“人工智能”弄潮中關(guān)村

石寧鈺

國際上人工智能的創(chuàng)新和創(chuàng)業(yè)日趨活躍，這將在中關(guān)村掀起一場新的技術(shù)革命……

圍棋人機大戰(zhàn)讓人工智能再度受到廣泛關(guān)注。當街頭巷尾都還在紛紛論人工智能到底是什么、它和我們有什么關(guān)系時，這條人工智能的路早已繼續(xù)高歌猛進，漸漸在中關(guān)村蔓延開來。

概念由來：朋友聚會提出來的“人工智能”

1956年夏天，在美國達特茅斯大學（Dartmouth）召開了一次影響深遠的歷史性會議。這次聚會屬于朋友間沙龍式的學術(shù)研討，與會者僅僅只有10個人，當時僅僅是些名不見經(jīng)傳的年輕學者，但后來，他們的名字人們不再陌生，例如申龍是《信息論》的創(chuàng)始人，塞繆爾編寫了第一個電腦跳棋程序，麥卡錫、明斯基、紐厄爾和西蒙都是“圖林獎”的獲獎者。

達特茅斯會議歷時長達兩個多月，首次提出了“人工智能”（Artificial Intelligence）這一術(shù)語。

達特茅斯會議雖然提出了人工智能，但卻沒能再提出有關(guān)于此的更多內(nèi)容，事實上，人工智能的研究狀況比科學家們的設(shè)想要復雜和艱難的多。20世紀70年代初，人工智能在經(jīng)歷了一段比較快速的發(fā)展時期后，很快就遇到了問題，開始走向低谷。

人工智能的科學家并沒有被一時的困難所嚇倒，他們在認真總結(jié)經(jīng)驗教訓的基礎(chǔ)上努力探索，使人工智能走出實驗室，走向?qū)嵱没?。人工神?jīng)網(wǎng)絡(luò)（artificial neural networks）技術(shù)的迅速發(fā)展無疑讓人工智能的學術(shù)界看到了新的希望，讓人工神經(jīng)網(wǎng)絡(luò)被視為實現(xiàn)人工智能的可能途徑。其實它不是一個新概念，20世紀60年代，人們把它稱之為感知機，再后來人們開始創(chuàng)造多層感知機，也就是我們今天通常聽到的人工神經(jīng)網(wǎng)絡(luò)。

ANN中有稱作神經(jīng)元的計算單元。這些人工神經(jīng)元通過突觸連接，這里的突觸指的是權(quán)重值。也就是說，給定一個數(shù)字，一個神經(jīng)元將執(zhí)行某種計算，然后計算結(jié)果會被乘上一個權(quán)重。如果你的神經(jīng)網(wǎng)絡(luò)只有一層，那么加權(quán)后的結(jié)果就是該神經(jīng)網(wǎng)絡(luò)的輸出值?；蛘?，你也可以配置多層神經(jīng)元，這就是深度學習的基礎(chǔ)概念。

如何執(zhí)行：人工神經(jīng)網(wǎng)絡(luò)通過反向傳播實現(xiàn)

關(guān)于運行計算的神經(jīng)元和神經(jīng)突觸，它們又是如何學習執(zhí)行計算？從本質(zhì)上說，就是我們需要問它們大量的問題，并提供給它們答案，也就是有監(jiān)督學習。借助于足夠多的問題和答案案例，儲存在每個神經(jīng)元和神經(jīng)突觸中的計算和權(quán)值就能慢慢進行調(diào)整。通常，這是通過一個叫做反向傳播（backpropagation）的過程實現(xiàn)的。

具體來說，反向傳播算法就是在學習過程中從最開始輸入層輸入特征向量，網(wǎng)絡(luò)層層計算獲得輸出，輸出層發(fā)現(xiàn)輸出和正確的信息不一樣，這時它就讓最后一層神經(jīng)元進行參數(shù)調(diào)整，最后一層神經(jīng)元不僅自己調(diào)整參數(shù)，還會勒令連接它的倒數(shù)第二層神經(jīng)元調(diào)整，層層往回退著調(diào)整。經(jīng)過調(diào)整的網(wǎng)絡(luò)會在樣本上繼續(xù)測試，如果輸出還是老出錯，繼續(xù)來一輪調(diào)整，直到網(wǎng)絡(luò)輸出滿意為止。

