人工智能綜述

李玉環(huán)

摘 要：自2016年3月AlphaGo戰(zhàn)勝世界圍棋冠軍李世石，人工智能也越來越成為社會關(guān)注的焦點，伴隨著人工智能應用的普及以及各界人士對人工智能未來的猜測，進而引發(fā)的人工智能威脅論也被社會各界人士所討論。該文首先介紹了人工智能的發(fā)展歷程，繼而剖析了人工智能的核心部分情感計算機制以及其與人類的關(guān)系進行了分析，接著介紹了目前常用的機器學習部分相關(guān)理論，最后分析了對人工智能的思考這五個方面進行了總結(jié)綜述。

關(guān)鍵詞：人工智能 機器 學習 情感識別

中圖分類號：TP18 文獻標識碼：A 文章編號：1674-098X（2016）06（a）-0077-02

人工智能是一門涵蓋多學科知識，而又被當今社會廣泛應用于多領(lǐng)域，給人帶來便捷、高效的同時，又讓業(yè)界為其擔心的交叉學科知識的綜合產(chǎn)物。隨著各種智能機器人開始服務于各大領(lǐng)域，有超強力量的機械手臂，高效解決問題的專家系統(tǒng)，公眾日?？山佑|到的可穿戴智能設備，從智能手機到各類功能的3D打印技術(shù)，從谷歌眼鏡到全息投影，各類機器設備如雨后春筍不斷涌出。

1 人工智能的發(fā)展

“人工智能”簡稱AI，是集心理認知，機器學習，情感識別，人機交互以及數(shù)據(jù)保存、決策等于一身的多學科技術(shù)。其最早被提出是由McCarthy在20世紀中葉的達特茅斯會議上，這也成為人工智能正式誕生的標志。在人工智能經(jīng)歷兩個低谷后的最近一個階段，從1993年開始，人工智能其實取得了一些里程碑似的成果。比如在1997年，國際象棋冠軍卡斯帕羅夫被深藍戰(zhàn)勝；英國皇家學會舉行的“2014圖靈測試”中“尤金·古斯特曼”第一次“通過”圖靈測試，而這一天恰為計算機科學之父阿蘭·圖靈（Alan Turing）逝世60周年紀念日。2015年以來，“人工智能”開始成為諸多業(yè)界人士關(guān)注的焦點之一。2016年3月AlphaGo在首爾以4∶1戰(zhàn)勝圍棋世界冠軍李世石，繼而引發(fā)了人工智能將如何改變?nèi)祟惿鐣乃伎肌?/p>

2 從AlphaGo看人工智能的“情感機制”與人類的關(guān)系

機器學習算法的本質(zhì)是選擇一個萬能函數(shù)建立預測模型[1]。首先用戶輸入大量訓練樣本數(shù)據(jù)，機器對模型進行訓練，選擇可以使預測的模型達到最優(yōu)的參數(shù)集，從而使模型能夠更好地擬合訓練樣本數(shù)據(jù)的空間分布[2]。谷歌公司在訓練AlphaGo時，收集了20萬職業(yè)圍棋高手的對局，在經(jīng)過不同版本AlphaGo之間的自我對弈，生成了3 000多萬個對局，包含了人類圍棋領(lǐng)域所積累的所有豐富和全面的知識與經(jīng)驗。相比IBM“深藍”戰(zhàn)勝國際象棋卡斯帕羅夫，其依靠了強大的運算能力取得了勝利，AlphaGo的最大進步是從“計算加記憶”進化到“擬合加記憶”法則[2]。智能設備具有了海量數(shù)據(jù)存儲和高速的計算本領(lǐng)，人機交互（human-computer interaction）系統(tǒng)研發(fā)過程遇到的瓶頸仍是識別和表達情感方面。

情感在人際交往中扮演著重要的角色，情緒的識別主要是識別人類傳遞情緒的信號。既可以通過語言直接傳遞，也可以通過語調(diào)、面目表情、姿勢等進行表達。機器具有智能，“情感”是十分重要的一環(huán)。這要求機器具有對認知的解釋與建構(gòu)，而認知的關(guān)鍵問題則是自主和情感意識。

