人工智能之旅，真的特别费人工！
https://www.toutiao.com/a6695636734782210572/
?
白箋黑字，道不盡人工智能，飛龍在云魚在水，此情夢想難寄！旭日獨倚東樓，鴻雁巧上簾環(huán)，太公不知何處，直鉤依舊沉浮。
人工智能在未來社會中將會繼續(xù)開發(fā)，成功地將人工智能付諸行動并不是商業(yè)的一次嘗試，商業(yè)需要對它進行根本性的反思。
?
?
?
（圖片來源于互聯(lián)網(wǎng)）
01
圖靈測試（Turing Test）
橫亙在人工智能面前的壁壘
?
?
?
圖靈測試示意圖（圖片來自網(wǎng)絡(luò)）
1950年，英國數(shù)學(xué)家艾倫.麥席.圖靈提出的關(guān)于區(qū)分人工智能的一個測試，測試中要求一個“人”和一臺擁有“智能的機器設(shè)備”在互不相知的情況下，進行隨機的提問交流。如果超過三成的測試者沒有發(fā)現(xiàn)對方是機器設(shè)備，那就代表了這臺設(shè)備擁有“人類智能”。
圖靈當(dāng)時預(yù)測人工智能通過“圖靈測試”的時間是2000年左右。
看來這是一個失敗的預(yù)測，圖靈先生太樂觀了。
70年過去了，一個偉人曾經(jīng)說過：“三十八年過去，彈指一揮間！”，這都彈了兩下響指了，還是不能揮去這個幽靈般存在的壁壘。
七十年，好多人都被滅霸的響指彈的灰飛煙滅了，可這個壁壘依舊存在！
歷經(jīng)七十年，人工智能在深度學(xué)習(xí)、大數(shù)據(jù)分析、混沌模擬、模糊識別、神經(jīng)網(wǎng)絡(luò)等方面已經(jīng)取得了長足的進步，而且，似乎每隔幾年，就會冒出一則“大新聞”：“某某計算機又完全通過了圖靈測試”！
但是，但是，但是卻依然沒有“任何一個”，此處要敲黑板了，注意，是沒有任何一個人工智能真正地通過圖靈測試！全球的科學(xué)家們，依然徘徊在圖靈測試的壁壘之前，舉步維艱。
?
?
?
（圖片來源于互聯(lián)網(wǎng)）
02
人工智能三階段
伴隨思維的提升而提升
一直以為，人工智能離我有點兒距離，光聽聽這個高大上的名字已經(jīng)把我嚇尿了。經(jīng)歷了若干年的研發(fā)產(chǎn)品和實際項目之后，卻發(fā)現(xiàn)其實我早在1985年就已經(jīng)開始了這段旅程，原來他一直就在我身邊，一直在陪伴著我，只是，他太狡猾了，每隔幾年換一個名字！而我，一直到這幾年才搞清楚，他原來一直就有個大名“人工智能”。
自動化旅程，我的第一段人工智能之旅始于1985年，那一年，我用喬幫主的Apple II寫下了第一段人工智能代碼。
很簡單，就是if......,goto......;的集合，通過這些代碼，控制了機械操作的各種行為和動作。真的是好痛苦的，我要針對所有的可能性都加一個“if”和“goto”或者“then”，去做要執(zhí)行的事情。那個時候“人工智能”的名字叫做“自動化”或者“自動化控制”。工作量特別大，其實更主要的是特別費腦，是靠人腦來遍歷和窮盡各種可能性，并為每種可能性寫出要執(zhí)行的操作。
