要機器像人類一樣思考，恐怕不再是痴心妄想
去年可以說是人工智慧大發展的一年，眾多科技公司，不管大的小的都在大力發展自己的人工智慧項目。
伴隨著現在電腦硬體的飛速發展，人類逐漸希望電腦可以成為像人類一樣思考的智能化硬體，不單單是接受指令的冰冷機器，但是這就需要硬體和軟體的高度配合才可以順利達到了。
人工智慧的核心在於「演算法」，好的演算法能提升人工智慧的效率，我們都在期待以後的機器形態到底能不能做到這一點呢？
其實不管是人是物，形成智能的根本就是要有能承載自我意識的大腦。
就拿人類來說，想要讓一個人明白某個道理，必須先保證他的大腦能夠理解，然後再去給他講道理。如果大腦本身有任何偏差，比如某些原因導致智商不夠，或因為其它方面的腦部缺陷導致無法完成正常思考，那麼任由你怎麼講他也不會明白的。
同樣的道理，如果你要在世界上第一台計算機上運行windows操作系統，但由於它的「大腦」不具備讀取和運行windows這個程序的能力，因此也是不可能的。
所以說，想要未來的機器像人類一樣思考，首先得讓人工智慧具有一個能產生自我意識，並且功能完善的「大腦」。這個大腦不一定要是生物結構的，但如果連這個都沒有，那也就無所謂什麼智能了。
要給機器也配上一個「大腦」，我們就要了解人類思考的模式，我們是根據腦中複雜的神經元以及電信號進行思考行動的。
而大家都知道，電腦的電信號和人類的腦中的電信號非常類似。不過，人類的神經網路更加複雜，電信號還有強弱緩急之分，而電腦僅僅能識別「0」「1」這樣的信號。但是，如果利用硬體和演算法組建一個龐大、複雜的神經網路系統，那麼電腦像人類一樣思考不是不能實現！也就是大家常看到的通過硬體匹配神經元演算法！
神經網路演算法，顧名思義，就是模仿人類神經系統設計的一個演算法，其終極意義是希望利用這種演算法，讓機器像人類一樣思考工作。
聽起來貌似相當酷炫，那麼神經網路演算法在我們的實際生活中到底有些什麼作用呢？
它的作用就是讓機器從「人工智障」變為「人工智慧」，賦予機器感知、學習、記憶、推理、決策等能力。其中機器感知包括機器視覺、NLP；學習有模式識別、機器學習、增強學習、遷移學習等；記憶如知識表示，決策包括規劃、數據挖掘、專家系統等。
還記的大名鼎鼎的圍棋高手AlphaGo嗎？AlphaGo和人類的對弈，並不是我們以往所理解的電子遊戲，電子遊戲的水平是永遠不會提升的，而AlphaGo則具備了人工智慧最關鍵的「深度學習」功能。
AlphaGo中有兩個深度神經網路，Value Networks（價值網路）和Policy Networks（策略網路）。其中Value Networks評估棋盤選點位置，Policy Networks選擇落子。這些神經網路模型通過一種新的方法訓練，結合人類專家比賽中學到的棋譜，以及在下棋中進行強化學習。
正是因為這種智能學習的存在，能夠讓AlphaGo的圍棋水平在學習和訓練中不斷上升。
其實，人工智慧概念在上世紀80年代就已經炒得火熱，但是由於軟硬體方面都存在不少技術局限，而沉迷了很長一段時間。不過現在，大規模並行計算、大數據、深度學習演算法和人腦晶元這4大催化劑的發展，以及計算成本的降低，使得人工智慧技術突飛猛進。
再加上如今的科技巨頭們在人工智慧上紛紛發力，一方面網羅頂尖人工智慧的人才，另一方面加大投資力度頻頻併購，這一切都預示著人工智慧的春天已經到來。
在未來，或許人工智慧將不再是尖端技術，而會成為隨處可見的基礎設施，運用在我們生活的每一個角落。不過這個時間到底要等多久，就不太好說了！
TAG:科技報料 |