人工智能綜述：AI的發展

崔雍浩，商 聰，陳鍶奇，郝建業

(天津大學 智能與計算學部，天津 300350)

0 引言

人工智能是集合了計算機科學、邏輯學、生物學、心理學和哲學等眾多學科，在語音識別、圖像處理、自然語言處理、自動定理證明及智能機器人等應用領域取得了顯著成果[1]。人工智能在社會發展中扮演著不可或缺的角色。人工智能在提升勞動效率、減低勞動成本、優化人力資源結構及創造新的工作崗位需求方面帶來了革命性的成果。人工智能的出現為疲軟的全球經濟提供了新的動力，提升了全球GDP的增長速度。

人工智能規模發展迅速，截至2018年,中國人工智能市場規模已達238.2億元。人工智能的產生已經為人類創造出很大的經濟效益，正在惠及生活的方方面面，無人駕駛、人工智能醫療及語音識別等，為人類的生活提供了便利。同時人工智能的出現，取代了很多傳統崗位，同時也創造了很多新的崗位來消化社會勞動力。人工智能的出現極大地推動了社會發展，讓社會發展步入新的時期。

1 人工智能發展歷史

人工智能雛形的出現是在1955年，在一次“學習機器討論會”上，著名的科學家艾倫·紐厄爾和奧利弗·塞弗里奇分別提出了下棋與計算機模式識別的研究[2]。在次年的達特茅斯會議上，提出了“人工智能”一詞，并討論確定了人工智能最初的發展路線與發展目標[3]。之后由阿瑟·塞繆爾提出了機器學習理論，根據這一理論編寫完成了能夠與人類進行對弈的西洋跳棋程序，并于1962年戰勝了美國的西洋跳棋大師[4-5]。20世紀70年代中葉符號學派走向低谷，以仿生學為基礎的研究學派逐漸火熱。神經網絡由于BP算法的廣泛應用獲得了高速發展[1]。在大環境下，專家系統的大量使用使工業界節約了大量成本，提升了產業效益。例如價值上億的礦藏由PROSPECTOR專家系統成功地分析得出[6]。在此之后，人們開始嘗試研究具有通用性的人工智能程序,卻遇到了嚴重的阻礙，陷入停滯。人工智能又一次步入低谷。1997年，“深藍”的成功讓人工智能的發展又提上日程。隨著算力的增加，人工智能的瓶頸被打破，為基于大數據的深度學習與增強學習提供了發展的可能[7]。GPU不斷發展，與此同時定制化處理器的研制成功使算力不斷提升，為人工智能的爆發提供了基礎。在無人駕駛領域北京地平線信息技術有限公司，發布了一款嵌入式視覺芯片，主要針對無人駕駛汽車領域。阿里投資千億成立“達摩院”，在機器學習等方面開展研究和進行產品開發。人工智能步入了快速發展期。

如圖1[8]所示，人工智能自出現以來，經歷了兩次低谷三次浪潮，現在正處于人工智能的第三次浪潮，人工智能正在快速發展，為生產力的提升提供變革的動力。

圖1 人工智能發展歷程

2 人工智能技術核心

2.1 計算機視覺

人們認識世界，91%是通過視覺來實現。同樣，計算機視覺的最終目標就是讓計算機能夠像人一樣通過視覺來認識和了解世界，它主要是通過算法對圖像進行識別分析，目前計算機視覺最廣泛的應用是人臉識別和圖像識別。

2.1.1 圖像分類

傳統圖像分類的方法主要經過2個步驟：特征提取和訓練分類器。

特征提取通用的方法主要包括2種，使用通用特征提取和使用自己設計的特征提取。例如在人臉識別中，使用HOG，LBP等通用特征進行檢測。選定特征之后，使用傳統的機器學習方法，例如adaboost等建模方法訓練分類模型，然后選擇效果最好的模型進行調參，最終生成人臉檢測模型。

自2015年之后，圖像處理使用深度學習[9]進行分類的方法得到了廣泛應用。神經網絡通過神經元構建成網絡，通過激活函數使模型具有非線性擬合能力。只需要給模型設計好輸入和輸出，模型就能自動學習特征提取和訓練分類器的過程。深度學習的使用讓圖像分類過程中最為費時費力的過程得以簡化，提升了圖像分類的效果和效率。VGG[10]，ResNet(殘差神經網絡)，inception這幾種結構是工程中最常用的。工程上使用的模型必須要兼顧效率和效果，即在保證精度的同時也要保證速度。所以，在訓練好模型之后會對模型進行微調和縮減。FRCNN[11]，Mask-RCNN[12]，YOLO[13]是現在常用的網絡模型，這幾個模型擁有的共同點就是精度高、速度快。例如應用在人臉識別領域，這幾個模型都可以實時檢測并得出結果。

