郝 偉

(山西工商學(xué)院計(jì)算機(jī)信息工程學(xué)院，山西 太原 030006)

引言

隨著大數(shù)據(jù)等相關(guān)技術(shù)在近幾年的高速發(fā)展，人工智能技術(shù)迎來了發(fā)展拐點(diǎn)。人工智能將成為未來幾十年全球最重要的科技，并成為工業(yè)機(jī)器人、無人機(jī)、無人駕駛、智能陪伴等新興產(chǎn)業(yè)的重要基礎(chǔ)。2016年是人工智能發(fā)展最快的一年，從“AlphaGo以4:1的比分擊敗了世界圍棋冠軍李世石”到“人工智能診斷癌癥”，人工智能的發(fā)展速度超過了人們的想象，所以2016年被稱為“人工智能元年”。人工智能，即Artificial Intelligence，簡稱AI，起源于上世紀(jì)，卻在近年大火。無人駕駛、智能機(jī)器人、Alpha Go、智能音箱、人臉識別追蹤、智能語音助手等各種形態(tài)的AI相關(guān)產(chǎn)品與應(yīng)用已經(jīng)悄然入侵了我們生活的方方面面。在整個2017年，似乎任何產(chǎn)品如果不與智能或AI有關(guān)聯(lián)，就會顯得很“Low”，例如智能手機(jī)、智能處理器、智能GPU、智能音箱、智能路由器等。人工智能，顧名思義就是人工創(chuàng)造的智能。人工，就是人造的意思。但是智能到底是什么概念呢？業(yè)界一般認(rèn)為，所謂“智能”，在本質(zhì)上是以人自身的行為動作作為參考，其涉及到了自我意識、思維思想、判定分析以及行為動作等各個方面。所謂“智能”簡而言之可以理解為能思考、有思維、會學(xué)習(xí)、有判斷分析能力以及被視為最為重要的情感和情緒感知能力。人工智能，就是電腦或類電腦的機(jī)器型產(chǎn)物可以模擬人類的思維過程，并進(jìn)行學(xué)習(xí)、推理、思考、判斷、規(guī)劃等智能的行為，研究這一領(lǐng)域的學(xué)科就是AI人工智能學(xué)，它涉及的領(lǐng)域包括計(jì)算機(jī)科學(xué)、數(shù)學(xué)、心理學(xué)、哲學(xué)和語言學(xué)等，其內(nèi)涵非常復(fù)雜[1]。對于大眾消費(fèi)者來說，與人工智能最為相關(guān)的是計(jì)算機(jī)等學(xué)科領(lǐng)域在AI研究上的進(jìn)化，無論是硬件性能、還是軟件、算法環(huán)境等因素的進(jìn)化，這些不斷發(fā)展進(jìn)化的計(jì)算機(jī)硬件與軟件環(huán)境，從而又成了AI人工智能不斷向前發(fā)展的動力。

