淺論人工智能發(fā)展及其在學習中的應用

王 潛

淺論人工智能發(fā)展及其在學習中的應用

王 潛

（石油化工管理干部學院，北京 100012)

人工智能是人類的夢想，在幾十年的歷程后迎來了熱潮，諸如AlphaGo圍棋人機大戰(zhàn)的出現(xiàn)使人們不得不把視線重新聚集在人工智能上，它能否達到人類水平，沿著怎樣的技術(shù)途徑前進仍然是人們關(guān)注的焦點和發(fā)展方向。

人工智能；神經(jīng)網(wǎng)絡(luò)；深度學習；機器學習

科技蘊含著巨大的顛覆能力。在過去的60年里，人類在人工智能（Artificial Intelligence,AI）領(lǐng)域的發(fā)展越來越快，雖然處于起步階段，但是它的出現(xiàn)挑戰(zhàn)了人類傳統(tǒng)的思維模式和觀念，正在逐漸改變?nèi)藗兊纳罘绞?、學習方式和工作方式。人工智能是一門使用計算機來模仿人類智能行為的學科，仿照人類大腦的神經(jīng)網(wǎng)絡(luò)架構(gòu)使計算機從數(shù)據(jù)中學習，進行監(jiān)督學習和無監(jiān)督學習。近年來，人工智能在深度學習和機器學習方面提升了數(shù)據(jù)的利用價值。

我國擁有海量的數(shù)據(jù)，國家已經(jīng)把人工智能上升為國家戰(zhàn)略，相繼頒布許多支持性政策。2015年7月，國務(wù)院發(fā)布《關(guān)于積極推動“互聯(lián)網(wǎng)+”行動的指導意見》，將互聯(lián)網(wǎng)+人工智能列為11項重點行動之一。2016年5月，國家發(fā)展和改革委員會等多部委發(fā)布《“互聯(lián)網(wǎng)+”人工智能三年行動實施方案》，提出到2018年“形成千億級的人工智能市場應用規(guī)?！薄?017年，全國兩會《政府工作報告》中，李克強總理提出“全面實施戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃，加快新材料、

人工智能等技術(shù)研發(fā)和轉(zhuǎn)化”。2017年7月，國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，明確提出中國人工智能“三步走”，在技術(shù)標準、服務(wù)體系、產(chǎn)業(yè)生態(tài)鏈、智能制造、智能醫(yī)療、國防建設(shè)等領(lǐng)域形成涵蓋核心技術(shù)、關(guān)鍵系統(tǒng)、支撐平臺及智能應用的完備產(chǎn)業(yè)鏈。在人工智能的研發(fā)上投入大量的資金，并且開放共享一些開源的深度學習引擎和平臺，為國內(nèi)的人工智能創(chuàng)造了良好環(huán)境。

1 人工智能發(fā)展概述

回首1956年在美國達特茅斯大會提出的人工智能，至今已有60多個春秋。在此期間，人工智能的發(fā)展進程從初期的淺層神經(jīng)網(wǎng)絡(luò)逐漸演變?yōu)橄蚋叨戎腔郯l(fā)展。1943年，邏輯學家Walter Pitts和神經(jīng)科學家McCulbch創(chuàng)造第一個神經(jīng)網(wǎng)絡(luò)教學模型，至今仍然是標準模型。20世紀50年代，人們開始注意到人工智能與機器之間的聯(lián)系。1955年，第一個AI程序“邏輯專家”（Logic Theorist）誕生；1956年，美國達特茅斯學院召開人工智能研討會催生人工智能革命成為現(xiàn)代人工智能研究的起源；1957年，美國計算機科學家羅森布拉特提出感知概念，成為最早的人工神經(jīng)網(wǎng)絡(luò)。人們?yōu)槿斯ぶ悄軞g欣鼓舞的時候，70年代迎來了人工智能的第一個低潮期，根據(jù)1973年《萊特希爾報告》出具的詳實數(shù)據(jù)說明，幾乎所有的人工智能研究均未能達到預期的發(fā)展水平，這種情況一直持續(xù)到80年代第五代計算機研制成功，人工智能才得以進一步發(fā)展，在已有的單層感知基礎(chǔ)上提出誤差反向傳播算法和多層神經(jīng)網(wǎng)絡(luò)模型。隨著個人計算機在1987年至1993年全面推廣和普及，人工智能專家系統(tǒng)（Symbolics和Lips等）擁有的光環(huán)在逐漸消退，直到互聯(lián)網(wǎng)逐步走向成熟發(fā)展和數(shù)據(jù)概念的出現(xiàn)，又一次迎來人工智能的高潮期。

