基于机器学习的人工智能

1、基于机器学习的人工智能将让每个平凡人更伟大 罗弗HUST研究 罗弗机器人 罗弗机器人 功能介绍 我们ROVER机器人致力于机器人小脑的研究。 1956年，人工智能（artificial intelligence) 这个词汇诞生于Dartmouth会议，参会学者提出了非常有远见的思考，如何让机器仿真实现智能。当然，这样的思想，更早甚至可以追溯到十七世纪末的哲学家、数学家莱布尼茨，他最早提出通过数学演算来模拟智能。参加Dartmouth会议的先贤们虽然有远见，但有些过分乐观，他们认为人工智能的基本问题可以在一个夏天解决，但是这些问题至今也没有完全解决。1 “传统人工智能系统”多以科学演绎

2、的方式发展人工智能首先应具有感知的能力，通过传感器能够感知到环境的变化；其次是理解力，从感知阶段上升到对世界的理解；第三是决策能力，通过理解之后做出决策。人工智能最简单的形式是通过观测到的现象、数据、知识，映射成预测、判断。例如，输入图像输出“物体”的名字的映射，就是图像识别；输入语音讯号输出“文本序列”，就是语音识别；输入一段话输出“解析的树状结构”，就是云储；输入车辆行使周边路况情况输出“控制决策”，就是自动驾驶。过去基于规则的人工智能系统，多以演绎的方式来建立系统，其概念类似“一生二，二生三，三生万物”。从一个基本法则出发，推导出一个纷繁复杂的系统。这种方法主要受自然科学的方法论的影响，

3、通常从不言自明的公理出发，但从这一思维出发所得到的人工智能系统，常常会过于简单。传统基于规则的人工智能系统，没有取得积极的成果，但却得到了很多教训。其一是这个世界是纷繁的，存在着很多因素和要素，彼此之间有复杂的影响，形成复杂的网络和系统，难以用一个公式来描述；其二是有很多因素和参量不能观测到，所以系统具备不确定性；如果用确定性的规则，无法掌握这样的复杂系统，要采用基于统计的概念；其三是现实世界纷繁复杂很难完整描述，只有从数据中不断地学习、加深对问题的理解，同时跟随数据的演化和进化，才是关键。这也是“大数据”的重要意义，数据在本质上，为人提供了了解世界的可能。2 隐约听到“轰隆隆的雷声

4、”如果说2000年以来，由于互联网带来的数据极大丰富，人工智能在搜索、推荐、广告等互联网的应用上扮演了关键角色，人工智能处于“润物细无声”的萌芽期。那么在2010年以来，人工智能所处的阶段，笔者称之为“于无声处听惊雷”的发展阶段，因为我们还是能隐约听到“轰隆隆的雷声”。人类一直在思考，是否可以通过技术的手段复制人类非凡的大脑和智力，这也是人工智能令人着迷之处。回顾信息技术的发展历程，从信息理论到图灵测试、通信技术发展、计算机信息科学等发展都是为了一个结果，即通过计算让机器具有智能。现在提到人工智能，一个颇具浪漫主义的观点认为，“强人工智能”拥有跟人一样的智能，有强大的学习能力。伟大科学家图灵的

5、图灵测试，提出如果人类分辨不出幕布背后是机器人还是人，其幕布背后的机器就具有“强人工智能”。今天的“人工智能”离真正意义上的“强人工智能”还差得很远。另一种观点认为，机器人具备部分的人工智能，我们称之为“弱人工智能”，它在某个不确定的环境下，完成某类特定任务。对人工智能，大家也常常有哲学思辨的热情。曾经有一个叫做“思想实验”的例子：如果一个房间里关着一个不懂中文的英国人，但是在房间的桌子上有一本中文书需要他来进行认知。而这时从门外递进一张英文说明，需要他按照说明查阅书里内容后写出一份中文翻译，结果是他写出来了。这看起来很智能，但是这个英国人并不懂中文，他写出翻译的表象行为是否是他的智能呢？其实

6、行为方面表现的智能，并不是真正的智能。有一种解释是这个英国人不懂中文，所以体现不出他的智能，但是“英国人书房间”，这个系统是智能的。3 互联网的本质存在深刻的哲学思辨在纷繁复杂的世界里，为解释人和世界的关系，孔子提出了“仁”，宗教提出了“彼岸世界”，互联网提出了“人和世界的连接”。人和世界的连接包括人和信息、人和商品、人和人、人和服务的连接，这也催生了一系列行业机会，创造了巨大的社会价值。互联网带来的重要启示，就是高效连接非常重要。网络索引的趋势是从无序到有序，让无结构化的信息变得有序，更加方便人们获取信息；从数据到语义，方便人们了解数据背后的内容；从线下到线上，检索虚拟信息、商品信

7、息、线下服务信息。搜索引擎就是一个人工智能系统，因为它有一个非常精致的结构：其拥有感知能力，借助免费服务，用户都在为搜索引擎提供数据，真实的信息也因此在不断分层，即外显信息（在社交上晒出的）、部分信息（在特定地方分享）、隐私信息。互联网最精巧的商业模式之一，就是拿着用户信息实现商业价值。正因为对用户的了解足够正确，就可以推出符合用户当下的广告或商品，这就是一个强大的基于大数据的人工智能系统。一切的连接都需要通过媒介，互联网通过个人电脑、手机、智能硬件等延展人的能力，使人和世界的连接更加紧密。通过大数据的支撑，人可以用自然的方式和机器交互，而机器可以更好地索引世界。未来交互的终极形态将是“心灵感