2.1.2 目標跟蹤

目標跟蹤主要有3類算法，相關濾波算法、檢測與跟蹤相結合的算法和基于深度學習的算法。

相關濾波(Correlation Filter，CF)是當前研究的一個重點，最初它應用在信號領域，之后引入目標跟蹤領域。它引入了快速傅里葉變換從而使得算法效率得到有效提升。MOSSE[14]是目標檢測算法中應用最早的算法。在研究過程中在實時性應用方面做出突破的算法是CSK[15]。在CSK的基礎上進行改進，產生了KCF算法[16]。之后還提出了CN[17]，DSST[18]，SRDCF[19]等算法。

檢測與跟蹤相結合的算法，簡單來說就是目標跟蹤的判別式算法。算法的實現理念是先找出目標的位置，然后再對目標進行跟蹤。

深度學習的推廣也影響到目標跟蹤研究。基于深度學習的算法有分類和回歸兩類。R-CNN[20]，Fast R-CNN[21]，Faster R-CNN[22]是基于分類的算法。3種算法最大的不同在于檢測窗口的選擇，R-CNN采用滑動窗口，Fast R-CNN采用Selective Search，Faster R-CNN采用RPN。

2.1.3 語義分割

計算機視覺就是將圖片分割成像素，然后對像素進行處理。語義分割的意義是理解分割后像素的含義，例如圖片中識別人、摩托、汽車及路燈等，它需要對密集的像素進行判別。卷積神經網絡推動了語義分割算法的發展。語義分割中最基礎的方法是通過滑動的窗口進行分類預測。

2014年，全卷積神經網絡(Fully Convolutional Networks,FCN)的出現替代了網絡全連接層。基于FCN研究出Encoder-Decoder架構。Encoder是降低空間維度的操作，Decoder是恢復空間維度和細節信息的操作。之后空洞卷積(Dialated/Atrous)取代了Pooling操作。空洞卷積的優點是它可以保持空間分辨率。除了之前的幾種方法，還有一種叫條件隨機場(Conditional Random Fields,CRFs)[23]的方法來提升分割效果。

2.2 機器學習

機器學習的基本思想是通過計算機對數據的學習來提升自身性能的算法。機器學習中需要解決的最重要的4類問題是預測、聚類、分類和降維。

機器學習按照學習方法分類可分為：監督學習、無監督學習、半監督學習和強化學習。

2.2.1 監督學習

監督學習指的是用打好標簽的數據訓練預測新數據的類型或值。根據預測結果的不同可以分為2類:分類和回歸。監督學習的典型方法有SVM和線性判別。

回歸問題指預測出一個連續值的輸出，例如可以通過房價數據的分析，根據樣本的數據輸入進行擬合，進而得到一條連續的曲線用來預測房價。

分類問題指預測一個離散值的輸出，例如根據一系列的特征判斷當前照片是狗還是貓，輸出值就是1或者0。

2.2.2 無監督學習

無監督學習是在數據沒有標簽的情況下做數據挖掘，無監督學習主要體現在聚類。簡單來說是將數據根據不同的特征在沒有標簽的情況下進行分類。無監督學習的典型方法有k-聚類及主成分分析等。

k-聚類的一個重要前提是數據之間的區別可以用歐氏距離度量，如果不能度量的話需要先轉換為可用歐式距離度量。

主成分分析是一種統計方法。通過使用正交變換將存在相關性的變量，變為不存在相關性的變量，轉換之后的變量叫做主成分。其基本思想就是將最初具有一定相關性的指標，替換為一組相互獨立的綜合指標。

2.2.3 半監督學習

半監督學習根據字面意思可以理解為監督學習和無監督學習的混合使用。事實上是學習過程中有標簽數據和無標簽數據相互混合使用。一般情況下無標簽數據比有標簽數據量要多得多。半監督學習的思想很理想化，但是在實際應用中不多。一般常見的半監督學習算法有自訓練算法(Self-training)、基于圖的半監督算法(Graph-based Semi-supervised Learning)和半監督支持向量機(S3VM)。

