3分鐘讀懂火熱的人工智能！

　　如果有人問你什么是AI?你會如何回答?你可能會聯想到電影中的場景，星球大戰、復仇者聯盟各類科幻片為我們提供了很多關于AI的想象，但那些都是沒有實現的AI機器人。現實生活中AI的應用其實十分廣泛，包括智能手機、搜索引擎、智能游戲、自動駕駛汽車等等領域，可這些都是弱智能AI的應用。

　　現在AI代表的是強智能的AI，是可以從海量經驗數據中進行深度學習，可以依據不同情境做不同反應的智能實體。

　　AI可能在大多數人認知中是一個新興領域，但它的歷史可以追溯到上個世紀提出的機器智能，雖然AI技術已經出現了很長時間，但隨著時間的發展和新興軟硬件的開發，它近些年開始出現在公眾視野內，并以強勁的趨勢在不斷發展。

　　AI技術對公眾而言也算不上陌生，你可能聽過其他技術的名字，比如機器學習、神經網絡、語言處理、圖像識別等等，其實這些都是AI技術的一個子集，AI技術包含的范圍非常廣泛，下面是筆者關于AI技術的一些總結。

　　 機器學習

　　機器學習有點類似于人類的上學，當AI程序獲得海量經驗數據后，想讓它轉化為可用信息，還需要在已有的知識結構中重組分類，不斷進行重復實驗，就像孩子需要在學校通過學習和模仿大人的行為，從而在實際環境中來做出判斷和行動。

　　AI程序能否正確反應取決于信息集，如果程序收集的是分離的、有限制的、帶偏見的信息集，就很難得到正確反應。收集信息集的難度在于該AI程序用戶的使用范圍，如果是為小眾用戶創建的AI程序，則使用的是較小的信息集，但大多數AI程序都需要收集廣泛的信息，進行大量的重復實驗，來獲取針對不同指令的正確反應，以滿足大多數用戶的需求。

　　 深度學習和神經網絡

　　兩者都是機器學習的一個子集，深度學習側重于嘗試模仿人類大腦的工作方式。雖然我們自身并沒有完全了解人類大腦是如何運作的，但現在AI程序的深度學習能力可以模擬人類大腦，自發的對海量數據進行深度學習，構建不同場景下的反應機制。

　　神經網絡是深度學習的具體實現，AI程序內多個節點通過完成不同的任務，將完成任務的經驗與網絡中的其他節點共享，如果一個節點的任務成功完成，就相當于其他節點都擁有這個任務完成的經驗，而節點之間經驗越多，則信息集越豐富， AI程序就可以在信息集中挖掘更多可用信息，將其轉化為不同的反應機制。

　　 認知計算和自然語言處理(NLP)

　　認知計算是一種全新的計算模式，包含信息分析，自然語言處理(NLP)等技術，是實現AI的關鍵技術體系，認知代表著能思考并且感知事務，可以對數據進行推理、學習和改進。

　　自然語言處理是一門融語言學、計算機科學、數學于一體的科學，NLP區別書面語言與口頭語言，了解語言包含的文字內容，語境，判斷單個詞語歧義、分辨說話者意圖。在AI程序處理具體問題時，NLP幫助AI程序正確分析說話者指令，輸出恰當的回復語句，而認知系統則負責探索更加自然的方式與互動者進行交互，幫助AI程序完善人性化功能。

　　 計算機視覺

　　計算機視覺是用攝像機和電腦代替人的眼睛，幫助AI程序正確識別目標，包括圖像獲取、預處理(平滑去噪、提高對比度、調整尺度)、特征提取、檢測分割等等具體應用，利用計算機對圖像進行處理、分析和理解，以識別不同模式的目標和對象， iPhone X的人臉識別就是這項技術的應用實現。

　　在計算機環境中，“視覺”還包括我們人眼平常看不到或者無法識別的圖像和其他類型的視覺輸入，但機器可以識別出來，比如電磁波、X射線和紅外線等。

　　 工具推薦

　　在函數庫推薦方面，每個技術部分都有一些特定的不同，AI領域的許多庫都是針對Python開發人員的，但下面提到的庫是可以支持其他語言。

　　· Keras：高級神經網絡Python庫，可以嵌入其他深度學習庫中，旨在簡化實驗模型。

　　· MXNet：Amazon深度學習庫，支持多種編程語言和部署方法。

　　· Deeplearning4j：基于JVM的深度學習庫，可內置可視筆記本用于實驗運行。

　　· Spark MLib：適合于使用Spark進行數據流傳輸的用戶。

　　· OpenCV：廣泛使用并支持計算機視覺的庫。

　　· SimpleCV：與OpenCV很相似。

　　· NLTK：用于處理和理解自然語言的Python庫。

　　· OpenNLP：適用于JVM用戶。

　　最后需要單獨指出的是，隨著AI程序的持續發展，它將會在社會生活中承擔更加多樣化的角色，我們會越來越依賴AI來承擔更多的工作或任務，我們雖然不相信科幻電影中的機器人殺手， 現階段的AI也沒有實現強智能時代，但我們依舊需要警惕由AI帶來的可控性挑戰。