討論技術(shù)之前，我們先來(lái)搞清楚，到底什么是人工智能（ArtificialIntelligence）？簡(jiǎn)言之，就是用「機(jī)器」對(duì)人的意識(shí)、思維的信息過(guò)程的模擬。
當(dāng)初，「機(jī)器」并不是專指計(jì)算機(jī)，也可能是某種機(jī)械裝置，因?yàn)橛?jì)算機(jī)還沒(méi)有發(fā)明出來(lái)，AI就出現(xiàn)了。另外，即使計(jì)算機(jī)也分為我們熟悉的圖靈計(jì)算機(jī)和現(xiàn)在迅猛發(fā)展著的量子計(jì)算機(jī)或者DNA計(jì)算機(jī)等。
但是AI真正繁榮發(fā)展，還是從圖靈機(jī)出現(xiàn)之后才開(kāi)始的。
有的讀者可能不是計(jì)算機(jī)專業(yè)的，所以簡(jiǎn)單介紹一下圖靈機(jī)。同時(shí)要涉及一些數(shù)學(xué)和算法的知識(shí)，稍有些晦澀，大家要有一些耐心，否則沒(méi)辦法理解哪些更復(fù)雜的AI知識(shí)和術(shù)語(yǔ)。
圖靈機(jī)和圖靈測(cè)試
早在1900年，大數(shù)學(xué)家希爾伯特（DavidHilbert）提出了著名的第十問(wèn)題：
GivenaDiophantineequationwithanynumberofunknownquantitiesandwithrationalintegralnumericalcoefficients:Todeviseaprocessaccordingtowhichitcanbedeterminedinafinitenumberofoperationswhethertheequationissolvableinrationalintegers.（fromWikipedia）
能否能通過(guò)有限步驟（算法）來(lái)判定不定方程存在有理整數(shù)解？
圖靈（AlanTuring，計(jì)算機(jī)科學(xué)與人工智能之父），被這個(gè)問(wèn)題深深的吸引了，雖然后來(lái)的數(shù)學(xué)家證明Hillbert的第10問(wèn)題中提到的那個(gè)算法不存在，但是，得到了一個(gè)最好的副產(chǎn)品，那就是1936年圖靈提出了如下所示的圖靈機(jī)：
TuringMachinefromWikipedia
ATuringmachineisanabstractmachinethatmanipulatessymbolsonastripoftapeaccordingtoatableofrules.（fromWikipedia）
圖靈機(jī)是指一個(gè)抽象的機(jī)器，它有一條無(wú)限長(zhǎng)的紙帶，紙帶分成了一個(gè)一個(gè)的小方格。有一個(gè)機(jī)器頭在紙帶上移來(lái)移去。機(jī)器頭有一些固定的程序。在每個(gè)時(shí)刻，機(jī)器頭都要從當(dāng)前紙帶上讀入一個(gè)方格信息，然后結(jié)合自己的內(nèi)部狀態(tài)查找程序表，根據(jù)程序輸出信息到紙帶方格上，并轉(zhuǎn)換自己的內(nèi)部狀態(tài)，www.twshmhelmet.com，然后進(jìn)行移動(dòng)。
馮？諾依曼（JohnvonNeumann），庫(kù)卡機(jī)器人，和圖靈是同一時(shí)期的大數(shù)學(xué)家，1946年領(lǐng)導(dǎo)研制出了眾所周知的第一臺(tái)現(xiàn)代電子計(jì)算機(jī)ENIAC，其工作原理就是和圖靈機(jī)是一致的。
1950年，圖靈提出了著名的「圖靈測(cè)試」，用來(lái)驗(yàn)證一個(gè)機(jī)器是否達(dá)到人類的智能，具體方法就是把一個(gè)機(jī)器A和一個(gè)人B分別關(guān)到不同房間里，測(cè)試者C通過(guò)裝置（如鍵盤(pán)）和兩者對(duì)話，如果30%以上的測(cè)試者不能區(qū)分機(jī)器和人，則認(rèn)為機(jī)器A通過(guò)圖靈測(cè)試。
TuringTestfromWikipedia
大家可以看出來(lái)，從希爾伯特、圖靈到馮？諾依曼，整個(gè)人工智能AI的發(fā)展，都是大數(shù)學(xué)家們?cè)谕苿?dòng)前進(jìn)的。所以，如果想真正理解AI的工作原理和發(fā)展趨勢(shì)，必須了解相關(guān)的數(shù)學(xué)發(fā)展史和挑戰(zhàn)。
幾個(gè)關(guān)鍵理論和技術(shù)
1、圖靈停機(jī)問(wèn)題（Haltingproblem）
圖靈機(jī)本質(zhì)上就是完成了從輸入到輸出的變換（計(jì)算），假設(shè)，程序P可以把所有的變換進(jìn)行「歸納」，產(chǎn)生這些變換規(guī)則的「共性」，那么，圖靈機(jī)應(yīng)該能通過(guò)計(jì)算獲得等同于人類的智能。但是，這個(gè)假設(shè)在圖靈機(jī)上是不可計(jì)算的，這就是著名的圖靈機(jī)停機(jī)問(wèn)題：
Haltingproblemistheproblemofdetermining,fromadeionofanarbitrarycomputerprogramandaninput,whethertheprogramwillfinishrunningorcontinuetorunforever.
