無論你在不在意，人工智慧的時代來臨了——《人工智慧》讀後感

無論你在不在意，人工智慧的時代來臨了

——《人工智慧》讀後感

最近看了李開復先生的《人工智慧》這本書，深深感受到人工智慧對當前的時代和長遠的未來都會產生重大而又深遠的影響。不禁想把讀後的感想總結一下，但是人工智慧的理論博大精深，涉及到眾多的科學領域和分支，僅從一本書和若干資料的簡單學習不可能總結出很有深度的內容。這裡我僅從《人工智慧》這本書出發，簡單談一下自己對人工智慧的理解和認知。

一、人工智慧的定義

人工智慧概念提出的很早，1956年美國達特茅斯學院，約翰·麥卡錫（John McCarthy）、馬文·閔斯基（Marvin Minsky）、克勞德·香農（Claude Shannon）、艾倫·紐厄爾（Allen Newell）、赫伯特·西蒙（Herbert Simon）等科學家聚在一起，討論用機器來模仿人類學習以及其他方面的智能的話題，會議足足開了兩個月的時間，雖然大家沒有達成普遍的共識，但是會議討論的內容從此擁有了一個統一的名詞：人工智慧。因此，1956年也被人們公認為人工智慧元年。

直至目前，人工智慧仍然沒有一個權威的定義，百度百科給出的是如下的定義：

人工智慧（Artificial Intelligence，AI）是指計算機像人一樣擁有智能能力，是一個融合計算機科學、統計學、腦神經學和社會科學的前沿綜合學科，可以代替人類實現識別、認知，分析和決策等多種功能。

事實上，人類對人工智慧的定義是不斷變化和演進的，各階段發展歷程見圖1。

第一個階段，人們認為人工智慧就是讓人覺得不可思議的計算機程序，在這個時期，計算機能夠在跳棋、國際象棋等可以窮盡演算法的棋類遊戲中戰勝人類——就像國際象棋冠軍卡斯帕羅夫與"深藍" 計算機決戰，"深藍"獲勝——就已經讓人類覺得不可思議了。

第二個階段，人們認為是人工智慧是與人類思考方式相似的計算機程序。在這個時期，計算機可以成功的應用人類已知的知識和邏輯推理規則，從而解決一個特定領域的問題，此時的計算機人工智慧程序已經可以按照人類的理性邏輯，推理、計算和歸納一定的規律和邏輯。

第三個階段，人工智慧被認為是與人類行為相近的計算機程序。此時的人工智慧程序更具有仿生特質，在特定領域與人類的思維更加近似，人工智慧彷彿已經具有自己的神經網路，甚至擁有可以與人類交流的辭彙表。儘管此時的人工智慧還不能完全通過圖靈測試，但人工智慧看起來已經可以很聰明的工作，並且讓最終結果就像是人做的一樣。

第四個階段，也就是現在，人工智慧被認為是可以自主學習的計算機程序。在AlfaGo完勝人類棋手的同時，人類認識到人工智慧在某些領域已經可以通過自主學習，超過人類目前已經掌握的知識，並且憑藉智能決策和推演演算法，更快更準的得到正確的答案。就像我們經常說的，在圍棋的「大局觀」這種無法準確描述和定義的領域，人工智慧也能夠通過精妙的演算法和機器學習超過人類。

未來的人工智慧，一定是可以根據環境的變化，做出更類似甚至超過人類的行動，並獲得最大的收益的計算機程序。所以斯圖亞特.羅素（Stuart J.Russell）在《人工智慧：一種現代的方法》一書中指出：人工智慧是一個可以觀察周圍環境並做出行動已達到目標的系統。這個定義已經非常接近於人類的行為邏輯了。

圖1 人工智慧的發展歷程

二、人工智慧的研究領域

人工的研究領域有很多，這裡主要列舉幾個具有代表性的熱點領域。

語音識別。讓計算機聽懂人類說的每一句話，每一個詞，這是人工智慧從誕生開始科學家就努力追求的目標。2011年前，主流的語音識別演算法在各主要語音測試數據中的識別準確率與人類的聽寫準確率還有相當的差距。但是現在，Google的語音識別系統已經將識別錯誤率降低到了驚人的6.3%。微軟、IBM和國內的科大訊飛等公司在語音識別方面取得了極大的進步。Siri、Voice Search 和 Echo 等產品已經可以實現不同語言間的交流。人工智慧技術在語音識別方面已經突破了人類的心理閾值，真正做的了可用，並且不僅可以支持語音輸入，還可以直接與機器對話交流，創造了更多商業模式的可能性。

深度學習。實際上深度學習不是人工智慧領域的唯一解決方案，但深度學習是當今乃至未來很長一段時間內引領人工智慧發展的核心技術。深度學習利用深度的神經網路，將模型處理得更為複雜，從而使模型對數據的理解更加深入。從根本上說，深度學習和所有的機器學習方法一樣，是一種通過數學模型對真實世界中的特定問題進行建模，以解決該領域內相似問題的過程。深度學習的飛速發展有兩個前提條件——強大的計算能力和高質量的大數據，這也得益於高性能計算機和頂級的圖形處理器的發展，從而可以讓計算機完成大規模、多維度、多層次的深度學習模型訓練和演算。理論上，只要無限增加深度學習模型的層數和維度，並且提供足夠多的數據，計算機的建模能力將無限接近真實世界的複雜度，甚至可以說，計算機可以學會宇宙中所有的知識。儘管這種場景還只是未來的一種可能性，但已經足夠讓我們期待。

