認知篇
第1章 人工智能、深度學習和計算機視覺
1.1 人工智能簡介
“智能”一詞在現(xiàn)代生活中很常見，如智能手機、智能家居、智能駕駛等。在不同的使用場合中，智能的含義也不太一樣。例如，“智能手機”中的“智能”，一般指由計算機控制并具有某種智能行為，這里的“計算機控制”和“智能行為”隱含了對人工智能的簡單定義。
簡單來講，人工智能（Artificial Intelligence，AI）就是讓機器具有人類的智能，這也是人們長期追求的目標。這里關于什么是“智能”并沒有一個很明確的定義，但一般認為智能（特指人工智能）是知識和智力的總和，都和大腦的思維活動有關。人類大腦是經過上億年的進化才形成的復雜結構，但我們至今仍然沒有完全了解其工作機理。雖然隨著神經科學、認知心理學等學科的發(fā)展，人們對大腦的結構有了一定程度的了解，但對大腦的智能究竟是怎么產生的還知道得很少。我們并不了解大腦的運作原理，以及如何產生意識、情感、記憶等。因此，通過“復制”人腦來實現(xiàn)人工智能在目前階段是不切實際的。
1950年，阿蘭·圖靈（Alan Turing）發(fā)表了一篇有著重要影響力的論文ComputingMachinery and Intelligence，討論了創(chuàng)造一種“智能機器”的可能性。由于“智能”一詞比較難以定義，他提出了著名的圖靈測試：“一個人在不接觸對方的情況下，通過一種特殊的方式和對方進行一系列的問答。如果在相當長的時間內，他無法根據這些問題判斷對方是人還是計算機，那么就可以認為這個計算機是智能的。”圖靈測試是促使人工智能從哲學探討到科學研究的一個重要因素，引導了人工智能的很多研究方向。因為要使得計算機能通過圖靈測試，計算機就必須具備理解語言、學習、記憶、推理、決策等能力。這樣，人工智能就延伸出了很多不同的子學科，如機器感知（計算機視覺、語言信息處理）、學習（模式識別、機器學習、強化學習）、語言（自然語言處理）、記憶（知識表示）、決策（規(guī)劃、數據挖掘）等。所有這些研究領域都可以看作人工智能的研究范疇。
人工智能是計算機科學的一個分支，主要研究與開發(fā)用于模擬、延伸和擴展人類智能的理論、方法、技術及應用系統(tǒng)等。和很多其他學科不同，人工智能這個學科的誕生有著明確的標志性事件，如1956年的達特茅斯（Dartmouth）會議。在這次會議上，“人工智能”被提出并作為本研究領域的名稱。同時，人工智能研究的使命也得以確定。約翰·麥卡錫（John McCarthy）提出了人工智能的定義：人工智能就是要讓機器的行為看起來就像是人所表現(xiàn)出的行為一樣。
目前，人工智能的主要領域大體上可以分為以下幾個方面。
（1）感知：模擬人的感知能力，對外部刺激信息（視覺和語音等）進行感知和加工。主要研究領域包括語音信息處理和計算機視覺等。
（2）學習：模擬人的學習能力，主要研究如何從樣例或從與環(huán)境的交互中進行學習。主要研究領域包括監(jiān)督學習、無監(jiān)督學習和強化學習等。
（3）認知：模擬人的認知能力。主要研究領域包括知識表示、自然語言理解、推理、規(guī)劃、決策等。
目前我們對人類智能的機理依然知之甚少，還沒有一個通用的理論來指導如何構建一個人工智能系統(tǒng)。不同的研究者都有各自的理解，因此在人工智能的研究過程中產生了很多不同的流派。例如，一些研究者認為人工智能應該通過研究人類智能的機理來構建一個仿生的模擬系統(tǒng)，而另外一些研究者則認為可以使用其他方法來實現(xiàn)人類的某種智能行為。一個著名的例子就是讓機器具有飛行能力不需要模擬鳥的飛行方式，而應該研究空氣動力學。
盡管人工智能的流派非常多，但主流的方法大體上可以歸結為以下兩種。
（1）符號主義（Symbolism）：又稱邏輯主義、心理學派或計算機學派，是指通過分析人類智能的功能，然后用計算機來實現(xiàn)這些功能的一類方法。符號主義有兩個基本假設：信息可以用符號來表示；符號可以通過顯式的規(guī)則（如邏輯運算）來操作。人類的認知過程可以看作符號操作過程。在人工智能的推理期和知識期，符號主義的方法比較盛行，并取得了大量的成果。
（2）連接主義（Connectionism）：又稱仿生學派或生理學派，是認知科學領域中一類信息處理的方法與理論。在認知科學領域，人類的認知過程可以看作一種信息處理過程。連接主義認為人類的認知過程是由大量簡單神經元構成的神經網絡中的信息處理過程，而不是符號運算。因此，連接主義模型的主要結構是由大量簡單的信息處理單元組成的互聯(lián)網絡，具有非線性、分布式、并行化、局部性計算，以及自適應性等特性。
符號主義方法的一個優(yōu)點是可解釋性，而這也正是連接主義方法的弊端。深度學習的主要模型神經網絡就是一種連接主義模型。隨著深度學習的發(fā)展，越來越多的研究者開始關注如何融合符號主義和連接主義，建立一種高效并且具有可解釋性的模型。