
十八世紀,第一次工業革命以機器取代人力,提高了生產力,自此人類文明向工業化時代邁進。在不到兩百年的時間里,以電力技術為核心的第二次工業革命、以計算機和信息技術為核心的第三次工業革命相繼到來,機器的發展,生產力的提高,都與人類社會的現代化進程密不可分。而當下,人工智能、增強現實技術、量子通信正在醞釀一場新的科技革命,數據的洪流向上走,進入云端,每個生命都能抽象成一個鏈接。新的浪潮即將到來,你準備好了嗎?
[1]
和許多人因為社會熱度選擇人工智能不同,任小明之所以選擇人工智能,完全源于他和機器頻繁“互動”所產生的真情實感。
大學期間,任小明的專業是電氣工程和自動化。這四年里,他經常與機器打交道。他從大二開始學習單片機課程,通過弱電控制強電,讓機器按預定的程序或指令自動執行操作。一開始他還覺得挺有意思,但時間久了,他覺得這些事先設定好的程序自動調整處理能力弱,操作起來不夠靈活。他想,有什么方法能讓機器根據不同的情況作出調整呢?
有一天,靈感終于來了。那是一場全國大學生“飛思卡爾杯”智能車競賽,參賽的很多智能車都采用紅外線檢測路線的設計,可紅外線只能掃描到近處的障礙物,一旦車速提升,紅外線經常來不及反應。這時,引入圖像識別技術的智能車體現出了絕對的優勢。不同于紅外線有限的作用范圍,攝像頭可以拍攝到遠處的影像,智能車中安裝的單片機通過對拍攝到的圖像進行讀取和識別,讓智能車在高速行駛的過程中,能更好地規劃行進路線。這項屬于人工智能領域的圖像識別技術,讓任小明產生了濃厚的興趣——如果把人工智能運用在其他機器上,是否可以讓機器根據實際情況更加靈活地進行判斷和調整?
大學畢業后,任小明被保研至中國科學技術大學自動化系的模式識別與智能系統專業,正式進入人工智能領域。人工智能軟件能夠感知、推理、行動和適應,現在在圖像識別、語音識別、自然語言處理三個方向表現得尤為突出。
和電影中可以思考、可以交流、可以創作的強人工智能不同,現實的人工智能屬于弱人工智能,它既不能和你進行有意義的談話,也不能獨立思考或解決程序里沒有的問題。它的邏輯和算法最初只來源于人工編程,但在處理龐大的數據流時,機器會建立起自己的業務邏輯,不斷改進算法。這個自主改進算法的過程被稱為機器的“自主學習”。
[2]
一張圖畫里,我們能看到靚麗的少女笑靨如花,但是在人工智能看來,它只是一串串數據——三原色、幾千個像素點……
一段悠揚的音樂傳來,我們不禁仔細聆聽欣賞,但是對于人工智能來說,它只是比圖畫麻煩一些的數據。因為圖畫是靜態的,而旋律卻不是。人工智能需要將它采樣,轉化為數字。
簡而言之,人工智能的世界和我們的世界完全不一樣。人工智能是由數據和算法搭建的數學模型,它的世界是數學的世界。如果數字推導得不正確,它的世界就會崩塌。所以,想要機器“自主學習”,控制機器的你,首先就要學好數學!
舉一個例子,在人工智能數學模型的建立中有一個貝葉斯公式,有人這樣解釋它:“假設袋子里面有N個白球,M個黑球,你伸手進去摸一把,摸出黑球的概率是多少?如果我們事先并不知道袋子里面黑白球的比例,而是閉著眼睛摸出一個或好幾個球,觀察已經取出來的球的顏色之后,我們可以對袋子里面的黑白球的比例作出什么樣的推測?”
基于貝葉斯公式設計的人工智能,能通過數據和概率定義黑球、白球,并對取出來的球進行分析。當新的數據填充進來時,它能不斷抓取信息、修正結果,最終做出最有可能的判斷。
但如果搭建這個模型的你事先不懂得概率,不了解公式,就不可能搭建起這樣的模型。即便你用了正確的公式搭建,也可能會因為微小的錯誤導致它的崩潰。例如,人工智能識別圖片時,只要在圖片上添加一些噪點,這張我們肉眼看起來根本沒有變化的照片,就會被人工智能識別為完全不同的照片。
“所以人工智能的成功與否也是一個概率問題。即便產生了這樣那樣的錯誤,但只要有大概率能成功,對人工智能的研發來說就是成功了。”任小明說。
但在人工智能的背后,那些從事研究的人的成功并非由概率來決定。研究不會一蹴而就,在人工智能開疆拓土的路上,這些研究者們堅持探索和前行,接續傳遞著奮斗的力量。他們必將爬過高坡,走過險灘,在人類沖向新科技高峰的路途上,留下自己的腳印。
劉暢:我的夢想是成為一名考古學家,我想讓塵封在遺跡中的文物重見天日,向世人解鎖人類文明的密碼,探索滄海桑田的歷史,回望金戈鐵馬的戰爭,夢回氣魄宏大的盛世王朝,走向繼往開來的輝煌。
小編:隨著信息科技與交通方式的升級,地理上的遠方正在慢慢消解,真正的遠方變成了歷史長軸上的彼岸。考古學家在一塊塊小小的探方、一疊疊殘碎的瓷片中,帶我們開啟了那扇通往遠方的大門——研究古文字,探秘古器皿,開啟塵封的史冊,旁觀秦皇漢武的風流。無論是沉睡地下還是躍動云端,它們都在向我們訴說那泱泱大國的恢宏與過往,而我們只有知道遠方在何處,才能更好地走向通往未來的路。祝福劉暢,在這條通往夢想的路上越走越遠;期待劉暢,帶我們看向中國的遠方和未來!