人工智能的浪潮正在席卷全球，諸多詞匯時(shí)刻縈繞在我們耳邊:人工智能(Artificial Intelligence)、機(jī)器學(xué)習(xí)(Machine Learning)、深度學(xué)習(xí)(Deep Learning)。不少人對(duì)這些高頻詞匯的含義及其背后的關(guān)系總是似懂非懂、一知半解。
為了幫助大家更好地理解人工智能，這篇文章用最簡(jiǎn)單的語言解釋了這些詞匯的含義，理清它們之間的關(guān)系，希望對(duì)剛?cè)腴T的同行有所幫助。
圖一 人工智能的應(yīng)用
人工智能:從概念提出到走向繁榮
1956年，幾個(gè)計(jì)算機(jī)科學(xué)家相聚在達(dá)特茅斯會(huì)議，提出了"人工智能"的概念，夢(mèng)想著用當(dāng)時(shí)剛剛出現(xiàn)的計(jì)算機(jī)來構(gòu)造復(fù)雜的、擁有與人類智慧同樣本質(zhì)特性的機(jī)器。其后，人工智能就一直縈繞于人們的腦海之中，并在科研實(shí)驗(yàn)室中慢慢孵化。之后的幾十年，人工智能一直在兩極反轉(zhuǎn)，或被稱作人類文明耀眼未來的預(yù)言，或被當(dāng)成技術(shù)瘋子的狂想扔到垃圾堆里。直到2012年之前，這兩種聲音還在同時(shí)存在。
2012年以后，得益于數(shù)據(jù)量的上漲、運(yùn)算力的提升和機(jī)器學(xué)習(xí)新算法(深度學(xué)習(xí))的出現(xiàn)，人工智能開始大爆發(fā)。據(jù)領(lǐng)英近日發(fā)布的《全球AI領(lǐng)域人才報(bào)告》顯示，截至2017年一季度，基于領(lǐng)英平臺(tái)的全球AI(人工智能)領(lǐng)域技術(shù)人才數(shù)量超過190萬，僅國內(nèi)人工智能人才缺口達(dá)到500多萬。
人工智能的研究領(lǐng)域也在不斷擴(kuò)大，圖二展示了人工智能研究的各個(gè)分支，包括專家系統(tǒng)、機(jī)器學(xué)習(xí)、進(jìn)化計(jì)算、模糊邏輯、計(jì)算機(jī)視覺、自然語言處理、推薦系統(tǒng)等。
圖二 人工智能研究分支
但目前的科研工作都集中在弱人工智能這部分，并很有希望在近期取得重大突破，電影里的人工智能多半都是在描繪強(qiáng)人工智能，而這部分在目前的現(xiàn)實(shí)世界里難以真正實(shí)現(xiàn)(通常將人工智能分為弱人工智能和強(qiáng)人工智能，前者讓機(jī)器具備觀察和感知的能力，可以做到一定程度的理解和推理，而強(qiáng)人工智能讓機(jī)器獲得自適應(yīng)能力，解決一些之前沒有遇到過的問題)。
弱人工智能有希望取得突破，是如何實(shí)現(xiàn)的，"智能"又從何而來呢?這主要?dú)w功于一種實(shí)現(xiàn)人工智能的方法--機(jī)器學(xué)習(xí)。
由中科院自動(dòng)化所博士畢業(yè)生創(chuàng)建的深藍(lán)學(xué)院，陸續(xù)推出了人工智能基礎(chǔ)入門的課程。深藍(lán)學(xué)院致力于人工智能等前沿科技的在線教育平臺(tái)，學(xué)院助教均為人工智能領(lǐng)域博士，可以添加其微信(shenlan-college)，咨詢?nèi)斯ぶ悄艿膯栴}。
機(jī)器學(xué)習(xí):一種實(shí)現(xiàn)人工智能的方法
機(jī)器學(xué)習(xí)最基本的做法，是使用算法來解析數(shù)據(jù)、從中學(xué)習(xí)，然后對(duì)真實(shí)世界中的事件做出決策和預(yù)測(cè)。與傳統(tǒng)的為解決特定任務(wù)、硬編碼的軟件程序不同，機(jī)器學(xué)習(xí)是用大量的數(shù)據(jù)來"訓(xùn)練"，通過各種算法從數(shù)據(jù)中學(xué)習(xí)如何完成任務(wù)。
