近年来,越来越多的高校开始专门设立人工智能学院,加上人工智能专业的就业风评水涨船高,大量的考生开始涌入人工智能领域方向,仿佛人工智能就是以后的前途明灯,每个人都能聊起人工智能领域的小分支,自然语言处理,语音识别,情感分析,图像识别等等。
---Defunction量子考研,一群专注于计算机考研的同学
那问题来了
人工智能到底是什么呢?
1955年,人工智能之父约翰.麦卡锡(John McCarthy)在达特矛斯会议上提出了“人工智能”一词,并将数学逻辑应用到了人工智能的早期形成中。人工智能就是制造智能的机器,更特指制作人工智能的程序。人工智能模仿人类的思考方式使计算机能智能的思考问题,人工智能通过研究人类大脑的思考、学习和工作方式,然后将研究结果作为开发智能软件和系统的基础。
看到以上定义,一般人都会从生物学的角度去考虑,人工智能毕竟想模仿大脑思维方式,是不是需要大量的生物基础知识,和计算机又有何关系呢?事实上,尽管我们的期望是让机器达到人类的智慧,能够自主学习,辅助人类从事相关工作任务,但是以目前的情况来说,人工智能并不算真正的智能,现有的人工智能和传统生物学并无紧密联系。一般来说,我们认为飞机的发明是受到动物的飞行能力所启发的,鸟类,昆虫类的能够飞翔的翅膀让飞机也拥有相同的部位。但是鸟类和飞机的飞行的原理不尽相同,只有鸟类滑翔的时候才和飞机的飞行类似。所以鸟类只是一个飞机产生的启发式原因,而不是必要条件,否则能让人类个体自由飞翔的机器早已诞生。
既然人工智能和传统生物学并无紧密联系,那人工智能的生物的启发式原因是什么呢?人工智能早期,也就是机器学习为主导的时代,并没有受到生物启发,相关研究人员一直都在研究哪些数学模型能够支撑起自己研究的领域。
举一些简单例子:最小二乘法可以拟合某些点形成的直线,也可以拟合曲线,比如圆和椭圆。也就是说初期的人工智能就是建立多维坐标系,然后寻找一个合适的拟合函数。这听起来并没有那么玄妙,但是这个思路也是正确的,因为许多领域都是从数学发展的。随着研究的推移,机器学习产生的拟合模型在复杂的领域下拟合很差,也就是说机器学习的方法已经不足以应付人工智能的所有领域了。
随着计算机计算能力的飞速发展,神经网络之父杰弗里.辛顿(Geoffrey Hinton)的思想开始受到相关研究人员的广泛关注。他意识到科学家们并没有真正理解大脑——不能完全掌握数十亿神经元之间的交互以及如何提升智力。这些科学家可以解释电信号沿着一个轴突连接一个神经元到另一个,但他们无法解释这些神经元是如何学习或计算的。Hinton认为这些都是大问题,答案可能最终让我们实现1950年代人工智能研究人员的梦想。于是新的数学模型概念诞生,设立多层的数学模型,前一层的输入在通过一个模型之后,产生输出,这时不是直接产生结果,而将产生的输出作为下一层数学模型的输入,继续产生下一级输出。在经过多层的迭代之后,最后产生结果,达到最终目标。这里面的数学知识较多,不仔细进行讲述,总的来说神经网络是一类为了建立更好地数学模型以及获取每一层数学模型的参数而产生的研究领域。
从神经元到神经网络
当然神经网络也不是人工智能的全部,没有人知道未来的人工智能到底是不是神经网络为雏形的学科,但是目前来说神经网络在人工智能领域拟合的十分漂亮,是一个非常值得探索和研究的领域。以目前的人工智能水平来看,人工智能甚至没有达到低级智能,现有的机器人打败人类棋手的现象只不过是计算机的存储能力大于人类的存储能力的一种表象,其处理计算能力远远不如人类,担心人工智能会带来的社会危机还为时尚早。
既然人工智能的前景如此坦荡
那就请
“用大力有余,入细心愈研”
ヾ(◍°∇°◍)ノ゙
领取专属 10元无门槛券
私享最新 技术干货