舉例說明，把一張貓的照片交給計算機讓其識別，計算機通過這張照片的像素信息逐層分析，每一層都會有若干個神經(jīng)元負責分解畫面上的信息，比如說第一層負責分析照片上的輪廓信息，這個時候可能有一半的神經(jīng)元判斷這個照片上是狗，另一半覺得這個照片上是貓，沒關(guān)系，再交給下一層分析，下一層的神經(jīng)元負責分析照片上的顏色信息，再下一層負責分析照片上的紋理信息，以此類推。到了最后一層計算機得出的結(jié)果是照片上的動物是狗。但如果計算得出了錯誤的信息，神經(jīng)網(wǎng)絡(luò)就得重新再來一遍，這時候每層的神經(jīng)網(wǎng)絡(luò)就會反省上一次的錯誤，分析得出正確的結(jié)果。

技術(shù)變革：爭做人工智能時代的微軟英特爾

深度學習近幾年已經(jīng)引起很多擁有大數(shù)據(jù)的互聯(lián)網(wǎng)公司爭相投入資源研發(fā)。這個最初來自學術(shù)界的研究成果漸漸開始影響到各大高科技公司……

2012年，百度語音和圖像產(chǎn)品快速崛起，在語音識別準確率方面，2012年全年的進展超過了業(yè)界過去多年進展的總和。在圖像處理方面，百度僅用一個多月的時間就上線了世界首個全網(wǎng)人臉搜索產(chǎn)品，這些重大突破都得益于深度學習技術(shù)的突破與應用。

2013年年初，百度CEO李彥宏宣布成立百度深度學習研究院（Institute of Deep Learning，IDL），這是百度歷史上首個正式成立的前瞻性研究機構(gòu)，致力于“讓計算機像人腦一樣智能”的科學研究。李彥宏明確表示，希望IDL成為像AT&T-Bell labs（貝爾實驗室）、Xerox PARC（施樂帕洛阿爾托研究中心）一樣的頂尖研究機構(gòu)。

地平線機器人技術(shù)研發(fā)有限公司成立于2015年6月，其創(chuàng)始人余凱曾為百度深度學習研究院常務副院長。自2015年5月離職后，余凱便致力于打造基于深度神經(jīng)網(wǎng)絡(luò)的人工智能“大腦”平臺，其中包括了軟件和芯片的研發(fā)，可以做到低功耗、本地化的解決環(huán)境感知、人機交互、決策控制等問題。其中，軟件方面，地平線做了一套基于神經(jīng)網(wǎng)絡(luò)的操作系統(tǒng)，目前也正在研發(fā)分別面向自動駕駛的“雨果”平臺和智能家居的“安徒生”平臺，并已開始在一些具體的應用場景中逐步落地。硬件方面，未來地平線機器人還會為這個平臺設(shè)計一個大腦芯片BPU （Brain Processing Unit） ，支撐自家的操作系統(tǒng)，到那時效能會提升 2-3 個數(shù)量級（100-1000 倍）。

中國科學院計算技術(shù)研究所日前發(fā)布全球首顆神經(jīng)網(wǎng)絡(luò)處理器“寒武紀”。該處理器比“AlphaGo”所使用的處理器在性能上提升兩個數(shù)量級，在硬件設(shè)計上更符合神經(jīng)網(wǎng)絡(luò)逐層分析的特點，從而能準確、快速地識別更加復雜的事物。也就是說，它能夠讓人工智能跑得更快、更遠。

該課題組負責人之一、中科院計算所陳天石博士透露，今年課題組和中科院計算所已經(jīng)孵化了中科寒武紀公司，正式開始進行科研成果的產(chǎn)業(yè)化。未來應用瞄準企業(yè)、科研院所里的高性能服務器、高效能終端芯片、機器人芯片三大領(lǐng)域，實現(xiàn)更多功能、可服務的領(lǐng)域，既包括社會民生，也包括國家重大需求。

陳天石介紹，寒武紀這個地質(zhì)紀年是生物多樣性大爆發(fā)的時代，這項科研成果之所以取這個名字，就是希望人工智能也能像生命一樣出現(xiàn)大爆發(fā)。

國際上人工智能的創(chuàng)新和創(chuàng)業(yè)日趨活躍。以創(chuàng)業(yè)企業(yè)為例，市場調(diào)查公司“風險掃描”繪制的一張人工智能創(chuàng)業(yè)地圖顯示，截至2015年，全球人工智能初創(chuàng)企業(yè)已有855家，橫跨13個門類，總估值超過87億美元。在中關(guān)村，隨著一大批核心科研成果誕生、轉(zhuǎn)化，人工智能領(lǐng)域加速發(fā)展，正帶動一場新的技術(shù)變革。中關(guān)村企業(yè)將爭做人工智能時代的微軟英特爾。