淺談人工智能與機(jī)器學(xué)習(xí)

廣東外語(yǔ)外貿(mào)大學(xué)附設(shè)外語(yǔ)學(xué)校 何卓鍵

1.人工智能的發(fā)展

近些年來(lái)，人工智能與機(jī)器學(xué)習(xí)話(huà)題持續(xù)升溫。在互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算迅猛發(fā)展的時(shí)代背景下，人工智能是計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)和通信技術(shù)互相結(jié)合后的產(chǎn)物，該技術(shù)不斷取得突破，應(yīng)用日益廣泛?！叭斯ぶ悄堋笔?956年達(dá)特茅斯會(huì)議中提出的，在那之后它的內(nèi)涵不斷的豐富和發(fā)展。人工智能是一項(xiàng)使用機(jī)器來(lái)實(shí)現(xiàn)、代替人類(lèi)實(shí)現(xiàn)認(rèn)知、識(shí)別、分析、決策等功能的技術(shù)，其本質(zhì)是模擬人類(lèi)意識(shí)與思維信息過(guò)程[1]。人工智能綜合了計(jì)算機(jī)科學(xué)、生理學(xué)、哲學(xué)等學(xué)科，是一門(mén)利用計(jì)算機(jī)模擬人類(lèi)智能行為科學(xué)的統(tǒng)稱(chēng)。它的發(fā)展經(jīng)歷了三個(gè)階段。第一階段為20世紀(jì)50-60年代，人工智能的概念被提出，主要注重邏輯推理的機(jī)器翻譯；第二階段為20世紀(jì)70-80年代，提出了專(zhuān)家系統(tǒng)的概念，在人工神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上，人工只能發(fā)展迅速，同時(shí)隨著半導(dǎo)體技術(shù)和計(jì)算硬件能力的逐步提高，人工智能逐漸開(kāi)始突破，分布式網(wǎng)絡(luò)使得人工智能的計(jì)算成本降低;第三階段自20世紀(jì)末以來(lái)，開(kāi)始進(jìn)入了重視數(shù)據(jù)、自主學(xué)習(xí)的認(rèn)知智能時(shí)代。隨著互聯(lián)網(wǎng)的發(fā)展，深度學(xué)習(xí)的概念被提出，人工智能的應(yīng)用場(chǎng)景逐漸增多，同時(shí)人工智能商業(yè)化高速發(fā)展，隨著后移動(dòng)時(shí)代的來(lái)臨，全球互聯(lián)網(wǎng)科技巨頭積極布局人工智能戰(zhàn)略，開(kāi)始謀劃云端人工智能服務(wù)生態(tài)系統(tǒng)[2]。

