2.2 基于機(jī)器學(xué)習(xí)的當(dāng)代人工“智能”

1956年，達(dá)特茅斯會(huì)議宣告了人工智能的誕生。AI技術(shù)在長期的發(fā)展中，已經(jīng)有了實(shí)質(zhì)性的變化，盡管它的名字依然叫人工智能。

2.2.1 人工智能3個(gè)階段的比較

人工智能可以劃分為3個(gè)階段：過去、當(dāng)前、未來。這不僅代表時(shí)間先后，還代表了含義的本質(zhì)區(qū)別。

1. 過去的“人工智能？”

這個(gè)階段的人工智能基于人類事先制定的規(guī)則，以模式識(shí)別、專家系統(tǒng)為代表，其在大多數(shù)應(yīng)用領(lǐng)域的實(shí)際表現(xiàn)都明顯弱于人類，所以在智能一詞后面加了問號。過去的人工智能只是計(jì)算機(jī)科學(xué)的一個(gè)小分支，而且是長期處于邊緣地位的小分支。

2. 當(dāng)前的人工“智能”

“當(dāng)前”要從2012年左右算起，具體會(huì)持續(xù)多久尚不明確。這個(gè)階段的人工智能主要基于機(jī)器學(xué)習(xí)尤其是深度學(xué)習(xí)，且已在多個(gè)單項(xiàng)能力上超越了人類。從實(shí)現(xiàn)的結(jié)果上看，其似乎具備了一定的智能，但究其實(shí)質(zhì)，當(dāng)前的人工“智能”還是來自數(shù)值計(jì)算，與人類智能的內(nèi)在機(jī)理還有本質(zhì)區(qū)別，所以在“智能”一詞上加了引號。

當(dāng)前的人工“智能”仍然是計(jì)算機(jī)科學(xué)領(lǐng)域的一個(gè)分支，但已經(jīng)成了非常熱門的分支。

3. 未來的“人工智能！”

未來的“人工智能！”是指未來可能實(shí)現(xiàn)的通用人工智能和強(qiáng)人工智能。如果實(shí)現(xiàn)了，一定是人類歷史上非常重大的事件，將對人類社會(huì)乃至人類存在的意義產(chǎn)生根本性影響。這個(gè)階段的人工智能才是真正的智能，“智能”一詞后面的感嘆號表達(dá)了這種震撼。

從學(xué)術(shù)角度上講，未來的通用人工智能、強(qiáng)人工智能將成為一門獨(dú)立的科學(xué)，而且將可能成為“凌駕”于其他所有科學(xué)之上的超級科學(xué)。因?yàn)閺?qiáng)人工智能具有真正的“智能”，可以研究其他科學(xué)。

人工智能三要素——算法、算力和數(shù)據(jù)，算法是為了給算力助力、指路，數(shù)據(jù)是為了給算力提供“材料”。2006年，杰弗里·辛頓提出深度學(xué)習(xí)算法。這是人工智能算法歷史性的突破，由此算法成為AI技術(shù)的領(lǐng)導(dǎo)性因素。借助這種算法，人工智能在很多領(lǐng)域取得了快速進(jìn)步，并在多個(gè)領(lǐng)域勝過了人類智能，如人工智能在ImageNet圖像識(shí)別大賽中勝過人類、打敗德州撲克的人類高手贏得獎(jiǎng)金，這都是基于深度學(xué)習(xí)算法。

目前，進(jìn)行規(guī)模化應(yīng)用的人工智能技術(shù)大多數(shù)采用了深度學(xué)習(xí)算法。如果一定要為人工智能的第三次熱潮確定一個(gè)開始年份，我認(rèn)為是2006年，就是杰弗里·辛頓提出深度學(xué)習(xí)算法的那一年。

Google、微軟、百度等互聯(lián)網(wǎng)巨頭，還有眾多的初創(chuàng)科技公司，紛紛加入了人工智能產(chǎn)品的“戰(zhàn)場”，掀起了2016年至2018年的AI發(fā)展熱潮。

我們用一張表來簡單對比一下過去、當(dāng)前、未來的人工智能。

下文提到的人工智能，除特別說明外，都是指當(dāng)前的人工“智能”。

2.2.2 人工智能涉及的基本概念及其關(guān)系

人工智能涉及很多概念，有些概念在AI科學(xué)家和AI工程師的圈子里也沒有達(dá)成一致。因此，要想理解人工智能，我們需要花一點(diǎn)時(shí)間來厘清人工智能的一些重要概念，從而使我們以后在進(jìn)行討論時(shí)，能用同一種概念對話。