1 弱人工智能

人工智能是一門研究如何模擬并拓展人類智能的科學(xué), 是指人類制造出的系統(tǒng)所顯示出的智能[2]。根據(jù)1956年達(dá)特茅斯會議的定義，“讓機(jī)器行為看起來就像是人所表現(xiàn)出的智能行為一樣”，就是人工智能。這句話說起來簡單，但是實(shí)現(xiàn)起來頗為復(fù)雜。人類目前大部分新技術(shù)的來源和發(fā)展，都離不開對現(xiàn)有生物現(xiàn)象和自然現(xiàn)象的觀察、模仿和規(guī)律總結(jié)。要想發(fā)展人工智能，就離不開對真正的智能、人類思維和人類大腦的研究。但是，由于大腦極端復(fù)雜，其研究難度遠(yuǎn)超我們的想象，目前的科學(xué)界對人類智能、包括大腦如何工作以及大腦是如何產(chǎn)生意識等問題幾乎沒有給出統(tǒng)一和全面的解釋，這就意味著人們?nèi)狈δM的對象，也不夠了解智能產(chǎn)生的原因，實(shí)現(xiàn)真正意義上的人工智能更是舉步維艱。在這種大背景下，業(yè)內(nèi)對人工智能的研究就變得更偏向于實(shí)用化，其目的是一方面先解決部分應(yīng)用問題，另一方面也是為了等待腦科學(xué)、心理學(xué)、語言學(xué)以及數(shù)學(xué)、生命科學(xué)等基礎(chǔ)學(xué)科的進(jìn)步。也只有基礎(chǔ)科學(xué)有所突破，才能真正打開人工智能的大門。為此，業(yè)界將人工智能劃分為兩大類：強(qiáng)人工智能和弱人工智能。所謂強(qiáng)人工智能，是指機(jī)器可以實(shí)現(xiàn)自我推理和自我解決問題，并且可以被認(rèn)為是有自我意識的。強(qiáng)人工智能的機(jī)器既可以使用類人的方式實(shí)現(xiàn)，也可以使用非類人的方式實(shí)現(xiàn)，和人擁有完全不一樣的推理和思維方式等[3]。強(qiáng)人工智能就像科幻電影里面會思考、會自主行動的機(jī)器人或者控制人類的超級計(jì)算機(jī)那樣，擁有自主意識。弱人工智能是指機(jī)器擁有一定的判斷和解決問題的能力，但是并沒有真正的智能和意識。廣義來說，整個業(yè)界目前所接觸、研發(fā)和推廣的所有人工智能算法、產(chǎn)品都屬于弱人工智能的范疇，甚至包括你我的智能手機(jī)、計(jì)算機(jī)操作系統(tǒng)等都包含了不少弱人工智能技術(shù)。

2 發(fā)展背景分析

在AI人工智能的發(fā)展歷史上，可以說是充滿了曲折和挑戰(zhàn)，根據(jù)上文所提到的人工智能細(xì)分類別，弱人工智能產(chǎn)生、發(fā)展的背景分析，弱人工智能的發(fā)展由三個關(guān)鍵的因素構(gòu)成：硬件基礎(chǔ)、理論支持和進(jìn)化引擎。

2.1 計(jì)算機(jī)的誕生與IT產(chǎn)業(yè)的進(jìn)化為弱人工智能提供了最扎實(shí)的硬件模擬基礎(chǔ)

1945年～1946年，世界上第一臺可進(jìn)入實(shí)際應(yīng)用的計(jì)算機(jī)ENIAC誕生，計(jì)算機(jī)的出現(xiàn)為弱人工智能研究提供了物質(zhì)上的硬件基礎(chǔ)。同時，科學(xué)家John VonNeumann(約翰·馮·諾依曼)提出的著名馮諾依曼架構(gòu)計(jì)算體系，表示計(jì)算機(jī)必須具備輸入/輸出、記憶存儲、數(shù)據(jù)運(yùn)算、控制程序執(zhí)行等基本功能部件，而這也正是現(xiàn)代計(jì)算機(jī)的奠基石。1950年，艾倫·圖靈(A.M.Turing)提出了“計(jì)算機(jī)與智能理論”，并提出了圖靈測試，描述了弱人工智能的雛形。1956年8月，在美國漢諾斯小鎮(zhèn)寧靜的達(dá)特茅斯學(xué)員中，約翰·麥卡錫(John McCarthy)、馬文·閔斯基(Marvin Minsky，人工智能與認(rèn)知學(xué)專家)、克勞德·香農(nóng)(Claude Shannon，信息論的創(chuàng)始人)、艾倫·紐厄爾(Allen Newell，計(jì)算機(jī)科學(xué)家)以及赫伯特·西蒙(Herbert Simon，諾貝爾經(jīng)濟(jì)學(xué)獎得主)等科學(xué)家正聚在一起， 討論著一個在當(dāng)時看來非常離經(jīng)叛道的話題——用機(jī)器來模仿人類學(xué)習(xí)以及其它方面的智能。后世將1956年達(dá)特茅斯會議公認(rèn)為人工智能元年。1965年，科學(xué)家Edward Feigenbaum等人研發(fā)出了專家系統(tǒng)DENDRAL，這是真正意義上的第一套能有效進(jìn)行工作的專家智能系統(tǒng)，同年，Gordon Moore提出了著名的摩爾定律，為未來PC計(jì)算能力的發(fā)展提出了發(fā)展框架。1982年，以IBM PC為典型代表的新一代PC開始嶄露頭角，新一代PC標(biāo)準(zhǔn)賦予了計(jì)算機(jī)更強(qiáng)悍的計(jì)算性能與更多元化的處理能力，這也為弱人工智能的研究提供了更為優(yōu)秀的硬件基礎(chǔ)。從此，弱人工智能與計(jì)算機(jī)就相輔相成，結(jié)伴前行。1997年，在弱人工智能經(jīng)歷20年左右的低潮期之后，IBM弱人工智能計(jì)算機(jī)DeepBlue(深藍(lán))在一次國際象棋的友誼賽中擊敗了當(dāng)時世界排名第一的冠軍卡斯帕羅夫，引起了整個業(yè)界的劇烈轟動。從這時開始，弱人工智能被各龍頭IT企業(yè)重視，并開始投入巨大的精力針對其市場進(jìn)行開發(fā)。綜上所述，計(jì)算機(jī)的誕生與IT產(chǎn)業(yè)的進(jìn)化為弱人工智能提供了最扎實(shí)的硬件模擬基礎(chǔ)。

