基于弱人工智能發(fā)展的背景分析與應(yīng)用研究

郝 偉

(山西工商學院計算機信息工程學院，山西 太原 030006)

引言

隨著大數(shù)據(jù)等相關(guān)技術(shù)在近幾年的高速發(fā)展，人工智能技術(shù)迎來了發(fā)展拐點。人工智能將成為未來幾十年全球最重要的科技，并成為工業(yè)機器人、無人機、無人駕駛、智能陪伴等新興產(chǎn)業(yè)的重要基礎(chǔ)。2016年是人工智能發(fā)展最快的一年，從“AlphaGo以4:1的比分擊敗了世界圍棋冠軍李世石”到“人工智能診斷癌癥”，人工智能的發(fā)展速度超過了人們的想象，所以2016年被稱為“人工智能元年”。人工智能，即Artificial Intelligence，簡稱AI，起源于上世紀，卻在近年大火。無人駕駛、智能機器人、Alpha Go、智能音箱、人臉識別追蹤、智能語音助手等各種形態(tài)的AI相關(guān)產(chǎn)品與應(yīng)用已經(jīng)悄然入侵了我們生活的方方面面。在整個2017年，似乎任何產(chǎn)品如果不與智能或AI有關(guān)聯(lián)，就會顯得很“Low”，例如智能手機、智能處理器、智能GPU、智能音箱、智能路由器等。人工智能，顧名思義就是人工創(chuàng)造的智能。人工，就是人造的意思。但是智能到底是什么概念呢？業(yè)界一般認為，所謂“智能”，在本質(zhì)上是以人自身的行為動作作為參考，其涉及到了自我意識、思維思想、判定分析以及行為動作等各個方面。所謂“智能”簡而言之可以理解為能思考、有思維、會學習、有判斷分析能力以及被視為最為重要的情感和情緒感知能力。人工智能，就是電腦或類電腦的機器型產(chǎn)物可以模擬人類的思維過程，并進行學習、推理、思考、判斷、規(guī)劃等智能的行為，研究這一領(lǐng)域的學科就是AI人工智能學，它涉及的領(lǐng)域包括計算機科學、數(shù)學、心理學、哲學和語言學等，其內(nèi)涵非常復雜[1]。對于大眾消費者來說，與人工智能最為相關(guān)的是計算機等學科領(lǐng)域在AI研究上的進化，無論是硬件性能、還是軟件、算法環(huán)境等因素的進化，這些不斷發(fā)展進化的計算機硬件與軟件環(huán)境，從而又成了AI人工智能不斷向前發(fā)展的動力。

1 弱人工智能

人工智能是一門研究如何模擬并拓展人類智能的科學, 是指人類制造出的系統(tǒng)所顯示出的智能[2]。根據(jù)1956年達特茅斯會議的定義，“讓機器行為看起來就像是人所表現(xiàn)出的智能行為一樣”，就是人工智能。這句話說起來簡單，但是實現(xiàn)起來頗為復雜。人類目前大部分新技術(shù)的來源和發(fā)展，都離不開對現(xiàn)有生物現(xiàn)象和自然現(xiàn)象的觀察、模仿和規(guī)律總結(jié)。要想發(fā)展人工智能，就離不開對真正的智能、人類思維和人類大腦的研究。但是，由于大腦極端復雜，其研究難度遠超我們的想象，目前的科學界對人類智能、包括大腦如何工作以及大腦是如何產(chǎn)生意識等問題幾乎沒有給出統(tǒng)一和全面的解釋，這就意味著人們?nèi)狈δM的對象，也不夠了解智能產(chǎn)生的原因，實現(xiàn)真正意義上的人工智能更是舉步維艱。在這種大背景下，業(yè)內(nèi)對人工智能的研究就變得更偏向于實用化，其目的是一方面先解決部分應(yīng)用問題，另一方面也是為了等待腦科學、心理學、語言學以及數(shù)學、生命科學等基礎(chǔ)學科的進步。也只有基礎(chǔ)科學有所突破，才能真正打開人工智能的大門。為此，業(yè)界將人工智能劃分為兩大類：強人工智能和弱人工智能。所謂強人工智能，是指機器可以實現(xiàn)自我推理和自我解決問題，并且可以被認為是有自我意識的。強人工智能的機器既可以使用類人的方式實現(xiàn)，也可以使用非類人的方式實現(xiàn)，和人擁有完全不一樣的推理和思維方式等[3]。強人工智能就像科幻電影里面會思考、會自主行動的機器人或者控制人類的超級計算機那樣，擁有自主意識。弱人工智能是指機器擁有一定的判斷和解決問題的能力，但是并沒有真正的智能和意識。廣義來說，整個業(yè)界目前所接觸、研發(fā)和推廣的所有人工智能算法、產(chǎn)品都屬于弱人工智能的范疇，甚至包括你我的智能手機、計算機操作系統(tǒng)等都包含了不少弱人工智能技術(shù)。