人工智能，是通過人工的方式實(shí)現(xiàn)部分原本只有人類才能實(shí)現(xiàn)的智能。

機(jī)器學(xué)習(xí)，可以按字面意思來理解，就是機(jī)器自己進(jìn)行學(xué)習(xí)。有了學(xué)習(xí)能力就能不斷進(jìn)步，這是機(jī)器學(xué)習(xí)有別于此前基于規(guī)則、基于編程的人工智能的重大區(qū)別。

我們常說人工智能的3個(gè)要素是算法、算力和數(shù)據(jù)（尤其是大數(shù)據(jù)）。那么，三者和機(jī)器學(xué)習(xí)是什么關(guān)系？機(jī)器學(xué)習(xí)和人工智能又是什么關(guān)系？經(jīng)常被大家提到的模型又是什么？為了便于讀者理解，我將這些概念的關(guān)系繪制在下面這張圖上。

根據(jù)這張圖可以簡要進(jìn)行如下講解。

1. 算法、算力和數(shù)據(jù)

這3個(gè)要素協(xié)作進(jìn)行機(jī)器學(xué)習(xí)，從而“培養(yǎng)”出人工智能。如果用人類做類比，那么人工智能的算法是大腦、算力是肌肉、數(shù)據(jù)則是食物。

2. 機(jī)器學(xué)習(xí)與人工智能

人工智能是從機(jī)器學(xué)習(xí)而來的，機(jī)器最初和剛誕生的嬰兒一樣如同一張白紙，它通過學(xué)習(xí)逐漸具備智能。在上圖中，“機(jī)器學(xué)習(xí)”上面的箭頭指向“人工智能”，表明了兩者之間的關(guān)系。簡單地說，就是“機(jī)器通過學(xué)習(xí)產(chǎn)生人工智能”。

3. 模型

模型是智能的載體，和以上幾個(gè)概念都存在緊密關(guān)系。

如果要用AI解決問題，我們就需要設(shè)計(jì)、構(gòu)建一個(gè)模型。

（1）模型與算法。所謂的構(gòu)建模型就是用代碼把模型創(chuàng)建出來，用代碼把算法寫出來。

（2）模型與算力。模型訓(xùn)練的本質(zhì)就是進(jìn)行大量的計(jì)算，這些都需要算力的支持。

（3）模型與數(shù)據(jù)。剛剛構(gòu)建完成的模型是沒有任何智能的，我們需要用數(shù)據(jù)對模型進(jìn)行訓(xùn)練，讓模型快速“進(jìn)化”出智能。

（4）模型與機(jī)器學(xué)習(xí)。從人類的角度看，這是在進(jìn)行模型訓(xùn)練；從機(jī)器的角度看，這就是機(jī)器學(xué)習(xí)。

（5）模型與人工智能。訓(xùn)練完的模型具有了某種“智能”，這時(shí)它就可以用來解決問題、發(fā)揮價(jià)值了。這可以理解為，訓(xùn)練完的模型承載了人工“智能”。

算法、算力和數(shù)據(jù)這3個(gè)要素都很重要，只有三者通力合作才能產(chǎn)生人工智能。如果一定要選出一個(gè)最重要的要素，我認(rèn)為是算法。以AlphaGo的不同版本為例，隨著版本的升級，其能力越來越強(qiáng)，但消耗的能量越來越少，其中的關(guān)鍵便是算法的進(jìn)化。各代AlphaGo的算力和能量消耗對比如下圖所示。

在上圖中，Power Consumption指用電量，TDP指散熱設(shè)計(jì)功耗。其中，橫軸是AlphaGo按時(shí)間順序出現(xiàn)的不同版本，Lee是戰(zhàn)勝韓國棋手李世石的版本，Zero是戰(zhàn)勝我國棋手柯潔的版本。從Lee開始，芯片從GPU（圖形處理器）換成了Google的TPU（張量處理器）。在很短的時(shí)間內(nèi)，AlphaGo的能力越來越強(qiáng)，但消耗的算力和電力反而越來越少，這主要得益于算法的進(jìn)步。如果說算力是蠻力，那么算法則是巧力。

算法的進(jìn)化是非常難的，可能要十年甚至更長時(shí)間才會(huì)有重大進(jìn)展，所以只有極少數(shù)科學(xué)家能在其中有所建樹。相比之下，算力一直在穩(wěn)步進(jìn)化，數(shù)據(jù)一直在持續(xù)增加，算力、數(shù)據(jù)帶來的效益更加實(shí)惠一些。