舉個(gè)簡(jiǎn)單的例子，當(dāng)我們?yōu)g覽網(wǎng)上商城時(shí)，經(jīng)常會(huì)出現(xiàn)商品推薦的信息。這是商城根據(jù)你往期的購物記錄和冗長(zhǎng)的收藏清單，識(shí)別出這其中哪些是你真正感興趣，并且愿意購買的產(chǎn)品。這樣的決策模型，可以幫助商城為客戶提供建議并鼓勵(lì)產(chǎn)品消費(fèi)。
機(jī)器學(xué)習(xí)直接來源于早期的人工智能領(lǐng)域，傳統(tǒng)的算法包括決策樹、聚類、貝葉斯分類、支持向量機(jī)、EM、Adaboost等等。從學(xué)習(xí)方法上來分，機(jī)器學(xué)習(xí)算法可以分為監(jiān)督學(xué)習(xí)(如分類問題)、無監(jiān)督學(xué)習(xí)(如聚類問題)、半監(jiān)督學(xué)習(xí)、集成學(xué)習(xí)、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。
傳統(tǒng)的機(jī)器學(xué)習(xí)算法在指紋識(shí)別、基于Haar的人臉檢測(cè)、基于HoG特征的物體檢測(cè)等領(lǐng)域的應(yīng)用基本達(dá)到了商業(yè)化的要求或者特定場(chǎng)景的商業(yè)化水平，但每前進(jìn)一步都異常艱難，直到深度學(xué)習(xí)算法的出現(xiàn)。
深度學(xué)習(xí):一種實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)
深度學(xué)習(xí)本來并不是一種獨(dú)立的學(xué)習(xí)方法，其本身也會(huì)用到有監(jiān)督和無監(jiān)督的學(xué)習(xí)方法來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)。但由于近幾年該領(lǐng)域發(fā)展迅猛，一些特有的學(xué)習(xí)手段相繼被提出(如殘差網(wǎng)絡(luò))，因此越來越多的人將其單獨(dú)看作一種學(xué)習(xí)的方法。
最初的深度學(xué)習(xí)是利用深度神經(jīng)網(wǎng)絡(luò)來解決特征表達(dá)的一種學(xué)習(xí)過程。深度神經(jīng)網(wǎng)絡(luò)本身并不是一個(gè)全新的概念，可大致理解為包含多個(gè)隱含層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。為了提高深層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效果，人們對(duì)神經(jīng)元的連接方法和激活函數(shù)等方面做出相應(yīng)的調(diào)整。其實(shí)有不少想法早年間也曾有過，但由于當(dāng)時(shí)訓(xùn)練數(shù)據(jù)量不足、計(jì)算能力落后，因此最終的效果不盡如人意。
深度學(xué)習(xí)摧枯拉朽般地實(shí)現(xiàn)了各種任務(wù)，使得似乎所有的機(jī)器輔助功能都變?yōu)榭赡堋o人駕駛汽車，預(yù)防性醫(yī)療保健，甚至是更好的電影推薦，都近在眼前，或者即將實(shí)現(xiàn)。
三者的區(qū)別和聯(lián)系
機(jī)器學(xué)習(xí)是一種實(shí)現(xiàn)人工智能的方法，深度學(xué)習(xí)是一種實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)。我們就用最簡(jiǎn)單的方法--同心圓，可視化地展現(xiàn)出它們?nèi)叩年P(guān)系。
圖三 三者關(guān)系示意圖
