AI與AI，劃分沒(méi)那么簡(jiǎn)單

張澤玲

對(duì)AI的類(lèi)別還傻傻分不清？在正式開(kāi)始探討技術(shù)方面的問(wèn)題之前，看來(lái)我們有必要先對(duì)AI的類(lèi)別與界定做—個(gè)明確的劃分。

01

大腦發(fā)達(dá)Vs.小腦發(fā)達(dá)

對(duì)人類(lèi)而言，視覺(jué)、聽(tīng)覺(jué)、嗅覺(jué)等感知功能以及語(yǔ)言、學(xué)習(xí)、記憶、推理等思維活動(dòng)主要由大腦控制；平衡、姿態(tài)、運(yùn)動(dòng)等與動(dòng)作相關(guān)的行為則主要受小腦支配。而人工智能，也可以分為“大腦發(fā)達(dá)”和“小腦發(fā)達(dá)”兩個(gè)類(lèi)別。

“大腦”很強(qiáng)勢(shì)

幾乎已經(jīng)打遍天下無(wú)敵手的AlphaGo，卻在現(xiàn)實(shí)中一個(gè)棋子也不會(huì)擺。因?yàn)樵谌斯ぶ悄艿募夹g(shù)里，計(jì)算如伺下贏(yíng)圍棋和如何控制機(jī)械臂運(yùn)動(dòng)，幾乎是完全不同的理論和方法。為了從各個(gè)角度模擬人類(lèi)智能，這些處理技術(shù)又細(xì)分為計(jì)算機(jī)視覺(jué)、語(yǔ)音工程、自然語(yǔ)言處理、決策分析系統(tǒng)等多個(gè)方向。而這類(lèi)人工智能大多具有自主學(xué)習(xí)進(jìn)化的能力。

計(jì)算機(jī)視覺(jué)，顧名思義研究如何使機(jī)器“看”，即使用攝影機(jī)和計(jì)算機(jī)對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測(cè)量。如iPhoneX的“刷臉開(kāi)機(jī)”，道路監(jiān)控系統(tǒng)里監(jiān)測(cè)到異常任務(wù)或事件時(shí)自動(dòng)報(bào)警，自動(dòng)分析病人的各類(lèi)體檢圖像來(lái)診斷病情等。

語(yǔ)音工程技術(shù)的應(yīng)用則包括語(yǔ)音導(dǎo)航、智能語(yǔ)音助手Siri和Amazon Echo、語(yǔ)音輸入法等。其中涉及如何在噪音中正確識(shí)別語(yǔ)音、區(qū)分不同口音以及如何生成逼真的人類(lèi)語(yǔ)音等。語(yǔ)音工程常跟自然語(yǔ)言處理技術(shù)結(jié)合運(yùn)用，最顯著的突破就是不同語(yǔ)言之間的翻譯，特別是結(jié)合語(yǔ)音技術(shù)的同聲翻譯。

決策分析系統(tǒng)更多地應(yīng)用在大數(shù)據(jù)分析領(lǐng)域，比如在網(wǎng)上商城購(gòu)物時(shí)，頁(yè)面會(huì)貼心地“猜出”你還想買(mǎi)哪些東西。

“小腦”很給力

大家比較熟悉的波士頓動(dòng)力公司研發(fā)的人形機(jī)器人——Atlas，它經(jīng)過(guò)不斷升級(jí)，從雙腳直立行走到現(xiàn)在能跑能跳，就像是擁有了人類(lèi)“小腦”的智能一般。

相比“大腦發(fā)達(dá)”的理論算法，這類(lèi)人工智能廣泛應(yīng)用的是系統(tǒng)控制理論。通過(guò)傳感器收集外界的信息數(shù)據(jù)，然后讓機(jī)械系統(tǒng)做出一系列的動(dòng)作和反應(yīng)。這個(gè)過(guò)程中各步驟一般都是人類(lèi)提前研究設(shè)定好的，而非機(jī)器“自主”做出決定，為了系統(tǒng)的穩(wěn)定，大多沒(méi)有自主學(xué)習(xí)進(jìn)化的能力。當(dāng)然，現(xiàn)在也有越來(lái)越多的機(jī)器人系統(tǒng)嘗試使用機(jī)器學(xué)習(xí)的理論和算法。

事實(shí)上在現(xiàn)實(shí)應(yīng)用中，“大腦派”和“小腦派”之間并沒(méi)有嚴(yán)格的界限，比如自動(dòng)駕駛汽車(chē)，就同時(shí)應(yīng)用了計(jì)算機(jī)視覺(jué)、信號(hào)處理和系統(tǒng)控制等多個(gè)領(lǐng)域的技術(shù)。而很多能聽(tīng)懂人類(lèi)語(yǔ)音指令的掃地機(jī)器人，也同時(shí)使用了語(yǔ)音工程、自然語(yǔ)言識(shí)別和系統(tǒng)控制。

