深入探讨人工智能的定义与应用：从深蓝到AlphaGo的演变

xinxi1368

人工智能到底是什么？

人工智能就在我们身边，但并不是每个人都意识到它的存在。深蓝是我们大多数人对人工智能的最初认识。

那么，人工智能到底是什么？人工智能的定义在历史上已经发生过多次变化，但直到今天，仍然有许多被广泛接受的定义。使用哪个定义通常取决于我们正在讨论的问题的背景和焦点。

定义3：Al是一种行为与人类相似的计算机程序

与强调对人脑的研究和模仿的仿生学派不同，实用主义者从不认为人工智能的实施必须遵循任何规则或理论框架。 “黑猫白猫，抓到老鼠的就是好猫。”在人工智能的背景下，这句话可以改为：“简单的程序，复杂的程序，聪明有效的才是好程序”。

换句话说，无论计算机如何实现某种功能，只要该功能在相似的环境中表现出与人类行为相似的行为，就可以说这个计算机程序在该领域拥有人工智能。这个定义从近似人类行为的最终结果出发，而忽略了实现这一结果的手段。人工智能的另一个近似定义则强调人工智能的实用色彩： A1：是一种能够解决问题并获得最大收益的计算机程序。

稍微懂点编程的人都知道，几乎所有的编程语言都提供了类似于“if...else...”的分支结构，即如果程序发现某个条件已经满足，就会执行if后面的指令，否则执行else。后续指示。那么，与“if...else...”相关的一个哲学问题是，当程序根据某种条件做出判断并完成相应的操作时，这个“判断”以及随后的“决定”是由计算机做出的吗？它是它本身，还是计算机本身生成的？程序员做到了吗？如果是计算机自己做出来的，我们是否可以说所有执行“if...else...”语句的计算机程序都是人工智能？如果相反，那么当计算机根据运行时发生的情况做出决策时，人在哪里？

哲学思辨很容易陷入这样的困境，但实用主义者根本不把它当回事——一个执行“if...else...”的程序是否智能，完全取决于该程序是否像人类一样智能。 。事物。像这样的专家系统依靠大量的“如果……否则……”来模仿人类专家的判断规则。这当然属于人工智能的范畴，普通的数值计算程序即使使用“if...else...”智能也无法调用。

实用主义者所珍视的一个例子是ELIZA，这是麻省理工学院1964年至1966年开发的“智能”聊天程序。这个程序看起来就像一位具有无限耐心的精神科医生，可以与无聊的人或需要谈话治疗的精神病人无休止地聊天。当时ELIZA的聊天记录让很多人都不敢相信自己的眼睛。但实际上，ELIZA 所做的就是在用户输入的句子中找到一些预定义的关键词，然后根据关键词从预定的答案中选择一个句子，或者干脆用人的代词替换用户的输入。 ，再次输出，就像精神科医生重复病人的话一样。 ELIZA脑子里只有单词列表和映射规则，它不理解用户的意思。

这种务实的理念在今天仍然具有很强的现实意义。例如，当今的深度学习模型在处理机器翻译、语音识别、主题提取等自然语言相关问题时，基本上将输入的句子视为由音素、音节、单词或单词组成的信号序列，然后将其转换为这些信号被送入深度神经网络进行训练。在深度神经网络内部，每一层神经元的输出信号可能相当复杂，复杂到程序员不一定知道这些中间信号在自然语言中的真实含义，但这并不重要，只要最终整个模型的输出满足要求，这样深度学习算法就可以很好的工作。在研究人员看来，深度学习模型是否真的类似于人脑神经元理解自然语言的过程根本不重要。重要的是整个模型能够智能地工作，最终的结果看起来就像人类一样。做同样的事情。

定义4：人工智能是一种可以学习的计算机程序

这个定义几乎将人工智能等同于机器学习。但这确实是最近这波人工智能热潮中很多人眼中人工智能的真实样子。谁让深度学习脱颖而出，垄断了人工智能领域几乎所有热门技术方向？

20 世纪 80 年代到 90 年代，人们还在专家系统和统计模型之间摇摆不定，机器学习则坚守在数据挖掘领域的稳固地位，远远观望。从2000年到2010年，短短十几年之后，机器学习开始逐渐爆发出惊人的力量，并率先在计算机视觉领域取得了惊人的突破。 2010年以来，采用深度学习模型的图像算法显着降低了比赛中物体识别和定位的错误率。 2015年比赛中领先的算法取得了比人眼更高的识别精度。同年，语音识别依靠深度学习实现了约 49% 的性能提升。机器翻译、机器写作等领域也在同一时期逐渐被深度学习渗透，并因此得到了很大的提高。

“没有学习，就没有AI”几乎成为当今人工智能研究的核心指导思想。许多研究人员更喜欢称自己为机器学习专家，而不是一般的人工智能专家。因为谷歌学习了大量职业棋手的记录，然后从自己的棋谱中不断学习和改进，它才有击败人类世界冠军的资本。因为微软的小冰学习了很多网络上的流行语言，他可以通过时尚、活泼的聊天方式与用户进行交流。媒体上宣传的人工智能典型应用，大多都有深度学习的技术基础，是计算机通过大量数据自学习掌握经验模型的结果。

