专栏名称: 中科院物理所

物理所科研动态和综合新闻；物理学前沿和科学传播。

是什么让比尔盖茨、霍金都在恐惧？| SciFM Vol.14

中科院物理所 · 公众号 · 物理 · 2017-07-26 09:51

正文

去年3月9日的时候，在韩国首尔举行的一场围棋赛反响空前，这次比赛不光吸引了世界各地的围棋爱好者，也吸引了千千万万对人工智能感兴趣的人，因为这不是一场普通的围棋比赛，而是被称为“世纪大战”的人机智慧对决。对弈的一方是人类顶级棋手李世石，另一方则是google开发的人工智能程序AlphaGo。五盘大战最终以李世石1比4投子认负结束。这次比赛之后，人们了解了这个叫AlphaGo的人工智能。

今年5月29日，柯洁和AlphaGo的最后一战结果出炉，柯洁再败，总比分0:3完败AlphaGo。一时间人工智能成为了人们热议的话题，或许你还能经常听到的还有机器学习和深度学习这两个词。那么这些词之间到底有什么关系呢？是不是指的是一个东西呀？且听我慢慢道来~

▲请点击上面音频按钮收听声音吧~

首先呢，为大家介绍一下人工智能，机器学习，深度学习三者之间的关系~

简单的说呢，机器学习是人工智能的一个分支，而深度学习又是机器学习一个分支。就是说人工智能包括机器学习，机器学习包括深度学习~

人

工智能

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。

机

器学习

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。

深

度学习

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。

今天节目的最后呢，将为大家介绍一些关于人工智能的有趣应用~

Ostagram和inDream

Ostagram是一个来自俄罗斯的基于深度神经网络的自我绘图的软件，这个程序的神奇之处在于可以学习作品的画风，但是Ostagram作为一个国外的网站，国内用户用起来不是特别方便，同时Ostagram免费制作的图片没法输出高清大图，买滤镜要额外付费，快速出图也要额外付费，最近国内也推出了一个类似功能的应用inDream，虽然效果没有Ostagram好，但是使用相关功能是免费的，并且对国内用户很友好。

Let there be color！

它是一个给黑白照片/视频自动上色的软件。

Let there be color通过深度神经网络可以自动给黑白照片上色，这个软件首次展示实在2016年SIGGRAPH上，SIGGRAPH成立于1967 年，一直致力于推广和发展计算机绘图和动画制作的软硬件技术。这个软件很好的一点就是开发者开放了源码，放在了全球最大程序员交友网站github上。

（https://github.com/satoshiiizuka/siggraph2016_colorization）

有兴趣的同学可以点文章中的链接下一个玩玩，不过你需要一个会帮你安装的懂得linux的好友。

自动驾驶

汽车是人类智慧在交通领域的结晶。汽车的诞生，彻底改变了人类的交通出行方式，并加快了整个社会的工业化进程。从过去到现在，汽车为我们的生活、工作提供了极大的便利，已然成为人类生活不可分割的一部分。

现如今无人驾驶汽车作为人工智能重要的应用载体，备受科技公司青昧，以特斯拉、百度、谷歌为代表的互联网高科技企业都已人工智能的视角切入到该领域。其中，以特斯拉为例，在过去的十年间，特斯拉依托人工智能技术推出了ROADSTER高端电动跑车，Model S和Model X电动轿跑车，还有一款电动SUV汽车，并且在2017年，特斯拉将会再次推出一款备受世界瞩目的量产电动汽车。目前，这些汽车都已经上路并且取得了人们的认可，相信在不久的将来自动驾驶也会成为人们出行的选择。

语音识别

苹果手机推出了语音助手Siri，微软、谷歌和亚马逊也相继推出类似的语音助手。值得一提的是，约两年前亚马逊第一个把其语音助手“亚历克萨”嵌入到“回声”智能音箱中，作为智能家居的中枢控制音箱，让人们多了一个“家庭事务助理”。有了“回声”，人们“动动嘴皮子”就可以查信用卡账单、关灯、锁门，甚至叫车。