2.2 人類神經(jīng)學(xué)、心理學(xué)、語言學(xué)以及數(shù)學(xué)、生命科學(xué)等基礎(chǔ)學(xué)科的研究進(jìn)步與突破為弱人工智能提供了最有力的理論支持

從公元17世紀(jì)甚至更早一直到1945年的幾百年間，整個社會都處于對人類自身潛能的研究與開發(fā)上，也正是在這幾百年的時間內(nèi)，《單子論》《人性論》《心理生理學(xué)原理》《數(shù)學(xué)原理》《邏輯哲學(xué)論》以及《行為主義》等著作先后面世，這些對人的大腦、神經(jīng)、行為等進(jìn)行研究的著作，為后來弱人工智能的萌芽和發(fā)展提供了堅(jiān)強(qiáng)的理論基礎(chǔ)。1936年，科學(xué)家艾倫·圖靈(A.M.Turing)提出了可計(jì)算數(shù)學(xué)理論，也就是現(xiàn)代計(jì)算機(jī)計(jì)算的基礎(chǔ)，這一理論的提出，為計(jì)算機(jī)的出現(xiàn)鋪平了道路，也為弱人工智能的發(fā)展打下了基礎(chǔ)。1991年，人工神經(jīng)網(wǎng)絡(luò)正式受到幾乎全球所有國家的關(guān)注與研究。這種并行分布式系統(tǒng)，采用了與傳統(tǒng)人工智能和信息處理技術(shù)完全不同的機(jī)制，克服了傳統(tǒng)的基于邏輯符號的人工智能在處理直覺、非結(jié)構(gòu)化信息方面的缺陷，具有自適應(yīng)、自組織和實(shí)時學(xué)習(xí)的特點(diǎn)。對人工神經(jīng)網(wǎng)絡(luò)的研究與構(gòu)建，正是后來弱人工智能發(fā)展的軟件基礎(chǔ)。綜上所述，人類神經(jīng)學(xué)、心理學(xué)、語言學(xué)以及數(shù)學(xué)、生命科學(xué)等基礎(chǔ)學(xué)科的研究進(jìn)步與突破為弱人工智能提供了最有力的理論支持。

