人工智能

人工智能当今世界，科学技术日新月异，以信息技术等为代表的新技术产业迅速发展，深刻影响着各国的政治、经济、军事、文化等方面。其中，人工智能对人类生活的影响更是尤为重大。人工智能简称AI，它是一门研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统于一体的新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。“人工智能”一词最初是在1956年Dartmouth学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。关于人工智能，我想讲以下4点。一、人工智能的发展现状：人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科以外。人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。符号主义、联结主义、行为主义分别代表了人工智能研究领域的三种主要发展观。它们是人工智能学科发展的最重要的理论成果，同时又是人工智能学科发展的理论基础。符号主义，又称为逻辑主义或计算机学派，它认为符号是人类的认识基元，同时人认识的过程即是对符号的计算与推理的过程。符号主义首先将人的认识对象通过数学逻辑的方法以符号形式表示出来，然后再利用计算机自身所具有的符号处理推算能力来模拟人的认识过程。支撑符号主义的原理主要为物理符号系统假设和有限合理性原理。符号主义的主要研究内容就是基于逻辑的知识表示和推理技术J。主要的研究成果有归结推理方法、启发式算法．专家系统、知识工程理论与技术等。符号主义在逻辑问题求解方面取得了巨大的成功。例如，人工智能证明了人类所能证明的全部定理，并且解决了尚无手工证明的“四色猜想”问题，上世纪7O年代专家系统的成功开发和应用等。联结主义又被叫做仿生学派，其主要原理是人类的智能是由人脑的生理结构和工作模式决定的。联结主义认为人的认识基元是人脑的神经元，认识的过程就是人脑进行信息处理的过程。因此，联结主义主张从结构和工作模式上对人脑进行模仿从而真正实现人类智能在机器上的模拟。联结主义研究的主要内容是神经网络。主要的研究成果有脑模型研究和多层网络中的反向传播(B．P)算法。目前，对人工神经网络的研究仍然热火朝天。行为主义又被称作进化主义、控制论学派。其主要原理是智能取决于感知和行动，它不需要知识、不需要表示、不需要推理。行为主义认为人的本质能力是行为能力、感知能力和维持生命及自我繁殖的能力，智能行为是通过与现实世界环境的交互作用体现出来的；人工智能应像人类智能一样通过逐步进化而实现，而与知识的表示和知识的推理无关J。行为主义的研究重点是模拟人的各种控制行为。其主要代表人物是布鲁克。主要的发展成果是实现了智能控制和智能机器人系统。行为主义目前还没有形成完整的理论体系，但因为它与传统的人工智能观点完全不同，所以引起了人工智能界的关注。2015年7月26日上午，中国科学院院士、自动化所谭铁牛研究员在中国人工智能大会上作主题报告《人工智能的发展现状与展望》，报告中关于人工智能发展现状的内容可总结为以下几点：第一，互联网和大数据推动人工智能进入了新的春天。第二，专用人工智能取得了突破性进展，在单点突破、局部智能水平单项测试超越人类智能。第三，通用人工智能的发展，即像人脑一样能够“一脑万用”，依然任重道远。第四，人工智能产业化应用蓬勃发展。第五，企业巨头抢滩布局人工智能产业链，目前呈现出热门的发展前景。第六，人工智能已经上升到国家战略高度。第七，人工智能社会影响已引起广泛关注。简言之，人工智能的发展现状可以概括为十六个字，国家重视，态势喜人，差距不小，前景看好。二、人工智能的关键技术。有人说三大关键技术决定人工智能未来。他们分别是机器理解语言的技术、知识挖掘技术和对人的建模技术。