簡(jiǎn)析AI：深度學(xué)習(xí)讓AI正在變得像人類一樣神秘
從20世紀(jì)60年代開始，人們就在期待像哈爾（HAL）這樣的科幻級(jí)別的AI，然而直到最近，PC和機(jī)器人還是非常愚笨。現(xiàn)在，科技巨頭和創(chuàng)業(yè)公司宣告了AI革命的到來(lái)：無(wú)人駕駛汽車、機(jī)器人醫(yī)生、機(jī)器投資者等等。普華永道認(rèn)為，到2030年，AI將會(huì)向世界經(jīng)濟(jì)貢獻(xiàn)15.7萬(wàn)億美元。AI是2017年的熱詞，就像。com是1999年的時(shí)髦用語(yǔ)那樣，每一個(gè)人都宣稱自己對(duì)AI感興趣。不要被有關(guān)AI的炒作所迷惑，它是泡沫還是真實(shí)？和舊有的AI潮流相比，它現(xiàn)在有什么新穎之處？
AI并不會(huì)輕易或迅速地被應(yīng)用。最令人興奮的AI實(shí)例往往來(lái)自大學(xué)或者科技巨頭。任何許諾用最新的AI技術(shù)讓公司發(fā)生革命性變革的自封的AI專家，都只是在傳遞錯(cuò)誤的AI信息，其中某些人只是重塑舊有技術(shù)的形象，把它們包裝成AI。每個(gè)人都已經(jīng)通過(guò)使用Google、微軟、亞馬遜的服務(wù)，來(lái)體驗(yàn)了最新的AI技術(shù)。但是，深度學(xué)習(xí)不會(huì)迅速地被大企業(yè)所掌握，用來(lái)定制內(nèi)部項(xiàng)目。大多數(shù)人都缺乏足夠的相關(guān)數(shù)字?jǐn)?shù)據(jù)，不足以可靠地用來(lái)訓(xùn)練AI。結(jié)果就是，AI并不會(huì)殺死所有的工作機(jī)會(huì)，尤其因?yàn)樗谟?xùn)練和測(cè)試每個(gè)AI的時(shí)候還是需要人類。
AI目前已經(jīng)能夠用眼睛看到，并精通一些視覺(jué)相關(guān)的工作了，比如：通過(guò)醫(yī)學(xué)影像識(shí)別癌癥或其他疾病，在統(tǒng)計(jì)學(xué)上優(yōu)于人類放射科醫(yī)師、眼科醫(yī)師、皮膚科醫(yī)師等，還有駕駛汽車、讀唇語(yǔ)。AI能通過(guò)學(xué)習(xí)樣本（比如畢加索或者你的畫作）畫出任何一種風(fēng)格的圖畫。反過(guò)來(lái)，它也能通過(guò)一幅畫，補(bǔ)足缺失的信息，猜出真實(shí)的照片是什么。AI看著網(wǎng)頁(yè)或應(yīng)用的屏幕截圖，就能寫出代碼制作出類似的網(wǎng)頁(yè)或應(yīng)用。
AI目前還能用耳朵聽到，它不只能聽懂你的話，還能通過(guò)聽Beatles或你的音樂(lè)，創(chuàng)作出新的音樂(lè)，或者模擬它聽到的任何人的聲音。一般人無(wú)法分辨出一幅畫或一首曲子是由人還是由機(jī)器創(chuàng)作的，也無(wú)法分辨出一段話是由人類還是AI說(shuō)出的。
被訓(xùn)練用來(lái)贏得撲克比賽的AI學(xué)會(huì)了虛張聲勢(shì)，能夠處理丟牌、潛在的造假行為，還能誤導(dǎo)信息。被訓(xùn)練用來(lái)談判的機(jī)器人也學(xué)會(huì)了欺騙，能猜測(cè)出你什么時(shí)候在說(shuō)謊，如果需要它們也會(huì)撒謊。一個(gè)用來(lái)在日語(yǔ)和英語(yǔ)間翻譯或者在韓語(yǔ)和英語(yǔ)間翻譯的AI，也能在韓語(yǔ)和日語(yǔ)間進(jìn)行翻譯轉(zhuǎn)換。看起來(lái)翻譯AI自己創(chuàng)造了一種中間語(yǔ)言，能不分語(yǔ)言的界限演繹任何一個(gè)句子。