2.2.4 強化學習

隨著Alpha Go的火熱，強化學習成為了當前最火熱的研究領域之一，強化學習詞熱點居高不下。強化學習是通過與環境的交互獲得獎勵，并通過獎勵的高低來判斷動作的好壞進而訓練模型的方法。強化學習中探索和開發的權重高低是一個難題：為獲得更好的獎勵必須盡量選擇能獲得高獎勵的動作，但是為了獲得更好的獎勵，也必須要挖掘未知的動作。

過了大約二十分鐘，兩人返回案發現場。陸叔叔一臉狐疑，難以置信地搖著頭，不停地說“奇怪”，霍鐵則眉頭緊鎖，一言不發。

強化學習的基礎來源于行為心理學。在1911年Thorndike提出了效用法則，即在環境中讓人或者動物感到舒服的動作，人或者動物會不斷強化這一動作。反之，如果人或者動物感覺到不舒服的行為，人或者動物會減少這種動作。強化學習換言之是強化得到獎勵的行為，弱化受到懲罰的行為。通過試錯的機制訓練模型，找到最佳的動作和行為獲得最大的回報。它模仿了人或者動物學習的模式，并且不需要引導智能體向某個方向學習。智能體可以自主學習，不需要專業知識的引導和人力的幫助。

基礎的強化學習算法有使用表格學習的q_learning[25]，sarsa以及使用神經網絡學習的DQN[26]，直接輸出行為的Policy Gradients[27]及Actor Critic[28]等。強化學習算法應用到游戲領域取得了不錯的成果，在星際(圖2)[29]和潮人籃球(圖3)的AI訓練方面都取得了不錯的成果。

圖2 星際爭霸

圖3 潮人籃球

2.3 自然語言處理

自然語言處理(NLP)[30]是指計算機擁有識別理解人類文本語言的能力，是計算機科學與人類語言學的交叉學科。自然語言是人與動物之間的最大區別，人類的思維建立在語言之上，所以自然語言處理也就代表了人工智能的最終目標。機器若想實現真正的智能自然語言處理是必不可少的一環。自然語言處理分為語法語義分析、信息抽取、文本挖掘、信息檢索、機器翻譯、問答系統和對話系統7個方向。

句法語義分析[31]，是對于給定的語言提取詞進行詞性和詞義分析，然后分析句子的句法、語義角色和多詞義選取。信息抽取，是指從給定的一段文字中抽取時間、地點和人物等主要信息，以及因果關系等句子關系。文本挖掘，對大量的文檔提供自動索引，通過關鍵詞或其他有用信息的輸入自動檢索出需要的文檔信息。機器翻譯[32]，輸入源文字并自動將源文字翻譯為另一種語言，根據媒介的不同可以分為很多的細類，如文本翻譯、圖形翻譯及手語翻譯等。問答系統[33]，是提出一個文字表達的問題，計算機可以給出準確的答案，過程中需要對問題進行語義分析，然后在資料庫中尋出對應答案。對話系統[34]，指計算機可以聯系上下文和用戶進行聊天及交流等任務，針對不同的用戶采用不同的回復方式等功能。

自然語言處理主要有5類技術，分別是分類、匹配、翻譯、結構預測及序列決策過程。

2.4 語音識別

現在人類對機器的運用已經到了一個極高的狀態，所以人們對于機器運用的便捷化也有了依賴。采用語言支配機器的方式是一種十分便捷的形式。語音識別技術[35]是將人類的語音輸入轉換為一種機器可以理解的語言，或者轉換為自然語言的一種過程。

人類的聲音信號經過話筒接收以后，轉變成為電信號并作為語音識別系統的輸入，然后系統對傳入信號進行處理，再進行特征抽取，提取特征參數，從而提取出特征。將特征與原有數據庫進行對比，最終輸出識別出的語言結果。

語音識別的難點主要集中在噪聲處理、魯棒性和語音模型上。在輸入語音時總是可能出現各種各樣的噪聲，提高對噪聲的處理是提高識別準確率的重要一環。魯棒性，現有的語音識別系統對環境的依懶性偏高，不同的環境中識別的準確性可能會有較大差別。語音模型的優化[36]也是面臨的一個重大問題，語言的復雜性毋庸置疑，語言的語義、情緒及語速等都會影響到語音的真實意義，所以優化語音模型，優化語音模型的基礎就是需要大量的數據。

