遇見薩曼莎（Samantha）。她是你來自2025年的貼心助手。她可以幫你整理郵件、設(shè)置您的會議以及雜貨訂單。她會畫畫和寫詩。她是你最好的朋友。她是電影《她》里的人工智能，這也是我們可以想象Siri會把我們的生活改變成怎樣的動人。
　　現(xiàn)在，大小型高科技公司都在競相使這成為現(xiàn)實。你看看新聞就會聽說過這些行話：AI、機器學(xué)習、深度學(xué)習、神經(jīng)網(wǎng)絡(luò)、自然語言處理。
　　也許這一切都有點疑惑。因此，以下是關(guān)于這些概念的基本知識，以及它們之間是如何關(guān)聯(lián)的。
　　什么是人工智能（AI）？
　　簡單地說，AI是試圖讓計算機變得智能，甚至比人類更聰明。這是讓電腦擁有類人類的行為、思維過程和推理能力。
　　有兩種人工智能：
　　狹義的AI（弱AI）
　　這種AI只專注于一種狹義的任務(wù)。現(xiàn)在我們的身邊已經(jīng)處處都是弱AI了。它已經(jīng)在國際象棋，電視競賽節(jié)目《危險邊緣》，還有最近的圍棋比賽中擊敗了我們?nèi)祟悺?br /> 　　像Siri和Cortana這樣的數(shù)字助手可以給我們提供天氣信息以及在路上自動駕駛汽車。但是，它們有很大的局限性。自動駕駛汽車不會下國際象棋。Siri也無法讀取和刪除不重要的郵件。弱AI有一個狹隘的范圍：它不能超越最先為其設(shè)置的功能。
　　
　　Cortana就是一個弱AI的例子
　　通用AI（強AI）
　　下面我們進入科幻小說的王國。薩曼莎毫無疑問被定義成一個強AI。她可以學(xué)到新的東西，并修改自己的代碼庫。她可以在國際象棋和開車上都打敗人類。
　　AI的分析
　　現(xiàn)在我們知道通用AI是我們的終極目標，那么我們怎么才能實現(xiàn)它呢？這里列出5個需要精通的領(lǐng)域：
　　感知：像我們?nèi)祟愐粯樱慌_電腦也需要五官來與世界進行互動。但它并不僅僅局限于這五個方面。它可以有人不具備的感覺。透視眼？聲納探測？所有的可能。
　　自然語言處理（NLP）：超越感知世界，AI需要懂得解釋語言和寫字。他們需要解析句子和理解它們之間的細微差別、口音和含義。同一個句子根據(jù)上下文不同可以有不同的含義，所以這個任務(wù)的難度是眾所周知的。
　　知識表達：既然它可以感知到東西 - 物體，人，概念，詞語和數(shù)學(xué)符號 - 它需要一種方式來表示它們大腦中的世界。
　　推理：一旦它通過其感官收集到數(shù)據(jù)并和概念連起來，它就可以使用該數(shù)據(jù)來按照邏輯解決問題。例如，一個象棋軟件檢測到棋盤上的棋子走動，就可以計算出應(yīng)對的策略。
　　規(guī)劃和導(dǎo)航：要想做到真正像人類一樣，AI不僅要像人類一樣思考。還應(yīng)該在我們中間生活。因此，研究人員的一個大問題就是幫助人工智能在三維世界中移動和規(guī)劃最佳路徑。自主意識的交通工具必須做好這一點，因為一個錯誤就會出人命。
　　
　　新加坡***乘坐自動駕駛汽車兜風。圖片來源：Kenji Soon， MCI 。
　　你可以看到這些方面是如何在一起協(xié)調(diào)工作的，諸如機器視覺，它是利用成像和圖像分析來解決問題。舉個例子，F(xiàn)acebook解析你上傳到社交網(wǎng)絡(luò)上的照片來建議你應(yīng)該標記誰，并且這已相當?shù)臏蚀_。
　　自動駕駛汽車也許是目前最復(fù)雜的機器視覺處理任務(wù)了。它需要認清路標，遵守車道，注意車輛、物體和人。它在能見度惡劣的天氣條件下，不管白天黑夜，是在破舊的路上還是全新的路上，都要能正常工作。
　　實現(xiàn)工具
　　這些概念并不是新的。他們早在1956年就在達特矛斯會議（Dartmouth Conferences）上被提出，這次會議是人工智能領(lǐng)域的開創(chuàng)性事件。
　　讓技術(shù)跟上我們的想象要花幾十年的時間，我們似乎也馬上就要最終站在AI革命的風口浪尖上，隨著更多的風險資本投資，更多的大型科技企業(yè)投入到AI的研發(fā)中來，我們在日常的生活越來越多地使用到AI。
　　促進AI崛起的重要因素包括摩爾定律，這讓我們可以在更小、更高效的芯片上注入更多的計算能力。計算能力到達一定程度后，AI就將會變得既實用又劃算。
　　
　　谷歌在貓的識別上取得重大突破。圖片來源：zbeads
　　大數(shù)據(jù)是導(dǎo)致AI崛起的另一個趨勢：當谷歌在2012年為神經(jīng)網(wǎng)絡(luò)輸入了海量的數(shù)據(jù)之后，取得了突破性進展，這其中包括1000萬張YouTube的視頻劇照。
　　其結(jié)果是，神經(jīng)網(wǎng)絡(luò)在沒人教它的情況下學(xué)會了辨識貓，取得了75％的準確率。沒有這1000萬個視頻資料庫是不可能實現(xiàn)的。
　　當機器會學(xué)習
