AI課堂：天天喊著讓人類下崗，AI到底是什麼？
「快樂的時光總是很短暫的......」
隨著現代都市生活節奏的加快，人們的業餘娛樂項目也是逐漸變得多了起來。出門遊玩，除了吃吃吃，遊歷美景之外，體驗一些娛樂遊戲項目也是必不可少的。
而說到娛樂遊戲項目的體驗，科技的進步，讓更多新鮮又好玩的遊戲進駐到人們的生活當中，如VR虛擬現實等，大家更是玩的不亦樂乎。
當然，提到了VR，那必然離不開「AI」這個「有趣」話題了。什麼，你竟然告訴我看見這個「AI」詞語羞紅了臉？
嘿嘿嘿，今天，AI小課堂，就給你來講講，這個令人羞澀卻真的不是污污的「AI」，到底是個什麼鬼東西？
一、「AI」小課堂—小哥哥，「我」不是你想的那樣！
提起「AI」，很多人都開始丈二和尚摸不著頭腦了，但是說到「人工智慧」，相信你一定不會陌生吧。2017年，人工智慧大火，帶來了一批又一批的流量。新的科技產品也是層出不窮，市場也是非常的繁榮。
此時，很多人可能就會發怒了，問你「AI」是什麼，你給我講「人工智慧」幹什麼玩意？！各位息怒，容小編為你一一呈上。
俗話說的好：「有事問百度」。這一查，你就會驚奇的發現，人工智慧，其英文全稱為Artificial Intelligence，縮寫即為AI。原來，比較火的人工智慧，就是AI呀。
1、關於「AI」的定義
通過查閱百科，我們可以發現，人工智慧技術，主要是一門研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的學科。
在百度百科上，人工智慧AI被描述如下：「人工智慧是計算機科學的一個分支，它企圖了解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器。該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等，甚至機器人在未來可以像人那樣思考、也可能超過人。而且，人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。」
可能很多人看到這，就有點懵逼了，說了這麼多，能不能簡單，通俗一點的呢？
其實，AI，中文譯名就為「人工智慧」，兩者就是相同的意思。關於「AI」的理解，可以這麼看：人工智慧領域包括機器人以及更多關於超越人類的、人性化設計的技術等。當然，技術的超前發展，機器人可以像人類一樣思考和有感情的話，那將是高度的人工智慧。
2、我聽見「污污」的聲音
關於「AI」的定義，不知你可聽的滿意？其實本小編也只是簡單地總結了一下，如果想要詳細的了解關於什麼是「AI」這個定義，還可以查閱相關資料了解詳情啦。
說到「AI」，最近本小編就聽說一些產品在宣傳的時候，用的宣傳語是：做「AI」做的事，這句話一細想，不禁老臉一紅，真的好羞澀。
本小編聽見一個「污污」的聲音飄過！哎呀，想啥呢。「AI」即人工智慧技術，在我們的生活中還有大用處呢，可別隨便坐上秋名山老司機的車哦！
課堂小結：
原來我們常說的人工智慧就是「AI」，原來其包羅萬象，裡面包含了各種各樣的技術，原來其也並不是「污污」的含義！
二、「AI」小課堂—「我」其實歲數挺大的呢
當然，在說「AI」在我們的生活中扮演著很重要的角色之前，我們還是得先了解了解「它」的「年齡」。這一了解可嚇一跳，原來「它」已經不年輕了。
1、「我」的起源與歷史
說起「AI」人工智慧的歷史，大致始於 20 世紀 50 年代，至今大致分為三個發展階段：
（1）第一階段（20世紀 50 年代——80 年代）
這一階段，人工智慧屬於剛誕生時刻，基於抽象數學推理的可編程數字計算機已經出現，符號主義（Symbolism）快速發展，但由於很多事物不能形式化表達，建立的模型存在一定的局限性。此外，隨著計算任務的複雜性不斷加大，人工智慧發展也一度遇到瓶頸。
（2）第二階段（20 世紀 80 年代——90 年代末）
