科普|史上最强漫画版！完美解读人工智能所有你该懂得

一、说在前面

有了人工智能以后，人类的未来会更加美好？

拥有了人工智能之后，就等于拥有大量不怕苦不怕累的廉价劳动力。它们不但能替人类做体力劳动，还能替人类做脑力劳动，很多时候比人类做的还要好。

也有人认为，人工智能看起来很美好，但实际上非常危险，人类必须小心。

科幻小说甚至常常设想人工智能拥有了反抗意识，试图消灭人类。

一些有识之士不断发出警告，呼吁我们限制人工智能的研究，警惕人工智能的潜在风险。

脱离现实的想法都是耍流氓！

这些讨论都或多或少脱离了我们的现实。

也许，他们的设想就像人工核聚变一样，长期处于“再过30年就能实现”的乐观中。但实际上过了好几个30年，却仍然没有实现。

“ 无论如何，人工智能的应用已经渗透到了我们生活中的方方面面。与其白日做梦，与其患得患失，我们不如客观地了解一下，现在的人工智能到底是怎么回事。”

二、人工智能的思考

机器到底能不能思考？计算机科学家艾兹赫尔·戴克斯特拉认为，这个问题就相当于问“潜水艇能不能游泳”。如果游泳的定义是“利用四肢、鳍或尾巴在水中前进”，那么潜水艇肯定不会游泳，因为它既没有胳膊也没有腿。

同样的道理，机器也能“思考”，只不过不是我们所设想的那种思考。我们可以说，机器在通过计算机程序模拟人类的思考，使得自己在某些具体的任务中，像人类一样能看、能听、能想、能说、能动。

（1950年，阿兰·图灵发表了一篇论文，叫做《计算机器与智能》。他提出，与其去研究机器到底能不能思考，还不如去让机器参加一个智能的行为测试，也就是图灵测试。）

为了让机器能够通过某种计算机程序学会“思考”，人类科学家尝试了各种各样的方法，付出了几代人的努力，熬过了两次低谷，经历了三次高潮。

三、人工智能的三大驱动要素

人工智能之所以能在近年来掀起新一轮高潮，主要是因为三大驱动要素：算法、大数据、运算能力。

算法

概括地说，计算机主要干三件事，一是输入，二是运算，三是输出。不论输入什么，在计算机看来都是一堆数据。不论输出什么，在计算机看来也都是一堆数据。研究人工智能的计算机程序，很多时候是在研究“聪明的算法”，能够适应各种各样的实际情况，让计算机程序通过运算，从输入的数据出发，正确而高效地得出应该输出的结果。在这一轮人工智能的热潮中，机器学习的算法发挥了重要的作用。

什么叫算法？

当你交给计算机一个任务的时候，不但要告诉它做什么，还要告诉它怎么做。关于“怎么做”的一系列指令就叫做算法。

聪明的人会用聪明的算法。例如，让计算机把自己想象成一个小球，从图中峡谷的任意一个地方开始往下滚。如果滚到一个地方滚不动了，那个地方就是海拔最低的地方。这种聪明的算法叫做“梯度下降法”。如果将来你要学习人工智能，这可能是你要掌握的第一个算法。

什么叫机器学习？

为了完成更加复杂的任务，工程师必须让计算机变得再聪明一些，能够自动“学习”，从已有的历史数据和经验中自动分析，总结出规律。随后，计算机就可以利用自己总结出来的规律，对新输入的数据进行预测。这就是机器学习算法。

例如，你把杭州所有房子的价格和它们的面积、学区、建造时间以及周围的交通情况等信息输入计算机，通过机器学习算法，计算机就能学到“大致判定杭州一个房子的价格的规律”。

上面那个例子很简单，可能你觉得不必劳烦计算机去学习，直接告诉它规律就可以了。但是有些规律虽然你自己能够领悟，但你却无法翻译成机器能理解的算法。例如，如何把一张照片变成一幅像是梵高画过的油画？如何让语音合成旗模仿一个名人的声音？如何让一个六条腿的机器狗适应各种野外地形？如何让一家电商的服务器猜出一个新用户可能想要买什么商品？这个时候就要靠机器学习了。

大数据

既然要让机器努力学习，就得有东西（“大量数据”）可学。人类每时每刻的每个行为都可以变成数据，但在前互联网时代，这些数据都不可能轻易地记录和保存下来。随着互联网和物联网的发展，随着网络带宽不断增加，随着存储的硬件成本不断降低，全球人类产生的数据在爆发性增长，为人工智能的发展提供了源源不断的营养。

运算能力

大数据的营养有了，计算机程序还要经过大量运算，才能对这些营养进行“消化”、“吸收”，变成各种各样的“模型”，才能够模拟人类的智能。从前，科学家使用传统的CPU进行模型训练，运算过程少则几天，多则几个星期，效率非常低。应用了GPU、FPGA和分布式运算等新的运算加速技术以后，模型训练的效率大大提高。有实际应用价值的人工智能程序一个接一个地涌现了出来。

四、人工智能近期可以用在哪里？

从理论上讲，人类能够完成的任何一种重复的劳动，甚至人类无法完成的许多重复的劳动，都能用人工智能的算法进行机器学习。一旦模型训练成功，它们就可以在这些学过的具体任务中，像人类一样能看、能听、能想、能说、能动。