　　現(xiàn)在，讓我們理清幾個常常容易相互混淆的概念。機器學(xué)習是一個專注于從數(shù)據(jù)里學(xué)習insights并利用它們來預(yù)言世界的AI技術(shù)。
　　
　　決策樹算法。 圖片來源：Wikipedia
　　機器學(xué)習已經(jīng)用算法實現(xiàn)了。一個任務(wù)是通過一系列算法來完成的。這種算法的例子包括決策樹學(xué)習和關(guān)聯(lián)規(guī)則學(xué)習。
　　機器學(xué)習算法使整個世界閃耀了起來，但是，它只是人工神經(jīng)網(wǎng)絡(luò)，一個由我們大腦的神經(jīng)如何運作而得到啟發(fā)的技術(shù)。
　　它甚至進入了流行文化：在喜劇系列《硅谷》中，創(chuàng)業(yè)公司Pied Piper就是在神經(jīng)網(wǎng)絡(luò)上運行其壓縮服務(wù)。
　　視頻：https://youtu.be/E2YcOV5C2x4
　　這里有一個簡單的解釋：神經(jīng)網(wǎng)絡(luò)是由好幾層的神經(jīng)元組成的。輸入被傳遞到第一層上。單個神經(jīng)元接收輸入，給每個輸入值一個權(quán)重值，并在這個權(quán)重值的基礎(chǔ)上產(chǎn)生一個輸出。
　　輸出從第一層被傳遞到第二層來進行處理，以此類推。最終的輸出就這樣生成了。
　　然后，奇跡就發(fā)生了。運行網(wǎng)絡(luò)的人定義了“正確”的最終輸出應(yīng)該是什么。每次數(shù)據(jù)通過網(wǎng)絡(luò)傳遞，最終的結(jié)果都是與“正確”的值比較，每次它都會調(diào)整權(quán)重值直至其創(chuàng)建正確的最終輸出。這個網(wǎng)絡(luò)實際上是在進行自我訓(xùn)練。
　　舉個例子，這個人造大腦可以學(xué)習如何從照片中識別椅子。隨著時間的推移，它會學(xué)會什么是椅子的特性，來提高他們識別出椅子的概率。
　　Facebook的AI負責人Yann LeCun用類推法來解釋神經(jīng)網(wǎng)絡(luò)：
　　模式識別系統(tǒng)就像個一端帶有攝像頭的黑盒子，在頂部有一個綠燈和一個紅燈，前面則有一大堆的旋鈕。學(xué)習算法就是試圖調(diào)整旋鈕，當在鏡頭前是一條狗時，使紅燈亮起；當鏡頭前有一輛汽車的時候，使綠燈亮起。
　　在你給機器展示一只狗的時候。就把紅燈亮起，不要做任何事情。如果它是暗的，就調(diào)整旋鈕使燈光變亮。如果綠色指示燈亮起，調(diào)整旋鈕，使其變暗。然后，顯示汽車的時候，調(diào)整旋鈕使紅燈變暗，綠燈變亮。
　　如果你展示了很多汽車和狗的案例，而你每次都是不斷一點點地調(diào)整旋鈕，最終，機器每一次都會得到正確的答案。
　　
　　圖片來源：a16z
　　現(xiàn)在我們來談?wù)勆疃葘W(xué)習，這是一套簡單的訓(xùn)練多層人工神經(jīng)網(wǎng)絡(luò)的方法。它已被證明從數(shù)據(jù)中識別圖案是特別有效的。不論何時媒體談到神經(jīng)網(wǎng)絡(luò)，很可能指的都是深度學(xué)習。
　　關(guān)于機器學(xué)習和深度學(xué)習的一個偉大解釋：How Does Your Phone Know This Is A Dog？
　　深度學(xué)習對于AI的促進作用是顯而易見的。它現(xiàn)在在軟件行業(yè)之外的許多行業(yè)都已經(jīng)使用。
　　Facebook M，一個人工智能驅(qū)動的虛擬助手，正在使用深度學(xué)習來幫助用戶完成各種任務(wù)-包括做研究、預(yù)訂機票以及買咖啡等。
　　谷歌正在使用一個名為RankBrain的深度學(xué)習系統(tǒng)來過濾搜索結(jié)果，來和更多的傳統(tǒng)搜索結(jié)果進行比較。據(jù)彭博社描述：
　　該系統(tǒng)每天幫谷歌處理15%的之前系統(tǒng)沒有遇到過的查詢請求。它善于處理模棱兩可的查詢請求，比如“在食物鏈頂端的消費者怎么稱呼？”
　　該系統(tǒng)現(xiàn)在已經(jīng)是谷歌搜索結(jié)果的第三大信號，位居反鏈接和內(nèi)容之后。
　　神經(jīng)網(wǎng)絡(luò)可以識別貓？這就是深度學(xué)習。
　　從Siri到薩曼莎
　　深度學(xué)習可能是建立更智能、更類人類AI的一個關(guān)鍵拼圖。
　　谷歌掃描貓的大腦需要1.6萬臺計算機處理器來運行。擊敗圍棋世界冠軍李世石的程序AlphaGo，運行在48個處理器上。在未來，神經(jīng)網(wǎng)絡(luò)能在廉價的移動電話上運行。
　　深度學(xué)習可以提高AI的各個方面，從自然語言處理到機器視覺，可以看成是一個能夠提高計算機學(xué)習能力的更好的一個大腦。
　　它可以提高虛擬助手例如Siri或谷歌處理不熟悉請求的能力。它可以處理視頻和生成總結(jié)內(nèi)容的短片。
　　或許有一天它還會贏得奧斯卡獎，誰知道呢？