大數據。大數據是人工智慧的另一項核心技術，甚至有一種說法：深度學習+大數據=人工智慧，而且深度學習也是建立在大數據的基礎上的。在當前的人工智慧時代，大數據和深度學習成為了密不可分的一對兒。深度學習可以從大數據中挖掘出以往難以想像的、有價值的數據、知識和規律。有了足夠多和高質量的數據作為深度學習的輸入，計算機就可以學會以往只有人類才能理解的概念和知識。《智能時代》的作者吳軍博士說：「在方法論層面，大數據是一種全新的思維方式。按照大數據的思維方式，我們做事情的方式和方法需要從根本上改變。」

機器識別。這也是人工智慧應用的熱點領域。2000年左右，人們開始用機器學習和人工特徵開發計算機視覺系統，如車牌識別、人臉驗證等技術。深度學習加速了機器代替人工來學習特徵，現在iPhone X的Face ID產品就是機器識別的典型案例。現在機器識別已經應用在銀行、安保、社交、電商等各個領域，沒有人工智慧技術的發展支持，這是無法做到的。

人工智慧的技術還有很多，中國電子技術標準化研究院發表的《人工智慧標準化白皮書》進行了很好的總結，各位如果需要可以參考。這裡借鑒騰訊人工智慧實驗室張潼主任的文章《帶你輕鬆Get AI新知識》中指出的，人工智慧研究的領域主要有五層，最底層是基礎設施建設，包含數據和計算能力兩部分，數據越大，人工智慧的能力越強。往上一層為演算法，如卷積神經網路、LSTM 序列學習、Q-Learning、深度學習等演算法，都是機器學習的演算法。第三層為重要的技術方向和問題，如計算機視覺，語音工程，自然語言處理等。還有另外的一些類似決策系統，像增強學習、大數據分析統計系統等，這些都能在機器學習演算法上產生。第四層為具體的技術，如圖像識別、語音識別、機器翻譯等等。最頂端為行業的解決方案，如人工智慧在金融、醫療、互聯網、交通和遊戲等上的應用。

圖2 人工智慧技術層級劃分

三、人工智慧時代的機遇和個人發展

人工智慧已經是這個時代的最強音，有志於投身人工智慧或者期望緊跟時代步伐的人們，面對人工智慧應該做好哪些準備呢？我們首先需要了解當前人工智慧發展面臨的四項挑戰。

一是前沿科研與產業實踐尚未緊密銜接。除了少數垂直領域憑藉多年大數據積累和業務流程的優化經驗，從而催生出營銷、風控、智能投顧、安防等人工智慧技術直接落地的應用場景外，大多數傳統行業的業務需求與人工智慧的前沿成果之間尚存在不小距離，面向消費者的移動互聯網應用與人工智慧技術之間的結合尚處於探索階段。

二是人才缺口巨大。據LinkedIn統計，全球目前擁有約25萬名人工智慧專業人才，其中美國約佔三分之一。這一數量級的人才儲備遠遠無法滿足未來人工智慧在垂直領域及消費者市場快速、穩健增長的宏觀需求。

三是數據孤島化和碎片化問題明顯。數據隱私、數據安全對人工智慧技術建立跨行業、跨領域的大數據模型提出了政策、法規和監管方面的要求。各垂直領域的從業者從商業利益出發，也為數據的共享和流轉限定了基本的規則和邊界。許多傳統行業的數據積累在規範程度和流轉效率上還遠未達到可以充分發揮人工智慧技術潛能的程度。

四是可復用和標準化的技術框架、平台、工具和服務尚未成熟。雖然TensorFlow、Caffe、MXNet等深度學習框架已經被數以萬記的研發團隊採納，相關的開源項目數量也飛速增加，但一個完整的人工智慧生態所必備的，從晶元、匯流排、平台、架構到框架、應用模型、測評工具、可視化工具、雲服務的模塊化和標準化工作，仍需要相當的時間才能成熟。

人工智慧產業面臨的調整，也就等同於人工智慧領域的潛能和機遇。我們現在還不必擔心人工智慧在可見的未來威脅到人類的安全，但我們很有必要擔心人工智慧很快就會替代大量人類的工作。李開復的《人工智慧》一書中提出了「五秒準則」，即如果人類的工作是在5秒鐘之內需要思考、決策並做出相應決定的工作，那麼這項工作很有可能被人工智慧技術全部或部分取代。

在這種情況下，我們既不要妄自菲薄，將人工智慧視作洪水猛獸；也不要畏手畏腳，放縱人工智慧的發展良機。我們應注重培養體現人的綜合素質的技能，如複雜系統的綜合分析、決策能力，創造性能力；對生活經驗和文化熏陶產生的直覺和常識能力；基於人自身情感（愛、恨、情、仇）產生的與他人互動的能力，這些都是人工智慧時代最有價值、最值得培養和學習的技能。

從具體的技術層面上看，人工智慧的分支領域紛繁複雜，無論選擇數學、統計學、演算法模型等基礎層面，還是機器學習、深度學習、大數據等理論層面，或者是機器識別、語義分析、機器翻譯等應用層面，都有很多的方向和領域，每一個領域都足夠讓我們窮盡一生遨遊在知識和技術的海洋之中。

我們要做的，就是從現在開始，牢牢的把握住人工智慧的發展機遇，因為不管我們在不在意，人工智慧的時代已經來臨了。

本文參考文獻：

1.《人工智慧》，李開復；

2.《人工智慧，一種現代的方法》, StuartJ.Russell，Peter. Norvig；

3.《智能時代》，吳軍；

4.《人工智慧標準化白皮書》，中國電子技術標準化研究院；

5.《帶你輕鬆Get AI新知識》，張潼。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！