人工智能-AI概述.docx

人工智能-AI概述聊聊架构微信号 archtime功能介绍 在这里煮酒聊架构。因为 AlphaGo 的出现，过去的 2016 年可谓是人工智能元年。讨论到人机对战的真正意义，并不在于技术上的突破，而在于对人们固有知识的影响，人工智能的应用会如雨后春笋般诞生，以后没有人工智能的软件以后你都不好意思开口了。自己的工作与人工智能有什么关系，如何在自己的工作中应用人工智能，如何在软件中植入人工智能的基因，使用人工智能应该从何处入手，学习人工智能应该从哪里开始，更深层次的问题是人工智能能否代替人类，作为一个程序员，人工智能是否会代替人类写程序。这里根据我们团队的实践介绍一下如何在软件中应用人工智能。人工智能并不是一个新概念，40 年代维纳的《控制论——关于在动物和机器中控制和通讯的科学》就是人工智能。但早年的人工智能受限于计算能力，更多在解决模型的计算速度和精度上存在着诸多问题。近年来随着云计算技术的发展，计算机的计算能力提高了，同时随着大数据的发展，更复杂的计算问题可以用更多的数据进行修正，人工智能的可用性大大提高。但是我们从目前人工智能应用的情况可以看到，人工智能并不能替代人类，例如在图像识别、语音识别等方面的突破，仅仅是让机器更加聪明而已，还远远没有达到人类的程度，作为人类的智能助手更加合适。与 AI 相关的几个概念 把人工智能的方法应用到软件中，我们先梳理清楚几个概念之间的关系：人工智能（Artificial Intelligence）是一个大的概念，是让机器像人一样思考甚至超越人类；机器学习（Mechine Learning）是实现人工智能的一种方法，机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测；深度学习（Deep learning）又是机器学习的一种实现方式，他是模拟人神经网络的方式，用更多的层数，更多的神经元，然后给系统输入海量的数据，来训练网络；统计学是机器学习和神经网络的一种基础知识，从传统分工来看，统计学一般是数学、统计等专业研究的方向，而机器学习是计算机科学的研究方向，但是目前大家的研究成果越来越殊途同归，有统计学的大师就认为统计实际上一直在从事机器学习的工作。对于深度学习、统计的专家来说，他们更加关注于模型、算法等等，找到可以普适性解决问题的办法。而对于我们应用来说，具体的算法实现不需要我们考虑太多，而是找到适合的场景、合适的模型、匹配的算法，所以应用人工智能实际上是一个计算机、统计、知识工程、行业知识的一个交叉应用。在经常涉及到的应用中，我一般在处理结构化、半结构化数据时优先考虑传统统计学的方法，例如分类、数据相关性、回归等，而处理非结构化数据时（例如图像、视频、文本）优先考虑深度学习的方法，但这些方法也需要有统计学知识。所以，需要补课：线性代数、数理统计、Python，我觉得《机器学习实战》这书入门不错，上述几方面知识都介绍了。基于 AI 如何实现 IA？ 应用人工智能的时候，人们会有一个误区，总是希望得到一个意想不到的结果，也就是希望探索出新知识。经常有人问我，得到的结果好像没有什么我不知道的，我说这就对了，因为你是专家，要是计算机得到的结果都是不可知的，你怎么能相信他？例如 AlphaGo 下的棋，绝大多数都是人类已知的，非常少非常少的情况下，下出一招另类，这已经是一个顶天星的水平了。很多人失望了，这还有啥意思，其实意义很大：1. 计算机可以让常人快速获得以往专家才能具备的知识例如有经验的客户经理，肯定非常了解客户的情况，谁是优质客户，谁需要什么产品等等，不需要计算机。但是通过用户画像等人工智能的手段，计算机可以让经验不够丰富的人，也具备了上述经验，这个做法价值就非常高，毕竟专家是少的。2. 帮助专家减少重复性的工作例如医生在做病理检测时，绝大多数没有生病的情况和有典型病理特征的情况，机器都可以提醒医生，节约医生的宝贵时间。如此看来，我们就会理解，人工智能不是替代人，而是给人类增加一个智能的助手，是增强智能（IA ?Intelligence Augmentation）。计算机作为一个智能助手，可以在不同层面和手段帮助我们，我把他分为机械智能、实现意图的智能和创造意图的智能三个方面：机械智能。我们目前从事的主要工作都是这个，事先设定规则（代码也是规则），让计算机完成大量重复计算，充分利用计算机的计算能力，替代人的手工劳动，这是一个以规则为核心的模式，而这些规则来自于人现有的知识。实现意图智能。人知道最终结果是什么，但是并不告诉计算机采用什么样的规则计算，通过大量数据训练计算机找到规则，然后再让计算机完成大量重复计算，计算机究竟找到的规则是什么，有可能人并不一定能理解，其实往往也不需要理解，把计算机当成了黑盒；创造意图智能。也就是让计算机自己找到人并不知道的新知识