解讀人工智能技術(shù)以及國內產(chǎn)業(yè)鏈現狀

　　物聯(lián)網(wǎng)、大數據、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，到底哪一種技術(shù)對人類(lèi)社會(huì )的發(fā)展有更大的推動(dòng)作用呢?不知道有沒(méi)有人有這樣的疑惑，事實(shí)上，它們都是未來(lái)的趨勢，彼此之間并不矛盾。

　　有人說(shuō)，萬(wàn)物互聯(lián)的時(shí)代，大數據是未來(lái)的新石油。怎么去理解這一句話(huà)呢?我們知道，物聯(lián)網(wǎng)技術(shù)主要是實(shí)現物理世界(現實(shí)世界)和信息世界的融合，從而獲取到現實(shí)世界海量、動(dòng)態(tài)、多態(tài)以及關(guān)聯(lián)的數據。而大數據概念，正是對于這些數據的抽象描述，通常是指大小已超出傳統意義的尺度，并且軟件工具難以捕捉、存儲、管理與分析的數據。再者就是人工智能技術(shù)，它是建立在大量數據的基礎上的一門(mén)技術(shù)，可以讓機器像人一樣去思考。

　　說(shuō)到人工智能，就不得不提到機器學(xué)習和深度學(xué)習。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(lái)直觀(guān)地描述下三者的關(guān)系。

　　圖1 機器學(xué)習是人工智能的一個(gè)分支，而深度學(xué)習又是機器學(xué)習的一個(gè)分支

　　人工智能、機器學(xué)習、深度學(xué)習技術(shù)的辨析

　　1、人工智能

　　圖2 人工智能——讓機器像人一樣思考

　　人工智能技術(shù)是1956年提出的，被認為是21世紀三大尖端技術(shù)之一，是對人的思維和意識的信息過(guò)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器像人一樣能思考并解決問(wèn)題。其實(shí)，人工智能核心技術(shù)包括很多的方面，推理、知識、規劃、學(xué)習、交流、感知、移動(dòng)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(lèi)：

　　弱人工智能：擅長(cháng)于單個(gè)方面的人工智能。比如有能戰勝象棋世界冠軍的人工智能，但是它只會(huì )下象棋，你要問(wèn)它怎樣更好地在硬盤(pán)上儲存數據，它就不知道怎么回答你了。

　　強人工智能：人類(lèi)級別的人工智能。強人工智能是指在各方面都能和人類(lèi)比肩的人工智能，人類(lèi)能干的腦力活它都能干。創(chuàng )造強人工智能比創(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(lèi)強一點(diǎn)，也可以是各方面都比人類(lèi)強數倍的，而最終能否實(shí)現，業(yè)界并無(wú)統一說(shuō)法。

　　人工智能在計算機上實(shí)現時(shí)有2種不同的方式。一是采用傳統的編程技術(shù)，使系統呈現智能的效果，而不考慮其具體的結構是否與人類(lèi)大腦相似或相同。另一種是模擬法，它不僅要看最終呈現的結果，還要求其結構也與人類(lèi)大腦相似或相同。

　　2、機器學(xué)習

　　圖3 機器學(xué)習常見(jiàn)算法圖形表示

　　機器學(xué)習考察計算機如何基于數據學(xué)習。其主要研究領(lǐng)域之一是，計算機程序基于數據自動(dòng)地學(xué)習識別復雜的模式，并做出智能的決斷。機器學(xué)習是一個(gè)快速成長(cháng)的學(xué)科，在這里，我們?yōu)榇蠹医榻B一些與數據挖掘相關(guān)的經(jīng)典的、機器學(xué)習問(wèn)題。

　　監督學(xué)習：基本上是分類(lèi)的同義詞。學(xué)習中的監督來(lái)自于訓練數據集中被標記的實(shí)例。

　　無(wú)監督學(xué)習：本質(zhì)上是聚類(lèi)的同義詞。學(xué)習過(guò)程是無(wú)監督的，因為輸入實(shí)例沒(méi)有類(lèi)標記。

　　半監督學(xué)習：是一類(lèi)機器學(xué)習技術(shù)，在學(xué)習模型時(shí)，它使用標記的和未標記的實(shí)例。在一種方法中，標記的實(shí)例用來(lái)學(xué)習類(lèi)模型，而未標記的實(shí)例用來(lái)改進(jìn)類(lèi)邊界。

　　主動(dòng)學(xué)習：是一種機器學(xué)習方法，它讓用戶(hù)在學(xué)習過(guò)程中扮演主動(dòng)角色。主動(dòng)學(xué)習方法可能要求用戶(hù)對可能來(lái)自未被標記的實(shí)例集或由學(xué)習程序合成的實(shí)例進(jìn)行標記。給定可以標記的實(shí)例數量的約束，目的是通過(guò)主動(dòng)地從用戶(hù)獲取知識來(lái)提高模型的質(zhì)量。

　　3、深度學(xué)習

　　圖4 深度學(xué)習是一種新的思維方式

　　深度學(xué)習是機器學(xué)習研究中的一個(gè)新的領(lǐng)域，其動(dòng)機在于建立、模擬人腦進(jìn)行分析學(xué)習的神經(jīng)網(wǎng)絡(luò )，它模仿人腦的機制來(lái)解釋數據，例如圖像，聲音和文本。深度學(xué)習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)習結構。深度學(xué)習通過(guò)組合低層特征形成更加抽象的高層表示屬性類(lèi)別或特征，以發(fā)現數據的分布式特征表示?；逎y懂的概念，略微有些難以理解，但是在其高冷的背后，卻有深遠的應用場(chǎng)景和未來(lái)。

　　到了當下，經(jīng)過(guò)深度學(xué)習技術(shù)訓練的機器在識別圖像時(shí)比人類(lèi)更好，比如識別貓、識別血液中的癌細胞特征、識別MRI掃描圖片中的腫瘤。