赫尔辛基大学AI基础教程:我们如何定义人工智能(1.1节)

AiTechYun

编辑:chux

芬兰的赫尔辛基大学(诞生Linux的地方)近日推出的AI基础课,由Teemu Roos教授主讲。这个课程共六章,每章三节,随堂附有测验。以下为第一章第一节由ATYUN翻译出品。

也许你已经注意到,人工智能目前是一个“热门话题”:关于人工智能的媒体报道和公众讨论几乎是不可避免的。但是,你也许也会注意到,它对不同的人意味着不同的东西。对于有些人来说,人工智能是可以超越人类智能的人造生命,而对于另一些人来说,几乎所有的数据处理技术都可以称为人工智能。

为此,我们将讨论AI是什么,它是如何定义的,以及其他领域或技术是如何紧密相关的。在我们这样做之前,我们将重点介绍AI的三个应用程序,它们展示了AI的不同方面。我们完成整个课程并最后回到它们的身上,以加深我们的理解。

应用1.自驾车

自驾车需要结合多种人工智能技术:搜索和规划从A到B找到最方便的路线,计算机视觉识别障碍物,并在不确定的情况下做出决策以应对复杂和动态的环境。想要避免事故,每一种方法都必须精确无误地工作。

同样的技术也用于其他自动化系统,例如运送机器人,自动无人机和无人船。

意义:随着系统的可靠性超过人类的水平,道路安全最终应该得到改善。物流链在运送货物时的效率应该提高。人类转入监督角色,关注机器处理驾驶过程中发生的事情。交通是我们日常生活中至关重要的因素,很可能还有一些我们还没有考虑到的影响。

应用程序2.内容推荐

我们在典型的一天中遇到的很多信息都是个性化的。比如Facebook,Twitter,Instagram和其他社交媒体内容;在线广告;Spotify的音乐推荐;Netflix,HBO和其他流媒体服务的电影推荐。许多在线出版商如报纸和广播公司的网站以及Google等搜索引擎也会对其提供的内容进行个性化。

尽管“纽约时报”印刷版首页对于所有读者而言都是相同的,但在线版的首页对于每位用户都是不同的。决定你所看到内容的算法是基于AI的。

意义:虽然许多公司不想透露其算法的细节,但了解基本原则可帮助你了解它的潜在影响:这些涉及所谓的过滤气泡,回声室效应,巨魔工厂,假新闻和新形式的宣传。

应用程序3.图像和视频处理

人脸识别已经成为许多客户,商业和政府应用中使用的商品,例如在人群中根据你的照片识别出你,在社交媒体上自动添加标签以及护照控制。类似的技术可用于识别自动驾驶汽车周围的其他汽车和障碍物,或估算野生动物数量,仅举几例。

AI也可以用来生成或改变视觉内容。当前已经使用的示例包括风格迁移,通过这种迁移,您可以调整您的个人照片,使其看起来像是由梵高画的一样,以及让计算机生成的角色(如阿凡达,指环王以及流行的皮克斯动画的动画人物)复制真人演员的姿态。

意义:当这些技术进步并且变得更加广泛可用时,就可以很容易制作看似很自然的假影片,这些影片无法与真实的镜头区分开来。这挑战了“眼见为实”的观念。

什么是或者什么不是AI?这不是一个简单的问题!

人工智能在媒体中的流行部分原因在于人们开始使用这个术语,因为他们过去曾经用其他名字称呼这种东西。从统计和业务分析到任何手动编码的if-then规则,几乎你看到的任何东西都称为AI。这是为什么?为什么公众对AI的看法如此模糊?我们来看几个原因。

原因1:没有正式商定的定义

即使人工智能的研究人员也没法确切的给出AI的定义。当某些主题被归类为非AI时,这个领域会不断地重新定义,然后会出现新的主题。

AI被定义为“计算机无法做的很酷的事情”,这是一个古怪的玩笑。具有讽刺意味的是,根据这个定义,AI永远无法取得进展:只要我们找到一种方法,用电脑做一些很酷的事情,它就不再是人工智能的问题了。然而,在这个定义中有一个真理的元素。例如,五十年前,自动化搜索和规划的方法被认为属于人工智能领域。如今,这些方法被教给每一位计算机科学专业的学生。同样,处理不确定信息的某些方法正在变得非常清楚,它们很可能很快就会从人工智能转移到统计或概率上。

原因2:科幻小说

人工智能的含义使人们对人工智能意义的混淆更加恶化,这种想法在科幻小说的各种文学作品和电影作品中呈现。科幻小说的故事经常以友善的人形仆人为特色,提供过度详细的信息或机智的对话,但有时可以按照木偶奇遇记那样发展,开始怀疑自己是否可以成为人类。另一类科幻人形生物信奉邪恶的动机,并依照巫师学徒的故事转而背叛他们的主人。