機(jī)器學(xué)習(xí)（ML）是AI的一個(gè)子類別，KUKA機(jī)器人電路板維修，它能讓機(jī)器從經(jīng)驗(yàn)中學(xué)習(xí)，從真實(shí)世界的實(shí)例中學(xué)習(xí)，數(shù)據(jù)量越大，它就能學(xué)到越多。據(jù)說(shuō)，如果一臺(tái)機(jī)器完成一項(xiàng)任務(wù)的表現(xiàn)隨著經(jīng)驗(yàn)的增多越來(lái)越好，那它就能根據(jù)這項(xiàng)任務(wù)的經(jīng)驗(yàn)進(jìn)行學(xué)習(xí)。但大部分AI還是根據(jù)固定規(guī)則制造出來(lái)的，它們并不能學(xué)習(xí)。從現(xiàn)在開始，我將使用機(jī)器學(xué)習(xí)這個(gè)詞來(lái)指稱從數(shù)據(jù)中進(jìn)行學(xué)習(xí)的AI，以此強(qiáng)調(diào)它和其他AI的區(qū)別。
人工神經(jīng)網(wǎng)絡(luò)只是通往機(jī)器學(xué)習(xí)的其中一種方式，其他路徑還包括決策樹、支持向量機(jī)等。深度學(xué)習(xí)是一種具有許多抽象層次的人工神經(jīng)網(wǎng)絡(luò)。不去談深度這個(gè)有炒作意味的詞，很多機(jī)器學(xué)習(xí)方法都是淺顯的。成功的機(jī)器學(xué)習(xí)通常是混合的，也就是很多方法的組合，比如樹+深度學(xué)習(xí)+其他，它們都是被分別訓(xùn)練而成的，再把它們結(jié)合在一起。每一個(gè)方法都可能帶來(lái)不同的錯(cuò)誤，所以，平均了它們每一個(gè)方法成功的結(jié)果，它們就勝過(guò)了單獨(dú)一種方法。
舊有的AI并不能學(xué)習(xí)。它是基于規(guī)則的，它只是幾個(gè)人類寫成的如果那么。它只要能解決問(wèn)題就被稱作是AI，但它不是機(jī)器學(xué)習(xí)，因?yàn)樗荒軓臄?shù)據(jù)中進(jìn)行學(xué)習(xí)。目前的AI和自動(dòng)系統(tǒng)中大部分依然是基于規(guī)則的代碼。機(jī)器學(xué)習(xí)從20世紀(jì)60年代開始才被人了解，但就像人類大腦一樣，它需要大量的計(jì)算設(shè)備處理大量的數(shù)據(jù)。在20世紀(jì)80年代，要在PC上訓(xùn)練一個(gè)ML需要幾個(gè)月時(shí)間，而那時(shí)候的數(shù)字?jǐn)?shù)據(jù)也非常稀少。手動(dòng)輸入的基于規(guī)則的代碼能快速地解決大部分問(wèn)題，所以機(jī)器學(xué)習(xí)就被遺忘了。但用我們現(xiàn)在的硬件，你能在幾分鐘內(nèi)就訓(xùn)練出一個(gè)ML，我們知道最佳的參數(shù)，而且數(shù)字?jǐn)?shù)據(jù)也更多了。然后在2010年之后，一個(gè)又一個(gè)AI領(lǐng)域開始被機(jī)器學(xué)習(xí)所掌控，從視覺(jué)、語(yǔ)音、語(yǔ)言翻譯到玩游戲，機(jī)器學(xué)習(xí)勝過(guò)了基于規(guī)則的AI，而且通常也能勝過(guò)人類。
為什么AI在1997年的國(guó)際象棋比賽中就擊敗了人類，但直到2016年，才在圍棋比賽中擊敗了人類呢？因?yàn)樵?997年，計(jì)算機(jī)僅僅簡(jiǎn)單地計(jì)算出了國(guó)際象棋8x8棋盤中所有的可能性，但圍棋擁有19x19的可能性，計(jì)算機(jī)要計(jì)算出所有可能性需要十億年。這就像要隨機(jī)組合出所有字母，以此得到這樣一整篇文章一樣：這根本不可能。所以，人們已知的唯一的希望在于訓(xùn)練出一個(gè)ML，但是ML是近似的，不是確定的，機(jī)器學(xué)習(xí)是隨機(jī)的，它可以被用于統(tǒng)計(jì)分析的模式，但不能用于準(zhǔn)確的預(yù)測(cè)。