3 人工智能應用前景

3.1 計算機視覺應用

在計算機視覺領域[37]，中國融資過億的企業就有11家。商湯科技是一家以計算機視覺技術為核心的企業，專注于人工智能視覺引擎，擁有自主研發的深度學習平臺，不斷產出計算機視覺技術，它涉及的行業有無人駕駛、平安城市及金融等高技術產業，不斷將產業技術付諸實踐，吸收融資后致力于商湯的自主技術商業化。國內眼擎科技公司發布的AI視覺成像芯片全球首發，它的出現提升了現有的視覺識別能力，即使在極其復雜的環境中依然可以擁有十分優秀的視覺能力。

計算機視覺技術在安防領域的應用也十分廣泛。通過視頻內容自動識別車輛[39]、人還有其他信息，為安防提供技術支持，并在追逃階段可以自動匯報追蹤相應的可疑車輛和人的運動軌跡，為公安機關抓捕提供可靠的信息。

計算機視覺領域不斷有企業[38]涌現出旺盛的生命力，體現了人工智能這一技術方向的巨大潛力。

3.2 機器學習應用

機器學習與自動駕駛、金融及零售等行業緊密結合，不斷提升行業的發展潛力。在自動駕駛領域運用機器學習的技術，不斷提升自動駕駛的路測能力，通過強化學習的手段[40]讓無人汽車在環境中不斷提升自己的能力，訓練出的模型在基本路測環境中保持穩定。通過不斷引入新的機器學習技術[41]，讓無人駕駛的商業化成為可展望的未來。零售行業運用機器學習的技術分析用戶的喜好[42-43]，進行定點推送，提供顧客更偏向購買的物品，提升零售的成功率[44-45]。

在金融領域人工智能的市場規模已經變得越來越大，通過機器學習的技術手段，預測風險和股市的走向。運用機器學習的手段進行金融風險管控，整合多源的資料，實時向人提供風險預警信息。利用大數據對相應的金融風險進行分析，實時提供相應金融資產的風險預警，節省投資理財的人力物力消耗，構建科學合理的風險管控體系，為金融業的發展添磚加瓦。

3.3 自然語言處理應用

自然語言處理應用領域也很廣闊[46]。在郵件領域，它被用來分析處理垃圾郵件，為用戶提供良好的應用環境。通過語言識別對文檔進行自動分類，節省了人力并為企業的自動化運轉提供了技術支持[47]；在書籍分類中，可以根據書籍內容進行自動分類，為用戶查找相應書籍提供便捷的尋找手段；自動翻譯的便捷功能，讓語言不再成為知識交流的障礙，在線翻譯軟件可以即時翻譯出絕大部分文本；人工智能客服的出現也改變了用戶體驗，基本問題可以直接找機器客服解決。

在金融領域的智能客服和智能投資顧問也運用了自然語言處理技術[48]。智能投資顧問和智能客服采用語義識別技術，對咨詢者的語義進行分析，并在資源庫中找出最合適的回答方式和內容[49]。智能投資顧問管理的資產在2012年還基本不存在，在2014年時技能已經達了140億美元，到2019年初處于其管理下的資產已經到達了一個十分驚人的數字。

3.4 語音識別應用

語音識別應用的領域更加廣泛，語音識別技術的普及讓即時翻譯不再困難。在微信中，通過語音識別技術可以不聽取他人語音直接翻譯為相應的文本[50]，使微信交流功能在不方便聽取語音的環境中不受影響。

智能家居是一種以居住環境為平臺的先進理念，通過人工智能的方式讓與生活相關的家居統籌管理，使人的生活環境更加智能、舒適。智能家居中也應用了語音識別技術，通過解析人的語言命令[51]，讓家居進入相應的開關程序，并對人的命令作出回應，提升人的居住體驗。

4 結束語

人工智能技術綜合了多個學科領域，對人類的發展具有不可替代的作用。可以預見的是，人工智能必將成為下一次工業革命的核心。由此帶來的變革不僅體現在技術上，對人類的心理、人文及倫理等方面都會造成沖擊。當前90%的人力工作將來都有可能被人工智能取代，但是當人工智能取代傳統崗位之后依然會衍生出新的崗位，不會引起大面積失業。人工智能時代已經降臨，在教育層面應當響應時代號召，積極學習人工智能各項新技術；在社會層面應當積極接受新的事物，不斷前進并開拓出更多新的生活方式，不斷與時俱進、更新思想大跨步邁進人工智能新時代。