2 發(fā)展背景分析

在AI人工智能的發(fā)展歷史上，可以說是充滿了曲折和挑戰(zhàn)，根據(jù)上文所提到的人工智能細分類別，弱人工智能產(chǎn)生、發(fā)展的背景分析，弱人工智能的發(fā)展由三個關(guān)鍵的因素構(gòu)成：硬件基礎(chǔ)、理論支持和進化引擎。

2.1 計算機的誕生與IT產(chǎn)業(yè)的進化為弱人工智能提供了最扎實的硬件模擬基礎(chǔ)

1945年～1946年，世界上第一臺可進入實際應(yīng)用的計算機ENIAC誕生，計算機的出現(xiàn)為弱人工智能研究提供了物質(zhì)上的硬件基礎(chǔ)。同時，科學家John VonNeumann(約翰·馮·諾依曼)提出的著名馮諾依曼架構(gòu)計算體系，表示計算機必須具備輸入/輸出、記憶存儲、數(shù)據(jù)運算、控制程序執(zhí)行等基本功能部件，而這也正是現(xiàn)代計算機的奠基石。1950年，艾倫·圖靈(A.M.Turing)提出了“計算機與智能理論”，并提出了圖靈測試，描述了弱人工智能的雛形。1956年8月，在美國漢諾斯小鎮(zhèn)寧靜的達特茅斯學員中，約翰·麥卡錫(John McCarthy)、馬文·閔斯基(Marvin Minsky，人工智能與認知學專家)、克勞德·香農(nóng)(Claude Shannon，信息論的創(chuàng)始人)、艾倫·紐厄爾(Allen Newell，計算機科學家)以及赫伯特·西蒙(Herbert Simon，諾貝爾經(jīng)濟學獎得主)等科學家正聚在一起， 討論著一個在當時看來非常離經(jīng)叛道的話題——用機器來模仿人類學習以及其它方面的智能。后世將1956年達特茅斯會議公認為人工智能元年。1965年，科學家Edward Feigenbaum等人研發(fā)出了專家系統(tǒng)DENDRAL，這是真正意義上的第一套能有效進行工作的專家智能系統(tǒng)，同年，Gordon Moore提出了著名的摩爾定律，為未來PC計算能力的發(fā)展提出了發(fā)展框架。1982年，以IBM PC為典型代表的新一代PC開始嶄露頭角，新一代PC標準賦予了計算機更強悍的計算性能與更多元化的處理能力，這也為弱人工智能的研究提供了更為優(yōu)秀的硬件基礎(chǔ)。從此，弱人工智能與計算機就相輔相成，結(jié)伴前行。1997年，在弱人工智能經(jīng)歷20年左右的低潮期之后，IBM弱人工智能計算機DeepBlue(深藍)在一次國際象棋的友誼賽中擊敗了當時世界排名第一的冠軍卡斯帕羅夫，引起了整個業(yè)界的劇烈轟動。從這時開始，弱人工智能被各龍頭IT企業(yè)重視，并開始投入巨大的精力針對其市場進行開發(fā)。綜上所述，計算機的誕生與IT產(chǎn)業(yè)的進化為弱人工智能提供了最扎實的硬件模擬基礎(chǔ)。

