您的《AI創(chuàng)建指南》正在接收……

Q比特

完成一個(gè)人工智能的研發(fā)，就像是構(gòu)建一個(gè)真實(shí)的人類，不僅需要主導(dǎo)神經(jīng)活動的大腦，也需要感知外界的器官，還需要維持運(yùn)作的神經(jīng)系統(tǒng)、運(yùn)動系統(tǒng)等協(xié)調(diào)配合。模仿人類的AI當(dāng)然也有自己的“大腦”“器官”“軀體組織”“神經(jīng)系統(tǒng)”……這些功能不同的構(gòu)造，共同形成了您現(xiàn)在使用的一件件人工智能產(chǎn)品。

為了保證最親愛的用戶放心使用本公司的產(chǎn)品，技術(shù)部在這里向大家保證，這些“大腦”和“器官”的質(zhì)量都是經(jīng)過層層把關(guān)的。您可以隨時(shí)咨詢和檢驗(yàn)，不如就先從最關(guān)鍵的“首腦”開始吧。

AI大腦部分

數(shù)據(jù)收集

“沒有輸入，何來輸出”

我們有了大腦，有了可以儲存知識的空間，接下來就是獲取知識的時(shí)候了。感官系統(tǒng)的存在能很好地幫助我們獲取外界的各種信息，為大腦的運(yùn)作提供充足的驅(qū)動。人工智能也一樣，有了高效存儲、傳輸數(shù)據(jù)的設(shè)備和平臺，用于人工智能學(xué)習(xí)訓(xùn)練的數(shù)據(jù)就需要多方收集和整理。比如，我們要訓(xùn)練圖像識別的人工智能模型，就要收集大量的圖像資料并提前進(jìn)行標(biāo)記處理，才能讓機(jī)器學(xué)習(xí)的程序識別讀取。診斷癌癥的AI需要大量清晰準(zhǔn)確的癌癥組織切片圖像來學(xué)習(xí)識別癌細(xì)胞。識別人臉的AI需要大量圖像和視頻數(shù)據(jù)來學(xué)習(xí)分辨不同的人。語音助手需要大量人類語音數(shù)據(jù)來分析理解人類語言。

數(shù)據(jù)收集的途徑多種多樣，我們手機(jī)里裝的各類APP、GPS，網(wǎng)絡(luò)上的信息和評論，各類探測檢測儀器的監(jiān)測數(shù)據(jù)，都是數(shù)據(jù)的來源。

“聰明的大腦才能造就聰明的AI”

如果說“程序”是AI的“思維”，那么計(jì)算機(jī)就是運(yùn)行程序的“大腦”。也就是說計(jì)算機(jī)的性能越好，AI的反應(yīng)就越快，越能輕松處理各種復(fù)雜任務(wù)。而這個(gè)“大腦”的計(jì)算能力主要依靠芯片，一般計(jì)算機(jī)的計(jì)算核心是CPU，想必大家對英特爾公司這家芯片巨頭也耳熟能詳了。然而隨著摩爾定律的逐漸失效，機(jī)器學(xué)習(xí)所需的計(jì)算和數(shù)據(jù)量越來越大，CPU不再是AI“大腦核心”的唯一選擇。

人們首先想的是GPU（顯卡）。相比CPU，GPU沒有那么全能和穩(wěn)定，但優(yōu)勢是做圖像處理類運(yùn)算的速度更快，而當(dāng)下機(jī)器學(xué)習(xí)所需的恰恰是這類運(yùn)算。于是GPU不再只是游戲玩家的必需品，也成了機(jī)器學(xué)習(xí)研究人員手里的搶手貨。

然而硬件工程師們并不滿足于GPU的性能，依然在不斷開發(fā)更加適合AI的專用芯片。Google公司研發(fā)的TPU，在運(yùn)行機(jī)器學(xué)習(xí)需要的某種計(jì)算模式上，速度就超過了價(jià)格和配置更高的GPU。同時(shí)，源自中國科學(xué)院計(jì)算技術(shù)研究所的寒武紀(jì)科技，也推出了專門應(yīng)用于AI神經(jīng)網(wǎng)絡(luò)計(jì)算的寒武紀(jì)芯片。

