是什么让比尔盖茨、霍金都在恐惧？| SciFM Vol.14

下面呢，给大家介绍一下人工智能~

其实呢，人工智能是一个很大的概念，它企图了解智能的实质，并希望可以制造一个像人一样能够思考的机器。人工智能的发展，需要计算机科学与生物科学和哲学的共同发展。上世界50年代，在图灵发表的《计算机与智能》中首次提到了图灵机的理论模型，为现代计算机的出现奠定了理论基础。但这篇文章的意义不仅仅在于提出了图灵机，它同时还提出了著名的图灵准则，在AI思想界，“图灵检验”已经成为最重要的智能机准则，这几乎是智能机存在与否的唯一可操作标准。

接下来呢，给大家介绍一下什么是机器学习~

目前人工智能最“火”的一个分支就是机器学习了

人工智能的研究是从以“推理”为重点到以“知识”为重点，再到以“学习”为重点，一条自然、清晰的脉络。显然，机器学习作为实现人工智能的一个重要途径，就是要通过机器学习的手段解决人工智能中的问题。机器学习致力于研究如何用计算的手段，利用经验来改善系统自身的性能。

举个决策树的简单例子，决策树分类的思想类似于找对象中的要求。现在想象一个女孩的母亲要给这个女孩介绍男朋友，于是有了下面的对话：

女儿：多大年纪了？

母亲：26。

女儿：长的帅不帅？

母亲：挺帅的。

女儿：收入高不？

母亲：不算很高，中等情况。

女儿：是公务员不？

母亲：是，在税务局上班呢。

女儿：那好，我去见见。

这个女孩的决策过程就是典型的 分类树决策 。相当于通过年龄、长相、收入和是否公务员对将男人分为两个类别。假设这个女孩对男人的要求是：30岁以下、长相中等以上并且是高收入者或中等以上收入的公务员，那么这个可以用决策树来表示女孩的决策逻辑。这一决策逻辑就是机器学习中的“模型”，当每次来一个新的相亲对象时，女孩会根据这个模型重新判断一次。

决策树只是作为机器学习中的一个常用算法，其实，机器学习中还有很多其他算法，比如：支持向量机，贝叶斯分类，隐式马尔可夫，神经网络等等，其中最近出镜频率比较高的AlphaGo就是运用了机器学习中的的深度神经网络算法。

下面，就有人会问了，你一会深度学习神经网络，一会深度学习，他们有什么联系吗？

首先呢，深度学习是机器学习的一个分支，主要算法是深度神经网络算法。深度学习框架，尤其是基于人工神经网络的框架可以追溯到1980年福岛邦彦提出的新认知机，而人工神经网络的历史更为久远。1989年，扬·勒丘恩（Yann LeCun）等人开始将1974年提出的标准反向传播算法应用于深度神经网络，这一网络被用于手写邮政编码识别。尽管算法可以成功执行，但是它的计算代价非常巨大，神经网络的训练时间达到了3天，因而在实际应用中由于效率问题应用较少。深度学习的之所以最近才走进大家的视线，就是因为其消耗大量资源。据统计呢，alphago一共使用了1202个CPU、176个GPU，而且这些芯片并不是普通的家用芯片，都是商用级的高性能芯片。

所以说，深度神经网络算法其实是深度学习中的非常重要的方法，深度神经网络算法其实是对人脑的一种抽象模拟，下面给大家详细的介绍深度神经网络算法中的基础神经元。

这里的神经元跟我们生物课上学到的大脑中的神经元是类似的，生物学中的理论神经生理学建立在某些基本假设上。神经系统是一个神经元网络，每个神经元都有一个细胞体和一个轴突。神经元的附属部分，也就是突触，总是位于一个神经元的轴突和另一个神经元的细胞体之间。神经元任何时候都有某个阈值，刺激必须超过这个值才能激发起一个冲动。这个冲动会从刺激点 传播到神经元的所有部分。根据这种生物学现象，1943年McCulloch和Pitts将上述情形抽象成一种简单的类似模型，也就是一直沿用至今的“M-P神经元模型”。在这个模型中，神经元接收到来自个其它n个神经元的传递过来的输入信号，这些输入信号通过带权的连接进行传递，神经元接受到的总收入值将与神经元的阈值进行比较，然后通过 “激活函数”处理以产生神经元的输出。

深度神经网络由许多的神经元构成，它的特点是使用了多层网络，能够学习抽象概念，同时融入自我学习，而且收敛相对快速。

简单的来说，如果我们有很多笑脸，希望让机器能识别这是姚明的笑脸，还是马云得笑脸，或者是王宝强的笑脸，首先我们会把笑脸的像素输入到一个神经网络里面去，可是由于这个深度学习的网络很深，要一次性学会这么多也会比较困难，就需要用到一个比较快速收敛的技巧——自我学习。通过自我学习，机器会逐步从大量的样本中逐层抽象出相关的概念，做出理解，最后做出判断和决策。