家里附近的商場新開了一家盒馬生鮮超市，門口結(jié)賬區(qū)擺了好幾個自助機(jī)器，和普通超市的機(jī)子有些不同的是，盒馬機(jī)子上都裝有攝像頭，也就是你可以使用支付寶的“刷臉支付”了。
昨天晚上帶著眼鏡和帽子試驗(yàn)了一下，肉眼看攝像頭捕捉到的圖像并沒有想象的高清，但一拍完屏幕上便迅速喚起了自己的支付寶賬號。簡單，方便，快速！
曾經(jīng)像科幻一樣的技術(shù)，怎么能一下子就進(jìn)入日常生活了呢？
從如何認(rèn)出一只貓開始
如果給你一張貓和狗的合照，你是否可以很快的判別出哪只是貓，哪只是狗？這對一般人來說是非常容易的，因?yàn)槲覐男【捅唤虝素埵情L怎樣的，狗又是長怎樣的。
但如果讓你給#貓#這個動物的形象做一個清晰的定義，可能會是十分困難的。世上貓的種類繁多，種類之間的差異十分巨大，并不是簡單的幾條描述可以說的清楚。而若要將貓的形象統(tǒng)一化，抽取共性，又似乎必定會丟棄許多的細(xì)節(jié)，有令其變得過分簡單無法適應(yīng)現(xiàn)實(shí)多樣性樣貌的風(fēng)險(xiǎn)。
而正因?yàn)槿绱?，曾?jīng)我們認(rèn)為運(yùn)算能力幾何倍數(shù)于人類的超級計(jì)算機(jī)，面對這個定義困境也無能為力，如若不給予計(jì)算機(jī)足夠清晰又足夠詳細(xì)的判斷標(biāo)準(zhǔn)，計(jì)算機(jī)也無能為力。
在整個人工智能發(fā)展的過程中，不僅是圖像識別，機(jī)器翻譯也遇到同樣的困難。人類的日常言語千差萬別，新的詞語，新的語法每天都在出現(xiàn)，也很難以有限的規(guī)則窮盡所有的變化。
于是乎，我們發(fā)現(xiàn)，試圖總結(jié)復(fù)雜的時刻在變化的事物規(guī)律，以“教會”計(jì)算機(jī)智能，這是一條死胡同。
大腦神經(jīng)給予計(jì)算機(jī)科學(xué)的啟示
如果總結(jié)規(guī)律行不通，那么是否有其他不一樣的方法能教會計(jì)算機(jī)智能？
大家大致都聽過，現(xiàn)在廣泛應(yīng)用的人工智能都是使用一種叫做“深度學(xué)習(xí)”的算法。16年谷歌子公司Deepmind的圍棋AI- Alpha GO戰(zhàn)勝韓國冠軍李世石的讓這一算法廣為人知。而在經(jīng)過僅僅18個月的發(fā)展后，旗下的游戲AI - Alpha Star在8年底又戰(zhàn)勝了2個星際2的職業(yè)玩家。
到底深度學(xué)習(xí)是怎樣的一種存在，讓計(jì)算機(jī)一下子飛速獲得了超越人類英才的智能？
其實(shí)深度學(xué)習(xí)恰恰是很好地借鑒了人類大腦的運(yùn)作方式。在《深度學(xué)習(xí) - 智能時代的核心驅(qū)動力量》一書中，作者謝諾夫斯基在研究神經(jīng)網(wǎng)絡(luò)計(jì)算模型時，便提出了大腦給予計(jì)算機(jī)科學(xué)家的四個暗示。
第一個暗示：大腦是個強(qiáng)大的模式識別器。人腦是否善于在一個混亂的場景中識別出重要的東西。
第二個暗示：大腦的識別功能可以通過訓(xùn)練提高。人類通過學(xué)習(xí)和刻意訓(xùn)練，是可以明顯提升某一方面的認(rèn)識和判斷能力的。
第三個暗示：但是大腦在訓(xùn)練和識別的過程中，并不是按照各種邏輯和規(guī)則進(jìn)行的。我們識別一個人，不需要具體測量這個人臉上的各個五官的形狀與尺寸，一眼看過去，就已經(jīng)識別完成。
第四個暗示：大腦是由神經(jīng)元組成的，大腦的計(jì)算不是基于明確規(guī)則的計(jì)算，而是基于神經(jīng)元的計(jì)算。
深度學(xué)習(xí)要做的，就是模仿大腦的這些特點(diǎn)和運(yùn)作原理。
越努力，越精確
以下圖片代表一個最簡單的計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)。左邊代表輸入的信息，中間代表處理，右邊是輸出。中間和右邊部分的每一個圓點(diǎn)代表一個神經(jīng)元。
數(shù)據(jù)信息輸入大腦后，通過隱藏層各個神經(jīng)元的處理，把信號傳遞給輸出層，輸出層神經(jīng)元再處理一番，最后做出判斷。
那么在實(shí)際的計(jì)算機(jī)網(wǎng)絡(luò)中，如何模擬這種神經(jīng)元網(wǎng)絡(luò)的運(yùn)作呢。舉個簡單的例子，下面這張圖表代表了一個根據(jù)交通信號燈判斷要不要前進(jìn)的神經(jīng)元。它由三部分組成：輸入，內(nèi)部參數(shù)和輸出。
簡單來說，這是一個基于不同信息輸入的計(jì)算過程，當(dāng)最終計(jì)算結(jié)果大于0時輸出“前進(jìn)”命令，小于0時輸出“停止”命令。在計(jì)算機(jī)模型中，每個神經(jīng)元的這些內(nèi)部參數(shù)，都是可以調(diào)整的。
簡單來說，現(xiàn)在經(jīng)常聽到的“需要大數(shù)據(jù)”來訓(xùn)練AI算法的過程，其實(shí)就是調(diào)整和更新各個神經(jīng)元內(nèi)部參數(shù)的過程。整個神經(jīng)網(wǎng)絡(luò)機(jī)構(gòu)在數(shù)據(jù)中不變，但其中神經(jīng)元的具體參數(shù)才決定了神經(jīng)網(wǎng)絡(luò)的功能和表現(xiàn)。
現(xiàn)代社會的重要思維方式
按照以上談到的人工智能發(fā)展過程，似乎是計(jì)算機(jī)算法向人類大腦思維方法進(jìn)行了學(xué)習(xí)。但其實(shí)，深度學(xué)習(xí)的技術(shù)方法論恰恰是提醒我們要打破慣有思維。
不管是歸納或者演繹，總結(jié)規(guī)律，運(yùn)用規(guī)律總是人類的本能。但在發(fā)展日新月異的社會中，每天萬事萬物都在發(fā)生變化，企圖用一套固定的規(guī)則來指導(dǎo)事物運(yùn)作的方法論可能再難以成功。
但我們依然可以基于對市場，經(jīng)濟(jì)和社會行為的一些基本理解，來設(shè)計(jì)一些做事的方法與模型。但注意模型必須考慮到多個復(fù)雜因素，并且各個因素都是可以及時靈活調(diào)整的。
基于實(shí)踐的反饋，不停的調(diào)試自己的模式，最終發(fā)展出一套能靈活適應(yīng)變化（大數(shù)據(jù)）的行事系統(tǒng)，便是基于個人的人工智能模式了。