人工智能的歷史進程大致可以概述為以下幾個階段：①20世紀40年代首個神經(jīng)網(wǎng)絡(luò)數(shù)字模型誕生；②20世紀50年代第一個人工智能程序誕生，成為AI發(fā)展史上的里程碑；③20世紀60年代提出的淺層神經(jīng)網(wǎng)絡(luò)；④20世紀60年代至70年代出現(xiàn)的反向傳播；⑤1974年至1980年人工智能第一次遭遇寒流；⑥20世紀80年代出現(xiàn)卷積的概念；⑦1987年至1993年人工智能第二次遭遇寒流；⑧20世紀90年代無監(jiān)督學習的誕生；⑨20世紀90年代至21世紀向著無監(jiān)督學習發(fā)展。

2 人工智能案例與窘境

2.1 人工智能應用案例

案例一，圍棋人機大戰(zhàn)。棋類游戲是人工智能研究的重要領(lǐng)域之一。2015年10月，谷歌（Google）旗下的Deep Mind公司研發(fā)的圍棋對弈專家系統(tǒng)“阿爾法狗”（AlphaGo）擊敗歐洲圍棋冠軍樊麾二段。2016年3月，與圍棋世界冠軍職業(yè)九段棋手李世石進行的圍棋人機大戰(zhàn)不可謂不震撼人心，最終阿爾法狗以4比1的總分取得勝利。繼而在2016年末2017年初，又以“大師”（Master）的身份與中日韓數(shù)十位圍棋高手對弈，60局全勝的戰(zhàn)績讓人側(cè)目。2017年5月，再次挑戰(zhàn)當今圍棋界世界排名第一的冠軍柯潔以3比0的總分獲勝。其中一個場景讓人記憶猶新，在與一位知名棋手對戰(zhàn)中，AlphaGo啟用了圍棋中被視為壞棋的“九餅疑形”，結(jié)果是AlphaGo輕松擊敗這位有著65年棋齡的圍棋九段。圍棋界幾百年積累的定式被一次次挑戰(zhàn)。多次挑戰(zhàn)之后，我們不得不重新審視人工智能的存在，它顛覆了人類傳統(tǒng)的知識獲取途徑和經(jīng)驗積累。

案例二，機器新聞寫作。通過智能化將傳媒內(nèi)容生產(chǎn)范式從媒體精英的內(nèi)容產(chǎn)出和用戶生產(chǎn)內(nèi)容轉(zhuǎn)換為算法生成內(nèi)容。寫稿機器人在逐步進入傳統(tǒng)傳媒企業(yè)，2006年，機器新聞寫作被引入諸多知名媒體，如《紐約時報》《華盛頓時報》《衛(wèi)報》等扮演傳媒角色，分擔傳媒工作流程，批量審查自動生成的日常新聞寫作稿件。機器新聞寫作具有24小時持續(xù)工作，抓取數(shù)據(jù)、挖掘數(shù)據(jù)、分析數(shù)據(jù)、套用模板、生成稿件的整體性、精確性、高效性、真實性的特點，可以用秒計算生成一篇篇新聞報道，在突發(fā)性新聞寫作中也同樣以高效扮演著重要角色，最終生成稿件交由人工把關(guān)。這預示著人機協(xié)同將成為未來傳媒生產(chǎn)的主流模式和未來的擴展方向。

案例三，無人駕駛汽車。隨著計算機處理能力的進步與深度學習算法的改進，機器不僅在邏輯和對弈能力上得到增強，而且具備了基本的決策和反饋能力，人們也不再滿足于航空領(lǐng)域的飛機無人駕駛技術(shù)，著手研發(fā)期盼已久的無人駕駛汽車?？坡〗?jīng)濟研究所對近年來幾千個專利進行分析，結(jié)果顯示在無人駕駛汽車研發(fā)過程中，傳統(tǒng)的汽車廠商和零配件供應商在無人駕駛汽車的專利遠遠超過科技巨頭公司。以寶馬集團為例，采用英特爾研發(fā)的人工智能負載FPGA+CPU的混合架構(gòu)、Mobileye的汽車級計算機視覺技術(shù)、德爾福的無人駕駛專業(yè)技術(shù)支持復雜的人工智能算法，計劃在21世紀20年代初期對無人駕駛汽車進行量產(chǎn)。其它科技公司，如Google公司，在無人駕駛汽車研發(fā)道路上通過各種傳感器對周邊環(huán)境進行感知，利用采集的信息和數(shù)據(jù)進行決策和積極有益的嘗試。