在第二階段，專家系統得到快速發展，數學模型有了重大突破，但由於專家系統在知識獲取、推理能力等方面的不足，以及開發成本高等原因，人工智慧的發展又一次進入低谷期
（3）第三階段（21 世紀初——至今）
隨著大數據的積聚、理論演算法的革新、計算能力的提升，人工智慧在很多應用領域取得了突破性進展，迎來了又一個繁榮時期。
2、「我」的重要大事件
對於歷史而言，製造具有高度智能的機器一直是人類的重大夢想。
（1）20世紀「我」的動蕩身份
在1950年的時候，Alan Turing便在《計算機器與智能》中就闡述了其對人工智慧的思考。他提出的圖靈測試是機器智能的重要測量手段，後來還衍生出了視覺圖靈測試等測量方法。
1956年，「人工智慧」這個詞首次出現在達特茅斯會議上，標誌著其作為一個研究領域的正式誕生。
1959年，Arthur Samuel提出了機器學習，將傳統的製造智能演化為通過學習能力來獲取智能，推動人工智慧進入了第一次繁榮期。
20世紀70年代末期，專家系統的出現，實現了人工智慧從理論研究走向實際應用，從一般思維規律探索走向專門知識應用的重大突破，將人工智慧的研究推向了新高潮。
然而，機器學習的模型仍然是「人工」的，也有很大的局限性，專家系統自身存在的知識獲取難、知識領域窄、推理能力弱、實用性差等問題逐步暴露。從1976年開始，人工智慧的研究便進入長達6年的蕭瑟期。
在80年代中期，隨著美國、日本立項支持人工智慧研究，以及以知識工程為主導的機器學習方法的發展，出現了具有更強可視化效果的決策樹模型和突破早期感知機局限的多層人工神經網路，由此帶來了人工智慧的又一次繁榮期。然而，當時的計算機難以模擬複雜度高及規模大的神經網路，仍有一定的局限性。
時間轉眼到了1987年，由於LISP機市場崩塌，美國取消了人工智慧預算，日本第五代計算機項目失敗並退出市場，專家系統進展緩慢，人工智慧再次進入了蕭瑟期。
1997年，IBM深藍（Deep Blue）戰勝國際象棋世界冠軍Garry Kasparov。這是一次具有里程碑意義的成功，它代表了基於規則的人工智慧的勝利。
（2）21世紀的到來，讓「我」得到了飛速成長
轉眼2006年，在Hinton和他的學生的推動下，深度學習開始備受關注，為後來人工智慧的發展帶來了重大影響。
從 2010年開始，人工智慧便進入了爆髮式的發展階段，其最主要的驅動力就是大火的大數據，運算能力以及機器學習演算法得到提高。
人工智慧的快速發展，產業界也開始不斷湧現出新的研發成果：
2011年，IBM Waston在綜藝節目《危險邊緣》中戰勝了最高獎金得主和連勝紀錄保持者；
2012年，谷歌大腦通過模仿人類大腦在沒有人類指導的情況下，利用非監督深度學習方法從大量視頻中成功學習到識別出一隻貓的能力；
2014年，微軟公司推出了一款實時口譯系統，可以模仿說話者的聲音並保留其口音；
同一年，微軟公司發布全球第一款個人智能助理微軟小娜；亞馬遜發布至今為止最成功的智能音箱產品Echo和個人助手Alexa；
2016年，谷歌AlphaGo機器人在圍棋比賽中擊敗了世界冠軍李世石，這場「戰役」同樣在中國受到強烈的關注，全民都開始意識到人工智慧的能力；
2017年，中國在人工智慧上可謂是大大提速，搭配微信與支付寶的便捷支付方式，VR，AR，各種智能產品更是層出不窮，聲勢浩大。據不完全統計，2017年運營的人工智慧公司就接近400家，行業巨頭百度、騰訊、阿里巴巴等都不斷在人工智慧領域發力，自然語言處理、機器人、計算機視覺成為了人工智慧最為熱門的三個產業方向。
同時，蘋果公司也在原來個人助理Siri的基礎上也推出了智能私人助理Siri和智能音響HomePod。
隨著技術的迭代，大數據技術的加持，人工智慧從最開始的的不景氣，逐漸成為世界各國都開始重視的技術，同時也成為中國近年來處於行業前列的技術。
