ITHowBiz,睿·信科技网站发布公测啦……!

×

人工智能的成长历程

关闭
viewpoint-20170605-ZTZZ02-Cover原文标题:三个同心圆——人工智能、机器学习和深度学习
原文作者:沉静Lily

人工智能(Artificial Intelligence,简称AI)、机器学习(Machine Learning,简称ML)和深度学习(Deep Learning,简称DL)这三者之间是子集包含的关系,可以看做三个同心圆,一个大圆里包含着一个小圆。AI是外面最大的那个圆,涵盖很广,传统的逻辑推理和符号系统也在其中,这门学科的目的是让计算机和机器人以一种至少表面看来很像思考的方式解决问题;中间的那个圆是ML,它是AI的一个分支,很多时候几乎成为AI的代名词。ML里面有很多重要的数学技巧,计算机可以以此优化性能。它通过算法,使得机器能从大量历史数据中学习规律,从而对新的样本做智能识别或对未来做预测;最小的那个圆叫DL。DL是ML的一个子集,是指多层神经网络从大量数据中进行学习。

1956年8月,在美国汉诺斯小镇宁静的达特茅斯学院中,约翰·麦卡锡,马文·明斯基,克劳德·香农(信息论的创始人),赫伯特·西蒙等聚在一起,讨论用机器来模仿人类学习以及其他方面的智能,他们足足讨论了两个月的时间,这就是著名的达特茅斯会议,它标志着AI的诞生。而其源头可追溯到图灵1950年的著名论文《计算机器与智能》,文中阐述了AI的想法,并提出了著名的图灵测试。如果一台机器通过了“图灵测试”,则我们必须接受这台机器具有智能。

而ML的兴起则要等到20世纪80年代。在达特茅斯会议之后,AI取得了井喷式增长,但所有这一切来得太快,紧接着,AI的发展遇到了瓶颈,最糟糕的事情发生在机器翻译领域,计算机在自然语言理解和翻译过程中表现得极为差劲。举一个例子来说,“The spirit is willing but the flesh is weak.(心有余而力不足)”,人们让机器把这句话译成俄语,再译回英文,得到的句子竟然是“The wine is good but the meat is spoiled.(酒是好的,肉变质了)”。传统的AI陷入了僵局,费根鲍姆是新生力量的代表,他发现AI必须引入知识,在其带领下,一个新的领域专家系统诞生了,各式各样的专家系统陆续涌现,形成了知识工程。但专家系统、知识工程的运作需要从外界获得大量的知识,这样的知识获取费时费力,如果采取让知识通过自下而上的方式涌现,而不是让专家们自上而下的设计出来,那么知识获取的问题可以得到很好的解决,所以ML这个原本处于AI边缘地区的分支一下成为了人们关注的焦点。这就好比教育小孩,传统AI好像填鸭式教学,而ML则是启发式教学:让孩子自己来学。

DL则是近年来最大的突破,我们现在置身的AI热潮中DL功不可没,它和高性能计算能力以及大数据一起号称三驾马车,带来了AI的又一次蓬勃发展。DL是2006年由辛顿提出的。从数学本质上说,DL与前面谈到的传统ML方法比没有实质性差别,都是希望在高维空间中,根据对象特征,将不同类别的对象区分开来。但DL的表达能力与传统ML却有天壤之别。用ML时,一般采集到数据之后会进行一些特征提取的处理,再把提取出的特征(即一类数据区别于另一类数据的不同方面的属性或特质)丢到各种ML模型里做分类和预测,特征通常都是人工设计的,设计更好的特征一直以来是各个领域内非常重要的研究课题。在DL实用化之前,人们发明了许多种传统的、非深度的ML方法。这些方法虽然在特定领域取得了一定成就,但这个世界实在是复杂多样、变化万千,无论人们为计算机选择了多么优雅的建模方法,都很难真正模拟世界万物的特征规律。有没有可能为计算机设计一种灵活度极高的表达方式,然后让计算机在大规模的学习过程里不断尝试和寻找,自己去总结规律,知道最终找到符合真实世界特征的一种表示方法呢?DL就是这样一种在表达能力上灵活多变,同时又允许计算机不断尝试,直到最终逼近目标的ML方法。

DL模型由一系列相互关联的神经元组成,经训练后得到关联权重,数据通过整个网络便可自动得到更具有语义的特征表示,进一步可以直接用于分类图像和语音,甚至是控制无人机或是无人车。DL试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象,符合人类层次化地组织概念、由简至繁分层抽象的认知过程。

那么DL是不是就是AI发展的最后阶段呢?当然不是,站在今天这个时点来看,它实际上代表着过去,强调特征;而现在,深度学习+强化学习才是发展的重点,刚刚过去的乌镇人机大战,那个神一样存在的AlphaGo就是采用了强调反馈的强化学习的方法,自我迭代,自我修炼,最后成就自我;而未来,强调适应的迁移学习则是更高的层次,机器具有了这样的智能,就可以像人类一样,把自己在某个领域的技能迁移到另一个领域,那时可能离通用AI就不遥远了。

版权说明:ITHowBiz 睿·信科技每一位作者的艰辛付出与创作,我们均在文章开头备注了原标题和来源。如转载涉及版权等问题,请发送消息至公众号后台与我们联系,我们将在第一时间处理,非常感谢!
返回顶部