淺談人工智能算法進(jìn)展及AI應(yīng)用

管昊

摘 要：人工智能算法不斷發(fā)展創(chuàng)新，學(xué)習(xí)層級也不斷增加，在金融、醫(yī)療、電商零售、教育、語音識別等眾多領(lǐng)域得到應(yīng)用。

關(guān)鍵詞：智能算法

近年人工智能算法在不斷創(chuàng)新，取得一次次進(jìn)步，由原來簡單的邏輯回歸算法、線性回歸算法等簡單數(shù)理統(tǒng)計算法發(fā)展為CNN等復(fù)雜的智能算法。隨著算法的不斷復(fù)雜化，其應(yīng)用前景也越來越廣，眾多算法已經(jīng)在語音識別、金融、醫(yī)療等領(lǐng)域應(yīng)用。

1 算法最新進(jìn)展

1.1 FSMN改善語音實(shí)時交互延時問題

雙向RNN算法作為當(dāng)前在語音識別系統(tǒng)廣泛應(yīng)用的主流算法，在語音信息處理工程中面臨一個較大瓶頸：要成功利用未來信息，需要獲得完整語音段，導(dǎo)致在語音實(shí)時交互過程中存在較長時延，不能及時滿足語音實(shí)時交互需求。

前饋型序列記憶網(wǎng)絡(luò)，由輸入層、隱含層、記憶模塊和輸出層構(gòu)成，較傳統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)算法不同之處在于在隱含層旁新增“記憶模塊”。該“記憶模塊”用于存儲對判斷當(dāng)前語音有用的歷史信息和未來信息。較傳統(tǒng)的循環(huán)反饋的RNN，該記憶模塊通過前饋反饋結(jié)構(gòu)實(shí)現(xiàn)記憶功能。它的記憶模塊其優(yōu)勢在于：

傳統(tǒng)雙向RNN算法對當(dāng)前語音幀的判斷需待語音輸入結(jié)束后才能開始，而它對未來信息的記憶，僅需延遲有限時長即可實(shí)現(xiàn)記憶。而該算法在訓(xùn)練過程會出現(xiàn)指數(shù)衰減的梯度消失現(xiàn)象，而這將導(dǎo)致其對信息記憶量十分有限，而它基于前饋時序展開結(jié)構(gòu)的記憶網(wǎng)絡(luò)，在訓(xùn)練過程中梯度沿著記憶模塊與隱含層的連接權(quán)重往回傳給各個時刻即可解決簡單RNN的梯度消失問題，達(dá)到長時記憶能力；

1.2 DFCNN讓卷積神經(jīng)網(wǎng)絡(luò)“聽得更多”

卷積神經(jīng)網(wǎng)絡(luò)算法當(dāng)前廣泛用于圖像識別領(lǐng)域，但由于其所用卷積層數(shù)較少，導(dǎo)致“表達(dá)能力”受限，在其他應(yīng)用領(lǐng)域運(yùn)用較小，如語音識別領(lǐng)域。而它作為CNN的特殊形式，通過使用大量卷積層直接對整句語音信號建模，克服傳統(tǒng)算法無法解讀較長語言和表達(dá)能力有限的弱點(diǎn)，更好地表達(dá)語言的長時相關(guān)性。

它對語音識別的處理，首先通過每幀語音進(jìn)行傅里葉變換，再將時間和頻率作為圖像的兩個維度，然后通過一定數(shù)量的卷積層和池化層的組合，對整句語音進(jìn)行建模，輸出單元直接與最終的識別結(jié)果相對，較目前RNN-CTC系統(tǒng)實(shí)現(xiàn)了15%的性能提升。

1.3 遷移學(xué)習(xí)擴(kuò)寬深度學(xué)習(xí)算法應(yīng)用邊界

近年，國內(nèi)外研究者在訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)、學(xué)習(xí)輸入到輸出的精準(zhǔn)映射上取得長足進(jìn)步。但監(jiān)督學(xué)習(xí)算法在某一領(lǐng)域或某一特定問題上建立起的模型是基于一定的時長和大量已標(biāo)記數(shù)據(jù)的前提下實(shí)現(xiàn)的。當(dāng)在缺乏大量標(biāo)記數(shù)據(jù)的情況下，或者遷移到某一新領(lǐng)域情況下，監(jiān)督學(xué)習(xí)的算法表現(xiàn)一般，要么無法得出可靠模型，要么需要較長時間和大量已標(biāo)記數(shù)據(jù)來建模。

