数字核心技术之人工智能

人工智能正在改变我们的生产、生活，未来你需要与机器共存。人工智能，你值得了解。

01 人工智能基本概念

人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能最早在1956年由约翰.麦卡锡提出，当时定义为“制造智能机器的科学与工程”。

人工智能目的就是让机器能够像人一样思考，让机器拥有智能。而判断机器是否拥有智能的方法则被称作“图灵测试”。著名的“图灵测试”由艾伦.麦西森.图灵提出，是指在测试者与被测试者（一个人和一台机器）隔开的情况下，通过一些装置向被测试者随意提问，进行多次测试后，如果机器让平均每个参与者做出超过30%的错误判断，那么这台机器就超过了测试，并被认为具有人工智能。

时至今日，人工智能的内涵已经大大扩展，成为一门交叉学科。该领域的研究包括深度学习、通用智能、机器视觉、指纹识别、人脸识别、视网膜识别、虹膜识别、掌纹识别、专家系统、自动规划、智能搜索、定理证明、博弈、自动程序设计、智能控制、机器人学、语言和图像理解以及遗传编程等方面的应用。

02 人工智能三要素

人工智能三要素是数据、算法、算力。

1. 数据

数字经济时代，无时无刻不在产生大数据。这些数据形式多种多样，大部分都是非结构化数据。海量的数据是人工智能的重要原料，数据对于人工智能的重要性是毋庸置疑的，目前AI学习知识大部分依赖于数据质量。人工智能专家吴恩达认为：人工智能=80%数据+20%算法模型。在应用人工智能算法处理数据前，需要先进行大量的数据预处理。

2.算法

算法是人工智能的灵魂。主流的算法主要分为传统的机器学习算法和深度学习算法。

1980年代，机器学习算法的兴起带动了人工智能的第二轮大发展。机器学习主要是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构甚至不断完善自身的性能，以达到操作者的特定要求。机器学习是人工智能的核心研究领域之一，任何一个没有学习能力的系统都很难被认为是一个真正的智能系统。

2010年以后人工智能迎来了第三轮研究高潮，主要是基于深度神经网络和卷积神经网络等深度学习算法。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习带来的热潮至今仍在持续。

3. 算力

人工智能的发展对算力提出了更高的要求。从芯片的计算能力来看，GPU做浮点计算的能力是CPU的10倍左右，因而在人工智能领域中应用最为广泛。另外深度学习加速框架通过在GPU之上进行优化，再次提升了GPU的计算性能，有利于加速神经网络的计算。

03 人工智能技术及应用

人工智能有五大技术方向：计算机视觉、语音处理、自然语言处理、规划决策、大数据/统计分析。在人工智能技术之上结合各行业实践，在制造、农业、物流、金融、商务、家居等重点行业和领域开展应用，形成各种人工智能行业解决方案，推动人工智能规模化应用，全面提升产业发展智能化水平。人工智能经典的应用场景包括：用户画像分析、基于信用评分的风险控制、欺诈检测、智能投顾、智能审核、智能客服机器人、机器翻译、人脸识别等。

1.计算机视觉

计算机视觉指计算机从图像中识别出物体、场景和活动的能力，包含图像处理、识别检测、分析理解等技术。计算机视觉借鉴了人类看东西的方法，即“三维重构”与“先验知识库”。

计算机视觉有着广泛的应用。医疗成像分析被用来提高疾病的预测、诊断和治疗。在安防及监控领域计算机视觉被用来指认嫌疑人。在购物方面，消费者现在可以用智能手机拍摄下产品以搜索获得更多信息。在金融领域计算机视觉用于人脸识别身份验证。在交通领域，计算机视觉用于汽车牌号识别，在机器人/无人车上作为视觉输入系统等。

未来，计算机视觉有望进入自主理解、分析决策的高级阶段，真正赋予机器“看”的能力，在无人车、智能家居等场景发挥更大的价值。

2.语音处理

让机器学会“听”和“说”，实现与人类的无障碍交流一直是人工智能、人机交互领域的一大梦想。语音处理主要是自动且准确地转录人类的语音。一个完整的语音处理系统，包括前端的信号处理、中间的语音语义识别和对话管理以及后期的语音合成。语音处理的应用包括医疗听写、语音书写、电脑系统声控、电话客服等。但语音处理要真正做到像正常人类一样，与他人流畅沟通、自由交流，还有待时日。

3.自然语言处理

人类的日常社会活动中，语言交流是不同个体间信息交换和沟通的重要途径。对机器而言，能否自然地与人类进行交流、理解人类表达的意思并作出合适的回应，被认为是衡量其智能程度的一个重要参照。

自然语言处理包括知识的获取与表达、自然语言理解、自然语言生成等核心环节，也相应出现了知识图谱、对话管理、机器翻译等研究方向。

4.专家系统

专家系统是具有专门知识和经验的计算机智能程序系统，后台采用的数据库相当于人脑，具有丰富的知识储备。专家系统采用数据库中的知识数据和知识推理技术来模拟专家解决复杂问题。举例来说，人工智能规划决策系统的发展，前期以棋类游戏为载体，很好地限制了问题领域，有利于发挥人工智能优势。比如，AlphaGo战胜李世石，Master对顶级选手取得60连胜等。

5.大数据/统计分析

数据挖掘是知识库的知识发现，通过算法搜索挖掘出有用的信息，应用于市场分析、科学探索、疾病预测等。

除五大技术方向外，人工智能机器人，比如语音机器人、文本机器人以及最新的集大成者的虚拟数字人等，可以综合运用各种人工智能技术。虚拟数字人具备了四方面的能力，即形象能力、感知能力、表达能力和娱乐互动能力，虚拟数字人首先需要通过视觉、语音、文本等理解用户，然后才能进一步思考决策，并通过表情、动作、语音、文字等表达和互动。

04 人工智能的发展趋势：从感知智能到认知智能

感知智能是机器具备了视觉、听觉、触觉等感知能力，将多元数据结构化，并用人类熟悉的方式去沟通和互动。认知智能则是从类脑的研究和认知科学中汲取灵感，结合跨领域的知识图谱、因果推理、持续学习等，赋予机器类似人类的思维逻辑和认识能力，特别是理解、归纳和应用知识的能力。以新能源智能汽车为例，新一代智能汽车除了应用系统感知的智能，实现对周边环境的感知和处理外，还必须通过车网协同、车路协同，甚至综合处理超感知的因素，比如地理、交通、路口、信号、气象等实时信息，从而实现更加安全、便捷、高效的智能服务。

感知智能向认知智能的快速迭代，就更需要跨界协同，进一步提升智能装备的质量和效益。其中最为重要的一环，就是要更加重视类脑科学研究，用创新的理论来指导人工智能的发展。事实上，“感知智能”向“认知智能”转化，是新一代人工智能的发展趋势。