除了上述三個具有代表性的人工智能領(lǐng)域以外，我們熟知的人工智能產(chǎn)品還包括蘋果聲控私人助手Siri，亞馬遜Alexa智能家居中心，Pandora（潘多拉）電臺的音頻流媒體服務(wù)，等等。從以上的案例可以看出，人工智能在深度學習中運用算法的創(chuàng)新實現(xiàn)了很多軟件功能，它們對人工智能的運用是通過信息和數(shù)據(jù)的利用提升自身的技能和可用性。

2.2 人工智能窘境

人力智能處于一個最好的發(fā)展機遇期，也將不得不面臨很多挑戰(zhàn)和尷尬。在各大科技巨頭紛紛搶灘布局人工智能，在人才、技術(shù)、兼并收購中，緊隨著的是資本熱捧和概念營銷。一是資本市場，有風投數(shù)據(jù)顯示，至2016年第三季度，全球人工智能創(chuàng)業(yè)公司數(shù)量已新增為1287個，其中獲得投資85個，投資金額近500億人民幣；中國人工智能創(chuàng)業(yè)公司235個，獲得投資65個，投資金額高達29億人民幣。作為一個技術(shù)門檻相對較高的技術(shù)，全球每10.9個小時誕生一個人工智能企業(yè)，如此快速的增長，背后的焦慮與不安耐人尋味。二是技術(shù)引領(lǐng)創(chuàng)新，偽智能產(chǎn)品的出現(xiàn)層出不窮，配以較為簡單的聯(lián)網(wǎng)和搜索功能，標榜著大數(shù)據(jù)、深度學習、遷移學習等熱門詞語進入商品流通環(huán)節(jié)，導致普通用戶對人工智能產(chǎn)生誤解和混淆，對人工智能產(chǎn)業(yè)造成傷害及負面影響。三是商業(yè)模式的構(gòu)建，很多國內(nèi)外企業(yè)對待商業(yè)模式尚處于產(chǎn)業(yè)化布局和投入階段，有些企業(yè)缺乏清晰盈利模式的支持，還不能有效利用數(shù)據(jù)資源設(shè)計產(chǎn)品與服務(wù)客戶使其產(chǎn)生商業(yè)價值，投資人不敢增資和資金注入。四是價值高估，盡管人工智能處于技術(shù)工具階段，還未實現(xiàn)產(chǎn)業(yè)融合與營收目標，但是很多人工智能創(chuàng)業(yè)公司在產(chǎn)業(yè)和產(chǎn)品毫無頭緒的情況下，或處在弱人工智能階段，持樂觀態(tài)度對此估值卻在不斷攀升。

3 人工智能與學習技術(shù)

3.1 人工智能深度學習

人工智能分為弱人工智能和強人工智能，深度學習是人工智能的最新演進，屬于人工智能的一個學習技術(shù)方向，曾被稱為2013年十大突破性技術(shù)，視為實現(xiàn)強人工智能的突破口。深度學習出現(xiàn)以前人們關(guān)注的是機器學習，它包括特征感知、圖像預處理、特征提取、特征篩選、預測與識別等五個特征，但在研究的道路上不斷遇到尷尬，主要表現(xiàn)在算法中的誤差反向傳播隨著隱層增加而減弱，無法提供海量標識數(shù)據(jù)導致過度復雜，多隱層結(jié)構(gòu)參數(shù)、海量數(shù)據(jù)產(chǎn)生的計算資源浪費等因素。在不斷的嘗試中，有人在機器學習的基礎(chǔ)上提出多層神經(jīng)網(wǎng)絡(luò)，采用相似的分層結(jié)構(gòu)，但在訓練方式上采用無監(jiān)督的方法對各個網(wǎng)絡(luò)進行逐層訓練和誤差訓練，之后引入標識樣本通過監(jiān)督訓練進行微調(diào)。深度學習在一些領(lǐng)域已經(jīng)開展相關(guān)應用。

一是語音識別。通過運行神經(jīng)網(wǎng)絡(luò)處理音素進行識別工作，其在引入深度學習后，識別錯誤率大大降低，識別技術(shù)已經(jīng)達到商業(yè)水平。國內(nèi)語音識別算法成熟的公司將產(chǎn)品廣泛應用在互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、智能家居等國防和民用領(lǐng)域?？拼笥嶏w就是其中的先行者之一。

