人工智能的ABC

前段时间读了李开复的《人工智能》，对于有关什么是AI，李开复给出了五种定义，我更加认可第四种：

AI 就是会学习的计算机程序

AI终究还是程序，而程序能干什么，干的怎么样是取决于不同的算法的。

算法 Algorithm，是AI的第一个要素。

这一轮的人工智能的复兴离不开“机器学习”，尤其是“深度学习”。接下来，让我们看看，计算机程序是怎么“学习”的。

计算机程序要成为AI，首先需要经历一个“学习”的过程，这个学习，就是用“训练数据集”来训练计算机程序，通过“训练”，计算机程序就会总结出数据中的规律和特征，这个过程被称为“建模”，计算机总结出的规律被称为“模型”。当拥有了不同的“模型”，计算机程序就可以下棋、看病、开车、认脸了。

为了让计算机学的更好，需要大量的“训练数据集”，这不就是“大数据”么？因此，这一轮的人工智能复兴，和大数据是紧密关联的。

大数据Big Data，是AI的第二个要素。

关于“深度学习”，李开复用一个可以“识字”的“水管网络”来进行类比：

可以看到这个水管网络除了“入口”和“出口”以外，在中间有很多层，所以相对于只有单层的网络还说，这样的网络被称为“深度”网络。在每一层，都有许多个可以控制水流流向与流量的调节阀。不同类型的任务需要水管以不同类型的方式进行安装和连接。

当计算机看到一张写有“田”子的图片时，就将组成这张图片的所有数字（在计算机里，图片的每个颜色点都是用“0”和“1”组成的数字来表示）全都变成信息的水流，从入口灌进水管网络。 我们在水管网络的每个出口都插一块字牌，对应计算机“认识”的每个汉字。

因为这时计算机输入的是“田”字，等水流过整个水管网络，计算机就会跑到管道出口看看是不是“田”字对应的出口的水流最多，如果是这样，就说明这个管道网络符合要求。如果不是，呵呵，计算机就要忙乎好一阵子了，计算机需要调节每一个水管阀门，就是为了让“田”字对应的水管流出的水最多。

下一步，学习“申”字，计算机就再重复下以上的过程，只不过这一次再调节每一层水管阀门的时候还不能影响“田”字识别的结果。 需要处理的问题越复杂，阀门越多，调节阀门所需要的计算能力也越大。 所以，深度学习需要大量的计算能力。这种能力，被称为计算力。

计算力，capacity of Calculation，是AI的最后一个要素。

对于绝大多数组织来说（巨头或纯科研组织除外），A（算法）基本上是公开的，C（计算力）可以随时在各种“云”买到，那么决定生死的就只有B（大数据）了。