這段旅程現(xiàn)在看來很簡單，但它卻讓不少的操作工失去了飯碗，效率得到了大幅度的提高。罪過啊！
原來我一天只能完成2次正交實驗，變成了一天可以做12次，這是6倍的效率提高。
顯然，這種人工智能的智慧是永遠(yuǎn)不可能超過人類，不，是不可能超過我的智力的。它所有的知識都是我賦予給它的，而它只能簡單機械的去執(zhí)行，它根本就沒有靈活性，我有多傻它就有多傻！一旦遇到我沒有考慮到的，它就不知所措，黑底綠字的屏幕就會一閃一閃亮晶晶的看著我。
遍歷旅程，進入21世紀(jì)，計算機的計算速度一秒可以算幾百萬次甚至更快，這對人工智能來說是一個福音啊。我總算可以編寫一個程序，然后，讓程序去把所有的可能性都去嘗試一遍，并將嘗試結(jié)果依次展現(xiàn)出來。這個時候的代表作就是IBM的“深藍(lán)”，他打敗了人類國際象棋的第一高手。當(dāng)時，很多不負(fù)責(zé)任的編輯就開始猜測“深藍(lán)”何時能主宰人類了。但事實是，這種遍歷算法雖能窮盡所有可能性，但是如果需要遍歷的可能性太多，就算是超級計算機無能為力。所以，那個時候的“深藍(lán)”無法戰(zhàn)勝圍棋選手。看似只有19*19個交叉點的圍棋，其變幻是無窮的。真的計算一下的話，假設(shè)我們一秒鐘數(shù)過一種棋形變幻，要把全部的棋形數(shù)完，大約要數(shù)億年的時間。即使是計算機也不可能很短時間內(nèi)去嘗試每種可能性。
遍歷旅程中的人工智能雖強大，卻無法應(yīng)用在遍歷可能性過多的領(lǐng)域里，所以通用性不強。因而也就沒有太多的用武之地！
神經(jīng)網(wǎng)絡(luò)階段，偉大的摩爾定律驅(qū)使著芯片的快速發(fā)展，這次總算吧我們帶到了第三段旅程了。20世界40年代被提出的神經(jīng)網(wǎng)絡(luò)算法使得人工智能趨于完美。
與數(shù)字計算機比較，人工神經(jīng)網(wǎng)絡(luò)在構(gòu)成原理和功能特點等方面更加接近人腦，它不是按給定的程序一步一步地執(zhí)行運算，而是能夠自身適應(yīng)環(huán)境、總結(jié)規(guī)律、完成某種運算、識別或過程控制。人們只需要預(yù)先給出大量的數(shù)據(jù)，然后設(shè)計一套通用的神經(jīng)網(wǎng)絡(luò)模型，再把這些數(shù)據(jù)帶入神經(jīng)網(wǎng)絡(luò)，讓網(wǎng)絡(luò)自己反復(fù)計算，這個過程就叫訓(xùn)練，一旦訓(xùn)練次數(shù)足夠多，其自己積累的知識和經(jīng)驗就會出現(xiàn)爆發(fā)式的增長，計算機在很短時間內(nèi)完成計算并讓神經(jīng)網(wǎng)絡(luò)學(xué)會某項技能。
AI現(xiàn)在才開始智能。
即便如此，我們現(xiàn)在仍然不得不承認(rèn)，要通過圖靈測試，人工智能依然可能是在短時間內(nèi)無法突破的瓶頸。
?
?
?
（圖片來源于互聯(lián)網(wǎng)）
?
03
人工智能受限于數(shù)據(jù)
人工智能也許并不智能
人工智能在今天已經(jīng)得到了愈加廣泛的重視。并在機器人，經(jīng)濟政治決策，控制系統(tǒng)，仿真系統(tǒng)中得到應(yīng)用。
人工智能比較合適的應(yīng)用范圍：機器翻譯，智能控制，專家系統(tǒng)，機器人學(xué)，語言和圖像理解，遺傳編程機器人工廠，自動程序設(shè)計，航天應(yīng)用，龐大的信息處理，儲存與管理，執(zhí)行化合生命體無法執(zhí)行的或復(fù)雜或規(guī)模龐大的任務(wù)等等。別開這些高大上的名詞，用我們能聽懂的話來說就是：指紋識別，人像識別，文字識別，圖像識別，車牌識別、語音識別等應(yīng)用逐漸成熟，自動駕駛已經(jīng)推出，智能搜索、計算機視覺和圖像處理、機器翻譯和自然語言理解、數(shù)據(jù)挖掘和知識發(fā)現(xiàn)也已經(jīng)被大幅利用在互聯(lián)網(wǎng)技術(shù)上。
值得一提的是，被某些以商業(yè)目為出發(fā)點的公司宣稱的機器翻譯是人工智能的重要分支和最先應(yīng)用領(lǐng)域。不過就已有的機譯成就來看，機譯系統(tǒng)的譯文質(zhì)量離終極目標(biāo)仍相差甚遠(yuǎn)！
神經(jīng)網(wǎng)絡(luò)計算之旅讓我們看到了希望，但是，這一旅程確實是一個苦旅。
期間，我們需要人事先將數(shù)據(jù)準(zhǔn)備好，然后才能喂給神經(jīng)網(wǎng)絡(luò)自己去訓(xùn)練。但是，搜集數(shù)據(jù)的過程，工作量實在是非常非常巨大的。
在人工智能飛速發(fā)展的時代，機器已經(jīng)初步具備人的視覺、聽覺、語義識別的能力。同時如果要讓機器變得越來越“聰明”，需要大量優(yōu)質(zhì)的數(shù)據(jù)來提升機器學(xué)習(xí)的準(zhǔn)確性。
下圖是人工智能在智能呼叫中心總的一個應(yīng)用。
?
?
?
（圖片來源于華云數(shù)創(chuàng)）
看似簡單的一個架構(gòu)，要讓機器變得越來越“聰明”，需要大量優(yōu)質(zhì)的數(shù)據(jù)來提升機器學(xué)習(xí)的準(zhǔn)確性。
要完成這樣一個智能機器人坐席，必須經(jīng)歷“數(shù)據(jù)采集---數(shù)據(jù)標(biāo)注---建模---用標(biāo)注好的數(shù)據(jù)訓(xùn)練模型---模型反復(fù)測試---智能機器坐席”這樣一個冗長的過程。在這個過程中數(shù)據(jù)采集和數(shù)據(jù)標(biāo)注是工作量最大的兩個環(huán)節(jié)，需要大量人工采集數(shù)據(jù)，以及大量人工標(biāo)注數(shù)據(jù)、反復(fù)檢驗數(shù)據(jù)。之后，才可以提供最優(yōu)質(zhì)的數(shù)據(jù)給到機器做學(xué)習(xí)和訓(xùn)練。
人工智能最基礎(chǔ)的、最最重要的一環(huán)卻是最不智能的一環(huán)。網(wǎng)上，有很多的號稱作標(biāo)注的公司的收費都是按小時計的，價格相當(dāng)?shù)陌嘿F。為什么？因為是人工啊！
華云數(shù)創(chuàng)（北京）科技有限公司擁有極強的數(shù)據(jù)治理能力和工具，但是他們也只能在數(shù)據(jù)采集這一層做到主動搜集需要的數(shù)據(jù)，多源異構(gòu)、結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化等對于華云數(shù)創(chuàng)來說都是小菜一碟，他們的工具還能做到自動的數(shù)據(jù)治理，包括數(shù)據(jù)目錄、元數(shù)據(jù)管理、血緣分析、ETL等等。但是當(dāng)筆者問及，在他們做的這個人工智能智能呼叫中心時，如何能提高機器訓(xùn)練的準(zhǔn)確性、如何提高語音、語意和識別率和理解力等問題時，華云數(shù)創(chuàng)的技術(shù)負(fù)責(zé)人也只能苦笑，給了筆者一個字的答案，就是“人”。這是一個費人工的活，目前還沒有其他好的辦法！
?
?
?