二是腦型芯片。人工智能深度學習的腦型芯片采用對連續(xù)模擬信號進行直接處理的方式對海量數(shù)據(jù)進行深度學習，能耗約占傳統(tǒng)數(shù)字化處理芯片的千分之一。在1W功率環(huán)境下，每秒的計算速度達到48.5萬億次，并將在幾年內(nèi)投入正式環(huán)境使用。

人工智能深度學習對訓練集誤差、人類誤差、測試集誤差值及三者間關(guān)系的處理策略仍然處在探索研究的過程中，需要考慮非統(tǒng)一化數(shù)據(jù)存在的因素，已使用的是帶標簽的完備數(shù)據(jù)。當今人們提出了監(jiān)督學習、無監(jiān)督學習、強化學習、遷移學習的概念，廣泛得到應用的是監(jiān)督學習，其通過已有訓練樣本進行訓練，從而得到一個最優(yōu)模型，然后將全部數(shù)據(jù)樣本映射為相應的輸出結(jié)果，并對輸出結(jié)果，即已知數(shù)據(jù)和未知數(shù)據(jù)進行分類。無監(jiān)督學習隨著計算機軟硬件的快速發(fā)展不斷優(yōu)化算法，它與監(jiān)督學習最明顯的區(qū)別在于沒有任何訓練數(shù)據(jù)樣本，直接對數(shù)據(jù)進行聚類和建模。深度學習就是基于有教學值的監(jiān)督學習和無教學值的無監(jiān)督學習算法的一個框架，其將隨著深度神經(jīng)網(wǎng)絡(luò)的開發(fā)加速發(fā)展。后兩者尚處于起步階段，目前人工智能深度學習的應用主要焦點集中在監(jiān)督學習和無監(jiān)督學習。

3.2 人工智能+教育

人工智能正在逐步應用到教育領(lǐng)域中。以一個名為“知識空間估測與學習”（Assessment and Learning in Knowledge Spaces, ALEKS）的機器學習軟件為例，該軟件以測試的方式對參與學員將要學習的內(nèi)容掌握情況進行摸底，之后由人工智能軟件評估每個學員學習中掌握的情況進行教學設(shè)置。它能夠自動分析回答問題的行為，進而判斷學員掌握知識的程度，并從內(nèi)容庫中推薦相關(guān)學習內(nèi)容。當學員完成學習后將進入測試系統(tǒng)，成績合格者進入不同級別的選項學習繼續(xù)深入學習。在整個學習過程中，軟件記錄下每個學員的正確率和使用時間，授課教師可以提取集中的問題進行分類教學。利用人工智能教學軟件能夠?qū)Σ煌降膶W員進行教學設(shè)置，授課教師可以對學員學習情況進行有效跟蹤，分組織分類教學，解決傳統(tǒng)課堂中教師授課進度適合理解能力與授課進度相近的中等水平學員學習但不利于其他水平學員學習的情況。ALEKS能夠在復雜知識領(lǐng)域通過課件內(nèi)容和評估結(jié)果進行自調(diào)整承擔授課教師的輔助教學。人工智能的嵌入提高了語言技術(shù)識別能力，提升了處理機制，使教學式機器向著自適性軟件發(fā)展。

一些國家已經(jīng)將編程融入到K12教育中。2013年英國改革中小學教學大綱，要求自2014年起使用新修訂的教學大綱，將計算機科學列為基礎(chǔ)必修課程，接受編程課程教育的孩子超過9.31%。2016年初美國前總統(tǒng)奧巴馬曾經(jīng)投入40億美元用于美國青少年提高編程能力的課程學習，在此期間接受編程教育的適齡孩子達到67.5%。2016年6月，國內(nèi)教育部印發(fā)《教育信息化“十三五”規(guī)劃》，將信息化教學納入學校辦學水平考評體系。2017年1月，對《義務(wù)教育小學科學課程標準》進行修訂完善，接受少兒編程教學的孩子約為0.96%。2017年7月，國務(wù)院《新一代人工智能發(fā)展規(guī)劃》第五條保障措施中第六條明確指出：“廣泛開展人工智能科普活動，在中小學階段設(shè)置人工智能相關(guān)課程，逐步推廣編程教育，鼓勵社會力量參與編程教學軟件、游戲開發(fā)和推廣?！?/p>

4 結(jié)論及建議

人工智能逐漸成為“寵兒”，是否在將來再次遭遇寒流尚未可知，有識之士就當前研究的焦點集中于深度學習提出質(zhì)疑，表示憂慮。因為深度學習只是人工智能領(lǐng)域機器學習方向的一種方法，存在時代的局限性。不可否認的是人工智能在走進我們的生活，盡管人工智能的分類和預測能力并不完美，但其在非監(jiān)督學習下正在逐步形成自主思考、推理和探究的能力。