通常这种机器人从外表上非常接近人类,这是可以理解的,因为大多数小说 – 甚至是科幻小说 – 都需要被读者的共鸣,读者会疏远形状奇怪的智能体 。因此,大多数科幻小说都被认为是对当前人类状况的隐喻,而机器人可以被看作是被压抑的社会阶层的替身,或者是我们对生命意义的追寻。

原因3:看起来容易实际上很难……

理解人工智能的另一个难点是很难知道哪些任务是容易的,哪些是困难的。环顾四周,用手捡起物品,思考一下你都做了什么:用你的眼睛扫描你的周围环境,找出适合拾取物品的地方,选择其中一个物品,并计划你的手的轨迹到达那个物品,然后通过依次收缩各种肌肉而移动你的手,并以适当的力量挤压物体以将其保持在你的手指之间。

可能很难理解这一切有多复杂,但当某个环节出现问题时你可能会发现,比如:你选择的物体比预期的要重或轻得多,或者在你握住手柄开门时,其他人正好打开门,然后你会发现自己严重失衡。通常你会感觉这种任务很轻松,但这种感觉掩盖了数百万年的进化和几年的童年实践。

虽然容易,但机器人抓住物体非常困难,而且这是一个积极研究的领域。最近的例子包括Google的机器人抓取项目和花椰菜采摘机器人。

…而且看起来很难的其实很简单

与之相比,下象棋和解决数学练习的任务似乎非常困难,需要多年的实践来掌握和涉及我们的高等能力和集中的意识思想。难怪一些最初的人工智能研究集中在这类任务上,当时似乎这种任务是智能的本质。

事实证明,下象棋非常适合计算机,它可以遵循相当简单的规则,并以每秒数十亿次的计算速度计算许多可选的移动序列。1997年,在著名的“深蓝vs卡斯帕罗夫”比赛中,电脑击败了世界冠军。但你能想象出,更难的问题竟然是抓住了棋子并将棋子准确移动到棋盘上而不碰到其它棋子吗!我们会在第二章研究在国际象棋和三连棋中使用的技术。

同样,尽管深入掌握数学需要(看起来像)人类的直觉和独创性,但许多(但不是全部)练习一个典型的高中或大学课程可以通过应用计算器和简单的规则来解决。

那么什么是更有用的定义?

试图定义一个比计算机还不能做的更有用的定义,那就是列出对人工智能的特征,在这种情况下是自治性和适应性。

关键术语:

自治

无需用户持续指导,即可在复杂环境中执行任务的能力。

适应性

通过从经验中学习来改进表现的能力。

有误导性的词

在定义和谈论人工智能时,我们必须保持谨慎,因为我们使用的许多单词可能会引起误解。常见的例子是学习,理解和智能。

例如,你可能会说,一个系统是智能的,也许是因为它可以提供准确的导航指令或检测皮肤损伤照片中的黑色素瘤。当我们听到这样的话时,“智能”这个词很容易暗示系统能够执行人能够执行的任何任务:去杂货店和做晚餐,洗衣和折叠衣物等等。

同样,当我们说计算机视觉系统能够理解图像是因为它能够将图像分割成不同的对象,如其他汽车,行人,建筑物,道路等等,“理解”这个词很容易暗示系统明白,即使一个人穿着印有道路照片的T恤,也不可能在该道路上行驶。

在上述两种情况下,我们都会犯错。

堤防’行李箱单词’

认知科学家,人工智能最伟大的开拓者之一马文•明斯基(Marvin Minsky)提出了手提箱单词(Suitcase words),该术语带有大量不同的含义,即使我们只打算其中的一种含义。使用这些术语会增加错误解释的风险。

认识到智力不是像温度这样的单一维度很重要。你可以比较今天的温度与昨天的温度,或赫尔辛基的温度与罗马的温度,然后分辨哪一个更高,哪个更低。我们甚至认为有可能根据人们的智力对人进行排名 – 这就是智商(IQ)做的。然而,在人工智能的情况下,很明显不同的AI系统不能在单一轴或维度上进行智能比较。个国际象棋的算法比一个垃圾邮件过滤器更智能,还是自驾驶车比音乐推荐系统更智能?这些问题没有意义。这是因为人工智能很“窄”(我们只会会讲狭义人工智能的意思):只具备解决一个问题的能力。

为什么你可以说“a pinch of AI”,而不是“a AI”

对AI与非AI的分类不是一个明确的是 – 否二分法:虽然有些方法明显是AI,而其他方法显然不是AI,但也有一些方法涉及一小撮AI,就像一小撮盐。因此,有时候谈论“人性”(如在幸福或迷人中)而不是争论是否AI是否更合适。