2.人工智能的應(yīng)用

人工智能在日常生活中有很廣泛的應(yīng)用，在圖像識(shí)別和語(yǔ)音識(shí)別尤為突出，多應(yīng)用于智能手機(jī)、智能家電、智能汽車(chē)等。例如智能機(jī)中的人臉識(shí)別功能、輸入法中的語(yǔ)音識(shí)別輸入功能、汽車(chē)導(dǎo)航系統(tǒng)中的語(yǔ)音導(dǎo)航功能等，智能家居的物聯(lián)網(wǎng)系統(tǒng)能夠隨時(shí)隨地了解家電運(yùn)行情況，實(shí)現(xiàn)家電運(yùn)行模式的自動(dòng)化調(diào)整的智能家電等。另外，在投資顧問(wèn)領(lǐng)域中，人工智能技術(shù)的應(yīng)用也較為普遍，針對(duì)市場(chǎng)的情況，結(jié)合顧客的財(cái)務(wù)水平和投資偏好，運(yùn)用大數(shù)據(jù)技術(shù)進(jìn)行統(tǒng)計(jì)和分析，提供給客戶(hù)投資理財(cái)建議，比如百度金融等。以日常購(gòu)物而言，支付寶、微信等支付平臺(tái)，已經(jīng)在整個(gè)市場(chǎng)普及，街邊的小攤大多已都能進(jìn)行微信或支付寶支付，十分方便。教育領(lǐng)域中，人工智能應(yīng)用到高新技術(shù)與教育學(xué)習(xí)相結(jié)合的全新嘗試中，在教育教學(xué)領(lǐng)域中人工智能技術(shù)的應(yīng)用也愈發(fā)廣泛，目的是幫助學(xué)生學(xué)習(xí)、提升學(xué)習(xí)效果、加深學(xué)習(xí)印象、提高運(yùn)用知識(shí)的能力與水平、保證學(xué)習(xí)成績(jī)[3]。例如作業(yè)幫、學(xué)霸君等在線(xiàn)試題解答APP，學(xué)生能夠使用拍照片進(jìn)行搜題，該APP有在線(xiàn)答疑、自動(dòng)批改作業(yè)、提供解題思路等功能，充當(dāng)同學(xué)們?nèi)粘W(xué)習(xí)中的得力助手，隨時(shí)隨地解惑答疑也在一定程度上減輕了教師的工作壓力和課業(yè)負(fù)擔(dān)。未來(lái)人工智能技術(shù)在教育領(lǐng)域中的應(yīng)用，其功能包括閱讀并評(píng)判學(xué)生的作文進(jìn)而給出分?jǐn)?shù)、對(duì)學(xué)生錯(cuò)誤率較高的問(wèn)題進(jìn)行答疑、智能機(jī)器人助教、進(jìn)行模擬化學(xué)習(xí)、語(yǔ)音測(cè)評(píng)、判斷學(xué)生發(fā)音不準(zhǔn)之處等，還可以將大數(shù)據(jù)技術(shù)與人工智能技術(shù)相結(jié)合，通過(guò)大數(shù)據(jù)分析的方式來(lái)判斷學(xué)生學(xué)習(xí)中的問(wèn)題或者知識(shí)的掌握能力，給老師教學(xué)提供參考依據(jù)，為學(xué)生提供學(xué)習(xí)指導(dǎo)，從而幫助老師調(diào)整教學(xué)方法，幫助學(xué)生優(yōu)化學(xué)習(xí)策略[4]。在安防領(lǐng)域，人工智能的運(yùn)用能夠依據(jù)大數(shù)據(jù)分析方法與圖像處理技術(shù)，對(duì)人臉進(jìn)行識(shí)別，按照不同層級(jí)與準(zhǔn)入權(quán)限加以限制，或者運(yùn)用人像快速識(shí)別技術(shù)，準(zhǔn)確識(shí)別出嫌疑人員，確定其身份，進(jìn)行找人、預(yù)警、追蹤等，能夠便于公安系統(tǒng)或安保系統(tǒng)的安全防衛(wèi)工作[5]。電影《戰(zhàn)狼2》中，對(duì)主角吳京進(jìn)行追蹤的無(wú)人機(jī)，運(yùn)用的就是這種技術(shù)。圖像處理技術(shù)的應(yīng)用在安防領(lǐng)域中，還能夠?qū)ζ?chē)進(jìn)行掃描，明確車(chē)輛參數(shù)及各種細(xì)節(jié)，判斷汽車(chē)的運(yùn)行軌跡與事故情況，來(lái)推斷汽車(chē)的使用情況或是否存在事故隱患等。

3.機(jī)器學(xué)習(xí)理論

機(jī)器學(xué)習(xí)是人工智能里的一個(gè)重要的方向，隨著機(jī)器學(xué)習(xí)中神經(jīng)網(wǎng)絡(luò)算法的深入研究，深度學(xué)習(xí)的網(wǎng)絡(luò)算法也逐漸完善，機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的應(yīng)用也更加廣泛[6]。機(jī)器學(xué)習(xí)指計(jì)算機(jī)通過(guò)分析和學(xué)習(xí)大量已有數(shù)據(jù)，從而擁有預(yù)測(cè)判斷和作出最佳決策的能力，機(jī)器學(xué)習(xí)是人工智能的關(guān)鍵技術(shù)，而深度學(xué)習(xí)是相對(duì)于簡(jiǎn)單學(xué)習(xí)而言，是傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的拓展[7]。