當前人工智能出現(xiàn)了不少的應用，但仍然處于產(chǎn)業(yè)化應用初期，投入產(chǎn)出比和應用場景離預期目標存在較大差距，還是一個有待持續(xù)探索的領(lǐng)域。隨著人工智能技術(shù)創(chuàng)新、商業(yè)模式的創(chuàng)新將優(yōu)化決策能力提上了議程，人們不再滿足于已有的云端、服務(wù)器、GPU部署的人工智能，著手研發(fā)更能夠適應場景環(huán)境下的嵌入式人工智能，把軟硬件有效結(jié)合，重新定義處理器架構(gòu)，把想法與產(chǎn)品相互關(guān)聯(lián)。算法創(chuàng)新與基于市場需求的應用場景的突破將是決定人工智能開創(chuàng)新時代的關(guān)鍵。人工智能也在影響著教育行業(yè)，為教育與教學的創(chuàng)新發(fā)展提供更多的發(fā)展機遇，不僅促進教育的發(fā)展和變革，還伴隨著商業(yè)力量加速教育現(xiàn)代化的進程，教育產(chǎn)業(yè)信息化、智能化的趨勢日趨顯現(xiàn)出來。人工智能資源發(fā)布與利用、設(shè)計與部署、定義與框架、拓展與融合等問題都值得我們進一步思考和完善，它將凸顯人類智能的機器化，影響著人類的行為和思維。

[1] 國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》[J]. 中國信息化, 2017, (08): 12-13.

[2] 房曉楠.深度學習進化編年史: 一路走來,幾十年的風風雨雨 [J]. 機器人產(chǎn)業(yè), 2017(4): 102-110.

[3] 喻國明;劉瑞一;武叢偉. 新聞人的價值位移與人機協(xié)同的未來趨勢——試論機器新聞寫作對于新聞生產(chǎn)模式的再造效應[J]. 新聞知識, 2017(2): 3-6.

[4] 英特爾公司. 從人機大戰(zhàn)看誰將贏得無人駕駛 [J]. 軟件和集成電路, 2017(6): 5-6.

[5] “烏鎮(zhèn)指數(shù)”展示全球人工智能發(fā)展態(tài)勢中國或彎道超車 [J]. 今日科技,2016(11): 24.

[6] 王瑩. 人工智能的進展及發(fā)展建議 [J].電子產(chǎn)品世界,2017(C1): 23-26.

[7] 朱夢培. 尷尬的人工智能 [J]. 信息技術(shù)與信息化,2017(C1): 5-7.

[8] 賀倩. 人工智能技術(shù)在移動互聯(lián)網(wǎng)發(fā)展中的應用 [J].電信網(wǎng)技術(shù), 2017(2): 1-4.

[9] 李軼南;張雄偉;李治中;吳海佳;孫久皓. 第1講 深度學習:開啟人工智能的新紀元 [J]. 軍事通信技術(shù),2015(4): 88-95.

[10] 科技部. 日本開發(fā)出用于人工智能深度學習的腦型芯片 [J]. 軍民兩用技術(shù)與產(chǎn)品, 2017(1): 25.

[11] 羅伯特·E·艾文森;李婕. 數(shù)字時代的教育出版 [J].出版科學, 2007(1): 8-12.

[12] 盧蓓蓉;尹佳;高守林;金凱;廖媛;任友群. 計算機科學教育:人人享有的機會——美國《K-12計算機科學框架》的特點與啟示 [J]. 電化教育研究, 2017(3):12-17.

On the Development of Artificial Intelligence and Its Application in Learning

Wang Qian
(SINOPEC Management Institute, Beijing 100012, China)

Artificial intelligence (AI) is a human dream, and after decades of development the world has ushered in an upsurge of AI. The recent hype around Alpha Go and the man VS machine battle has re-focused the world’s attentionon the realm of artificial intelligence. Major concerns include whether AI can reach the human intelligence level, and along what kind of technical path AI will progress in the future.

artificial intelligence, neural network, deep learning, machine learning

2017-8-10。

王潛（1975—），男，江蘇人。畢業(yè)于美國橋港大學計算機科學與工程專業(yè)，碩士。工程師，現(xiàn)就職于石油化工管理干部學院。電子郵箱：wangq.glgy@sinopec.com。