预告一下,下一期也许我会写一篇关于德州扑克AI冷扑的科普文章。最近在看冷扑的论文呢,论文篇幅有点长。希望下周内能写完。


近几年人工智能概念非常火爆,人们经常听到人工智能,机器学习,神经网络,深度学习这几个概念,那么到底这些概念有什么区别呢?


其实简单来说这几个概念是包含的关系。后面一个概念是前面一个概念的分支。


  • 人工智能

人工智能是一个很广泛的感念,是用机器模拟人的智能。模拟智能的程度不一样,人工智能的范畴也不一样。电视剧《西部世界》里面的机器人属于强人工智能,这种人工智能可以像人类一样思考,有自我意识。这种程度的人工智能在现阶段只是科幻题材,人类科技在短期内还不太可能实现这种强人工智能。


而弱人工智能的范畴非常广泛,能解决一些有智能属性的工作的机器,也被认为是人工智能。而且弱人工智能的范畴随时间推进在不断缩减,当一个智能从概念变成现实后,人们往往就不觉得这是人工智能了。最早计算机被认为是人工智能,后来下象棋被认为是人工智能,现在这些机器都很普遍,大家也不认为是人工智能了。

人工智能的概念出现于20世纪40年代(有些说法是19世纪初就有了)。一开始人们尝试了很多种实现人工智能的手段,比如基于逻辑的办法,这有点像电视剧《西部世界》的桥段,角色老鸨梅茉在修理车间,链接她的控制面板上弹出一大串逻辑判断窗口。这也是科幻作品里,最常出现的人工智能实现方式。可惜的是现实中,一般认为这种方法实现人工智能的可能性很低,因为现在没找到很好的算法对逻辑符号进行学习计算。而现实中遇到的难题总是千变万化的,无法用逻辑方法穷举。下围棋时编程人员总不可能穷举所有的场景让人工智能照着去做,就算能编出这样的程序,这个程序也不智能。


除此之外科学家还想出用图论的方法把所有知识联成知识网络的办法,让这个知识网络来构建人工智能。比如狗通过宠物这个关系和人相连,狗又以同类的关系和猫相连,猫以猎食的关系和老鼠相连。但是这种方式也没办法进行有效计算。

(图片显示的是网页的链接,有一派人工智能流派认为能通过类似链接知识的方法实现人工智能)


除此之外还有很多种实现人工智能的理论和想法。其中一种就是机器学习。



  • 机器学习


机器学习是人工智能的其中一个分支,顾名思义就是给机器一些原始的“学习材料”,让机器自动地去学习如何判断和输出相应的结果。机器学习也有很多的实现手段,但是一般都是基于概率,统计和优化论的基础之上,它们的一大优点是便于微积分计算。这样机器学习的系统就能通过“学习”,不断调整自身的参数,使得整个系统能越来越出色地完成一些智能的任务。比如人类不断给Alpha Go提供职业选手的棋谱作为学习材料(后期Alpha Go能够通过自己和自己对弈来学习),Alpha Go学习的过程就是通过猜职业选手的走法,调整系统的各项参数,而具体怎么调整是通过一套算法自动运行的。


机器学习其实就是让机器自己”学习“,怎么处理智能任务。当系统作对了,就给予‘奖赏’强化这样的行为,系统做错了,就给予‘惩罚’弱化这种行为。


科学家开发出很多种机器学习的实现方式,比如支持向量机,贝叶斯网络,K-mean,KNN,PCA等一些列方法。所有的方法一般分成两大类。一类是监督学习方法,也就是要人类告诉系统正确答案,系统才能学习(比如人工智能语音识别,需要人告诉系统正确的对话内容是什么,系统才能进行学习)。另一类是自主学习方法,也就是人类不需要告诉系统正确答案,系统就能自己进行学习(比如人类给出一堆信用卡持卡人的消费状态,系统能够自动分辨出哪些人的消费状态很奇怪,判断出有可能是信用卡诈骗行为)。


  • 人工神经网络

这些机器学习的实现方法中有一个一开始不被看好的方法叫做神经网络具体见本公众号上期文章),它模仿大自然生物的神经网络系统来实现机器学习。但是这种实现方法需要很高的计算强度,而且算法比较慢。虽然在计算机刚诞生时科学家就已经提出了人工神经网络的概念,但当时这被认为是不实用的玩意儿。等到计算机处理速度变快,以及新的改良算法的提出,人工神经网络才成为机器学习最热门的分支,以至于现在人工神经网络已经成为人工智能的代名词了。


本公众号上期文章有详细科普人工神经网络的文章,大家有兴趣可以翻翻。


  • 深度学习

最初的人工神经网络只有很少的几层神经网络层,因为层数太多,计算速度跟不上。随着计算机速度的提升,科学家开始加深神经网络的层数,让它能够处理更复杂的任务。但是随着层数的提高,神经网络的参数数量迅速增加,往往一个系统有上千万个参数。这么多的参数使得系统学习效率变得很低下,所以各种新的深层网络架构模型纷纷涌现,比如著名的擅长用于识别图像的卷积神经网络。这套系统也是Alpha Go成功的关键之一,因为Alpha Go开发团队创新地认为识别围棋棋局其实就是一种图像识别而已,而之前的围棋AI开发者并没有意识到棋局和图像的联系(卷积网络的机理要解释清楚大概要用几千字,如果有兴趣我可以考虑以后另写一篇科普文章,不过也许感兴趣的人不多)。


新的神经网络架构模型,新的神经元激活函数,和更深的神经网络层次就是“深度学习了”。


所以人工智能,机器学习,神经网络,深度学习其实是包含和分支的关系。