摩爾定律

1965年，由英特爾創(chuàng)始人之一戈登摩爾提出，每個(gè)新芯片大體上包含其前任兩倍的容量，每個(gè)芯片的產(chǎn)生都是在前一個(gè)芯片產(chǎn)生后的18～24個(gè)月內(nèi)。揭示了信息技術(shù)進(jìn)步的速度。

存儲

“最強(qiáng)大腦就是最強(qiáng)記憶”

大量的數(shù)據(jù)如何成為豐富的儲備？這就需要記憶功能出馬了。到了AI這邊，大量的數(shù)據(jù)就是人工智能的“學(xué)習(xí)材料”。數(shù)據(jù)規(guī)模越大，人工智能的知識就越豐富。于是，高效、穩(wěn)定又實(shí)惠的存儲介質(zhì)就顯得十分關(guān)鍵了。

存儲硬件主要分兩類，一類需要隨時(shí)高速讀取寫入但不長期保留數(shù)據(jù)，如RAM（隨機(jī)存儲器）。另一類相對讀寫頻率較低但可以長久穩(wěn)定保存數(shù)據(jù)，如SSD硬盤（固態(tài)硬盤）。

我們在挑選手機(jī)和電腦時(shí)都有感受，一般RAM越大的設(shè)備運(yùn)行起來會比較流暢，很少卡頓。而SSD硬盤雖比傳統(tǒng)的機(jī)械硬盤存取速率快得多，但成本較高。就像人類不斷訓(xùn)練自己的記憶力，AI也要選擇更高效的存儲設(shè)備來實(shí)現(xiàn)記憶功能，光盤和U盤等受到局限的存儲器已經(jīng)隨著各類網(wǎng)盤云存儲的興起，不再是人人必備了。

云技術(shù)

“資源共享才能高效發(fā)展”

如果說“芯片”和“存儲”作為AI的“大腦”和“海馬體”存在，那么“云技術(shù)”就是能夠高效調(diào)配協(xié)調(diào)大腦結(jié)構(gòu)的“神經(jīng)系統(tǒng)”。

還記得我國的超級計(jì)算機(jī)“神威·太湖之光”嗎？那個(gè)由40個(gè)運(yùn)算機(jī)柜和8個(gè)網(wǎng)絡(luò)機(jī)柜組成的大家伙，每個(gè)運(yùn)算機(jī)柜比家用的雙門冰箱還大。像這樣的超級計(jì)算機(jī)或大規(guī)模的數(shù)據(jù)中心，就需要云技術(shù)來調(diào)配協(xié)助了。

用戶只要通過網(wǎng)絡(luò)連接就可以付費(fèi)遠(yuǎn)程使用高性能的計(jì)算和存儲設(shè)備。AI開發(fā)人員不需要自己購買配置大量硬件設(shè)備，只要挑選自己需要的服務(wù)就好，也不用所有人集中在計(jì)算機(jī)硬件旁，這樣不同地區(qū)的開發(fā)者也可以進(jìn)行遠(yuǎn)程合作。

所以對于AI所需的“大數(shù)據(jù)”，云技術(shù)是重要的解決方案。再舉個(gè)“栗子”，網(wǎng)上各大商城促銷活動期間，保證大家“剁手”時(shí)“不卡頓”“不崩盤”的，就是云技術(shù)了。

AI思維模式

當(dāng)我們說—個(gè)人的心智發(fā)育或思維活動，就是在說這個(gè)人對新輸入信息與腦內(nèi)儲存知識經(jīng)驗(yàn)進(jìn)行一系列復(fù)雜的反應(yīng)操作過程。思維以感知為基礎(chǔ)，涉及所有的認(rèn)知或智力活動。而人工智能中的。卷積神經(jīng)網(wǎng)絡(luò)、Q-Learning、深度學(xué)習(xí)……其實(shí)并不是我們想象的完全復(fù)制人類學(xué)習(xí)思考的過程，而是依靠的數(shù)學(xué)統(tǒng)計(jì)模型以及計(jì)算機(jī)理論來實(shí)現(xiàn)的。