2.3 軟件運(yùn)算環(huán)境的不斷進(jìn)化、海量的數(shù)據(jù)庫與算法為弱人工智能提供的則是不斷進(jìn)化的引擎

從這些年弱人工智能技術(shù)的發(fā)展來看，它不斷地拆分和細(xì)分目標(biāo)，這實(shí)際上構(gòu)成了目前弱人工智能研究的基本圖譜，那就是大量的研究方向和不斷涌現(xiàn)的全新算法，大家都試圖在一個小角落中搶先形成突破，不斷解決難題，最終合縱連橫。全球無數(shù)科學(xué)家貢獻(xiàn)了幾乎上百種研發(fā)方向，而目前真正有商業(yè)化希望和實(shí)際應(yīng)用能力的也只有弱人工智能的機(jī)器學(xué)習(xí)分類下的人工神經(jīng)網(wǎng)絡(luò)部分的深度學(xué)習(xí)技術(shù)。機(jī)器學(xué)習(xí)，顧名思義就是讓計(jì)算機(jī)自己學(xué)習(xí)的方法，人類不斷地通過眼耳鼻舌身接觸外界信息，再經(jīng)由大腦加工學(xué)習(xí)，形成每個人獨(dú)有的意識和思維。這個過程對機(jī)器學(xué)習(xí)來說，就是理解學(xué)習(xí)的本質(zhì)和建立有效的學(xué)習(xí)系統(tǒng)的過程，也就是機(jī)器通過一定的算法，將外界的大量信息和數(shù)據(jù)梳理加工成機(jī)器可以理解、使用、判斷的知識庫，從而達(dá)到智能處理數(shù)據(jù)的能力。通過將近30年的發(fā)展，機(jī)器學(xué)習(xí)已經(jīng)發(fā)展成為一門專門的學(xué)科，其中涉及諸如概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、計(jì)算復(fù)雜性理論等大量的內(nèi)容，具體的計(jì)算方法也包括人工神經(jīng)網(wǎng)絡(luò)、決策樹、感知器、貝葉斯分類器、高斯回歸、線性判斷等諸多算法[4]，而目前應(yīng)用最成功的則是人工神經(jīng)網(wǎng)絡(luò)。從生物學(xué)角度來看，人類的思維和活動主要是由神經(jīng)系統(tǒng)控制的，其中核心的部分就是大腦。構(gòu)成神經(jīng)系統(tǒng)的主要部分是神經(jīng)元，神經(jīng)系統(tǒng)就是不同功能神經(jīng)元網(wǎng)絡(luò)化所構(gòu)成的系統(tǒng)，人類的神經(jīng)元數(shù)量大約在850億左右。和神經(jīng)系統(tǒng)類似的是，所謂人工神經(jīng)網(wǎng)絡(luò)，是人們通過觀察人類中樞神經(jīng)系統(tǒng)運(yùn)作方法的方式。在人工神經(jīng)網(wǎng)絡(luò)中也有計(jì)算節(jié)點(diǎn)，就像神經(jīng)元那樣用于傳遞和處理信息。同樣，人工神經(jīng)網(wǎng)絡(luò)也存在不同的深度和層次。進(jìn)一步通過網(wǎng)絡(luò)結(jié)構(gòu)來分析的話，人工神經(jīng)網(wǎng)絡(luò)又可以分為前饋神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)和強(qiáng)化式架構(gòu)神經(jīng)網(wǎng)絡(luò)，通過神經(jīng)網(wǎng)絡(luò)技術(shù)和深度學(xué)習(xí)算法的結(jié)合，弱人工智能才有了突破的曙光。綜上所述，軟件運(yùn)算環(huán)境的不斷進(jìn)化、海量的數(shù)據(jù)庫與算法為弱人工智能提供的則是不斷進(jìn)化和突破的引擎。

