|
【Pconline 杂谈】当谈到人工智能的时候，各位小主很轻易便能想起科幻电影中天网统治人类、男猪脚穿梭时空摧毁主机跟女主嘿嘿嘿什么的。前段时间闹得沸沸扬扬的Google AlphaGo在人机围棋比赛中4:1战胜李世石，更是将人工智能推上了风口浪尖。
最近大热MWC大会上类似的科技成果屡见不鲜，智能手机与人工智能的契合、物联网、5G通信等，都成为MWC上的大热门。MWC向来是行业风向标，各家科技大佬都争相亮出看门技术，力求一席之地。下面随着小编来看看这些曾经出现在科幻电影中的黑科技吧！ 人工智能的小介绍 人工智能的科学研究要研究人的智慧的内部结构，相当于研究心理学的原理，听起来好像挺玄乎的，人工智能的研究集中在其工程后阶段——工程实现上。
人的智能活动本质上就是获得和运用知识。知识是智能的基础，为了实现人工智能使机器具有智能就必须使它具有知识。
说成人话就是：要采用适当的手段表达人的知识然后才能存储到机器中去这就是用知识表达要解决的问题，对知识进行表达就是把知识表示成便于计算机存储和利用的某种数据结构。知识表达方法又称为知识表示技术，其表示形式称为知识表示模式。
曾经是学霸的小编觉得可以用生物学来解剖人工智能好像还不错。对生物体而言，进化是一个多代累积的基因改变过程，在每一代的进化过程中会有基因的剔除和基因的增加。
在每一次的基因改变后，只有那些拥有适宜于生存环境基因的变异生物能够存活，而那些拥有不适宜生存环境基因的变异生物则无情的被环境淘汰。这个过程就是一次自然选择的过程。
机器学习算法的迭代具有类似生物进化的功效，使得生物进化和工程设计过程的融合成为可能。我们可以把机器学习所需的数据（data）及其规格化处理类比为生物进化过程中的「环境」，把机器学习过程类比为「自然选择」。 机器学习在训练的时候分为监督式学习、非监督式学习、增强学习、聚类、决策树以及深度学习的其他方法。学习的方法虽多，但结果只有一个便是计算出人类需要的且正确的结果。
在人工智能领域，此类实验现象屡见不鲜。例如：K-均值聚类算法常被用来处理图像分割问题，通过对原始无标签的输入数据（通常是图像）进行聚类直至相似特征的数据被合理的聚分至各族群内。 如果将同个任务交给 10 个机器学习工程师，并且是处理同样输入数据集，假如他们使用各不相同的算法，但并不妨碍最终的聚类结果。 从这个维度来比较自然选择和机器学习过程，两者何其相似。以此类推，便能分辨那种算法是最适合某类任务的，一些无用的算法会被人工智能抛弃，优胜劣汰如此来说倒也不无道理。 人工智能的三大流派 人工智能（AI）是最近非常火的一个领域，很多国内的手机厂商都想跟着蹭热点。各大厂商都在没了命地扩展的生态圈也可说是人工智能，因为用户生态圈的构成智能家居是必不可少的，而智能家居正是人工智能索涉及的。
此类人工智能的落地方案是通过积累大量的领域知识来让机器的互联更加聪明。一般将之称为基础人工智能，只能与固定的智能模块互动，其中对专家知识库的精妙构造是主要门槛，不足地方主要有两点：一是需要清楚要解决的问题能怎么解决，二是系统不能“自主学习”。
荣耀推出了旗下新机荣耀Magic，一部依靠智能系统与人工智能作为亮点的手机，加之酷炫的外观得到了业界的广泛关注。网络上不乏好评，称赞着这机器的内在，高喊着“人工智能让人们的生活方便不止一点点”；任正非还谈及了AI的其他布局。
在简单神经网络面前基础人工智能就是一个学渣，它以来自身的算法从（文字、图像、音频、视频）数据中学习，所以其应用领域也十分广泛。当下流行的深度学习框架多是基于简单神经网络的实现，运用特定的算法得出结果。 深度学习通过海量标记数据（labeled data）的训练，已经成功应用在了图像识别，文字翻译，垃圾邮件处理等领域。 回到本质上，简单神经网络依然是一个（高级）数学方法，其弱点就是不适用于小数据训练集场景，另外也不适用于数据规律经常变化的场景。综上所述简单神经网络就是个书呆子。
魅族也在Flyme提出了OneMind的底层优化设计。One Mind 的能力划分为分析、决策和进化这三部分。
在分析能力中，她的主要工作是观察并记录你的日常使用习惯，比如她会知道你平时最常用的应用是哪些，会知道你最喜欢哪些游戏，知道你每天的作息时间，甚至还能够了解什么样的信息对你更重要。
第一步的分析数据为第二步的决策提供了前提。One Mind会自我学习，不仅学习你的APP的使用习惯，对常用应用进行预加载，提高应用的启动速度。而且在晚上还会学习你的睡眠习惯判断你的作息时间，通过限制网络，节省待机功耗，包括自我修复能力能全自动进行后台整理，当你一觉醒来就会发现手机跟重生了一样。