當然，在人工智慧發展的歷史長河中，其基本思想可大致劃分為四個流派：符號主義（Symbolism）、連接主義（Connectionism）、行為主義（Behaviourism）和統計主義（Statisticsism）。這四個流派從不同側面抓住了智能的部分特徵，在「製造」人工智慧方面都取得了里程碑式的成就。
課堂小結：
別以為人工智慧歷史短，其實可長著呢。當然，在人工智慧起起伏伏的歷史長河中，重要大事件成為了標誌性節點。
三、「AI」小課堂—「我」其實有很多性格呢
你以為人工智慧很年輕，其實都有很長的歷史了。當然，隨著年齡的增加，特徵當然也是越來越明顯了。
1、「我」的特徵
特徵一：由人類設計，為人類服務，本質為計算，基礎為數據
從根本上講，人工智慧系統是必須以人為本的。這些系統是人類設計出的機器，按照人類設定的程序邏輯或軟體演算法通過人類發明的晶元等硬體載體來運行或工作的，其本質體現為計算，通過對數據的採集、加工、處理、分析和挖掘，形成有價值的信息流和知識模型，來為人類提供延伸人類能力的服務，實現對人類期望的一些「智能行為」的模擬。
當然，在理想情況下其必須體現服務人類的特點，而不應該傷害人類，特別是不應該有目的性地做出傷害人類的行為。
特徵二：能感知環境，能產生反應，能與人交互，能與人互補
人工智慧系統應能藉助感測器等器件產生對外界環境（包括人類）進行感知的能力，可以像人一樣通過聽覺、視覺、嗅覺、觸覺等接收來自環境的各種信息，對外界輸入產生文字、語音、表情、動作（控制執行機構）等必要的反應，甚至影響到環境或人類。
當藉助於按鈕、鍵盤、滑鼠、屏幕、手勢、體態、表情、力反饋、虛擬現實/增強現實等方式，使人與機器間可以產生交互與互動，讓機器設備越來越「理解」人類乃至與人類共同協作、優勢互補，這樣人工智慧系統能就夠幫助人類做人類不擅長、不喜歡但機器能夠完成的工作，而人類則可以去做更需要創造性、洞察力、想像力、靈活性、多變性乃至用心領悟或需要感情的一些工作。
特徵三：有適應特性，有學習能力，有演化迭代，有連接擴展
人工智慧系統在理想情況下應具有一定的自適應特性和學習能力，即具有一定的隨環境、數據或任務變化而自適應調節參數或更新優化模型的能力。
而且，還能夠在此基礎上通過與雲、端、人、物越來越廣泛深入數字化連接擴展，實現機器客體乃至人類主體的演化迭代，使系統具有適應性、靈活性、擴展性，來應對不斷變化的現實環境，從而產生更豐富的應用。
2、「我」的現階段
人工智慧「AI」，有著悠久的歷史，也有形色各異的特徵，而現階段的關鍵技術都有哪些呢？
（1）機器學習
機器學習（Machine Learning）是一門涉及統計學、系統辨識、逼近理論、神經網路、優化理論、計算機科學、腦科學等諸多領域的交叉學科。其主要是研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能，是人工智慧技術的核心。
根據學習模式將機器學習可分類為：監督學習、無監督學習以及強化學習等。此外，機器學習的常見演算法還包括遷移學習、主動學習和演化學習等。
（2）知識圖譜
知識圖譜的本質，是結構化的語義知識庫，是一種由節點和邊組成的圖數據結構，以符號形式描述物理世界中的概念及其相互關係。不同實體之間通過關係相互聯結，構成網狀的知識結構。在知識圖譜中，每個節點表示現實世界的「實體」，每條邊為實體與實體之間的「關係」。
那又如何通俗的理解呢？
我們可以簡單通俗的來講：知識圖譜就是把所有不同種類的信息連接在一起而得到的一個關係網路，提供了從「關係」的角度去分析問題的能力。
知識圖譜可用於反欺詐、不一致性驗證、組團欺詐等公共安全保障領域，需要用到異常分析、靜態分析、動態分析等數據挖掘方法。
（3）自然語言處理
自然語言處理是計算機科學領域與人工智慧領域中的一個重要方向，其主要是研究能實現人與計算機之間用自然語言進行有效通信的各種理論和方法，涉及的領域較多，主要包括機器翻譯、機器閱讀理解和問答系統等，如最近比較流行的出國必需品：翻譯通等軟體。