3 應(yīng)用研究

1997年，在弱人工智能經(jīng)歷20年左右的低潮期之后，IBM弱人工智能計(jì)算機(jī)深藍(lán)(Deep Blue)在一次國際象棋的友誼賽中擊敗了當(dāng)時世界排名第一的冠軍卡斯帕羅夫，引起了整個業(yè)界的劇烈轟動，這是弱人工智能里程碑意義的應(yīng)用。2011年，IBM公司的機(jī)器人Watson參加智力問答類節(jié)目“危險(xiǎn)邊緣”，并在節(jié)目中打敗了兩位人類冠軍，這是機(jī)器人對人挑戰(zhàn)的又一次勝利。2012年，谷歌公司在自身的X實(shí)驗(yàn)室內(nèi)，采用計(jì)算機(jī)神經(jīng)系統(tǒng)，成功識別出一只貓。2016年，谷歌阿爾法圍棋(AlphaGo)機(jī)器人，在圍棋比賽中先后戰(zhàn)勝了多名世界名將，在這一年引起了強(qiáng)烈的轟動，甚至阿爾法圍棋(AlphaGo)也被收入了2016年的最熱詞匯，被國內(nèi)的玩家們親切稱為“阿爾法狗”。在那個各種棋類的世界冠軍都被AI霸占的年代，圍棋是人類最后的陣地。這是因?yàn)閲宓臓顟B(tài)空間復(fù)雜度極高——圍棋的復(fù)雜度是10的172次方，而國際象棋的復(fù)雜度只有10的46次方。這塊最后的陣地曾經(jīng)被認(rèn)為可以再堅(jiān)守很久，沒想到19年后，就被谷歌的阿爾法圍棋(AlphaGo)攻破。但本質(zhì)上，圍棋是一款規(guī)則明確且可以計(jì)算勝率的游戲；而對于人工智能來說，進(jìn)階的標(biāo)志是類似人類行為的各種任務(wù)，比如計(jì)算機(jī)視覺、自然語言處理等。阿爾法圍棋(AlphaGo)的成績，正是人工智能又向前邁進(jìn)了一大步的真實(shí)體現(xiàn)。2017年，智能機(jī)器人在市場上全面開花，NVIDIA、Intel、百度等公司無人駕駛方案開始進(jìn)入實(shí)際應(yīng)用階段，谷歌與IBM的深度學(xué)習(xí)智能機(jī)器人方案也有條不紊地進(jìn)行。2017年，全球IT龍頭企業(yè)都在押寶人工智能這一未來的藍(lán)海領(lǐng)地。

國內(nèi)的互聯(lián)網(wǎng)公司在AI當(dāng)屬BAT。百度最近取得的一項(xiàng)重大成就是Deep Speech2語音識別系統(tǒng)入選MIT科技評論的2016十大進(jìn)步技術(shù)，是唯一一家入選的中國公司。阿里在人工智能領(lǐng)域的最典型應(yīng)用場景就是智能客服。阿里客服每天要承擔(dān)很大工作量，這些工作逐漸都會被人工智能替代。而語音自動轉(zhuǎn)接、情感識別與關(guān)鍵詞識別等技術(shù)已經(jīng)投入使用中。騰訊公司的“騰訊優(yōu)圖”團(tuán)隊(duì)在人臉識別方向做得很出色，為QQ、財(cái)付通、微眾銀行等提供圖像和模式識別技術(shù)支持。2017年12月在中國烏鎮(zhèn)舉行的第四屆世界互聯(lián)網(wǎng)大會，提出人工智能是促進(jìn)數(shù)字經(jīng)濟(jì)的重要技術(shù)源泉。以此為契機(jī)，2018年，人工智能將會有較為明顯的爆發(fā)，以無人駕駛、深度學(xué)習(xí)、智能手機(jī)、智能語音識別和智能機(jī)器人為主要代表的弱人工智能研究領(lǐng)域?qū)⑷〉酶@著的突破。IRobot時代從此將拉開序幕……

綜上所述，人工智能是一個博大精深的學(xué)科，尤其在商業(yè)化應(yīng)用方面取得成功的深度學(xué)習(xí)連同其它研究方面，共同努力才帶來了目前人工智能技術(shù)的大爆發(fā)、大發(fā)展的態(tài)勢。但是正如本文所述，深度學(xué)習(xí)的突破和商業(yè)化前景，為人工智能的發(fā)展帶來了一個良好的機(jī)會，也只有足夠多的企業(yè)投身其中，并獲得足夠的收益，才會有越來越多的企業(yè)進(jìn)入人工智能的戰(zhàn)場，開展更多的研究，并推出更多的產(chǎn)品。深度學(xué)習(xí)技術(shù)目前商業(yè)化應(yīng)用的突破，引發(fā)了各龍頭企業(yè)圍繞深度學(xué)習(xí)進(jìn)行深度布局。由此看來，雖然只是人工智能這個大燈籠上扎破了一個小洞，但隨著技術(shù)不斷迭代和應(yīng)用不斷推廣，這個小洞可能會越來越大，我們總有機(jī)會一窺人工智能的真面目，逐漸走向更強(qiáng)大的弱人工智能時代，總有一天會撩開強(qiáng)人工智能的面紗，實(shí)現(xiàn)真正的人造智慧。