也就是说，One Mind从诞生的那一刻起，就会开始她的学习旅程。在持续的进化当中，她会越来越聪明，会有越来越多基于她所开发的功能，让整个Flyme越来越懂你。  楼上所说的基础人工智能和简单神经网络在生物神经面前还是啥都不懂的小师妹，生物网络是十足的老司机，其基础是 SDR（Sparse distributed Representation），SDR对神经元的模拟与深度学习对神经元的模拟是完全不同的。 比如 HTM（Hierarchical Temporal Memory）就是生物神经网络的一个实现，这种神经网络拥有抽象泛化和想象的能力，它的优势在于能够从无标记数据中学习，不依赖于海量数据训练集，这极有可能扩大了生物神经网络的应用场景，因为现实中很多待解决的长尾问题都是无标记数据和小数量级的。比如Vicarious公司当年通过小数据集破解Captcha。
不知各位看官对钢铁侠的助手是否有印象，没错，就是那个话多的贾维斯！这货就是一个语音助手。如今的手机几乎都预装了语音助手，其实人工智能这样的黑科技就在我们的身边。 当苹果推出语音助手Siri时, 人们对这一新技术不仅充满了好奇，还为以后漫漫长夜有伴而欣喜若狂。从按键到触屏再到语音，人机交互的方式逐渐变得更为快捷智能。 手机语音助手的工作模式一般为为本地语音识别+云计算服务。用户对着手机说话后，这些语音将立即被编码，并转换成一个压缩数字文件，该文件包含了用户语音的相关信息。
用户的手机处于网络连接状态，这些语音信号将被转入用户所使用移动运营商的基站当中，然后再通过一系列固定通道发送至用户的互联网服务供应商(ISP)，该ISP拥有云计算服务器。该服务器中内置的人工智能模块，将通过技术手段来识别用户刚才说过的内容再进行反馈。 服务器识别成功率取决于机器学习的累积与算法的选择，随着科学技术的进步，手机语音识别的准确率愈来愈高，相信在不远的未来，无聊的时候就可以把语音助手拉出来聊聊最新的段子。 人工智能的未来 略微了解网络通信的同学都知道数据库是何其重要，人工智能自然也不例外。数据库相对于人工智能来说等同于射雕英雄传中的九阴真经，功法越多，习武之人则越厉害。网站上的文章、被珍藏在照片和电影都可以看做是一个个数据库，但它不易被机器智能或其他智能所捕获。
也就是说，缺乏数据库的人工智能就刚来地球的外星人，知道的事物知识太少。像 diffbot 和 deepdive 这样的项目是利用半监督学习来找出非结构化数据中的结构，无论是大量的科学论文还是众多网站的碎屑。一旦他们创建了一个数据库，就能用更传统的工具—— API、SQL语句或者桌面应用程序——访问该数据库。
人工智能计算得出的结果是或否正确是其成功与否的标志。AlphaGo可以利用280个GPU进行各种围棋棋路的计算。那么来一台有 280,000 个GPU的计算机怎么样？ 然而，迄今为止我们所制造的最大计算机的计算能力只相当于一只老鼠大脑的一小部分，更不要说与人类相提并论。再者说，人工智能的算法就摆在那，好比塑料量筒不能装硫酸，硬把计算围棋的算法运用在打LOL上这不是赶鸭子上架吗。当一天人工智能变得很聪明了，很显然人类的智力也已经达到另一个层次，还怕老子还收拾不了儿子吗？
道德并不是指所谓的机器人三大原则。不远的未来当思考人工智能真正到来的时候，我们的想象力会受到限制，这来源于人类的天性——懒。而且也很难想象人工智能的应用到底会有哪些，如果我们想要让人工智能服务于人类，就必须公开进行研究，遵守相应的法律法规。
作为人工智能研究人员这一更大社区的一部分，作为更为广泛的公众讨论（讨论目标和宗旨）的一部分。我们必须加强监督，不要打造出人类自己的终结者，但是，也许需要认识到，终结者只不过是一个更强大的、真实的人类自身的版本。 小结 如今越来越多的人类智力活动将与智能机器一起进行。智慧作为人类的专利，是我们成为人的根本，人工智能则是这种属性的延伸。
在通往打造真正智能机器的道路上，我们正在发现新的理论、新的原则、新的方法和新的算法，以上种种的成果，都将改善你我未来的日常生活，而这正是科技为人的初衷。
|
正在阅读：不要害怕！或许人工智能已从科幻电影中来到现实不要害怕！或许人工智能已从科幻电影中来到现实
2017-03-04 00:15
出处：PConline原创
责任编辑：zengyaoxin