2.2 人類神經(jīng)學、心理學、語言學以及數(shù)學、生命科學等基礎(chǔ)學科的研究進步與突破為弱人工智能提供了最有力的理論支持

從公元17世紀甚至更早一直到1945年的幾百年間，整個社會都處于對人類自身潛能的研究與開發(fā)上，也正是在這幾百年的時間內(nèi)，《單子論》《人性論》《心理生理學原理》《數(shù)學原理》《邏輯哲學論》以及《行為主義》等著作先后面世，這些對人的大腦、神經(jīng)、行為等進行研究的著作，為后來弱人工智能的萌芽和發(fā)展提供了堅強的理論基礎(chǔ)。1936年，科學家艾倫·圖靈(A.M.Turing)提出了可計算數(shù)學理論，也就是現(xiàn)代計算機計算的基礎(chǔ)，這一理論的提出，為計算機的出現(xiàn)鋪平了道路，也為弱人工智能的發(fā)展打下了基礎(chǔ)。1991年，人工神經(jīng)網(wǎng)絡(luò)正式受到幾乎全球所有國家的關(guān)注與研究。這種并行分布式系統(tǒng)，采用了與傳統(tǒng)人工智能和信息處理技術(shù)完全不同的機制，克服了傳統(tǒng)的基于邏輯符號的人工智能在處理直覺、非結(jié)構(gòu)化信息方面的缺陷，具有自適應(yīng)、自組織和實時學習的特點。對人工神經(jīng)網(wǎng)絡(luò)的研究與構(gòu)建，正是后來弱人工智能發(fā)展的軟件基礎(chǔ)。綜上所述，人類神經(jīng)學、心理學、語言學以及數(shù)學、生命科學等基礎(chǔ)學科的研究進步與突破為弱人工智能提供了最有力的理論支持。

2.3 軟件運算環(huán)境的不斷進化、海量的數(shù)據(jù)庫與算法為弱人工智能提供的則是不斷進化的引擎

從這些年弱人工智能技術(shù)的發(fā)展來看，它不斷地拆分和細分目標，這實際上構(gòu)成了目前弱人工智能研究的基本圖譜，那就是大量的研究方向和不斷涌現(xiàn)的全新算法，大家都試圖在一個小角落中搶先形成突破，不斷解決難題，最終合縱連橫。全球無數(shù)科學家貢獻了幾乎上百種研發(fā)方向，而目前真正有商業(yè)化希望和實際應(yīng)用能力的也只有弱人工智能的機器學習分類下的人工神經(jīng)網(wǎng)絡(luò)部分的深度學習技術(shù)。機器學習，顧名思義就是讓計算機自己學習的方法，人類不斷地通過眼耳鼻舌身接觸外界信息，再經(jīng)由大腦加工學習，形成每個人獨有的意識和思維。這個過程對機器學習來說，就是理解學習的本質(zhì)和建立有效的學習系統(tǒng)的過程，也就是機器通過一定的算法，將外界的大量信息和數(shù)據(jù)梳理加工成機器可以理解、使用、判斷的知識庫，從而達到智能處理數(shù)據(jù)的能力。通過將近30年的發(fā)展，機器學習已經(jīng)發(fā)展成為一門專門的學科，其中涉及諸如概率論、統(tǒng)計學、逼近論、凸分析、計算復雜性理論等大量的內(nèi)容，具體的計算方法也包括人工神經(jīng)網(wǎng)絡(luò)、決策樹、感知器、貝葉斯分類器、高斯回歸、線性判斷等諸多算法[4]，而目前應(yīng)用最成功的則是人工神經(jīng)網(wǎng)絡(luò)。從生物學角度來看，人類的思維和活動主要是由神經(jīng)系統(tǒng)控制的，其中核心的部分就是大腦。構(gòu)成神經(jīng)系統(tǒng)的主要部分是神經(jīng)元，神經(jīng)系統(tǒng)就是不同功能神經(jīng)元網(wǎng)絡(luò)化所構(gòu)成的系統(tǒng)，人類的神經(jīng)元數(shù)量大約在850億左右。和神經(jīng)系統(tǒng)類似的是，所謂人工神經(jīng)網(wǎng)絡(luò)，是人們通過觀察人類中樞神經(jīng)系統(tǒng)運作方法的方式。在人工神經(jīng)網(wǎng)絡(luò)中也有計算節(jié)點，就像神經(jīng)元那樣用于傳遞和處理信息。同樣，人工神經(jīng)網(wǎng)絡(luò)也存在不同的深度和層次。進一步通過網(wǎng)絡(luò)結(jié)構(gòu)來分析的話，人工神經(jīng)網(wǎng)絡(luò)又可以分為前饋神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)和強化式架構(gòu)神經(jīng)網(wǎng)絡(luò)，通過神經(jīng)網(wǎng)絡(luò)技術(shù)和深度學習算法的結(jié)合，弱人工智能才有了突破的曙光。綜上所述，軟件運算環(huán)境的不斷進化、海量的數(shù)據(jù)庫與算法為弱人工智能提供的則是不斷進化和突破的引擎。