數(shù)學(xué)統(tǒng)計(jì)理論

處理數(shù)據(jù)

畢竟用計(jì)算機(jī)完全模擬人類大腦是一件“費(fèi)力不討好”的事，反而運(yùn)用計(jì)算機(jī)上的數(shù)學(xué)統(tǒng)計(jì)模型能得到更好的結(jié)果。但在建立人工智能數(shù)學(xué)統(tǒng)計(jì)模型的過程中，還是參照了人類大腦的一些方面。

比如卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)就模仿了人類的神經(jīng)元，只不過這個(gè)“神經(jīng)元”不是神經(jīng)細(xì)胞也不會放電，而是一個(gè)能根據(jù)輸入數(shù)據(jù)自動優(yōu)化參數(shù)的函數(shù)。將這些基礎(chǔ)的模型用數(shù)學(xué)統(tǒng)計(jì)方法聯(lián)合起來，就架構(gòu)出了復(fù)雜的神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的一系列模型。

所以，“人工智能超越人類”的擔(dān)憂在大部分理論研究者這里，是不存在的。因?yàn)樗麄冃闹忻靼祝祟惪梢酝蒲莞脑烊斯ぶ悄艿幕A(chǔ)數(shù)學(xué)算法，而這些機(jī)器都只是在人類的命令下完成高速計(jì)算，在數(shù)學(xué)統(tǒng)計(jì)模型的推演改造方面并沒有什么能超越人類的能力。可以說數(shù)學(xué)統(tǒng)計(jì)理論是目前讓人工智能變得越來越聰明的最！核！心！的因素之一。

卷積神經(jīng)網(wǎng)絡(luò)

在機(jī)器學(xué)習(xí)中，卷積神經(jīng)網(wǎng)絡(luò)是一種深度前饋人工神經(jīng)網(wǎng)絡(luò)，已成功地應(yīng)用于圖像識別，是一種高效的識別方法，包括卷積層和池化層。主要用來識別位移、縮放及其他形式扭曲不變性的二維圖形。

計(jì)算機(jī)理論

運(yùn)行程序

人工智能的控制核心是計(jì)算機(jī)。稍微了解一些計(jì)算機(jī)原理的人都知道，計(jì)算機(jī)內(nèi)部運(yùn)用二進(jìn)制計(jì)算。現(xiàn)有的計(jì)算機(jī)計(jì)算原理基本都遵循“圖靈機(jī)”這一模型，架構(gòu)則遵循“計(jì)算單元-控制單元-存儲單元”馮·諾依曼結(jié)構(gòu)。

和人工智能領(lǐng)域研究數(shù)學(xué)統(tǒng)計(jì)理論的研究者不同，計(jì)算機(jī)理論的研究者，主要的目的是讓計(jì)算機(jī)算得更快、更穩(wěn)定、更省資源。

在軟件方面，同樣的數(shù)學(xué)統(tǒng)計(jì)模型可以用不同的編程語言和程序結(jié)構(gòu)來實(shí)現(xiàn)，軟件工程師和科學(xué)家要創(chuàng)造出合理可靠的理論或流程來指導(dǎo)開發(fā)人員更高效地寫出并運(yùn)行人工智能程序。

而硬件方面，由于當(dāng)下計(jì)算機(jī)架構(gòu)本身的限制和摩爾定律的失效，計(jì)算機(jī)科學(xué)家們必須研發(fā)出打破硬件限制的系統(tǒng)，甚至是新的計(jì)算機(jī)架構(gòu)。比如跟傳統(tǒng)架構(gòu)完全不同的。量子計(jì)算機(jī)，以及前面提到的優(yōu)化硬件計(jì)算存儲資源的云技術(shù)，高速傳輸數(shù)據(jù)的網(wǎng)絡(luò)，這些都需要依靠計(jì)算機(jī)理論的指導(dǎo)才能得以發(fā)展。