上表給了一個特殊的例子，對住宅小區(qū)名字的識別，我國小區(qū)取名字是很有意思，跟我們個人取名字一樣，存在大量的同音、近音字的現(xiàn)象，而且由于南方人發(fā)音嚴(yán)重不準(zhǔn)，要想準(zhǔn)確讓機器識別出目標(biāo)小區(qū)，是一件困難的事情。當(dāng)然，這難不住人，功夫不負(fù)人力，大量的人力幫助了人工智能的智能，上面的抽樣結(jié)果看到了一些智能的感覺。
不知道以后技術(shù)的發(fā)展能否做到不在這么費人工的人工智能呢？讓計算機自己去擴詞、去標(biāo)注、去訓(xùn)練，然后自己去評估學(xué)習(xí)效果，那這就更加完美，我一起去期待吧！
04
深度學(xué)習(xí)是本輪人工智能爆發(fā)的關(guān)鍵技術(shù)
但似乎仍是“曲線擬合”，具有學(xué)到結(jié)果的不可解釋性
人工智能視覺和自然語言處理等領(lǐng)域取得的突破性進展，使得人工智能迎來新一輪爆發(fā)式發(fā)展。而深度學(xué)習(xí)是實現(xiàn)這些突破性進展的關(guān)鍵技術(shù)。
基于深度卷積網(wǎng)絡(luò)的圖像分類技術(shù)已超過人眼的準(zhǔn)確率，基于深度神經(jīng)網(wǎng)絡(luò)的語音識別技術(shù)已達(dá)到95%的準(zhǔn)確率。
1、深度學(xué)習(xí)隨數(shù)據(jù)規(guī)模的增加可不斷提升其性能
2、深度學(xué)習(xí)可從數(shù)據(jù)中直接提取特征，削減了對每一個問題設(shè)計特征提取器的工作
卷積神經(jīng)網(wǎng)絡(luò)廣泛應(yīng)用于計算機視覺領(lǐng)域，在圖像分類、目標(biāo)檢測、語義分割等任務(wù)上的表現(xiàn)大大超越傳統(tǒng)方法。
撇開深度神經(jīng)網(wǎng)絡(luò)的模型復(fù)雜度高，巨量的參數(shù)導(dǎo)致模型尺寸大、模型訓(xùn)練所需的數(shù)據(jù)量大，訓(xùn)練數(shù)據(jù)樣本獲取、標(biāo)注成本高、有些場景樣本難以獲取、應(yīng)用門檻高，算法建模及調(diào)參過程復(fù)雜繁瑣、算法設(shè)計周期長、系統(tǒng)實施維護困難等問題不談。
圖靈獎得主貝葉斯網(wǎng)絡(luò)之父Judea Pearl指出當(dāng)前的深度學(xué)習(xí)不過只是“曲線擬合”，缺乏因果推理能力。
由于內(nèi)部的參數(shù)共享和復(fù)雜的特征抽取與組合，很難解釋模型到底學(xué)習(xí)到了什么，存在學(xué)習(xí)結(jié)果可解釋性問題。
?
?
?
（圖片來源于互聯(lián)網(wǎng)）
05
市場是路由器
轉(zhuǎn)化和優(yōu)化的結(jié)果就是推動人工智能的創(chuàng)新
人類最重要的一個發(fā)明可能就是市場。參與市場的結(jié)果就是導(dǎo)致了對別人有價值的服務(wù)和體驗和產(chǎn)品。
我們每個人為了自己的意愿，不管這種意愿是什么目的，當(dāng)基本上都是為了自己的利益或者夢想出發(fā)的，很有意思的是，其結(jié)果卻是給其他人帶來了利益。
市場的快速無情的反饋，會對任何好的思想，有生命力的技術(shù)，有高價值的場景，起到推波助瀾的作用。任何淘汰的落后的東西，市場一定會有信號指示，并被快速濾掉。
多年前，對于大量多源異構(gòu)數(shù)據(jù)的處理也是存在于數(shù)據(jù)報表領(lǐng)域的一個大難題，需要大量的人力進行處理和導(dǎo)入；同樣，對于統(tǒng)一財務(wù)系統(tǒng)中大量重復(fù)性流程勞動也是需要大量的人力來處理；這類費時費力的低價值的勞動，在今天的人工智能時期，對了，應(yīng)該叫做“弱人工智能”時期，有其必要性，相信在不久的將來，通過市場這個最有效的途徑，很快會有新的突破。
也許人工智能目前真的是人工為主，就像是無盡的黑暗，但黑暗的盡頭是人類文明新的征程。
總結(jié)
以上是生活随笔為你收集整理的人工智能之旅，真的特别费人工！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 念数字
- 下一篇： android 服务自动运行怎么办,怎么