自然語言處理其實還面臨著四大挑戰：
1、在詞法、句法、語義、語用和語音等不同層面存在不確定性；
2、新的辭彙、術語、語義和語法導致未知語言現象的不可預測性；
3、數據資源的不充分使其難以覆蓋複雜的語言現象；
4、語義知識的模糊性和錯綜複雜的關聯性難以用簡單的數學模型描述，語義計算需要參數龐大的非線性計算。
（4）虛擬現實/增強現實
虛擬現實（VR）/增強現實（AR）是以計算機為核心的新型視聽技術。結合相關科學技術，在一定範圍內生成與真實環境在視覺、聽覺、觸感等方面高度近似的數字化環境。
用戶可藉助必要的裝備與數字化環境中的對象進行交互，相互影響，獲得近似真實環境的感受和體驗，通過顯示設備、跟蹤定位設備、觸力覺交互設備、數據獲取設備、專用晶元等實現。
虛擬現實/增強現實從技術特徵角度，按照不同處理階段，可以分為獲取與建模技術、分析與利用技術、交換與分發技術、展示與交互技術以及技術標準與評價體系五個方面。
目前虛擬現實/增強現實面臨的挑戰主要體現在智能獲取、普適設備、自由交互和感知融合四個方面。
（5）人機交互
人機交互主要是研究人和計算機之間的信息交換，主要包括人到計算機和計算機到人的兩部分信息交換，是人工智慧領域的重要的外圍技術。
人機交互是與認知心理學、人機工程學、多媒體技術、虛擬現實技術等密切相關的綜合學科。傳統的人與計算機之間的信息交換主要依靠交互設備進行，主要包括鍵盤、滑鼠、操縱桿、數據服裝、眼動跟蹤器、位置跟蹤器、數據手套、壓力筆等輸入設備，以及印表機、繪圖儀、顯示器、頭盔式顯示器、音箱等輸出設備。
人機交互技術除了傳統的基本交互和圖形交互外，還包括語音交互、情感交互、體感交互及腦機交互等技術。
（6）計算機視覺
計算機視覺是使用計算機模仿人類視覺系統的科學，讓計算機擁有類似人類提取、處理、理解和分析圖像以及圖像序列的能力。
自動駕駛、機器人、智能醫療等領域均需要通過計算機視覺技術從視覺信號中提取並處理信息。隨著深度學習的發展，預處理、特徵提取與演算法處理漸漸融合，形成端到端的人工智慧演算法技術。
根據解決的問題，計算機視覺可分為計算成像學、圖像理解、三維視覺、動態視覺和視頻編解碼五大類。
未來計算機視覺技術的發展主要面臨以下挑戰：
1、如何在不同的應用領域和其他技術更好的結合。計算機視覺在解決某些問題時可以廣泛利用大數據，已經逐漸成熟並且可以超過人類，而在某些問題上卻無法達到很高的精度；
2、如何降低計算機視覺演算法的開發時間和人力成本。目前計算機視覺演算法需要大量的數據與人工標註，需要較長的研發周期以達到應用領域所要求的精度與耗時；
3、如何加快新型演算法的設計開發。隨著新的成像硬體與人工智慧晶元的出現，針對不同晶元與數據採集設備的計算機視覺演算法的設計與開發也是挑戰之一。
（7）生物特徵識別
生物特徵識別技術是指通過個體生理特徵或行為特徵對個體身份進行識別認證的技術。
從應用流程看，生物特徵識別通常分為註冊和識別兩個階段；從應用任務看，生物特徵識別一般分為辨認與確認兩種任務。
生物特徵識別技術涉及的內容十分廣泛，包括指紋、掌紋、人臉、虹膜、指靜脈、聲紋、步態等多種生物特徵，其識別過程涉及到圖像處理、計算機視覺、語音識別、機器學習等多項技術。目前眾多手機品牌都加入了指紋識別或人臉識別大軍。
目前生物特徵識別作為重要的智能化身份認證技術，在金融、公共安全、教育、交通等領域得到廣泛的應用。
課堂小結：
通過了解人工智慧「AI」的歷史以及特徵，我們可以看到，原來其並不是一個剛出現的新興代技術，而是一個經過歷史的沉澱，不斷螺旋式上升、迭代的技術。
當然，在現階段的技術，我們可以通過以上概述為：機器學習、知識圖譜、自然語言處理、虛擬現實/增強現實、人機交互、計算機視覺以及生物特徵識別七大類。
四、「AI」小課堂—其實你與「我」經常偶遇哦
