轻松＋愉快的学习人工智能知识

来啦，坐。

我是老杨，如约而至。今天我要来讲讲人工智能的知识了。

人工智能

请允许我先占用你一分钟讲个小故事：依稀记得2012年，老杨当时在做电商广告平台，广告平台嘛最核心的就是赚更多的钱，而提升广告的点击率又是最直接最有效的手段，提升点击率的目的当然也很明显，就是把广告推给最合适的人来促成更多的点击，所以我需要清楚的知道躲在电脑背后的用户是男是女还是隔壁邻居的二大爷的侄女的小狗狗，预测用户性别正好是一个典型的监督学习问题，为了赚更多的钱，我就头悬梁锥刺股的去啃了监督学习的东东：逻辑回归、决策树、支持向量机等，好在用起来的确是美不胜收的，大大的赚了一发，没白学。

这就是我与人工智能的初识，虽然目的有点俗不可耐，但是它让我领略到了人工智能的魅力，开启了我通往人工智能的大门，之后我又把非监督学习、神经网络等在广告点击率预估场景中进行了应用，也收获颇丰。仔细想想互联网广告行业在技术创新上一直是很领先的，看来金钱果然是进步的源动力，^_^。

故事告一段落了，言归正传，众所周知人工智能缘起于1956年达特茅斯大会，发展至今也有五十多年了，可以说是经历了三起三落，如图1：

图1 人工智能发展史

1.1956年-20世纪60年代初是第一个高潮期，主要是以逻辑学为主导的定理证明，然而由于计算机能力的不足，以及当时的人工智能本身并不具备学习能力，20世纪60年代初-70年代初迎来了人工智能的第一个低谷期，那么自然各种压力和经费问题也接踵而至，人工智能的前景也顿时蒙上了一层阴影。

2.好在总有那么一小撮不按常理出牌的人继续坚持研究，终于在1980年卡内基梅隆大学的第一套专家系统XCON诞生了，XCON系统到底每年能为公司节省多少钱一直是个谜，最高的说法是四千万美元，最低的说法也有几百万美元，无论如何XCON专家系统经历了近10年的黄金期，也是人工智能的第二个高潮期，然而随着第五代计算机的幻灭，人工智能嘴里哼唱着“为什么受伤的总是我”，走进了第二个寒冬。

3.果然冬天已经来了，春天也不会遥远，经历了两次高潮两次低谷，人工智能们学乖了，对人工智能的认知也回归理性和客观，同时大数据存储和计算能力也得到大幅提升，人工智能技术也随之有了突破性发展，于是乎，在1997年终于一个“像样”的人工智能产品问世了——IBM的“深蓝”，而其以摧枯拉朽之势战胜国际象棋世界冠军卡斯帕罗夫更是一个重要的里程碑，人工智能从此进入了平稳发展阶段。

今天，可以毫不夸张的说：“一个不了解人工智能的程序员绝不是好司机”，为什么？下面来看一些事实：2006年之后以神经网络主导的深度学习得到很大突破；2016年Google机器翻译准确率达到87%；在2016到2017年Google的AlphaGO在围棋领域的一系列骚操作；人工智能全球市场规模达2.43万亿美金，而且以每年近30%的增长率在提升；各大科技公司与人工智能藕断丝连的关系；这林林种种无不表明人工智能基本上已经熬出头了，未来嘛要么做人工智能，要么被人工智能做。

那为了帮助你成为好司机，老杨倾情总结了三张图，分别从行业、业务和技术的角度来阐述人工智能，进而帮助你了解人工智能、学习人工智能，跟着人工智能的节奏跳起来吧老弟，走着。

第一张图——从行业角度看人工智能，人工智能的基础是数据和算力，核心是算法，中间层是语音、图像、自然语言处理等领域的技术服务，上层是建立在数据、算力和算法的基础上的垂直行业应用。

那巨头在人工智能行业都有哪些布局呢？很显然BAT三个高富帅自然是不会对人工智能这个香饽饽坐视不管的，其中B呢比较浪漫，走的是先技术后场景的思路，网罗了世界顶尖的人工智能人才，基本上形成了自己的人工智能生态。A呢比较实际，主要把人工智能应用于电商、物流等零售服务，为业务赋能，但随着人工智能行业的明朗化，A也学的浪漫起来，开始启动NASA计划，又成立达摩院，也是高调的宣布要与人工智能进行一次浪漫的烛光晚餐了。T呢不紧不慢，主要聚焦在人才储备，算力，算法上。当然还有一些试图逆袭的有为青年，如语音识别的小飞，计算机视觉的小商和小旷，以及智适应教育的小松鼠等，百花齐放，此处不得不感慨一番，要想追上人工智能的脚步，的确得有两把刷子。

从行业角度看人工智能

第二张图——从业务角度看人工智能，此图是我电商工作的实践，分为三层：

1.上层是指人工智能在产品交互方式、推荐、搜索、广告等场景中使用；

2.中间层是指在算法、数据的基础上，通过语音识别、计算机视觉、自然语言处理等技术提供交互、推荐、搜索等服务，供使用。

3.下层是人工智能的基础层，负责数据的采集、传输、存储、计算、分析和挖掘，以及构建算法模型供使用。

从业务角度看人工智能

第三张图——从技术角度看人工智能，此图也是我电商工作的实践，分为六层：

1.下面三层是通用的大数据平台架构，上面两层是通用的互联网平台架构；

2.强调一点，主要差异就在算法框架层，应用开源的机器学习框架TensorFlow和神经网络库Keras，把更专业的事交给更专业的平台去完成，业务研发更多的关注业务逻辑的实现。

从技术角度看人工智能

好，上述三张图是对人工智能的总结概括，图本身已经很清晰了，不需要太多解释，相信通过上面三张图，你对人工智能的概念，人工智能的技术，人工智能的应用都有了了解，对如何把工智能应用到工作中也应该有了认知，那么如果要深入掌握人工智能，还是需要把数学、算法、机器学习、神经网络、深度学习等进行更深入的研究与实践，相信一定是物超所值的。

人工智能是大趋势，作为一个有追求的少年尤其是程序员还是最好掌握的，毕竟程序员“生活寡淡”，有人工智能这么个爱好，也是极好的。

想深入了解的人工智能的朋友可以随时找老杨聊。谢啦，下次见。