xué)習單元算法來(lái)監督數據的學(xué)習和分析。適用于圖像處理，自然語(yǔ)言處理和其他類(lèi)型的認知任務(wù)。與其他類(lèi)型的人工神經(jīng)網(wǎng)絡(luò )一樣，卷積神經(jīng)網(wǎng)絡(luò )具有輸入層，輸出層和各種隱藏層。其中一些層是復卷的，并使用數學(xué)模型將結果傳遞給連續的層。該過(guò)程模仿人類(lèi)視覺(jué)皮層中的一些動(dòng)作，因此稱(chēng)為卷積神經(jīng)網(wǎng)絡(luò )或CNN。例如，當我們人類(lèi)看到貓和狗時(shí)，雖然它們的大小相似，但我們可以立即將它們與貓和狗區分開(kāi)來(lái)。對于計算機，圖像只是一堆數據。通過(guò)神經(jīng)網(wǎng)絡(luò )的第一層中的特征來(lái)檢測對象的輪廓。神經(jīng)網(wǎng)絡(luò )的下一層將檢測由這些簡(jiǎn)單模式組合形成的簡(jiǎn)單形狀，例如動(dòng)物眼睛和耳朵。下一層將檢測由這些形狀組合形成的物體的某些部分，例如貓和狗的頭部或腿部。神經(jīng)網(wǎng)絡(luò )的最后一層將檢測這些部分的組合：完整的貓，完整的狗，等等。神經(jīng)網(wǎng)絡(luò )的每一層將執行圖像組合分析和特征檢測，以判斷和組合并將結果傳遞給下一層神經(jīng)網(wǎng)絡(luò )。所使用的神經(jīng)網(wǎng)絡(luò )的實(shí)際深度將比該示例深得多，因此神經(jīng)網(wǎng)絡(luò )可以以這種分層方式執行復雜的模式識別。

只要有大量標記的樣本數據庫，就可以在神經(jīng)網(wǎng)絡(luò )上進(jìn)行特征訓練。它對于識別圖像，視頻，語(yǔ)音，音樂(lè )甚至文本特別有用。為了很好地訓練AI的機器視覺(jué)，我們需要提供這些神經(jīng)網(wǎng)絡(luò )所標記的大量圖像數據。神經(jīng)網(wǎng)絡(luò )學(xué)習將每個(gè)圖像與其對應的標簽相關(guān)聯(lián)。您還可以將之前從未見(jiàn)過(guò)的圖像與相應的標簽配對。這樣的系統可以對各種圖像進(jìn)行分類(lèi)并識別照片中的元素。同時(shí)，神經(jīng)網(wǎng)絡(luò )在語(yǔ)音識別和文本識別中也非常有用。自動(dòng)駕駛汽車(chē)和最新的醫學(xué)圖像分析系統也是關(guān)鍵組件，因此您可以看到神經(jīng)網(wǎng)絡(luò )的使用非常廣泛和有效。最初，有必要依靠手工標記大量有效數據來(lái)完成知識輸入?，F在，通過(guò)運行海量數據，神經(jīng)網(wǎng)絡(luò )可以自學(xué)。大大增強的人工智能應用范圍降低了使用門(mén)檻。人類(lèi)的大腦與動(dòng)物大不相同，在進(jìn)化過(guò)程中具有高度的專(zhuān)業(yè)性和適應性。目前的人工智能系統遠沒(méi)有人類(lèi)擁有的看似普遍的智能。人工智能的更先進(jìn)的發(fā)展將在后面討論，我們仍然關(guān)注現在實(shí)施的人工智能的基本原則。