人工智慧「AI」，其實也並不是一個羞澀的「人」，除了日常我們的智能手機，微信支付寶支付，智能音箱以及VR遊戲娛樂外，人工智慧與行業領域的深度融合甚至將改變重新塑造傳統行業，包括製造、家居、金融、交通、安防、醫療、物流行業等應用。
今天，除了日常我們所見的再也普通不過的技術外，在日常的傳統行業，以製造、家居、交通和醫療行業為例，看一看原來人工智慧已經在我們身邊根深蒂固了。
（1）智能製造
智能製造是基於新一代信息通信技術與先進位造技術深度融合，貫穿於設計、生產、管理、服務等製造活動的各個環節，具有自感知、自學習、自決策、自執行、自適應等功能的新型生產方式。
智能製造對人工智慧的需求主要表現在以下三個方面：
1、智能裝備。包括自動識別設備、人機交互系統、工業機器人以及數控機床等具體設備，涉及到跨媒體分析推理、自然語言處理、虛擬現實智能建模及自主無人系統等關鍵技術；
2、智能工廠。包括智能設計、智能生產、智能管理以及集成優化等具體內容，涉及到跨媒體分析推理、大數據智能、機器學習等關鍵技術；
3、智能服務。包括大規模個性化定製、遠程運維以及預測性維護等具體服務模式，涉及到跨媒體分析推理、自然語言處理、大數據智能、高級機器學習等關鍵技術。
（2）智能家居
智能家居以住宅為平台，基於物聯網技術，由硬體（智能家電、智能硬體、安防控制設備、傢具等）、軟體系統、雲計算平台構成的家居生態圈，實現人遠程控制設備、設備間互聯互通、設備自我學習等功能，並通過收集、分析用戶行為數據為用戶提供個性化生活服務，使家居生活安全、節能、便捷等。
其中智能語音，聲紋識別，臉部識別以及指紋識別等技術應用甚廣。
（3）智能交通
智能交通系統（Intelligent Traffic System，ITS）是通信、信息和控制技術在交通系統中集成應用的產物。
ITS 藉助現代科技手段和設備，將各核心交通元素聯通，實現信息互通與共享以及各交通元素的彼此協調、優化配置和高效使用，形成人、車和交通的一個高效協同環境，建立安全、高效、便捷和低碳的交通。
如通過不停車收費系統（ETC），實現對通過 ETC 入口站的車輛身份及信息自動採集、處理、收費和放行，有效提高通行能力、簡化收費管理、降低環境污染。
（4）智能醫療
人工智慧的快速發展，為醫療健康領域向更高的智能化方向發展提供了非常有利的技術條件。
近幾年，智能醫療在輔助診療、疾病預測、醫療影像輔助診斷、藥物開發等方面發揮重要作用。
課堂小結：
除了日常我們所用的手機，所看的電視，所用的微信，支付寶外，人工智慧技術其實已經遍布我們的衣食住行，智能交通，智能家居以及智能醫療等體系，讓我們的生活向著未來靠近。
五、「AI」小課堂—小哥哥，「我」想和你共度餘生
人工智慧「AI」進行時，智能產品已經遍布我們的生活，未來，相信我們的從必須的衣食住行，到娛樂文化，人工智慧「AI」，與你共度餘生。
人工智慧產業，將作為新一輪產業變革的核心驅動力，催生新的技術、產品、產業、業態、模式，從而引發經濟結構的重大變革，實現社會生產力的整體提升。
據麥肯錫預計，到2025年全球人工智慧應用市場規模總值將達到1270億美元，人工智慧將是眾多智能產業發展的突破點。
因此，通過對人工智慧產業分布進行梳理，我們可以提出了人工智慧產業生態圖，主要分為核心業態、關聯業態、衍生業態三個層次。
當然，從人工智慧產業進程來看，技術突破是推動產業升級的核心驅動力。人工智慧產業正處於從感知智能向認知智能的進階階段，前者涉及的智能語音、計算機視覺及自然語言處理等技術，已具有大規模應用基礎，但後者要求的「機器要像人一樣去思考及主動行動」仍尚待突破，諸如無人駕駛、全自動智能機器人等仍處於開發中，與大規模應用仍有一定距離。
· 總結
「AI」到底是個什麼鬼東西？看完這篇小編為你講述的文章，你可有了解？
AI小課堂，給你更加全面的知識講解。人工智慧，讓生活更加的美好，更加的多姿多彩。當然，最好的人工智慧「AI」，讓科技產品層出不窮，為我們帶來不一樣的夢幻時光。
關注萬維家電網
你的智能生活導航
TAG:萬維家電網 |