实际上，科学界和企业界对人工智能的应用，依赖于每个领域的具体使用场景。下面，我们从与日常生活相关的领域出发，简要地介绍人工智能的几个使用场景。

医疗

根据IBM的资料，仅仅在上海市卫生信息系统，每天生产的数据就高达1000万条，已建立起的电子健康档案达3000万，信息总量已达20亿条。这些资料靠人力根本不可能看完，只能依靠拥有人工智能的计算机。

例如，根据日本媒体报道，有位 66 岁的女病人山下女士罹患罕见的「急性骨髄性白血病」，IBM的人工智能系统Watson 在她病情突然恶化，意识不清的紧急状况下，只用了 10分钟就从 2000 万份论文中找到了依据，精确判断了她的病症，并找出了最适合的疗法治疗成功。

安防

为了侦破案件，公安部门常常要调取公共场所和道路两侧的监控录像。应用了人工智能技术之后，计算机在破案时可以从视频画面中，识别可疑人员的特征，快速确定可疑人员的身份，并综合解决查人、找人、预警、追踪等的人员管理监控问题。计算机也可以在视频画面中，识别车辆信息，帮助失主追回被盗的汽车。

金融

全球的证券市场每天都会产生大量交易数据。著名对冲基金桥水曾经利用人工智能技术，通过这些历史数据和统计概率预测未来。这个程序能随着市场的变化而变化，不断适应新的趋势，而不是一成不变的。

交通

在汽车上安装了摄像头之后，无人驾驶的科学家就可以训练计算机从视频图像中，学习识别周围的物体和环境，检测可行区域的范围，并判断车该往哪里开。

新闻业

据36氪报道，美国有一家叫做叙事科学的公司，在2010年就推出了一款名为Quill的写作软件，能从不同角度将数字转化为有故事情节的叙述文。Quill曾被用来撰写电视及网络上棒球赛事的比赛报告，福布斯网站曾使用该公司的技术自动制作财报和房地产相关报告等。

语音识别和语音合成

只要给人工智能软件投喂足够多的语料库，理论上它可以模仿任何一个人的声音。你想让它说什么，它就能按照那个人的声音说什么。甚至还能用奥巴马的声音说带口音的汉语。

自然语言处理

时间就是金钱，浪费你的时间就是浪费你的钱。垃圾邮件不但浪费你的时间，浪费你的带宽，有时候还给你设下骗局，妄图直接骗走你的钱。应用了人工智能技术之后，许多邮箱的垃圾邮件大大降低了，有些邮件服务商甚至将垃圾邮件比例降到了0.1%。

机器人装置

虽然机器猫八字还没一撇，但是机器狗，机器驴，机器蜘蛛都已经发明出来了。它们能站，能走，能跑，能爬，上山不打颤，下雪不怕滑。

科学研究

欧洲核子中心的大型强子对撞机，每秒钟能够产生几亿次对撞，但这些数据并不是全都能派上用场，科学家只能用快速而粗糙的标准筛选出其中区区1/1000的事件。科学家计划在未来的加速器中安装人工智能程序，将更多可能蕴含着新发现的工作交给它。

电子商务

当你在网上开心地剁手的时候，你可知道自己也在不知不觉地用到了人工智能技术？利用机器学习、数据挖掘、搜索引擎、自然语言处理等多种技术，各种买买买的网站都能根据用户在网站中的点击、浏览、停留、跳转、关闭等行为，猜出你大概是哪种人，可能会喜欢什么，然后把你可能喜欢的商品推荐到你眼前，让剁手来得更猛烈些。

附录：机器学习的分类

从学习风格的角度看，机器学习有很很多种学习方法，我们简要地列举其中几种方法：监督学习、非监督学习、强化学习和迁移学习。

监督学习

比方说，你想教计算机如何识别一张照片上的动物是不是猫。你先拿出几十万张动物的照片，凡是有猫的，你就告诉计算机有猫；凡是没有猫的，你就告诉计算机没有猫。也就是说，你预先给计算机要学习的数据进行了分类。这相当于你监督了计算机的学习过程。

经过一段监督学习的过程之后，如果你再给计算机看照片，它就能认出照片中有没有猫。

非监督学习

比方说，你想教计算机区分猫和狗的照片。你拿出几十万张猫和狗的照片（没有其他动物）。你并不告诉计算机哪些是猫，哪些是狗。也就是说，你没有预先给计算机要学习的数据进行分类，所以你并没有监督计算机的学习过程。

强化学习

比方说，你想教计算机控制一只机械臂打乒乓球。一开始，计算机控制机械臂像傻瓜一样，拿着球拍做很多随机的动作，完全不得要领。

迁移学习

比方说，你让计算机学会了控制机械臂打乒乓球之后，又叫它学习打网球。这个时候，你不需要让计算机从零开始重新学，因为乒乓球和网球的规则是相似的。例如，这两种球都要把球击打到对方的球场/球桌上。所以，计算机可以将之前学到的动作迁移过来。这样一种学习，就叫做迁移学习。

☞来源：国鹏资本

推荐阅读

温馨提示

意向合作，文章转载， 均可联系堂博士电话：[phone](同微信)。

以上需求均可联系微信：35735796。