解讀人工智能技術(shù)以及國內(nèi)產(chǎn)業(yè)鏈現(xiàn)狀

　　物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等科技熱詞這幾年似乎每天都在科技頭條中輪番出現(xiàn)，到底哪一種技術(shù)對人類社會的發(fā)展有更大的推動作用呢?不知道有沒有人有這樣的疑惑，事實(shí)上，它們都是未來的趨勢，彼此之間并不矛盾。

　　有人說，萬物互聯(lián)的時(shí)代，大數(shù)據(jù)是未來的新石油。怎么去理解這一句話呢?我們知道，物聯(lián)網(wǎng)技術(shù)主要是實(shí)現(xiàn)物理世界(現(xiàn)實(shí)世界)和信息世界的融合，從而獲取到現(xiàn)實(shí)世界海量、動態(tài)、多態(tài)以及關(guān)聯(lián)的數(shù)據(jù)。而大數(shù)據(jù)概念，正是對于這些數(shù)據(jù)的抽象描述，通常是指大小已超出傳統(tǒng)意義的尺度，并且軟件工具難以捕捉、存儲、管理與分析的數(shù)據(jù)。再者就是人工智能技術(shù)，它是建立在大量數(shù)據(jù)的基礎(chǔ)上的一門技術(shù)，可以讓機(jī)器像人一樣去思考。

　　說到人工智能，就不得不提到機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。很多人對此不是很了解，在這里我就用一張表示集合的圖來直觀地描述下三者的關(guān)系。

　　圖1 機(jī)器學(xué)習(xí)是人工智能的一個分支，而深度學(xué)習(xí)又是機(jī)器學(xué)習(xí)的一個分支

　　人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)技術(shù)的辨析

　　1、人工智能

　　圖2 人工智能——讓機(jī)器像人一樣思考

　　人工智能技術(shù)是1956年提出的，被認(rèn)為是21世紀(jì)三大尖端技術(shù)之一，是對人的思維和意識的信息過程的模擬。人工智能的概念很寬泛，從表面上可以理解為讓機(jī)器像人一樣能思考并解決問題。其實(shí)，人工智能核心技術(shù)包括很多的方面，推理、知識、規(guī)劃、學(xué)習(xí)、交流、感知、移動和操作物體的能力等。

　　通常情況下，我們按照實(shí)力將人工智能分為以下三大類：

　　弱人工智能：擅長于單個方面的人工智能。比如有能戰(zhàn)勝象棋世界冠軍的人工智能，但是它只會下象棋，你要問它怎樣更好地在硬盤上儲存數(shù)據(jù)，它就不知道怎么回答你了。

　　強(qiáng)人工智能：人類級別的人工智能。強(qiáng)人工智能是指在各方面都能和人類比肩的人工智能，人類能干的腦力活它都能干。創(chuàng)造強(qiáng)人工智能比創(chuàng)造弱人工智能難得多。

　　超人工智能：超人工智能可以是各方面都比人類強(qiáng)一點(diǎn)，也可以是各方面都比人類強(qiáng)數(shù)倍的，而最終能否實(shí)現(xiàn)，業(yè)界并無統(tǒng)一說法。

　　人工智能在計(jì)算機(jī)上實(shí)現(xiàn)時(shí)有2種不同的方式。一是采用傳統(tǒng)的編程技術(shù)，使系統(tǒng)呈現(xiàn)智能的效果，而不考慮其具體的結(jié)構(gòu)是否與人類大腦相似或相同。另一種是模擬法，它不僅要看最終呈現(xiàn)的結(jié)果，還要求其結(jié)構(gòu)也與人類大腦相似或相同。

　　2、機(jī)器學(xué)習(xí)

　　圖3 機(jī)器學(xué)習(xí)常見算法圖形表示

　　機(jī)器學(xué)習(xí)考察計(jì)算機(jī)如何基于數(shù)據(jù)學(xué)習(xí)。其主要研究領(lǐng)域之一是，計(jì)算機(jī)程序基于數(shù)據(jù)自動地學(xué)習(xí)識別復(fù)雜的模式，并做出智能的決斷。機(jī)器學(xué)習(xí)是一個快速成長的學(xué)科，在這里，我們?yōu)榇蠹医榻B一些與數(shù)據(jù)挖掘相關(guān)的經(jīng)典的、機(jī)器學(xué)習(xí)問題。

　　監(jiān)督學(xué)習(xí)：基本上是分類的同義詞。學(xué)習(xí)中的監(jiān)督來自于訓(xùn)練數(shù)據(jù)集中被標(biāo)記的實(shí)例。

　　無監(jiān)督學(xué)習(xí)：本質(zhì)上是聚類的同義詞。學(xué)習(xí)過程是無監(jiān)督的，因?yàn)檩斎雽?shí)例沒有類標(biāo)記。

　　半監(jiān)督學(xué)習(xí)：是一類機(jī)器學(xué)習(xí)技術(shù)，在學(xué)習(xí)模型時(shí)，它使用標(biāo)記的和未標(biāo)記的實(shí)例。在一種方法中，標(biāo)記的實(shí)例用來學(xué)習(xí)類模型，而未標(biāo)記的實(shí)例用來改進(jìn)類邊界。

　　主動學(xué)習(xí)：是一種機(jī)器學(xué)習(xí)方法，它讓用戶在學(xué)習(xí)過程中扮演主動角色。主動學(xué)習(xí)方法可能要求用戶對可能來自未被標(biāo)記的實(shí)例集或由學(xué)習(xí)程序合成的實(shí)例進(jìn)行標(biāo)記。給定可以標(biāo)記的實(shí)例數(shù)量的約束，目的是通過主動地從用戶獲取知識來提高模型的質(zhì)量。

　　3、深度學(xué)習(xí)

　　圖4 深度學(xué)習(xí)是一種新的思維方式

　　深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的一個新的領(lǐng)域，其動機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來解釋數(shù)據(jù)，例如圖像，聲音和文本。深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究。含多隱層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示?；逎y懂的概念，略微有些難以理解，但是在其高冷的背后，卻有深遠(yuǎn)的應(yīng)用場景和未來。

　　到了當(dāng)下，經(jīng)過深度學(xué)習(xí)技術(shù)訓(xùn)練的機(jī)器在識別圖像時(shí)比人類更好，比如識別貓、識別血液中的癌細(xì)胞特征、識別MRI掃描圖片中的腫瘤。