機(jī)器學(xué)習(xí)大致可以分為以下步驟：數(shù)據(jù)采集、特征提取、特征組合評(píng)價(jià)、現(xiàn)狀態(tài)與特征組合匹配。每一步驟都在整個(gè)學(xué)習(xí)過(guò)程充當(dāng)重要的角色，對(duì)于機(jī)器學(xué)習(xí)來(lái)說(shuō)，數(shù)據(jù)收集要達(dá)到一定的量，數(shù)據(jù)量太小就失去研究的意義，通常機(jī)器學(xué)習(xí)的數(shù)據(jù)收集需要交代數(shù)據(jù)的來(lái)源以及采集方式，不同的數(shù)據(jù)采集的困難程度不同。特征選取是從數(shù)據(jù)集中過(guò)濾掉不相關(guān)或冗余的特征[8]。特征選取與特征提取的關(guān)鍵區(qū)別在于：特征選取是從原特征集中選取一個(gè)子特征集，而特稱(chēng)提取則是在原特征集的基礎(chǔ)上重新構(gòu)造出一些(一個(gè)或多個(gè))全新的特征特征提取時(shí)決定整個(gè)機(jī)器學(xué)習(xí)的關(guān)鍵一步，一般來(lái)說(shuō)數(shù)據(jù)都會(huì)經(jīng)過(guò)一定的處理再進(jìn)行機(jī)器學(xué)習(xí)，原始數(shù)據(jù)的計(jì)算量過(guò)于龐大，因此必須經(jīng)過(guò)特征提取，特征提取的結(jié)果從根本上決定著機(jī)器學(xué)習(xí)的結(jié)果，不同學(xué)者對(duì)于特征設(shè)計(jì)有著不同的定義，但是好的特征變量都需要考慮到以下特性，第一，要盡可能的相對(duì)獨(dú)立，減少堆砌，以免影響到后面的計(jì)算量；第二，整個(gè)特征集合要盡可能形成一個(gè)完備的描述空間，即一個(gè)盡可能完備的描述空間下的特征，所能通過(guò)機(jī)器學(xué)習(xí)所提取信息的效率才能最大化[9]；第四，在進(jìn)行特征設(shè)計(jì)時(shí)要考慮到執(zhí)行效率。特征組合評(píng)價(jià)、現(xiàn)狀態(tài)與特征組合匹配屬于機(jī)器學(xué)習(xí)的核心部分，如果不能在特征上處理好計(jì)算量的問(wèn)題，就需要設(shè)計(jì)更好的算法加快收斂速度[10]。

4.機(jī)器學(xué)習(xí)算法

機(jī)器學(xué)習(xí)有常見(jiàn)的算法應(yīng)用包括決策樹(shù)算法、人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、樸素貝葉斯等[11]。決策樹(shù)算法可以應(yīng)用于文章分類(lèi)的工作，將文章關(guān)鍵的句子分為不同的類(lèi)別，同時(shí)可以應(yīng)用于人臉識(shí)別，就人類(lèi)的面部特征進(jìn)行分類(lèi)，比如眼睛的大小，在特征數(shù)據(jù)獲取后，在與數(shù)據(jù)庫(kù)里的數(shù)據(jù)進(jìn)行匹配識(shí)別；人工神經(jīng)網(wǎng)絡(luò)可以應(yīng)用到互聯(lián)網(wǎng)公司網(wǎng)站的廣告過(guò)濾系統(tǒng)、反垃圾系統(tǒng)、不良信息等；支持向量機(jī)可以快速的處理大批量的數(shù)據(jù)，在生物學(xué)的分類(lèi)問(wèn)題上有很大的應(yīng)用，也可以通過(guò)構(gòu)造一系列超平面，將大規(guī)模的圖片進(jìn)行分類(lèi)；樸素貝葉斯對(duì)于大量的數(shù)據(jù)分類(lèi)效率也很穩(wěn)定，可以應(yīng)用于醫(yī)院病人分類(lèi)系統(tǒng)、新聞網(wǎng)站的分類(lèi)等。機(jī)器學(xué)習(xí)的有關(guān)算法包括K-近鄰算法、邏輯回歸和GBDT[12]。K-鄰近算法常用于手寫(xiě)數(shù)字識(shí)別領(lǐng)域，具有較高的準(zhǔn)確率，在處理數(shù)據(jù)前先用矩陣將訓(xùn)練矩陣存儲(chǔ)起來(lái)，再將其轉(zhuǎn)化為向量，將測(cè)試數(shù)據(jù)導(dǎo)入到模型中，得到輸出結(jié)果；邏輯回歸常應(yīng)用到銀行的信用評(píng)估中，用戶(hù)填寫(xiě)完相關(guān)信息得到的數(shù)據(jù)，將這些數(shù)據(jù)通過(guò)邏輯回歸計(jì)算出顧客的信用等級(jí)。此外，邏輯回歸也通常應(yīng)用到醫(yī)學(xué)方面，預(yù)測(cè)病人的發(fā)病概率；GBDT算法常常應(yīng)用于估測(cè)廣告的點(diǎn)擊率等。

