被稱(chēng)為人工智能核心的機器學(xué)習技術(shù)為什么這么難？

　　人工智能是一門(mén)交叉學(xué)科，從被提出到現在也有六十多年的歷史，目前仍處在A(yíng)I初級階段。之所以發(fā)展緩慢的一個(gè)重要原因是人工智能的技術(shù)難度很高，它涉及計算機、心理學(xué)、哲學(xué)等，對從業(yè)者要求很高，目前國內從事AI行業(yè)的工程師很多是碩士或以上學(xué)位。

　　人工智能技術(shù)可應用于安防、醫療、家居、交通、智慧城市等各行各業(yè)，其前景是毋庸置疑的，未來(lái)絕對是一個(gè)萬(wàn)億級市場(chǎng)。根據應用領(lǐng)域的不同，人工智能研究的技術(shù)也不盡相同，目前以機器學(xué)習、計算機視覺(jué)等成為熱門(mén)的AI技術(shù)方向，本文以機器學(xué)習為例，通過(guò)分析其關(guān)鍵技術(shù)與當前面臨的難點(diǎn)，一起探索人工智能的發(fā)展與未來(lái)。

　　機器學(xué)習是人工智能的核心

　　機器學(xué)習也被稱(chēng)為人工智能的核心，它主要是研究計算機怎樣模擬或實(shí)現人類(lèi)的學(xué)習行為以獲取新的知識或技能，幫助計算機重新組織已有知識結構使之不斷改善自身的性能。

　　機器學(xué)習是人工智能研究的一個(gè)分支，人們對機器學(xué)習的研究也有很多年了。它的發(fā)展過(guò)程大體上可分為幾個(gè)時(shí)期，第一是在20世紀50年代中葉到60年代中葉，屬于熱烈時(shí)期;第二是在20世紀60年代中葉至70年代中葉，被稱(chēng)為機器學(xué)習的冷靜時(shí)期;第三是從20世紀70年代中葉至80年代中葉，稱(chēng)為復興時(shí)期;第四階段的機器學(xué)習開(kāi)始于1986年，目前我們仍處在這個(gè)時(shí)期。

　　現在很多應用領(lǐng)域都可以看到機器學(xué)習的身影，如數據挖掘、自然語(yǔ)言處理、生物特征識別、搜索引擎、醫學(xué)診斷、證券、游戲、機器人等。

　　學(xué)習是一項非常復雜的過(guò)程，學(xué)習與推理分不開(kāi)，按照學(xué)習中使用推理的多少，機器學(xué)習所采用的策略可分為四種：機械學(xué)習、傳授學(xué)習、類(lèi)比學(xué)習和通過(guò)事例學(xué)習。學(xué)習中所用的推理越多，說(shuō)明系統的能力越強。

　　機器學(xué)習的難度在哪?

　　對于機器學(xué)習的開(kāi)發(fā)者而言，除了需要對數學(xué)知識掌握得非常熟練之外，選擇什么工具也很重要。一方面，機器學(xué)習的研究需要創(chuàng )新、實(shí)驗和堅持，很多人半途而廢;另一方面，如何將機器學(xué)習模型應用到實(shí)際工作中也有難度。

　　除了工程師因素，機器學(xué)習的系統設計也有難度。影響學(xué)習系統設計的最重要的因素是環(huán)境向系統提供的信息，信息質(zhì)量直接影響系統性能，知識庫里存放的是指導執行部分動(dòng)作的一般原則，但環(huán)境向學(xué)習系統提供的信息卻是各種各樣的。

　　如果信息質(zhì)量高，與一般原則的差別比較小，則機器學(xué)習比較容易處理。如果向學(xué)習系統提供的是無(wú)規律的指令信息，則學(xué)習系統需要在獲得足夠數據之后，刪除不必要的細節，總結后才能形成指導動(dòng)作，并放入知識庫;這樣機器學(xué)習的任務(wù)就比較繁重，設計起來(lái)也較為困難。

　　對于機器學(xué)習而言，還有一個(gè)技術(shù)難度就是機器學(xué)習的調試很復雜，如在進(jìn)行常規軟件設計時(shí)，編寫(xiě)的問(wèn)題不能按預期工作，可能是算法和實(shí)現出現問(wèn)題;但在機器學(xué)習里面，實(shí)際的模型和數據是兩個(gè)關(guān)鍵因素，這兩個(gè)的隨機性非常強，調試難度倍增。除了復雜性，機器學(xué)習的調試周期一般都很長(cháng)，因為機器得到指令進(jìn)行實(shí)施修正和改變通常需要十幾個(gè)小時(shí)甚至幾天。

　　谷歌是機器學(xué)習的推動(dòng)者

　　提到機器學(xué)習，就不得不提到谷歌，2017年，它展示了聚焦人工智能的名為張量處理單元(TPU)的芯片，這是一款谷歌打造的處理器，是專(zhuān)為機器學(xué)習量身定做的。

　　TPU的特點(diǎn)是執行每個(gè)操作所需的晶體管數量更少，自然效率更高，據谷歌介紹，TPU與同期的CPU和GPU相比，可以提供15-30倍的性能提升及30-80倍的效率提升。谷歌表示，它們專(zhuān)門(mén)為這款TPU設計了MXU作為矩陣處理器，可以在單個(gè)時(shí)鐘周期內處理數十萬(wàn)次運算。谷歌提到，TPU的核心是脈動(dòng)陣列，MXU有著(zhù)與傳統CPU、GPU截然不同的架構，稱(chēng)為脈動(dòng)陣列;“脈動(dòng)”名字的來(lái)源是因為在這種結構中，數據一波一波地流過(guò)芯片，與心臟跳動(dòng)供血的方式類(lèi)似。

　　機器學(xué)習技術(shù)助力人工智能

　　機器學(xué)習被提出來(lái)也有一段時(shí)間了，但是發(fā)展并不是非?？焖?，其中有自身的技術(shù)難度等原因。目前盡管機器學(xué)習面臨著(zhù)很多技術(shù)問(wèn)題去解決，但人工智能的發(fā)展和突破是繞不開(kāi)它的，以谷歌為代表的企業(yè)為行業(yè)樹(shù)立了一個(gè)榜樣，筆者相信未來(lái)會(huì )有更多的企業(yè)加入到機器學(xué)習的研究之中，去推動(dòng)機器學(xué)習，助力人工智能。