人類棋手 滴淚下，為這場似乎 開始便已注定結(jié)局的人機(jī)圍棋大戰(zhàn)畫上了句號。是什么給了“阿爾法狗”如此高超的棋藝？是什么讓人工智能成為“超強(qiáng)大腦”？答案是算法。
算法是指由計(jì)算機(jī)執(zhí)行的 系列獨(dú)立的指令和動作。從初始狀態(tài)和初始輸入開始，這些指令描述了完整的計(jì)算步驟——通過 系列有限的、確切的指令，產(chǎn)生并輸出答案和數(shù)據(jù)， 終止于結(jié)束狀態(tài)。
人工智能的算法是 套利用機(jī)器智能解決問題的復(fù)雜手段。過去，我們給計(jì)算機(jī)下達(dá)規(guī)則式的指令來解決問題；現(xiàn)在，我們只要告訴計(jì)算機(jī)想解決的問題，它就可以自行選擇算法來解決問題——這便是人工智能帶來的根本性變革。
人工智能 重要的是學(xué)習(xí)能力，即根據(jù)機(jī)器以往的經(jīng)驗(yàn)來不斷優(yōu)化算法。第 次人工智能的浪潮始于上世紀(jì)70年代，當(dāng)時(shí)的人工智能算法采用的是符號邏輯推理規(guī)則，以實(shí)現(xiàn)知識表征。由于缺乏自我學(xué)習(xí)能力，彼時(shí)的人工智能無法解決新 域中出現(xiàn)的問題。第二代人工智能雖然在學(xué)習(xí)和感知能力上表現(xiàn)更佳，但由于當(dāng)時(shí)的機(jī)器學(xué)習(xí)模型不具備大量吸收訓(xùn)練數(shù)據(jù)的能力，與人類的水平仍有很大差距。
大約在10年前，深層與結(jié)構(gòu)化機(jī)器學(xué)習(xí)，或稱為深度學(xué)習(xí)的新范式，讓人工智能算法的智能程度越來越高。傳統(tǒng)的機(jī)器學(xué)習(xí)方法讓電腦學(xué)習(xí)的“知識”，要由人來設(shè)計(jì)并輸入，因?yàn)樾枰莆沾罅康膶I(yè)知識，導(dǎo)致特征工程成為機(jī)器學(xué)習(xí)的瓶頸。深度學(xué)習(xí)打破了這 瓶頸，通過多層結(jié)構(gòu)算法，機(jī)器對數(shù)據(jù)集的“特征”進(jìn)行篩選和提取，通過反復(fù)訓(xùn)練， 終獲得了提取抽象概念的能力。
隨著神經(jīng)網(wǎng)絡(luò)研究的深入，計(jì)算機(jī)視覺和聽覺等讓人工智能技術(shù)再次迎來發(fā)展的拐點(diǎn)，計(jì)算機(jī)的算法也越來越精進(jìn)。未來，計(jì)算機(jī)對自然語言的應(yīng)用還將大幅提高，電腦可以聽懂、讀懂人類平常所用的語言，而不僅僅是機(jī)器指令。這樣，存在于互聯(lián)網(wǎng)和局域網(wǎng)中的海量信息，都可以成為深度學(xué)習(xí)的素材。
通過深度學(xué)習(xí)，人工智能可以達(dá)到近似或超過人類的識別精度。但與人類相比，機(jī)器所需要的訓(xùn)練數(shù)據(jù)、 能耗和計(jì)算資源卻要多得多。從統(tǒng)計(jì)學(xué)角度看，雖然機(jī)器能夠達(dá)到的識別精度總體上令人印象深刻，但在個(gè)體應(yīng)用中的表現(xiàn)往往不盡如人意。此外，由于目前大多數(shù)深度學(xué)習(xí)模型不具備推理和解釋能力，因而無法預(yù)測和提前防范嚴(yán)重錯(cuò)誤的出現(xiàn)。
在提高人工智能學(xué)習(xí)能力的過程中，科學(xué) 和研究者們從未放松過對與之相關(guān)的倫理道德問題的思考。例如美國電氣與電子工程師協(xié)會（IEEE）去年便發(fā)布了 個(gè)《人工智能道德準(zhǔn)則設(shè)計(jì)草案》，力求讓人工智能更好地為人類服務(wù)。相信隨著未來在范式、算法和硬件 域不斷出現(xiàn)新的突破，人工智能的浪潮將深刻影響人類的生活方式。
鄧力
鄧力
:021-80392064 QQ：2039609103 企業(yè)入駐:
