老碼農的AI漫談
AI 切實地來到了人們的身邊，從迷惑到振奮，從憧憬到期盼，從百家爭鳴到百花齊放，從每個人到每個組織，都在或多或少地在尋找自己的定位。
但是，老碼農仍然妄想對AI有一個整體性的全貌，然而能力所限，原以為的AI體系架構演變成了漫談。下面是本次漫談的目錄：
AI 的誕生與三次浪潮
- AI 的含義解讀
- AI 的技術體系
- AI 的應用領域
- AI 對社會的影響
- AI 的未來
“治學先治史”，時光回溯，看一看AI出現在歷史長河中的位置吧。
1. AI 的誕生與三次浪潮
在共和國誕生的第二年(1950年)，圖靈發表了一篇劃時代的論文，提出了著名的圖靈測試( The Turing Test)——
在測試者與被測試者(一個人和一臺機器)隔開的情況下，通過一個裝置(例如 顯示器與鍵盤)向被測試者隨意提問。進行多次測試后，如果有超過30%的測試者不能確定出被測試者是人還是機器，那么這臺機器就通過了測試，并被認為具有人類智能。這是從現象和結果表象來判定AI的一種方式。
從1950年至1970年形成了AI早期發展的熱潮，形成了符合主義，連接主義和行為主義三大主要的AI學派。符號主義認為AI 源于數理邏輯，其原理主要為物理符號系統假設和有限合理性原理。連接主義認為AI源于仿生學，特別是對人腦模型的研究，其主要原理為神經網絡及神經網絡間的連接機制與學習算法。行為主義認為AI源于控制論，其原理為控制論及感知-動作型控制系統。進而，專家系統一度被認為是AI 的典型代表。專家系統是基于AI的計算機系統，其內部含有大量的某一領域專家水平的知識，系統能利用這些知識和解決問題的方式來處理該領域的問題。
1956年，達特茅斯會議標志著AI 的誕生，除了那張廣泛傳播的照片之外，下圖是那次會議中被成為“AI之父”的科學家們——
在“AI寒冬”之后，在語音識別領域中，統計學派逐漸取代了專家系統，機器學習成為AI實現的主力軍。機器學習是通過計算機來模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構并使之不斷改善自身的性能。同時，神經網絡開始應用于模式識別等領域，使得連接主義重獲新生。統計學的應用，機器學習和神經網絡形成了1980～2000年間AI的第二次發展浪潮。
隨著互聯網的興起，大數據得到了廣泛的應用，在2006年后形成了第三次發展的浪潮。簡單地，大數據是指無法在一定時間內用常規軟件采集、管理并處理的數據集，需要新的處理模式才能具有更強的決策力、洞察力和流程優化能力，才能處理的海量高增長并且具有多樣性的信息資產(可以參見《架構大數據應用》)。非深度的機器學習仍然有著典型的應用場景，而深度學習開始占領高地。深度學習是指通過組合低層次特征形成更加抽象的高層次特征來表示屬性類別，進而發現數據的分布式特征。在機器視覺、語音識別、機器翻譯等領域，深度學習有著普遍的應用，同時促進了強化學習，遷移學習，生成對抗網絡等新技術的發展。其間的一個標志性事件，是AlphaGo的人機圍棋大戰。
關于AI發展的更多通俗性解釋，可以參考《人工智能簡史》。
那么，AI 到底是什么呢?
2. AI 的含義解讀
普通人對AI的認識往往來自于科幻電影，從《星球大戰》到《終結者》，從《太空漫游》到《星際穿越》。然而，電影是虛構的，那些電影中的角色也是如此，使人們覺得AI往往缺乏真實感。
AI 是近似于人類的生物學大腦么?
AI 是近似于人類的思考邏輯么?
AI 是近似于人類的行為方式么?
......
從實用的角度看， AI 是研究、開發用于模擬、延伸和擴展人類智能的理論、方法、技術及應用系統的一門技術科學，是計算機科學的一個分支。
通俗地，人們把AI劃分為不同的層次——弱AI，強AI和超級AI。弱AI是擅長于單個領域的人工智能，比如AlphaGo。強AI也稱通用AI，是人類級別的人工智能，是指在各個方面都能和人類比肩的AI。創建強AI比創造弱AI要困難的多，因為智能是一種寬泛的心理能力，能夠進行思考、計劃、解決問題、快速學習并從經驗中學習，能夠抽象思維并理解復雜理念，強AI在進行這些操作時和人類一樣，這已經有了造物主的味道。超級AI則是在幾乎所有領域都比人類大腦聰明，包括通識、社交和科學創新，這是“Matrix”么?
一般地，人工智能科學主要是研究和開發出智能實體，在這一點上它屬于工程學。AI的基礎學科包括數學、邏輯學、系統學、控制學、計算機科學等，還包括哲學、心理學、生物學、神經科學、仿生學、經濟學和語言學等其他學科的研究，是一個集數門科學精華于一身的尖端科學，是一門綜合學科。
3. AI 的技術體系
既然AI是一門綜合的科學，那AI技術體系是怎樣的呢?
根據波普爾的知識進化圖譜，發現問題是科學成長的起點，可以嘗試對AI的技術體系做如下分類：
- 問題領域
- 學科基礎
- 實現方式
AI 所處理的問題領域
語言識別、語言理解和機器翻譯是AI的重要領域，自然語言處理(NLP)是人工智能頭頂上的皇冠。字符識別、手寫識別和機器視覺是AI的又一重要領域，而知識推理和自動控制則是反饋處理的核心方面，處理這些領域的問題，才使得AI 具備了類似“聽說讀寫”的能力。
(來自 gogeometry.com)
AI 體系的技術基礎
AI技術體系基礎可能就是數學、計算機和數據。從微積分到線性代數，從集合論到概率統計，圖論、信息論和博弈論等都在AI所處理的問題領域中得到應用。
如果數學是AI的理論基礎，則計算機科學是AI的實現工具和方式。理解計算機組成原理，掌握編程語言并熟知操作系統，從計算機網絡與通信到分布式系統，這些可能都是構建人工智能系統不可或缺的要素。“巧婦難為無米之炊”，AI技術體系的基石是數據，尤其是大數據的應用。
數據、信息、知識、洞見和智慧的關系如下圖所示——
國外有一高手將相關技術繪制成了一張地鐵路線圖——
無獨有偶，國內的高手們畫了一張類似的圖，只不過叫做“數據科學家能力發展路線圖”。
簡單地，數據(包括領域知識)，數學(包括各種算法)和計算(包括分布式系統)構成了AI的核心基礎。
AI 的技術實現方式
目前，AI 系統的技術實現方式可能主要是通過機器學習包括深度學習來實現的。機器學習的簡要分類如下：
機器學習的基礎是評估方法和特征工程，算法和模型是機器學習的核心。機器學習的算法眾多，從線性回歸到邏輯回歸，從決策樹模型到支持向量機，從貝葉斯分類到K均值聚類，當然還有當紅的基于神經網絡的深度學習，常見的有CNN，RNN，GAN，LSTM以及各種算法的變種。在機器學習中，常見的轉換函數如下——
從計算機的體系架構來看，機器學習的計算架構按粒度從小到大可以分為：
- AI芯片->
- 庫與計算框架->
- 虛擬化容器->
- 分布式計算->
- 云服務
始于硬件芯片，止于云服務，中間可能還可以分為更多的層次。AI芯片多用于硬件加速，很多企業也都在這個領域發力，例如 百度的NLP芯片——鴻鵠，一張AI芯片的不完整統計圖如下：
用于機器學習的庫和計算框架豐富多彩，按音序排列有——
- Caffe
- Microsoft CNTK
- MXNET
- PaddlePaddle
- scikit-learn
- TensorFlow
- Theano
- Torch
目前還在增長中，不再一一列舉。
從部署方式上看，基于Docker 虛擬化容器的AI計算環境已經有相對成熟的方案，基于Hadoop 和 spark 的分布式架構應用廣泛，基于對算力的渴望，提供AI計算能力的云服務給人們帶來了福音，支持機器學習的云服務有Google的Cloud ML，微軟的 Azure ML以及Amazon 的ML等等。
數據的可視化解決方案是機器學習中的一個重要環節，同時，知識圖譜、統計模型、遺傳算法、博弈算法等等，也都有著典型的應用場景。
那么，能夠應用AI 的領域有哪些呢?
4. AI 的應用領域
借用計算機網絡中的一個概念，所有具備控制平面的地方都有AI的用武之地。
在互聯網和移動互聯網應用中，搜索與推薦，文本、圖像和視頻的內容理解與檢索，精準營銷、用戶畫像和反欺詐，語音和自然語言的交互，都可能是最早使用AI技術的應用領域。
智慧交通是一個泛行業的概念。在“百度2020”中，Apolo的靚麗風景是自動駕駛一個寫照。感知、規劃和控制，從傳感器到整車集成，從高精度地圖到車聯網，自動駕駛是一個系統工程。智慧公路網絡是智慧交通的又一基礎設施環境，自動的物流車輛和物流機器人配置智能物流規劃，是智慧交通中的又一個大場景。
無論是銀行業還是保險業，風控和反欺詐都是人們想到的重要AI應用，也很容易聯想到投資決策和精準營銷，還有作為成本中心之一的智能客服。對于證券、基金、投行等行業，面向AI的量化交易是個吸引人的主題。以上諸多行業的AI應用領域，就是智能金融。
智慧醫療關系到國計民生，從擁有康復的智能設備到手術機器人，從病例理解和檢索到醫學影像的智能判讀，都可以形成輔助診斷。AI 對醫療領域而言，可能是又一次革命。
從智能制造業到智慧農業，從AI驅動的娛樂業到AI文章寫作乃至藝術創作，AI可能正在全方位地改變這個社會。
當然，我們對AI 的日常體驗大多來自智能家居的家用機器人或者服務機器人，可以在一定程度上實現老幼陪伴和各種生活服務。作為這個方向上的一個從業者，真心希望小度系列產品能夠人們的生活帶來更多的便利和歡樂。
5. AI 對社會的影響
隨著AI在各個應用領域的落地，人與機器的分工，使得大規模的產業變革成為可能，很多的商業模式將會重新洗牌。
然而，在硬幣的另一面，由于大量重復性的工作會被機器人取代，會導致很多人失業，從而帶來一系列的社會問題。利用AI，有錢人可能變得更有錢，可能會進一步拉大貧富差距，也可能會加劇地區發展的不平衡。AI 對社會經濟的影響可能令人始料未及。
對個體而言，可能擔心失業和社會保障的問題，更重要的是心理層面的影響，自我價值與自我實現?在智能人機交互的時代，心理學可能面臨更大的挑戰。一個AI的陪伴會給老人帶來怎樣的心理感受呢?會不會影響兒童的情感成長呢?......, 很遺憾，目前我們并不知道。
那么，窺探一下時間的長河，AI 會有怎樣的未來呢?
6. AI 未來的疑問
AI 的未來很多來自于科幻文學，科幻作品中的人工智能可能是機器人、人機結合體以及非人形的智慧機器，但都實現了人機互聯。人類和機器人的關系如何處理才能確保人類的利益，而且達到各方面的平衡，難道只是阿西莫夫的機器人三定律嗎?
智慧的本質是什么?
人類可以擁有人工智能，那么人類的命運是什么，是費米悖論么?
時間是有限的還是無限的呢?
人類是渺小的，那么宇宙的終極命運又是什么?
......
一句結束語
莊子說，“吾生也有涯，而知也無涯。以有涯隨無涯，殆已!” 但是，如果沒有學習和認知，如果沒有探索和奉獻，如果沒有責任和愛，那么人生的長短又有什么意義呢?
【本文來自51CTO專欄作者“老曹”的原創文章，作者微信公眾號：喔家ArchiSelf,id:wrieless-com】