关键一，让机器理解语言的技术。理解语言是一个从词语逐渐递进到事件的过程。1、分词技术让机器理解语言，也就是要让机器学会自己思考，那么就需要让机器去理解语言。而汉语的理解与英语相比起来就显得更加困难，在英语中每个单词都是基本上可以被机器直接读取的，但是汉语在分词上则更为困难。我们来举几个列子。“你|老张|着什么急|啊”“你|老张着|什么嘴|啊”上面是一个简单的列子，修改一个字，意思就相差十万八千里，而机器根据字的不同则可以勉强分出来。但是下面这个列子就折腾了。“乒乓球拍卖完了”机器该怎么分？这就困难了，机器既可以分出两种意思“乒乓球|拍卖|完了”“乒乓|球拍|卖完了”那么困难就来了，我们如何告诉机器这句话中的词该怎么分呢？对于人来说很简单，根据前后文马上就能识别出来，但是对于机器来说则极为艰难。2、句子的分析技术分词问题解决之后便是分析句子的问题，请看下面两句“谢霆锋|是谁|儿子”“谢霆锋|儿子|是谁”对于机器来说，这两句话获得的关键分词信息是一样的，都是“谢霆锋”、“是谁”、“儿子”，这三个关键分词信息。我们该如何告诉计算机，因为顺序先后的原因而导致的语义的天差地别呢？这其中就需要对语言有很深入的分析，对语义理解，从而知道他们要找的答案是不一样。做到这单同样不容易。3、上下文相关的分析技术分析完一句话后，机器自然要推演到分析一篇文章的内容。在《信息简史》中有一个很重要的信息原理，就是说当我们需要传递信息时，需要大量的冗余信息来保障信息的准确性，没用的废话越多则传递信息的准确性越高，同样对于让机器理解某句话也是基于同样原理。但问题是，人可以依靠直觉抓取关键信息，而机器又凭借什么来抓取关键信息呢？又如何识别真正的信号与噪声？这也是至关重要的技术。4、分析事件的技术分析文章的问题解决后就必须再攀登更高的高度，让机器去系统性的分析一个事件，也就是再加上时间的这个维度，将与某个事件相关关键的文章全部集合，就可以还原一个历史事件的进程。当我们搜索“斯诺登”时，就会出现一些按照时间轴展开的标题。在事件归类的技术上，百度与360都已能够做到识别，而搜狗目前没有做到这点事件整理是最高难度的技术，也是如何做到让机器理解语言的最高一层。关键二，知识挖掘技术1、知识图谱的建立技术首先假设，我们在机器中存储了上亿个实体知识，这对于机器来说不是难事，轻而易举，难就难在存储实体的关系上，一个实体对应多个属性，比如一张桌子对应了品牌、颜色、木材等等属性，这些属性就有上百亿级别，这些关系错综复杂的整合起来，要存储的数据就会指数级的增加，这注定是一张超级的海量级图谱。如何建立起图谱？以以下这句话来举例“奢侈品牌路易威登1854年成立法国巴黎”那么机器该如何进行知识的存储呢？1）奢侈品与路易威登（识别出路易威登是个品牌并且是奢侈品，存储该知识）2）路易威登与1854年成立（识别出路易威登的成立时间，存储该知识）3）路易威登成立于法国巴黎（识别出路易威登成立于发过，，存储该知识）4）法国巴黎（识别出法国与巴黎有关系，存储该知识）5）…….以上只是一种粗略的理想化的情景，王博士也没有说更细节的事情。我这里补充下，实际上这种只是图谱一直是动态的，有不断的增加删减的过程，每个语句中的知识都是按照时间线出现的大数据关键词内容，根据统计后才建立起的知识图谱，与人脑一样，这些关系知识图谱出现又消失，最后那些确凿无疑的关系被留了下来，但是这些依然是动态的，如果哪天法国的首都不再是巴黎，整个关系知识图谱数据库会将所有数据全部更新。2，知识推理技术当知识图谱建立后，要做的就是实际层面的应用，将这些知识图谱应用到真正的实现中，当用户搜索某个问题后，去检索数据库中的关系图谱，然后将关联性最高的精确答案呈现给用户1）直接推理。我们以搜索“刘德华多少岁了”来举例。当我们搜索这个问题后，搜索结果中就会直接呈现出了刘德华的年龄，这就是运用了知识的推理能力。这个53岁是一个动态结果，机器在幕后进行了大量的运算后知道获得年龄是一个动态的算法，需要将此人的生日与当前时间相减，之后才能得出结论。同样的，当我们搜索“谢霆锋儿子的母亲的前夫的父亲”后得出是“谢贤”的结果，这也是技术在背后的推理的作用。2）分类推理上面谈了比较简单直观的推理模型，但这只是在用户提问有确定唯一结果答案的时候才那么奏效，但当用户搜索某个没有唯一标准答案的问题时就不再奏效。那么这里就会用到分类推理的技术。比如当用户搜索搜索“观赏鱼”。这种搜索没有指定的唯一标准答案，所以机器从后台的知识体系库中提取了关于“观赏鱼”的相关分类内容，列出了所有相关结果，给出了各个观赏鱼的种类结果，好让用户去找到自己想要的结果。在这里又顺便将三个搜索结果做了比较，百度的搜索结果最为全面，搜狗次之，而360没有分类。通过大数据，在后台为实体知识进行分类，这是一种在线性的直接推理之上的高层次整合式的推理。而这些结果都不是人工输入的，全部都是通过大数据挖掘得出的结果，三家都能够挖掘出与”关羽“相关的信息，但百度挖的更深，把关羽与刘备以及貂蝉的关系都挖了出来。这种对隐性信息挖掘是大数据价值的核心，大数据的价值不在于大，而在于挖掘有价值的关联，然后拉动其他价值。举个简单的例子，通过大数据发掘，发现下面包店某款面包会卖的更好，存在这么一种隐性关联，那么店主只需要准备更多的该蛋糕就能带来更多的收益。关键三，对人的建模技术机器发展出智能的最终目的是为了与人交互，所以还需要让机器能够理解人的行为，只有当理解完人的行为后机器才有可能将知识运用到与用户的交互中，才有最终商业化落地的价值。1、个体建模所谓个体建模，就是说根据某单个用户的操作行为为其提供私人定制化的服务。“今日头条”就是用的个体建模技术，当用户查看新闻时，它会根据用户的行为轨迹，为用户推荐其感兴趣的内容。同样的，在百度搜索引擎中同样如此，当用户搜索的关键词越多，百度就越有能力向其推荐其更为感兴趣的内容。比如当用户搜索“SF”关键词后。如果该用户经常逛百度动漫相关贴吧，搜索相关动漫人物名称，音乐等等操作，那么排序在第一位的就会是某个关于动漫的网站，但是如果该用户经常搜索与快递相关的知识，那么排在第一位的就会是顺丰网站。这种针对个人的精准建模在未来数据更加充足的情况下，每个人都将获得数据化的留存，我们的一切行为都将数据化可视化，进而得出自己的一切相关结论。当前数据采集并建模这种技术已经趋于成熟，剩下的就等物联网大潮上阵。2、群体建模光对个人建模还不够，机器最重要的是对群体建模，而对群体建模也是商业化价值的核心所在。所谓群体建模，就是判断在某一场景下最多数人的行为进行收集，然后取得各个场景下的群体交集，进而得出拥有某一部分属性的人经常会做出哪些选择。这些人的属性包括：地域、漫画爱好者、美剧爱好者、父亲、高考学生……这些人的行为包括：看动漫、看美剧、搜索育儿知识、搜索高考知识……机器通过后台的判断将他们进行群体人群的属性与行为的归类，然后让相关高层找到可以进行商业化决策的支撑。上面说的还是有点抽象，那我们再说的简单点，比如我们通过大数据挖掘预测某个地域30岁以上的人在最近一段时间有很强的购买秋裤的需求，那么商家在推广秋裤的时候只需要加大在该地区的广告投放即可获得更高的利润回报。当然这里不再是商家主动去找答案，而是机器通过挖掘后主动为其提供一系列选项，商家只需要被动接受即可。三、存在问题人工智能尚未普及，但是，它已经引发了一些哲学问题。近日，英国物理学家霍金的言论“全面人工智能的发展可能会导致人类的终结”，再次引发人们对人工智能的讨论。人工智能真的会超越人类并取代人类吗？人类应该怎样避免此事情的发生？目前，随着搜索引擎、大数据分析、深度计算等技术的发展，人工智能已发展到能像真实人类与人进行自然交流。乔治华盛顿大学计算机科学教授PeterBock在1993年出版的《人工认知的兴起