这个定义似乎也符合人类认知的特点——没有人不需要从小就学习和理解一切。人的智慧离不开成长过程中的不断学习。因此，当今最典型的人工智能系统实际上可以看作是通过学习大量数据来训练经验模型来模拟人类学习和成长的整个过程。如果未来人工智能能够突破到强人工智能甚至超级人工智能的水平，那么按理来说，在所有人工智能技术中，机器学习最有可能扮演核心推动者的角色。

当然，目前主流的机器学习方法和人类学习还是存在很大差异的。举个最简单的例子：在看到数百万甚至更多的自行车照片后，当前的计算机视觉系统可以轻松区分什么是自行车，什么不是自行车。这种需要大量训练照片的学习方法看起来还是比较笨拙。与人类不同的是，当给三四岁的孩子展示一辆自行车后，即使外观完全不同，孩子也很可能能够判断出这是一辆自行车。换句话说，人类的学习过程往往不需要大规模的训练数据。这种差异给人类带来了全方位的优势。面对复杂的世界，人类可以利用自己优秀的抽象能力，仅凭几个例子就可以概括出规则、原理，甚至更高层次的思维模式和哲学内涵。最近，虽然研究人员提出了迁移学习等新的解决方案，但总体来说，计算机的学习水平距离人类水平还很远。

如果人工智能是一台可以学习的机器，那么需要重点改进的就是让机器在学习方面的抽象或泛化能力与人类相当。

定义5——人工智能是一种根据对环境的感知采取合理行动并获得最大利益的计算机程序。

对于人工智能，不同的定义导致人们走向不同的研究或认知方向，不同的理解适用于不同的人群和情境。如果我们必须调和所有看似合理的定义，我们可能只能得到一个全面但过于笼统和模糊的概念。

维基百科关于人工智能的词条采用了斯图尔特·拉塞尔（ ）和彼得·诺维格（Peter ）所著的《人工智能：一种现代方法》一书中的定义，他们认为：

人工智能是“研究和设计智能体”的科学，“智能体是指能够观察周围环境并采取行动以实现其目标的系统”。

基本上，这个定义涵盖了之前所有的实用定义。它不仅强调人工智能可以根据环境感知做出主动响应，而且强调人工智能的响应必须达到目标。同时，它不再强调人工智能。智能模仿人类的思维方式或者人类总结的思维规则（逻辑规律）。

上面列出了人工智能的五个常见定义。其中，第二个定义（类似于人类的思维方式）尤其不可取。人们对大脑工作机制的认识还很浅薄，而计算机却走了一条几乎完全不同的技术道路。正如深度学习“三巨头”之一的 Yann LeCun LeCun 所说，“我最不喜欢的对深度神经网络的描述是‘它像大脑一样工作’。”我不喜欢人们这样说的原因是，虽然深度学习从生命的生物机制中获取灵感，但它与大脑实际工作方式的差异是巨大的，与大脑的类比赋予了它一些神奇的光环，而这种描述。危险之处在于，它会导致炒作，人们会索要不切实际的东西，只是因为人们要求人工智能无法给予的东西。”国内知名机器学习专家、教授周志华。南京大学教授表示：现在很多媒体常说深度学习模拟人脑，其实这种说法并不正确，我们可以说它稍微受到了最早的神经网络的启发，但根本不能说是“模拟人脑”。

第一个定义（让人感觉不可思议）揭示了公众对人工智能的看法。它直观易懂，但过于主观，不利于科学讨论。第三个定义（类似于人类行为）是计算机科学界的主流观点。这也是一个基于实用主义的简洁清晰的定义，但缺乏彻底的逻辑。第四个定义（学习能力）反映了机器学习特别是深度学习流行后人工智能世界的技术趋势。虽然狭隘，但却是最切合时代精神的。第五个定义（维基百科使用的综合定义）是学术界的教科书定义，全面平衡，注重证据。

本文摘自《人工智能》作者李开复、王永刚

四川红河集团成立于2005年，主营业务包括人工智能产品研发、生产和销售、大数据应用服务、定制软件开发、互联网及移动互联网、电信增值服务等。

通过了（国际标准质量体系）和CMMI5软件成熟度认证，拥有系统集成、安全、楼宇智能化、B级电信增值业务、信息安全、SP、ISP等专业资质。参与人工智能图像识别标准制定，是人工智能算法研究与应用领域的行业领先者。

公司定位为人工智能应用服务商，依托人脸识别、计算机视觉、语义识别和大数据核心技术，结合物联网、无人机、机器人、4G/5G通信和区块链技术，将物联网和移动互联网商业模式，全面打造人工智能2B和2C终端应用产品，成为专业的人工智能技术产品创新和应用服务企业。