去年Alpha狗出来的时候，我就想写点什么，但那个时候写点什么，就感觉有点愤青了。为什么要把机器人跟人比呢？无聊不啦。这无异于把人和汽车比谁跑得快，你咋不拿计算机和神算子比？为啥不拿计算机和超强大脑比？一个道理对吧？
好吧，不愤青了，理智的说点事情吧。我们人类之所以是高级动物是因为我们求同存异，我们研究机器人绝对不是为了“人类 vs. 机器”，而是为了“人类+机器”=更强大的人类！
引用维基百科：人工智能（英语：Artificial Intelligence, AI）亦称机器智能，是指由人工制造出来的系统所表现出来的智能。通常人工智能是指通过普通电脑实现的智能。该词同时也指研究这样的智能系统是否能够实现，以及如何实现的科学领域。
所以，他是由人工制造出来的智能系统。主要依靠计算机系统去实现机器智能化，这个过程包括学习知识运用知识，推理知识得出结论以及自我纠正等。
计算机永远不能和人比，因为他永远只能做有逻辑的事情，所以他不会有灵感，不会有创新！
AI是由美国计算机科学家约翰·麦卡锡（John McCarthy）于1956年在达特茅斯会议（Dartmouth Conference）创立的。而先在的AI应该是指所有的自动化控制过程包括机器人在内的所有总称，得益于物联网与智能手机技术的推广，数据和信息量越来越庞大，AI可执行的任务更多，比如识别数据模式或规律比人类更有效，所以很多互联网企业或制造企业可以从大数据中获得更多洞察力，掌握未来要发展的趋势或预防即将发生的事情。AI的分类有很多种，按照功能可以分成简单的AI和复杂的AI，简单的AI如Siri，她就是一个虚拟的个人助理。而广义的AI应该是要具备认知能力的系统，能够为特定的任务寻找方案的系统。
引用密西根大学的综合生物学和计算机工程科学院教授Arend Hintze的分类方法，AI系统可以氛围四类：
1) 反应机器(Reactive Machine): 这应该就是类似Alpha狗，他能够下棋，并能精准计算最优化的方式(strategic move)。但是他没有存储功能，也就是没有记忆，所以他不能有经验之谈。所以他的应用领域很窄。
2) 少量记忆(limited Memory)：这样的AI系统能够运用过去的记忆去提醒未来的决策，很多自动驾驶都是依据这个概念设计的。
3) 思想理论(Theory of Mind): 这是个心理学术语，他是基于其他人的信仰、欲望和意图的理解来影响他们所做的决定，目前还不存在。
4) 自我意识(Self Awareness)：他们有自我的感觉和意识，了解他们目前的状态，并可以依据此信息来判断别人的感受，这种目前也不存在。
人工智能(AI)与机器学习(Machine Learning)以及深度学习(Deep Learning)
人工智能广义来讲应该就是机器能够更智能的完成一项任务，如果他能够和我们人类一样思考，拥有和我们一样的智慧，拥有我们全部的感知和理性，则他就可成为“强人工智能”[General AI]，显然我们现在的人工智能还只是弱人工智能[Narrow AI]。机器学习应该是实现人工智能的方法而已。如果用关系来表达的话，人工智能应该是一个更大的范畴，而机器学习是他的一个组成部分而已。
而机器学习的关键在于算法，他是利用算法来分析数据的实践和学习，然后对真实事件做出决定或预测，而不是传统意义的用一组特定的指令去完成某个设定好的任务，机器是通过使用大量数据和算法来【训练】，从而使它学习如何执行任务和做出决策，随着时间的改变，算法逐渐完善而改变一切。而且我相信，这个过程没有终点，只有更完美。说直白一点，他就是if-then, else-then, end的重复的algorithm而已，所以这完全就是IT的活。
那么深度学习呢(Deep Learning)？如果说机器学习就是基于计算机程序算法的逐渐自我完善的话，那么深度学习就是另一种算法了，他主攻人脑的神经网络(Neural Networks)以及神经元之间的相互关系等。从生物层面讲，人脑记住一个事物，是把这些事物支离破碎的记载在每个神经元细胞里，这只是第一层。而第二层是利用第一层的存储数据进行任务分析处理，一直传输到最后一层产生结果。这个“深度”的意思就是神经网络的层次数量，浅层神经可能只有一个隐藏层，而深度神经网络则不止一个隐藏层，多个隐藏层让深度神经网络能够以分层的方式学习数据的特征，因为简单特征（比如两个像素）可逐层叠加，形成更为复杂的特征（比如一条直线）。和小朋友认识世界的方式一样，神经网络的深度学习必须是调制和训练出来的，是不是还会出错，所以他最需要的就是训练！
只有深度学习才是人工智能的未来，才会有科幻电影的效果。深度学习的出现基本上受益于大数据以及超级计算机处理能力(比如GPU)，所以才会有一种说法“软件正在接管世界”，而现在应该是“深度学习接管机器学习”。说白了，AI就是“算法+数据+计算”的综合体，说到这里我们这些做半导体的人心就寒了，痛悟自己入错了行啊！AI公司都是招程序猿的哦，O(∩_∩)O
AI的应用实例：
1) 过程自动化：可以执行大量繁琐重复的人类劳动，他与IT自动化的不同之处在于，他可以适应不断变化的环境。
2) 机器学习(Machine Learning)：机器在没有编程的情况下就可以自己行动，深度学习是他的一个分支，他可以被认为是预测分析的自动化。机器有三种学习模式：监督学习，数据被标记用以检测被学习的新的数据集。无监督学习，未标记但可以根据相似性或差异性进行排序。强化学习，没有标记，被执行动作或者多个动作之后，AI系统被给予反馈。
3) 机器视觉(Machine Vision)：计算机能看到的科学。简单一点就是图形比对，异常检查，动态追踪等。
4) 自然语言处理(NLP)：他是处理人类的语言而不是计算机的语言(计算机的语言是代码)，比如他可以帮你处理垃圾邮件。所以他的前提是机器必须学习过处
/1 
eetop公众号
创芯大讲堂
创芯人才网
发表于 2017-8-10 10:52:50