遷移學(xué)習(xí)目標(biāo)在于將某一環(huán)境中學(xué)到的知識用來幫助新環(huán)境中的學(xué)習(xí)任務(wù)，即通過將原先學(xué)到的知識應(yīng)用到新的環(huán)境里，而在新環(huán)境下僅需少量新的標(biāo)記數(shù)據(jù)，建立起高效可靠的新模型，從而提升當(dāng)前深度學(xué)習(xí)算法的泛化能力。遷移學(xué)習(xí)的眾多優(yōu)點(diǎn)，可推動監(jiān)督學(xué)習(xí)算法在未來商業(yè)得到更為廣泛的應(yīng)用。

2 算法最新應(yīng)用

2.1 智能算法在云計算領(lǐng)域應(yīng)用

谷歌致力于更瘦、更綠的云計算數(shù)據(jù)平臺。在14年，它通過安裝智能溫度和照明控制以及采用先進(jìn)的冷卻技術(shù)而非機(jī)械冷卻器，最小化能量損失，使其數(shù)據(jù)中心的耗電量比全球數(shù)據(jù)中心平均水平低50%。對比自身，它現(xiàn)在的數(shù)據(jù)處理性能是5年前的3.5倍，而能耗保持原有水平。

通過18個月的模型研發(fā)與測試，Deep Mind聯(lián)合谷歌云的研發(fā)團(tuán)隊(duì)成功為數(shù)據(jù)中心節(jié)省了40%的冷卻能耗，其中一個試點(diǎn)已經(jīng)達(dá)到了PUE的最低點(diǎn)，未來該技術(shù)可應(yīng)用于提高發(fā)電轉(zhuǎn)換效率、減少半導(dǎo)體生產(chǎn)的能量和用水量。

2.2 智能算法在電商零售領(lǐng)域應(yīng)用

目前，國內(nèi)零售業(yè)現(xiàn)約有40余家人工智能創(chuàng)業(yè)公司，針對電商領(lǐng)域?qū)崿F(xiàn)的功能主要有客服、實(shí)時定價促銷、搜索、銷售預(yù)測等。

客服機(jī)器人是京東自主研發(fā)的人工智能系統(tǒng)，它通過自然語言處理、深度神經(jīng)網(wǎng)絡(luò)、用戶畫像等技術(shù)，能夠完成全天候、無限量的用戶服務(wù)，涵蓋售前咨詢、售后服務(wù)等電子商務(wù)的各個環(huán)節(jié)。它在部分品類的售前咨詢滿意度甚至超過了人工客服，16年全年節(jié)省成本超過億元。它不僅是人工智能的前瞻應(yīng)用，更是打破了傳統(tǒng)客服固有模式。

2.3 智能算法在教育領(lǐng)域應(yīng)用

人工智能在教育領(lǐng)域的應(yīng)用同樣值得關(guān)注，AI將改變在線教育的場景，使得在線教育在形式上更貼近不同用戶的個性化需求。

智學(xué)網(wǎng)是科大訊飛面向?qū)W校日常作業(yè)、考試及學(xué)習(xí)評價需求推出的個性化教育系統(tǒng)化。系統(tǒng)基于科大訊飛全球領(lǐng)先的人工智能核心技術(shù)，能夠?qū)崿F(xiàn)教與學(xué)全場景動態(tài)數(shù)據(jù)的采集與分析，深度挖掘數(shù)據(jù)價值，幫助教育管理者高效決策、教師針對性教育、學(xué)生個性化學(xué)習(xí)，實(shí)現(xiàn)家校互聯(lián)，幫助家長實(shí)時了解孩子的學(xué)習(xí)情況。

2.4 智能算法在智能呼叫中心服務(wù)領(lǐng)域的應(yīng)用

智能呼叫中心系統(tǒng)完全通過自然交互的形式工作，更人性化也更節(jié)約時間，據(jù)統(tǒng)計國內(nèi)智能IVR市場規(guī)模達(dá)150億。

Salesforce將AI應(yīng)用于呼叫中心服務(wù)。它的呼叫中心解決方案是一款能夠讓企業(yè)為每一位客戶提供全天候、更快捷、多渠道支持的企業(yè)服務(wù)產(chǎn)品。作為CRM巨頭，公司在近期公開了產(chǎn)品的一系列性能，它將通過基于上下文的案例背景和以前的通信服務(wù)代理列表響應(yīng)，來提高工具生產(chǎn)力，幫助呼叫中心平臺用戶更好地為顧客服務(wù)。