3 應(yīng)用研究

1997年，在弱人工智能經(jīng)歷20年左右的低潮期之后，IBM弱人工智能計算機深藍(Deep Blue)在一次國際象棋的友誼賽中擊敗了當時世界排名第一的冠軍卡斯帕羅夫，引起了整個業(yè)界的劇烈轟動，這是弱人工智能里程碑意義的應(yīng)用。2011年，IBM公司的機器人Watson參加智力問答類節(jié)目“危險邊緣”，并在節(jié)目中打敗了兩位人類冠軍，這是機器人對人挑戰(zhàn)的又一次勝利。2012年，谷歌公司在自身的X實驗室內(nèi)，采用計算機神經(jīng)系統(tǒng)，成功識別出一只貓。2016年，谷歌阿爾法圍棋(AlphaGo)機器人，在圍棋比賽中先后戰(zhàn)勝了多名世界名將，在這一年引起了強烈的轟動，甚至阿爾法圍棋(AlphaGo)也被收入了2016年的最熱詞匯，被國內(nèi)的玩家們親切稱為“阿爾法狗”。在那個各種棋類的世界冠軍都被AI霸占的年代，圍棋是人類最后的陣地。這是因為圍棋的狀態(tài)空間復雜度極高——圍棋的復雜度是10的172次方，而國際象棋的復雜度只有10的46次方。這塊最后的陣地曾經(jīng)被認為可以再堅守很久，沒想到19年后，就被谷歌的阿爾法圍棋(AlphaGo)攻破。但本質(zhì)上，圍棋是一款規(guī)則明確且可以計算勝率的游戲；而對于人工智能來說，進階的標志是類似人類行為的各種任務(wù)，比如計算機視覺、自然語言處理等。阿爾法圍棋(AlphaGo)的成績，正是人工智能又向前邁進了一大步的真實體現(xiàn)。2017年，智能機器人在市場上全面開花，NVIDIA、Intel、百度等公司無人駕駛方案開始進入實際應(yīng)用階段，谷歌與IBM的深度學習智能機器人方案也有條不紊地進行。2017年，全球IT龍頭企業(yè)都在押寶人工智能這一未來的藍海領(lǐng)地。

國內(nèi)的互聯(lián)網(wǎng)公司在AI當屬BAT。百度最近取得的一項重大成就是Deep Speech2語音識別系統(tǒng)入選MIT科技評論的2016十大進步技術(shù)，是唯一一家入選的中國公司。阿里在人工智能領(lǐng)域的最典型應(yīng)用場景就是智能客服。阿里客服每天要承擔很大工作量，這些工作逐漸都會被人工智能替代。而語音自動轉(zhuǎn)接、情感識別與關(guān)鍵詞識別等技術(shù)已經(jīng)投入使用中。騰訊公司的“騰訊優(yōu)圖”團隊在人臉識別方向做得很出色，為QQ、財付通、微眾銀行等提供圖像和模式識別技術(shù)支持。2017年12月在中國烏鎮(zhèn)舉行的第四屆世界互聯(lián)網(wǎng)大會，提出人工智能是促進數(shù)字經(jīng)濟的重要技術(shù)源泉。以此為契機，2018年，人工智能將會有較為明顯的爆發(fā)，以無人駕駛、深度學習、智能手機、智能語音識別和智能機器人為主要代表的弱人工智能研究領(lǐng)域?qū)⑷〉酶@著的突破。IRobot時代從此將拉開序幕……

綜上所述，人工智能是一個博大精深的學科，尤其在商業(yè)化應(yīng)用方面取得成功的深度學習連同其它研究方面，共同努力才帶來了目前人工智能技術(shù)的大爆發(fā)、大發(fā)展的態(tài)勢。但是正如本文所述，深度學習的突破和商業(yè)化前景，為人工智能的發(fā)展帶來了一個良好的機會，也只有足夠多的企業(yè)投身其中，并獲得足夠的收益，才會有越來越多的企業(yè)進入人工智能的戰(zhàn)場，開展更多的研究，并推出更多的產(chǎn)品。深度學習技術(shù)目前商業(yè)化應(yīng)用的突破，引發(fā)了各龍頭企業(yè)圍繞深度學習進行深度布局。由此看來，雖然只是人工智能這個大燈籠上扎破了一個小洞，但隨著技術(shù)不斷迭代和應(yīng)用不斷推廣，這個小洞可能會越來越大，我們總有機會一窺人工智能的真面目，逐漸走向更強大的弱人工智能時代，總有一天會撩開強人工智能的面紗，實現(xiàn)真正的人造智慧。