02

強(qiáng)人工智能Vs.弱人工智能

說(shuō)起人工智能，我們的第一印象都是科幻作品中那些跟人類(lèi)一樣聰敏的機(jī)器人。受到目前人類(lèi)科學(xué)技術(shù)的限制，我們還沒(méi)有一款人工智能可以達(dá)到人類(lèi)的智能水平。人工智能想要達(dá)到人類(lèi)的水平首先要通過(guò)圖靈測(cè)試——如果人類(lèi)和一個(gè)未知的聊天對(duì)象談話(huà)，過(guò)程中參與聊天的人工智能讓人類(lèi)無(wú)法分辨出是機(jī)器還是人類(lèi)，那么這個(gè)人工智能就通過(guò)了圖靈測(cè)試。能夠通過(guò)圖靈測(cè)試，并且像人類(lèi)一樣擁有邏輯推理和解決問(wèn)題能力的，被稱(chēng)為強(qiáng)人工智能。許多科幻影視作品中，與人類(lèi)無(wú)異甚至能以假亂真的機(jī)器人就是典型的強(qiáng)人工智能。

反之，現(xiàn)實(shí)生活中那些只具有部分人類(lèi)智能的，都被稱(chēng)為弱人工智能。雖然學(xué)術(shù)界還在爭(zhēng)論強(qiáng)人工智能是否能夠真正實(shí)現(xiàn)，但科學(xué)家和工程師們從未放棄讓人工智能越來(lái)越聰明，越來(lái)越接近人類(lèi)智能的嘗試和努力。

03

擬人派Vs.機(jī)器學(xué)習(xí)派

就像是我們?cè)谠噲D飛翔時(shí)模仿過(guò)飛鳥(niǎo)，早期的人工智能理論也大量參考人類(lèi)智能、意識(shí)和情感的形成原理?？茖W(xué)家們?cè)噲D在機(jī)器上用符號(hào)重現(xiàn)人類(lèi)邏輯推理和認(rèn)知過(guò)程，以及模擬人類(lèi)大腦。但由于當(dāng)下對(duì)人類(lèi)大腦和神經(jīng)系統(tǒng)所知甚少，計(jì)算機(jī)和機(jī)器的運(yùn)行原理結(jié)構(gòu)又與人類(lèi)大腦相差太大，所以這一理論的實(shí)現(xiàn)遇到了很大困難。雖然在很多科幻作品中能見(jiàn)到這類(lèi)人工智能的身影，但現(xiàn)實(shí)中還沒(méi)真正出現(xiàn)。不過(guò)，科學(xué)家們依然在某些領(lǐng)域試圖從心理或神經(jīng)方面參考人類(lèi)智能，比如在人工智能和人類(lèi)交互的領(lǐng)域。

而另一類(lèi)則是基于數(shù)學(xué)統(tǒng)計(jì)方法和計(jì)算機(jī)理論的機(jī)器學(xué)習(xí)。“深度學(xué)習(xí)”“神經(jīng)網(wǎng)絡(luò)”都是這一領(lǐng)域常用的方法和模型。說(shuō)起“神經(jīng)網(wǎng)絡(luò)”，它的本質(zhì)其實(shí)只是在計(jì)算機(jī)上運(yùn)行的數(shù)學(xué)模型，只是其中運(yùn)算推理的過(guò)程參考了人類(lèi)神經(jīng)元的機(jī)理。比起傳統(tǒng)的人工智能理論，機(jī)器學(xué)習(xí)理論最大的優(yōu)勢(shì)是賦予了計(jì)算機(jī)一定的學(xué)習(xí)能力和自主性，而不需要人類(lèi)巨細(xì)靡遺地提前設(shè)定。不過(guò)這一派也離構(gòu)建“強(qiáng)人工智能”的目標(biāo)有很長(zhǎng)的路要走。

不管是自我學(xué)習(xí)，還是依照指令做出行動(dòng)，機(jī)器的學(xué)習(xí)進(jìn)化依賴(lài)大量的數(shù)據(jù)，這些數(shù)據(jù)需要人力來(lái)處理，學(xué)習(xí)過(guò)程也要得到人類(lèi)監(jiān)視，學(xué)好的模型也需要人類(lèi)來(lái)“調(diào)教”。但無(wú)論未來(lái)人工智能的發(fā)展出現(xiàn)怎樣的新方向和派別，我們的研發(fā)宗旨自始至終，都是致力于為人類(lèi)服務(wù)。