5.總結(jié)與展望

人工智能是人類(lèi)惰性和智慧的結(jié)合，是一門(mén)新興學(xué)科，它是控制論、信息論、計(jì)算機(jī)科學(xué)、數(shù)理邏輯、神經(jīng)生理學(xué)等學(xué)科的交叉學(xué)科[13]。隨著人工智能技術(shù)的發(fā)展，應(yīng)用場(chǎng)景將不斷豐富，并驅(qū)動(dòng)其支撐技術(shù)的持續(xù)發(fā)展，人工智能的市場(chǎng)規(guī)模將逐步擴(kuò)大。人類(lèi)正在逐步邁向“智能時(shí)代”，人工智能作為互聯(lián)時(shí)代前沿的新興技術(shù)，將逐步滲透至各行各業(yè)。在大數(shù)據(jù)時(shí)代下，人們的很多工作都需要在計(jì)算機(jī)網(wǎng)絡(luò)的支持下才能完成。因此，人們急需在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中應(yīng)用人工智能，來(lái)解決那些計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)無(wú)法獨(dú)立解決的問(wèn)題另外，相關(guān)的技術(shù)人員應(yīng)繼續(xù)對(duì)人工智能進(jìn)行更加深入的研究，并憑借先進(jìn)的技術(shù)，對(duì)人工智能進(jìn)行進(jìn)一步的完善，讓人工智能為人們的工作和生活提供更多的幫助[14]。

[1]閆德利.2016年人工智能產(chǎn)業(yè)發(fā)展綜述[J].互聯(lián)網(wǎng)天地,2017(02)：22-27.

[2]李文軒.基于深度學(xué)習(xí)的路牌文字識(shí)別[D].華南理工大學(xué),2016.

[3]李思琴.基于深度學(xué)習(xí)的搜索廣告點(diǎn)擊率預(yù)測(cè)方法研究[D].哈爾濱工業(yè)大學(xué),2015.

[4]胡來(lái)豐,舒蘭.基于粗集理論的決策樹(shù)在信用卡發(fā)放中的應(yīng)用[J].計(jì)算機(jī)技術(shù)與發(fā)展,2015,25(03)：142-145.

[5]李桂君.基于SMP機(jī)群的并行編程模型的研究應(yīng)用與優(yōu)化[D].曲阜師范大學(xué),2014.

[6]魯向擁,陳悅,張瞳,葛貝.Deep Learning算法分析和模型改進(jìn)[J].計(jì)算機(jī)光盤(pán)軟件與應(yīng)用,2014,17(06)：137-138.

[7]李睿凡,王小捷,鐘義信.引入深度學(xué)習(xí)的人工智能類(lèi)課程[J].計(jì)算機(jī)教育,2013(19)：58-61.

[8]程石.人工智能發(fā)展中的哲學(xué)問(wèn)題思考[D].西南大學(xué),2013.

[9]鄭?？?機(jī)械電子工程與人工智能的關(guān)系探究[J].科技創(chuàng)業(yè)家,2012(22)：108.

[10]陳文韜.網(wǎng)絡(luò)環(huán)境下遠(yuǎn)程學(xué)習(xí)者學(xué)習(xí)力提升策略研究[D].西北師范大學(xué),2012.

[11]王宏威,李國(guó)和,李雪,吳衛(wèi)江,李洪奇.連續(xù)型特征的特征選取方法[A].中國(guó)自動(dòng)化學(xué)會(huì)智能自動(dòng)化專(zhuān)業(yè)委員會(huì).2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集(第一分冊(cè))[C].中國(guó)自動(dòng)化學(xué)會(huì)智能自動(dòng)化專(zhuān)業(yè)委員會(huì),2011：5.

[12]杜海瓊.基于Prolog語(yǔ)言的高中人工智能課程教學(xué)探索[D].浙江師范大學(xué),2009.

[13]習(xí)玲麗,王永初.智能控制的發(fā)展前景[J].儀器儀表用戶(hù),2006(04)：8-9.

[14]陳衛(wèi)國(guó).基于微粒群算法的智能控制系統(tǒng)研究與應(yīng)用[D].湖南大學(xué),2006.