目前，業(yè)界有一種錯(cuò)誤的較為普遍的意識(shí)，即"深度學(xué)習(xí)最終可能會(huì)淘汰掉其他所有機(jī)器學(xué)習(xí)算法"。這種意識(shí)的產(chǎn)生主要是因?yàn)椋?dāng)下深度學(xué)習(xí)在計(jì)算機(jī)視覺、自然語言處理領(lǐng)域的應(yīng)用遠(yuǎn)超過傳統(tǒng)的機(jī)器學(xué)習(xí)方法，并且媒體對(duì)深度學(xué)習(xí)進(jìn)行了大肆夸大的報(bào)道。
深度學(xué)習(xí)，作為目前最熱的機(jī)器學(xué)習(xí)方法，但并不意味著是機(jī)器學(xué)習(xí)的終點(diǎn)。起碼目前存在以下問題:
1. 深度學(xué)習(xí)模型需要大量的訓(xùn)練數(shù)據(jù)，才能展現(xiàn)出神奇的效果，但現(xiàn)實(shí)生活中往往會(huì)遇到小樣本問題，此時(shí)深度學(xué)習(xí)方法無法入手，傳統(tǒng)的機(jī)器學(xué)習(xí)方法就可以處理;
2. 有些領(lǐng)域，采用傳統(tǒng)的簡(jiǎn)單的機(jī)器學(xué)習(xí)方法，可以很好地解決了，沒必要非得用復(fù)雜的深度學(xué)習(xí)方法;
3. 深度學(xué)習(xí)的思想，來源于人腦的啟發(fā)，但絕不是人腦的模擬，舉個(gè)例子，給一個(gè)三四歲的小孩看一輛自行車之后，再見到哪怕外觀完全不同的自行車，小孩也十有八九能做出那是一輛自行車的判斷，也就是說，人類的學(xué)習(xí)過程往往不需要大規(guī)模的訓(xùn)練數(shù)據(jù)，而現(xiàn)在的深度學(xué)習(xí)方法顯然不是對(duì)人腦的模擬。
深度學(xué)習(xí)大佬 Yoshua Bengio 在 Quora 上回答一個(gè)類似的問題時(shí)，有一段話講得特別好，這里引用一下，以回答上述問題:
Science is NOT a battle, it is a collaboration. We all build on each other's ideas. Science is an act of love, not war. Love for the beauty in the world that surrounds us and love to share and build something together. That makes science a highly satisfying activity, emotionally speaking!
這段話的大致意思是，科學(xué)不是戰(zhàn)爭(zhēng)而是合作，任何學(xué)科的發(fā)展從來都不是一條路走到黑，而是同行之間互相學(xué)習(xí)、互相借鑒、博采眾長(zhǎng)、相得益彰，站在巨人的肩膀上不斷前行。機(jī)器學(xué)習(xí)的研究也是一樣，你死我活那是邪教，開放包容才是正道。
結(jié)合機(jī)器學(xué)習(xí)2000年以來的發(fā)展，再來看Bengio的這段話，深有感觸。進(jìn)入21世紀(jì)，縱觀機(jī)器學(xué)習(xí)發(fā)展歷程，研究熱點(diǎn)可以簡(jiǎn)單總結(jié)為2000-2006年的流形學(xué)習(xí)、2006年-2011年的稀疏學(xué)習(xí)、2012年至今的深度學(xué)習(xí)。未來哪種機(jī)器學(xué)習(xí)算法會(huì)成為熱點(diǎn)呢?深度學(xué)習(xí)三大巨頭之一吳恩達(dá)曾表示，"在繼深度學(xué)習(xí)之后，遷移學(xué)習(xí)將引領(lǐng)下一波機(jī)器學(xué)習(xí)技術(shù)"。但最終機(jī)器學(xué)習(xí)的下一個(gè)熱點(diǎn)是什么，誰又能說得準(zhǔn)呢。