機(jī)器學(xué)習(xí)讓自動(dòng)化成為可能，只要你準(zhǔn)備好訓(xùn)練ML的正確數(shù)據(jù)就可以了。
大多數(shù)機(jī)器學(xué)習(xí)都屬于監(jiān)督學(xué)習(xí)，這里用來(lái)訓(xùn)練的實(shí)例都是有標(biāo)簽的，標(biāo)簽就是關(guān)于每個(gè)實(shí)例的描述或者標(biāo)注。你首先需要人工把那些關(guān)于貓的照片從關(guān)于狗的照片中分離出來(lái)，或者把垃圾郵件從正常郵件中分離出來(lái)。如果你錯(cuò)誤地給數(shù)據(jù)打了標(biāo)簽，最后ML就會(huì)不正確，這至關(guān)重要。把未打標(biāo)簽的數(shù)據(jù)放到ML里，這就是無(wú)監(jiān)督學(xué)習(xí)，在這里ML會(huì)發(fā)現(xiàn)有用的數(shù)據(jù)的模型和群組，但它不能單獨(dú)用來(lái)解決很多問(wèn)題。所以有些ML是半監(jiān)督式的。
在異常檢測(cè)中，你可以識(shí)別出不同尋常的東西，你可以讓ML對(duì)任何可疑的不同之處做出警告。政府部門已經(jīng)開始用ML來(lái)偵查逃稅行為了。
強(qiáng)化學(xué)習(xí)在1983年的電影《戰(zhàn)爭(zhēng)游戲》中就已經(jīng)有了體現(xiàn)，在電影里，計(jì)算機(jī)通過(guò)打通光速中的每一個(gè)場(chǎng)景，從而避免了第三次世界大戰(zhàn)。這個(gè)AI在百萬(wàn)計(jì)的失敗與嘗試中探索，最終得到了巨大的回報(bào)。AlphaGo是這樣被訓(xùn)練而成的：它曾數(shù)百萬(wàn)次地扮演自己的對(duì)手，從而獲得超越人類的技能。它使出了前所未見的招數(shù)，人類選手甚至可能會(huì)把它看做錯(cuò)誤的招數(shù)。但后來(lái)，這些招數(shù)被公認(rèn)為機(jī)智非凡。ML開始變得比人類圍棋選手更富有創(chuàng)造性。
在人們認(rèn)為AI不是真正智能的時(shí)候，AI效應(yīng)就出現(xiàn)了。人們?cè)跐撘庾R(shí)里需要相信魔力，需要相信人類在宇宙中的獨(dú)一無(wú)二。每一次機(jī)器在某一項(xiàng)智能活動(dòng)中超越了人類時(shí)，比如在下象棋、識(shí)別圖片或者翻譯時(shí)，人們總是會(huì)說(shuō)：那只是強(qiáng)力計(jì)算能力，那不是智能。很多app里都有AI存在，然而一旦被廣泛應(yīng)用，它就不再被稱作智能。如果智能只是AI沒(méi)有達(dá)成的技能（也就是獨(dú)屬于大腦的技能），那字典每一年都要被更新，比如：數(shù)學(xué)在20世紀(jì)50年代之前才被認(rèn)為是智力活動(dòng)，現(xiàn)在已經(jīng)不是了。這真是太奇怪了。關(guān)于強(qiáng)力計(jì)算能力，一個(gè)人類大腦擁有100萬(wàn)億個(gè)神經(jīng)元連接，比地球上任何一個(gè)計(jì)算機(jī)所擁有的都多得多。機(jī)器學(xué)習(xí)不能做強(qiáng)力計(jì)算，如果讓機(jī)器學(xué)習(xí)去嘗試所有連接，那需要花上十億年的時(shí)間。機(jī)器學(xué)習(xí)只會(huì)在被訓(xùn)練的基礎(chǔ)上進(jìn)行猜測(cè)，并且它使用的計(jì)算能力比大腦使用的要少。所以，應(yīng)該是AI來(lái)宣稱人類大腦不夠智能，來(lái)宣稱人類大腦只是強(qiáng)力計(jì)算能力而已。