“AI”不是可数名词

在讨论人工智能时,我们想阻止将AI用作可数名词:一个AI,两个AI,等等。人工智能是一门科学学科,如数学或生物学。这意味着人工智能是解决这些问题的概念,问题和方法的集合。

因为人工智能是一门学科,所以不应该说“一个人工智能”,就像我们不说“一个生物学”一样。当你想要说“我们需要更多的人工智能”时,这一点也应该很清楚。这一听就错了,不是吗?(只对我们而言)

然而,尽管我们不愿意,但将AI用作可数名词是很常见的。举例来说,Data from wearables helped teach an AI to spot signs of diabetes,这是一个非常好的标题,因为它强调了数据的重要性,并明确指出该系统只能检测糖尿病的征兆,而不是诊断和治疗决策。而且你绝对不应该说:Google’s artificial intelligence built an AI that outperforms any made by humans,这是我们见过的历史上最具误导性的AI头条之一(请注意,这个标题不是Googl起的) 。

当然,将AI用作可数名词不是什么大问题,但如果你想像专业人士那样说话,不要说“一个AI”,而应该说“一个AI方法”。

练习1:

下面哪些是AI,哪些不是选项包括:A.是,B.不是,C.部分是(多选)。

1.在给定的数据上计算求和和其他预定义函数的电子表格

2.通过对过去的股票价格数据拟合曲线来预测股票行情

3.用于查找最快路线的GPS导航系统

4.一种音乐推荐系统,如Spotify,根据用户的听歌的行为来推荐音乐

5.可以存储大量数据(如图像或视频)并将它们同时传输给多个用户的大数据存储解决方案

6.应用程序中的图像滤镜,如Photoshop

7.在Prisma等应用中使用的风格迁移滤镜拍摄照片并将其转换为不同的艺术风格(印象派,立体派,……)

原文发布于微信公众号 - ATYUN订阅号(atyun_com)

原文发表时间:2018-05-19

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏WeaponZhi

我的理解—如何入门 AI

上一篇文章里,有同学留言问我能不能写一篇有关 AI 入门的文章,给新手和想学习 AI 的同学一个宏观的认识,这不,认真的我在周日便写下了这篇文章。 前言 实际上...

3466
来自专栏大数据文摘

驯化算法就像驯化小狗一样

2725
来自专栏数据猿

震惊!恐惧!人工智能又一次颠覆世界的企图被挫败!

数据猿导读 将好莱坞电影奉为圭臬,幻想人工智能占领世界的幻想家们又编造出了怎样的噱头? ? 作者 | 大文 本文长度为2000字,建议阅读4分钟 “震惊!恐惧!...

3815
来自专栏PPV课数据科学社区

让我们像驯化小狗一样驯化算法

人类进化学家当中有一种理论,说的是小狗这种宠物是从野兽进化而来,因为只有那些获得了社会化智慧的犬科动物才能存活下来。几千年前狼群在人类聚集地的周围活动,逐渐开始...

2706
来自专栏华章科技

技术红颜告诉你大数据分析的真谛:别只盯着我的钱!

大数据时代已经到来,每个企业都开始忙着数据挖掘,忙着数据分析,忙着构建各种算法模型。但为什么你无法引发“技术红颜”式的蝴蝶效应?为什么你眼中对用户的“精准推荐”...

882
来自专栏AI科技大本营的专栏

AI行业实践精选:机器学习在Google的昨天,今天与明天

【AI100 导读】你知道吗?早在十多年前,Google 就已经在内部教自己的工程师机器学习的相关知识了。本篇文章将告诉你 Google 是如何使用机器学习来不...

35212
来自专栏吉浦迅科技

探访Facebook应用机器学习团队:如何构建研究与应用之间的桥梁?

在Facebook,应用机器学习(AppliedMachine Learning)团队正在帮助这家社交网络公司看见、说话和理解,他们甚至可能会帮助根除假消息。 ...

3856
来自专栏机器学习算法与Python学习

人工智能应届毕业生月薪20k+,他们是如何做到的?

人工智能作为当下热门行业中的热门,释放出了大量的工作机会,而由于人工智能核心人才的缺乏,使得相关岗位的薪资日益水涨船高,特别是AI算法工程师岗,在北京、上海、广...

1.4K5
来自专栏PPV课数据科学社区

【译】如何真正学习数据科学

对于数据科学领域来说,现在是一个令人振奋的时期。它是新兴的研究领域,但是却在飞速的发展。如今数据科学领域需要大量的数据科学家,而他们在硅谷年人均收入则超过10万...

3027
来自专栏数据科学与人工智能

【数据挖掘】系统地学习数据挖掘

问题:如何系统地学习数据挖掘? 虽然是本科毕业,但是在看数据挖掘方面的算法理论时经常感觉一些公式的推导过程如天书一般,例如看svm的数学证明,EM算法..,感觉...

2725

扫码关注云+社区

领取腾讯云代金券