二進(jìn)制

是計(jì)算技術(shù)中廣泛采用的一種數(shù)制。二進(jìn)制數(shù)據(jù)是用0和1兩個(gè)數(shù)碼來表示的數(shù)。它的基數(shù)為2，進(jìn)位規(guī)則是“逢二進(jìn)一”。人類世界通用的十進(jìn)制，即滿十進(jìn)一。

量子計(jì)算機(jī)

遵循量子力學(xué)規(guī)律進(jìn)行高速數(shù)學(xué)和邏輯運(yùn)算、存儲及處理量子信息的物理裝置。2017年5月，世界上首臺超越早期經(jīng)典計(jì)算機(jī)的基于單光子量子模擬機(jī)在中國誕生。

AI協(xié)調(diào)軀干

人類運(yùn)用大腦支配身體完成某些任務(wù)的時(shí)候，需要通過各種器官的功能來共同作用。AI自然也有一套自己的“身體器官”，從可識別目標(biāo)的“眼”，到負(fù)責(zé)語言的“語言中樞”，再到可輸出的“嘴”和“雙手”，分別涉及計(jì)算機(jī)視覺、語言處理、語音工程、規(guī)劃決策、大數(shù)據(jù)分析等方面的技術(shù)。

作為AI“雙眼”的計(jì)算機(jī)視覺，是目前機(jī)器學(xué)習(xí)方法運(yùn)用最廣泛的，也是市面上很多人工智能的核心技術(shù)。像“深度學(xué)習(xí)”這個(gè)目前十分火爆的人工智能理論模型，最早就是在訓(xùn)練識別貓狗圖片的實(shí)驗(yàn)里實(shí)現(xiàn)的。自動駕駛的汽車能認(rèn)得路也是靠計(jì)算機(jī)視覺的技術(shù)分清道路車輛，檢測行進(jìn)路上的移動物體。傳統(tǒng)的計(jì)算機(jī)視覺技術(shù)已經(jīng)有了不少處理圖像和視頻的方法，機(jī)器學(xué)習(xí)模型的引入也幫助這些方法變得更快且有了學(xué)習(xí)和自我提高的能力。

在人類大腦的左半球有負(fù)責(zé)表達(dá)的“語言中樞”，AI當(dāng)然也有這一功能，幫助他們懂的人類語言，我們稱之為自然語言處理技術(shù)。自然語言處理又分為理解語言和生成語言兩個(gè)方向。AI需要理解的自然語言不僅僅是人類對話，還有人類文章，如新聞報(bào)道和文學(xué)作品等，甚至還有語言所包合的情緒、邏輯和涉及的主題和關(guān)鍵詞。而語言生成，不僅是與人類對話，還要能寫文章等。自然語言處理領(lǐng)域不僅需要廣泛多元的數(shù)學(xué)統(tǒng)計(jì)模型，還需要語言學(xué)家來研究提煉不同的人類語言之間的特點(diǎn)和聯(lián)系。

而語音工程跟自然語言處理領(lǐng)域的聯(lián)系非常緊密。自然語言處理讓AI“懂得”語言，而語音工程則是進(jìn)一步給了人工智能“聽”和“說”的能力。二者最大的差別是自然語言主要處理文本文字，而語音工程處理音頻。語音工程要面對的挑戰(zhàn)是：如何在嘈雜的環(huán)境里準(zhǔn)確分辨出人類語音，或是多人談話時(shí)能夠準(zhǔn)確分辨出談話人以及他們各自講了哪些內(nèi)容。另一方面則是如何讓AI的話語更像人類。雖然講話的內(nèi)容是由自然語言處理過程決定的，但對話不是念稿子，同樣的內(nèi)容，不同的情景、不同的心情講出來也是不一樣的。