對人工智能的威脅霍金總結(jié)說：“人工智能在短時間內(nèi)發(fā)展取決于應用它的人，長遠來看到底其能否被控制是我們需要關(guān)注的內(nèi)容?！贬槍θ祟悓τ凇叭斯ぶ悄芙K將超越人類”的擔憂可以概括為以下兩點：（1）蠹生于木，而反食于木。恰如部分美國科幻片中所展現(xiàn)的場景，人類創(chuàng)造的機器因被賦予人類情感智力而脫離人類控制。（2）機器因其具有人類交互的情感且很少產(chǎn)生人工失誤而逐漸取代人類的勞動，致使人類無用武之地而待業(yè)失業(yè)。從技術(shù)飛速發(fā)展過程來看，智能設備的應用往往只是其在某一功能極大化的使用，如，專家系統(tǒng)其解決的只是某一領(lǐng)域內(nèi)復雜問題解決方案的決策提供；虛擬現(xiàn)實技術(shù)是生活場景的實體化展現(xiàn)，以方便用戶更好地體驗現(xiàn)實場景；服務領(lǐng)域的機器人，提供的只是某一行業(yè)的服務，恰如汽車提供的只是快速的代步工具而不能與人交流一樣，智能機器只是發(fā)揮其某一單方面的優(yōu)勢，從而更好地輔助人類完成特定的工作。在未來社會，那些簡單重復性的勞動將被機器所取代；此外，還有一些通過大量數(shù)據(jù)進行判別決策類的輸出，從而更好地為人類提供建議；同時對社會生活中重大事變、復雜工業(yè)系統(tǒng)中的故障處理，這些存在危險的領(lǐng)域中有智能設備的存在其實質(zhì)是對人類安全及人類價值的禮遇；而對于那些與人交流密切的服務領(lǐng)域內(nèi)，則更需要人與人的溝通，才能更好地服務于人。這些機器的存在解放了人的身體，進而可以使人類投入更多精力在科研領(lǐng)域。而人工智能與人類之間的關(guān)系，可以用“共存”一詞進行概括，即按勞分配，取長補短[2]。

3 機器學習理論

目前最受社會關(guān)注的智能算法，當屬日本學者福島教授基于Hubel Wiese的視覺認知模型提出的卷積神經(jīng)網(wǎng)絡模型（Convolution Neural Network，CNN），是一種深度監(jiān)督學習下的機器學習模型。深度學習的概念來源于人工神經(jīng)網(wǎng)絡，常見的深度學習算法包括：受限波爾茲曼機（Restricted Boltzmann Machine，RBN），Deep Belief Networks（DBN），卷積網(wǎng)絡（Convolutional Network），堆棧式自動編碼器（Stacked Auto-encoders）。該算法的提出是為解決起初基于1943年，美國心理學家W.S.McCulloch和數(shù)學家W.A.Pitts生物神經(jīng)元計算模型（M-P）[2]的早期人工神經(jīng)網(wǎng)絡中，網(wǎng)絡層超過4層后，用傳統(tǒng)反向傳遞算法訓練而無法收斂的問題而提出。含多隱層的多層感知器就是一種深度學習結(jié)構(gòu)。深度學習通過組合低層特征形成高層屬性類別或特征，從而發(fā)現(xiàn)數(shù)據(jù)的分布特征。重要的人工神經(jīng)網(wǎng)絡算法包括：感知器神經(jīng)網(wǎng)絡（Perceptron Neural Network），反向傳遞（Back Propagation），Hopfield網(wǎng)絡，自組織映射（Self-Organizing Map，SOM），學習矢量量化（Learning Vector Quantization，LVQ）。

簡單介紹一下神經(jīng)網(wǎng)絡：

對應公式為，通過不同權(quán)重的多輸入，得到輸出，該單元也被稱為邏輯回歸模型。當多個單元相互關(guān)聯(lián)，并進行分層后即形成了神經(jīng)網(wǎng)絡模型。

4 人工智能的未來

當前，人才輩出的社會促進技術(shù)手段的不斷創(chuàng)新，大數(shù)據(jù)，物聯(lián)網(wǎng)，虛擬現(xiàn)實、云計算等技術(shù)發(fā)展與機器人人工智能領(lǐng)域不斷融合發(fā)展，這無疑將推動產(chǎn)業(yè)方式發(fā)生改變。

而針對人工智能威脅論，李開復老師針對機器越發(fā)智能化而帶給人類的危機表示：人工智能的真實危機在于未來機器將養(yǎng)活無所事事的人。這也在激勵著人類，機器的智能，在代替人類部分勞動后，需要我們潛心于高科技的發(fā)展，進而不被社會所淘汰。斯特羅斯說“人工智能之于人類，最需要擔心的是其自發(fā)意識。無人機并不能殺人，指導無人機的坐標并投射地獄火導彈的人才能殺人?！边@一說法表明其認為人類已經(jīng)生活在后人工智能世界了，但人們還沒有意識到人工智能都是我們的代理人。這足以表明，人工智能產(chǎn)品的設計，一方面是為人類帶來了更加綠色，智能，方便的生活方式，而另一方面其法律規(guī)范意識，以及人才價值觀及道德的培養(yǎng)更值得社會關(guān)注。

參考文獻

[1] 于玲，吳鐵軍.LS-Ensem：一種用于回歸的集成算法[J].計算機學報，2006（5）：719-726.

[2] 劉偉.關(guān)于人工智能若干重要問題的思考[J].學術(shù)前沿，2016（7）：6-11.

[3] 龔怡宏.人工智能是否終將超越人類智能[J].學術(shù)前沿，2016（7）：12-21.