一文带你看懂人工智能是什么?

2021-05-07 18:45:27 亚欧安博会 9

人工智能(Artificial Intelligence,AI)是一门年轻的学科,从 1956 年达特茅斯会议正式提出 AI 名称至今不过 65 年;从阿兰图灵 1950 年提出判断机器是否能够思考的图灵测试至今也不过 70 年时间。

AI 的 70 年发展史汇集了来自数学、计算机科学、逻辑学、哲学、神经科学、语言学等不同领域学者的努力,是典型的交叉学科。同时,从整体来看 AI 仍然是计算机科学技术的主要分支。

人工智能是什么?

简言之,人工智能学科是利用计算机实现人类智能。人类智能并没有公认的定义与界限,实际上也随着 AI 的发展而有所变化。某项人类技能被计算机所掌握后,人们往往不再认为它代表人类"真正"的智能。 例如,1997 年 IBM 深蓝战胜人类国际象棋冠军卡斯帕罗夫后,就有评论说 IBM 计算机只是在暴力搜索,不是真正的智能,that's not thinking!这种现象又被称为"AI Effect"。

所以,人工智能总是聚焦在那些尚未被计算机破解的人类智能能力上。比较简单的人类智能已经被解决了,例如计数能力有了计算器,数据记忆和查询有了数据库,下棋能力有了下棋软件,剩下的是那些困难的高级智能。

简单而言,如果我们把大脑看做一个黑盒,它能够接受外部世界的刺激信号,大脑处理这些信号产生输出反馈,人类智能正体现在这些"刺激-反馈"的对应中。针对不同刺激信号和反馈处理的复杂性,AI 下面有很多专门的领域开展相关研究和探索。

目前,公认的 AI 核心课题包括:机器学习、计算机视觉、自然语言处理、语音处理、知识表示与计算、推理与规划,等等,并在此基础上支持着许多重要应用场景如无人驾驶、机器人等。

机器学习:旨在让计算机具备自动学习的能力,能够解决分类、聚类、回归、关联分析等任务。目前主流是从大规模数据中自动学习和总结规律,从而能够对新的数据进行预测,也被称为统计机器学习。简单地讲,机器学习是从大量"刺激-反馈"数据中自动总结规律的技术。

计算机视觉:旨在让计算机理解和处理图像数据(包括图片、视频等),使计算机掌握"看"的能力。图像是典型的无结构数据,由像素组成,如何从一幅图像中自动识别不同层次的对象(如轮廓、人脸、场景等)及其复杂关联,是计算机视觉面临的挑战问题。

语音处理:旨在让计算机理解、处理和生成人类语音,使计算机掌握"听"和「说」的能力。语音也是一种典型的无结构序列数据,看似简单的一维语音信号包含着丰富的信息如内容、意图、身份、情感、信道、场景、干扰等。以语音识别为例,目前在深度学习技术的支持下,普通场景的语音转文本的效果已经得到广泛应用。而在多人、方言、强噪、远场等挑战场景下,语音识别效果还需要进一步提升。

自然语言处理:旨在让计算机理解和处理人类语言。与 C++、Java 等人工设计的编程语言不同,人类语言是大自然的产物,因此被称为"自然语言"。人类语言也是典型的无结构数据,由字词组合而成,如何理解一句话、一篇文章甚至一本书的意思,也是人工智能面临的挑战问题。由于语言是人类特有的传递丰富信息和知识、表达复杂思想和情绪的载体,甚至被认为是人类思考的重要工具,因此自然语言处理问题更接近人类高级认知智能,有很多重要的开放问题。

知识表示与计算:人类对世界的认识积累形成了知识,知识是人类理解外部信息、实现各种智能能力的基础。近年来随着知识图谱的广泛应用,成为研究界和工业界关注的重点问题。

由于上述这些课题都关涉人类智能,所以互相密切关联、不分彼此,例如计算机视觉、语音识别和自然语言处理都是机器学习算法的重要应用场景,知识表示与计算也成为计算机视觉和自然语言处理方向的重要话题,等等。

正因为年轻,这些方向都充满着活力,一方面最新技术日益深远地影响着人类社会生活的方方面面,同时学科体系和技术框架也在飞速地日新月异、推陈出新,现在去翻十年前的教材很多内容都显得过时了。

从学科设置来看,国内大学遵照教育部《学位授予和人才培养学科目录》来颁发学位。最初的计算机一级学科是"计算机科学与技术",下设"计算机系统结构"、"计算机软件与理论"、"计算机应用技术"三个二级学科,其中"计算机系统结构"对应高性能计算(超算)和计算机网络体系架构(互联网),后来单独成立出"网络空间安全"一级学科;"计算机软件与理论"对应软件工程和计算机理论科学等,后来单独成立出"软件工程"一级学科;而"计算机应用技术"则对应计算机的各类应用技术,很大程度上正沿着从信息化到自动化再到智能化的路线前进,可以想见,如果现在这波 AI 浪潮还能持续几年,单独成立"人工智能"一级学科也指日可待。

从研究配置来看,AI 研究队伍主要分布在计算机、自动化、电子工程等信息科学相关院系中,这与 AI 起源有密切关系,计算机的奠基人图灵、冯诺依曼,自动化的主要理论基础"控制论"的奠基人维纳,以及电子工程和信号处理的主要组成"信息论"的奠基人香农,均为 AI 的创立贡献了思想。

所以,计算机系主要从计算理论和计算机应用的角度研究 AI,自动化系从自动控制的角度理解 AI,电子工程系则从信号处理(将 AI 关心的视觉、文本、听觉等模态理解问题看做信号处理)的角度解读 AI。

当然,在哲学、脑神经等其他领域也有从事人工智能探索的学者。不过总体而言,由于人工智能核心目标是探索如何将人类智能转化为可计算问题,因此它主要还是落在计算机领域。

如果希望对 AI 发展有比较通俗全面的了解,可以参考以下两本书:《人工智能狂潮》虽然标题名略显中 2,内容比较扎实,浅显全面并及时涵盖到最近的深度学习浪潮;《人工智能简史》是华人尼克的大作,作者搜集的史料全面扎实,夹叙夹议有很多干货,读起来很过瘾,不过很多地方点到即止,如果没有相关背景知识很难看懂作者所指。

来源:猎维教育


网站首页
线上展会
在线客服