規(guī)劃決策系統(tǒng)說來陌生，但其實(shí)舉幾個(gè)“栗子”大家就明白了。玩各類游戲的人工智能都屬于規(guī)劃決策系統(tǒng)，因?yàn)橼A得游戲的本質(zhì)就是根據(jù)游戲的規(guī)則來規(guī)劃決策。此外，幫助規(guī)劃開車路線，幫助選擇理財(cái)產(chǎn)品等也屬于規(guī)劃決策，這其中還運(yùn)用了很多博弈論、隨機(jī)過程和統(tǒng)計(jì)學(xué)原理。規(guī)劃決策系統(tǒng)常常和大數(shù)據(jù)分析計(jì)算結(jié)合使用，因?yàn)槊鎸?fù)雜的情況，人工智能需要海量的學(xué)習(xí)數(shù)據(jù)。

再到大數(shù)據(jù)，這個(gè)不斷被人類提及的關(guān)鍵詞，作為海量的信息資產(chǎn)，可以說沒有大數(shù)據(jù)就沒有基于機(jī)器學(xué)習(xí)的人工智能發(fā)展熱潮。大數(shù)據(jù)分析其實(shí)也是人工智能。比如根據(jù)偏好推薦商品，瀏覽網(wǎng)頁投放有偏好的廣告，還有金融行業(yè)預(yù)測金融產(chǎn)品在市場上價(jià)格的漲跌，公司收集消費(fèi)者偏好來決定是否升級換代產(chǎn)品等，都屬于大數(shù)據(jù)分析的范疇。

各部集結(jié)，AI的誕生

召喚神龍還要集齊7顆龍珠呢，滅霸的響指也要6顆“彩豆”才能打得響。如同人類的大腦、軀干，各種系統(tǒng)缺一不可，人工智能的各種“器官”想要發(fā)揮作用，也需要“團(tuán)結(jié)”起來。

就拿我們大家都非常熟悉的AlphaGo來講，它不僅是一個(gè)決策系統(tǒng)，分析圍棋棋盤同時(shí)也需要用到計(jì)算機(jī)圖像處理。第一代AlphaGo參考的海量人類數(shù)據(jù)和第二代AlphaGo自己互相下幾百萬盤棋，這些數(shù)據(jù)量都非常龐大，這時(shí)候就需要大數(shù)據(jù)分析。AlphaGo的硬件是成百上千個(gè)芯片協(xié)助共同運(yùn)行，升級后的“狗”能在網(wǎng)上遠(yuǎn)程與人類頂尖棋手進(jìn)行車輪廝殺大戰(zhàn)，又涉及了云技術(shù)和并行計(jì)算。AlphaGo本身的模型也是多個(gè)不同的數(shù)學(xué)統(tǒng)計(jì)模型聯(lián)合協(xié)作。所以，一款人工智能的誕生，離不開“身體”各部分的共同作用。

行業(yè)需求，了解一下

AI誕生后，接下來要考慮的是，如何真正幫助人類更好地生活與發(fā)展。需要我們對各個(gè)行業(yè)的現(xiàn)狀、變化和需求做全面且深入的了解。比如在金融界，我們可以有聊天機(jī)器人作為客服提供金融咨詢服務(wù)；可以有大數(shù)據(jù)分析AI預(yù)測市場指導(dǎo)投資；也可以有高速自動交易系統(tǒng)取代容易出錯(cuò)的人工交易專員等。對一個(gè)行業(yè)而言，需要不同功能結(jié)構(gòu)的多種人工智能以及技術(shù)輔助，也只有這樣才能讓人工智能發(fā)揮其更大的價(jià)值。

原來，AI的創(chuàng)建與人類發(fā)展成長有著異曲同工之處。“大腦”芯片控制整體“命脈”，“存儲系統(tǒng)”幫助記憶，“感官系統(tǒng)”掌握輸入，“軀干”實(shí)現(xiàn)運(yùn)作。雖然作為通才的強(qiáng)人工智能還沒出現(xiàn)，但不同功能的人工智能已經(jīng)在人類社會的各個(gè)領(lǐng)域嶄露頭角。TM公司不斷突破技術(shù)瓶頸，力圖打造出更加全能的產(chǎn)品。在為人類服務(wù)這件事情上，我們—直都很用心。