2.5 智能算法在語音識別領(lǐng)域的應(yīng)用

語音識別技術(shù)將語音中包含的文字信息“提取”出來，相當(dāng)于給機(jī)器安裝上“耳朵”，使其具備“能聽”的功能。目前商用化的智能語音助手包括了谷歌、蘋果、科大訊飛的開放平臺等，各大語音助手呈現(xiàn)出與其背后商業(yè)生態(tài)體系相對應(yīng)的特點(diǎn)。endprint

曉譯翻譯機(jī)—科大訊飛的第一款同聲翻譯機(jī)。它基于深度神經(jīng)網(wǎng)絡(luò)算法上的創(chuàng)新和突破，搭載語音合成與識別引擎、口語翻譯引擎等功能模塊，翻譯機(jī)具有易用性、穩(wěn)定性、安全性等特點(diǎn)。翻譯機(jī)不僅通曉英文，還精通我國少數(shù)民族的語言，目前，它已在新疆“大展身手”，擁有漢維翻譯的能力。未來，翻譯機(jī)還將拓展更多語種的應(yīng)用場景，包含漢藏、漢蒙、中日等其他小語種。它目前正處于前期試點(diǎn)階段，該項(xiàng)產(chǎn)品還有望應(yīng)用于外交領(lǐng)域。

2.6 智能算法在金融風(fēng)控領(lǐng)域的應(yīng)用

算法交易是指通過電腦程序按照指定規(guī)則進(jìn)行證券交易的方法。這些交易規(guī)則通過超越人類速度、頻率及認(rèn)知范圍獲得超額收益。隨著人工智能技術(shù)的進(jìn)步，算法交易從簡單的技術(shù)指標(biāo)分析方法演變?yōu)閺?fù)雜的綜合體系分析方法。

算法通過用戶畫像、輿情分析和預(yù)測等交易模型，以神經(jīng)網(wǎng)絡(luò)算法、聚類算法、增強(qiáng)算法和傳統(tǒng)回歸算法為底層算法，分別實(shí)現(xiàn)了機(jī)器視覺聽覺、降維分析、自然語言處理和模式識別等人工智能功能。

輿情分析技術(shù)是一門利用機(jī)器學(xué)習(xí)和自然語言分析技術(shù)對海量互聯(lián)網(wǎng)信息進(jìn)行感情色彩分析的技術(shù)。帶有輿情分析功能的AI輔助交易系統(tǒng)往往可以在接收到新聞的瞬間做出較快判斷，為交易贏得寶貴時間。

Capital打造選股機(jī)器人Krystal。它是一個可以在海量金融數(shù)據(jù)流中甄別微小非隨機(jī)模式的數(shù)學(xué)模型。通過8年的研究與開發(fā)，它學(xué)習(xí)了69個月的金融數(shù)據(jù)，進(jìn)行了一萬兩千余次模擬交易和一千余次實(shí)盤交易，交易結(jié)果證明其在實(shí)盤運(yùn)用中的有效性。13年底KFL發(fā)布AI基金，截至16年3月總回報為-7.1%，低于納斯達(dá)克的22%回報率。目前該基金資產(chǎn)規(guī)模為220萬美元。

2.7 智能算法在醫(yī)療領(lǐng)域應(yīng)用

IBM認(rèn)知智能的核心在于對非結(jié)構(gòu)化數(shù)據(jù)的理解，即醫(yī)囑、圖像等信息。而醫(yī)療行業(yè)中的非結(jié)構(gòu)化數(shù)據(jù)包含了絕大多數(shù)的信息量。它在醫(yī)療方面的應(yīng)用主要為癌癥的診斷和治療，同時正逐步加強(qiáng)與高校和科研機(jī)構(gòu)的研究發(fā)展，大力發(fā)展大數(shù)據(jù)在腫瘤藥物和精準(zhǔn)醫(yī)療的應(yīng)用。16年它健康應(yīng)用還涵蓋了很多其他的領(lǐng)域：糖尿病等慢病、大健康、醫(yī)療影像、體外檢測、精準(zhǔn)醫(yī)療、機(jī)器人、疾病研究治療。

參考文獻(xiàn)：

[1]智能投資研究院.深度學(xué)習(xí)在語音技術(shù)的前沿應(yīng)用[J].

[2]陳秋喜.16年認(rèn)知計算業(yè)Watson分析報告[J].endprint