停機(jī)問(wèn)題就是判斷任意一個(gè)程序是否會(huì)在有限的時(shí)間之內(nèi)結(jié)束運(yùn)行的問(wèn)題。
圖靈本人已經(jīng)在數(shù)學(xué)上證明了這個(gè)判斷算法根本不存在。也就是說(shuō)，工業(yè)機(jī)器人維修，總是有些人的智能對(duì)于圖靈計(jì)算機(jī)來(lái)說(shuō)，是不可解決的。通常也說(shuō)，這個(gè)問(wèn)題是和圖靈停機(jī)問(wèn)題計(jì)算等價(jià)的。
所以，為了讓機(jī)器獲得強(qiáng)人工智能（GeneralAI），人們開(kāi)始研究「超越圖靈計(jì)算」的量子計(jì)算或者DNA計(jì)算等。
不過(guò)在弱人工智能（NarrowAI）領(lǐng)域，「深度學(xué)習(xí)」這個(gè)圖靈可計(jì)算的方法還是能解決很多實(shí)際問(wèn)題的。
2、深度學(xué)習(xí)（DeepLearning）
目前大家經(jīng)常聽(tīng)到的谷歌大腦、百度大腦，核心技術(shù)就是用了深度學(xué)習(xí)，主要指應(yīng)用了多隱含層的神經(jīng)網(wǎng)絡(luò)。在解釋深度學(xué)習(xí)之前，我們來(lái)了解一下什么是機(jī)器學(xué)習(xí)，以及其和深度學(xué)習(xí)的關(guān)系。
如上圖所示，機(jī)器學(xué)習(xí)ML是人工智能AI的一個(gè)分支，深度學(xué)習(xí)DL又是機(jī)器學(xué)習(xí)ML的一個(gè)分支。
機(jī)器學(xué)習(xí)ML就是通過(guò)算法，使得機(jī)器從大量歷史數(shù)據(jù)中學(xué)習(xí)規(guī)律，提取特征值，例如語(yǔ)音識(shí)別里的MFCC特征、機(jī)器視覺(jué)里的SIFT特征等，再把這些特征放到各種機(jī)器學(xué)習(xí)模型中，從而對(duì)新的樣本做智能識(shí)別或?qū)ξ磥?lái)做預(yù)測(cè)。
問(wèn)題來(lái)了，因?yàn)樵诮?jīng)典機(jī)器學(xué)習(xí)里，這些特征提取算法都是人們根據(jù)具體場(chǎng)景數(shù)據(jù)的特征人工設(shè)計(jì)出來(lái)的，所以這種方法主要靠人工經(jīng)驗(yàn)來(lái)抽取樣本的特征。
然而，深度學(xué)習(xí)DL的關(guān)鍵就是要從海量訓(xùn)練數(shù)據(jù)中自動(dòng)提取特征，這也是GeoffreyHinton和YannLeCun這些大牛們的主要貢獻(xiàn)。
深度學(xué)習(xí)DL在教會(huì)計(jì)算機(jī)聽(tīng)（語(yǔ)音識(shí)別）、看（圖像識(shí)別）、說(shuō)（自然語(yǔ)言處理）上，都取得了很大的成績(jī)，尤其是前兩者分別比傳統(tǒng)的MFCC和SIFT等識(shí)別率提高了20%到30%以上，這個(gè)進(jìn)步是革命性的。
簡(jiǎn)單白話一下深度學(xué)習(xí)的工作原理，一個(gè)神經(jīng)元就是一個(gè)分類器，神經(jīng)元模型就是不停的分類，最終不同特征就抱團(tuán)了，神經(jīng)網(wǎng)絡(luò)神奇的地方就是每一個(gè)組件非常簡(jiǎn)單，但是一層一層級(jí)連（多隱含層）后，高質(zhì)量的特征值就奇妙的產(chǎn)生了。
當(dāng)然，神經(jīng)元的參數(shù)調(diào)整依然高度依賴人的經(jīng)驗(yàn)，這也是為什么說(shuō)深度學(xué)習(xí)DL依舊還是一個(gè)充滿Tricks（YannLeCun語(yǔ)）的DirtyWork（AndrewNg語(yǔ)）。
3、人工人工智能
目前實(shí)踐中，接地氣的人工智能方法，除了前面說(shuō)的深度學(xué)習(xí)DL，還有馬上討論的人工人工智能。
2007年，一位谷歌的實(shí)習(xí)生路易斯？馮？安（LuisvonAhn）開(kāi)發(fā)了一款有趣的程序ReCapture，卻無(wú)意間開(kāi)創(chuàng)了一個(gè)新的人工智能研究方向：「人類計(jì)算」。
ReCapture的初衷挺簡(jiǎn)單的，想利用人類高超的模式識(shí)別能力，自動(dòng)幫谷歌公司完成大量掃描圖書(shū)的文字識(shí)別工作。于是，LuisvonAhn想到，每天都有大量的用戶在輸入驗(yàn)證碼來(lái)向機(jī)器證明自己是人而不是機(jī)器，而輸入驗(yàn)證碼事實(shí)上就是在完成文本識(shí)別。
于是，一方面是有大量的掃描的圖書(shū)中難以識(shí)別的文字需要人來(lái)識(shí)別；另一方面是由計(jì)算機(jī)生成一些扭曲的圖片讓大量的用戶做識(shí)別以表明自己的身份。那么，為什么不把兩個(gè)方面結(jié)合在一起呢？LuisvonAhn聰明地讓用戶在輸入識(shí)別碼的時(shí)候悄悄幫助谷歌完成了文字識(shí)別工作！
大家再想一下前文中我們提到的圖靈測(cè)試，在這個(gè)「人類計(jì)算」ReCapture的例子中，用人來(lái)幫助識(shí)別文字，是不是就是A和B合二為一，他們一起給C提供AI服務(wù)了。
世界就是這么神奇，人們探索人工智能AI一個(gè)多世紀(jì)了，雖然圖靈機(jī)停機(jī)問(wèn)題證明了目前現(xiàn)代圖靈計(jì)算機(jī)的局限性，但是在「深度學(xué)習(xí)DL」和「人工人工智能」兩個(gè)方向上依然砥礪前行。