8、应”和“脑机交互”。所有这些，都与机器的进化息息相关，即从个人电脑到智能手机，再分化出智能硬件，最后的趋势是发展出“智能助手”，类似人的助理帮助人完成任何事情。未来通过无处不在的传感器和强大的计算能力，人和机器将完全融为一体，机器将变成在计算机控制下，具有自主行为的机器，它完全懂得人的想法，并能够自主完成人们想做的事。机器变聪明后其在很多方面将超越人类。如对机器而言，学习将是一瞬间可完成的事，只需通过光纤网络传输。而人要学习知识则需要通过语言、交流以及很长的时间记忆，才能真正地理解。机器却能在极短的时间内复制知识、交流知识，其对人类将可能产生威胁。而规避这个威胁的方式，是在交互上取得突破性进展

9、，使人和机器的交互变成零距离。这样，人也可以具有机器的能力，例如将小型芯片植入人体内。4 找到一个简单的规律目前人工智能面临的问题是，如何从数据中学习映射函数，形成训练样本。例如将多个图片定义为“长颈鹿”这个标签，系统通过训练学习，然后自动再将类似新图片打上这个标签。从有限推导无限是不可能的，除非设定了假设，如果没有假设就无法做出判断。“近朱者赤，近墨者黑”就蕴涵了一个朴素的智慧，即在判断的时候一定要隐含假设：两个在某些方面相似的人，在其它方面具有相似的特征和特性。这就反映人工智能的本质问题，即假设的合理性。人们希望从数据得出的结论是简单的、光滑的，而不是复杂的。所以哲学上有一个词汇

10、剃刀原理，它指在能够同时解释某个现象的几条规律中，我们喜欢选择其中最简单的规律。总而言之，我们希望能够找到一个规律，既能找到观测样本，又能得出简单的结果。从纷繁复杂的样本中抽取并总结规律的最好机制，就是人类的大脑。它能够举一反三、不断地学习。在学习中，最简单的单元就是神经元，它有很多神经簇，这些神经簇和其它的神经元相连，神经元接收到外部的信息输入后，把对信息信号的反应通过神经末梢传到其它神经元，这个构造可以用感知机模型这个简单的数学公式描述。基于单个神经元构造具有学习能力的人工智能系统，像神经元一样，从外界获得输入后，传递到中央处理的地方，通过简单的运算再向外输出。今天，这个简单的模型正向几个

11、维度扩展，其将从线性的输入输出，发展到深度神经网络，最后形成具备学习功能的人工智能系统。5 "深度学习"将加速人类进入人工智能时代模拟人类大脑的分层结构以及行为今天已经发现了基于视觉的神经网络（科学家在研究过程中受到了大脑内视觉信息分层表述的启发。随着视觉输入流从视网膜传输到初级视皮层，再到下颞叶皮质，在识别物体前，每层都会进行处理，从而准确地识别物体）。因此，可以用数据训练系统，让系统能够反映出视觉神经网络的结构和行为。为了模拟这一过程，神经网络的设计者们在模型中设计了几层计算。刚开始，最底层的神经元对颜色不敏感，对边界和朝向敏感，它能复原出物体的轮廓，把轮廓提

12、取出来；上面一层的神经元具备一些更有意思的行为，对物体的部位很敏感；更高一层的神经元对物体开始敏感，它是一个逐层的、从局部到整体的敏感过程。这就是从数据开始呈现的视觉网络行为。在听觉神经系统中也有类似现象，我们用数据的深度训练也得到类似的结果。深度学习特别适合大数据过去的模型和方法对大数据的处理存在许多问题，通常衡量一个模型的优劣是用推广误差进行测试。通过推广误差找到原因并得到控制，从而找到一个更好的学习办法。推广误差来自于以下几方面：其一是对模型进行假设，但模型假设会存在误差。在概率统计学中有一个著名的说法：你所有的模型都是错的，但有些模型是有用的；其二是数据的不完美，因为样本有限、或有噪声

13、、或有偏差。这几种情况都会带来误差，因为典型的统计学范畴忽略了一点，即假设了无限的计算资源；其三是计算机完成的实际问题也会导致计算的不完美，会导致误差。所以要尽量让假设完美、让假设足够宽泛、收集大量的数据并寻求算法处理大数据。传统人工智能算法不能处理更大规模的数据，因为如果算法的复杂性和样本是立方的关系，当计算机设备数量和样本成同比立方增长时，将意味着数据增加算法更难，这就是为什么深度学习应该受到重视，它特别适应于大数据，数据越大，算法越好。深度学习是一套灵活的建模语言写出一篇好文章和做出一个好的人工智能系统是相通的，即对语言有足够灵活的驾御能力、需要对所面临的生活和问题有深刻的感悟和思考，灵

14、活的建模语言和内在洞察相结合，才能够做好。深度学习是历史上第一次出现的端到端学习，不管是语音识别还是从感知、预处理到预测、判断，过去绝大部分的工作是做最后一个部分，而没有完成前面的几个动作。从计算上来讲，在没有深度学习之前，上面几个步骤是消耗计算资源的、人工手动的，但深度学习是一气呵成的，减少人工手动。这个变化是革命性的，今天这已经成为共识了。人类大脑是通用处理器吗？人从猴子到现在的人类，人之所以能够从物种中脱颖而出，是因为大脑对人类所需要的特殊能力在不断进行优化。从本质上说，大脑是专用处理器，并非通用处理器。大脑的计算过程较慢，但是人脑对诸如开车、打乒乓球等行为进行了加速处理，从结构上做了专门的优化。6 智能不等于智慧人工智能大规模的应用，伴随着互联网的发展。2000年2009年，是人工智能重新起步的发展阶段，其最大的应用在于PC互联网领域，如搜索、广告等。2010年2019年，语音、图像、机器人操作，将获得突飞猛进的发展。同时，传统行业不断地被颠覆，这是一个“于无声处听惊雷”的时代。2020年2029年将是