AI男写给老妈的第一封信

重磅推出《人工智障深度瞎学》连载专栏第一期！

——“所以我那个据说在做人工智能的男朋友到底在干嘛？/ 如何向女朋友和老妈解释人工智能到底是咋回事？”之一。

【专栏作者谈几句心里话】

人工智能大数据要改变你我的生活之类的，估计你已经听腻了吧？

啥？没听过？都进十九大了有木有！

同学们除了养青蛙儿子，喝王者农药之外还需要用知识给自己聪明的大脑充电嘛。

本文干货满满，希望给怀有好奇心的你，对人工智能进行一次走心的介绍。

等下！别跑！我并不打算给你上一堂“人工智能导论”这样的大学课程。

我一直觉得，真的把东西搞懂了之后，应该回家给老妈讲也能讲明白。

好了，我们正式开始。

当然很多文章都已经告诉过我们，人工智能可以做什么。

有些人工智能能写歌，有些能开车，还有些会在双11把你喜欢的东西送到首页上让你买买买。

有的文章还警告说它可能会让我们失业…...

可是嘿，人工智能到底是怎么回事儿？

它真的能替代人类吗？

大多数科普文章大概只会说，

通过数据分析￥%…*@&之类的，就自动知道了@#！￥%。

用“科学家说”，“通过数据分析得出”这样的词语，显得好像很有说服力是不是？

我去，我怎么知道这是不是忽悠我？！

你瞧，如果智能机器人真的已经能做这么多，为什么大街上却一个机器人都没有？

为什么那些所谓的聊天人工智能都傻乎乎的？

为什么这两年突然火起来了？

我会失业吗？我能利用人工智能升职加薪吗？

…

要真正回答这些问题，就需要我们对人工智能本身有一定了解。

我们先把时间往回调一点，回去看看人工智能到底是什么。

不知道有多少人记得早年斯皮尔伯格拍过的一个电影——人工智能。

让我帮你回忆一下，那还是个大家都用BB机，看片还用VCD，电脑都是Win98的时代。

电影里描述的人工智能是一个有意识和人类情感的机器人小男孩的故事。他和我们一样有喜怒哀乐，希望得到母亲的爱。

等一下！

说到这里你有没有注意到，

这个人工智能与我们今天所说的人工智能好像不太一样？

没错，电影里的人工智能其实相当于一个人造的意识，和现在大多数公众号里“人工智能”这个词所指代的东西不太一样，后者更多是能干一个特殊工作的“智能”。

有点绕是不是？

举个栗子吧。

“机器人”这个词，其实也遇到过这种概念上不清楚的情况。

机器人的概念被提出以后，大家脑子的机器人都是这样的：

或者

这样的。

然而其实世界上大多数机器人是：

这样的！

一点儿也不像“人”对不对？

对，虽然不像人，但是也能替人类完成一些工作。

人工智能也是这样的，

即包含“和我们人类一样的意识”

也有“能像人一样处理某种专门工作的智能”两种定义。

为了区别这一点，我们把有意识的和我们人类一样的人工智能称为“强人工智能”。

后者的就叫“弱人工智能”好了。

为什么会有这个区分呢？

这需要简单回顾下人工智能的历史：

人工智能研究的历史有多长的呢？差不多和共和国一样大，1950年左右就开始啦。

著名的图灵测试就是在那个时候提出的。

当时的学者们认为，“在一代人之内,制造‘人工智能’的问题就将被基本解决”[1]

女娲说：

呵呵。

我捏了好久呢，哪有那么容易？

其实可以想象，那时候家用电脑都没有！怎么搞的出来嘛。

所以学者们弄了好久没弄出来，就沉寂了一段时间。

后来，在80年代左右，电脑的发展席卷世界，人工智能的研究者觉得春天来啦！

工业上的简单应用以及关于第五代电脑的设想，让人们又觉得人工智能指日可待。

然而其实还是木有做到。

心塞是不是？

所以那个时候大家产生了一种想法，

即把这个复杂的问题拆开：

有人去研究视觉的方面，

负责研究让人工智能“看懂”东西；

有人去研究听觉的方面，

负责研究让人工智能“听懂”人说话；

有人去研究数据的方面，

负责研究让人工智能“思考”事物的关联。

当时的学者希望，能够有一天，把这些子问题的答案合并起来，解决“强人工智能”的问题。

“ 我相信，有一天人工智能的自下而上的研究路线，会与传统的自上而下的路线半途相遇，从而获得真实世界中的能力，以及对于推理程序来说极其困难的常识知识库。这两种方向结合在一起的时刻，会成为了产生真正智能机器的所谓“金钉子”。”[2]

——汉斯·莫拉维克

卡内基梅隆大学移动机器人实验室主任1988 年

汉斯·莫拉维克

好，有了方向，有了路线图，科研狗们撸起袖子干啊！

科学家当上CEO迎娶白富美走上人生巅峰的时刻到啦！

于是乱七八糟的各种解决这些小问题的方法被提出。

所以我们现在所谓的人工智能，其实都是这一个个子模块，或者子问题的解决方案。

再举个栗子！

比如说在视觉识别方面，如果我们要让机器人去踢球的话，一个典型的问题是，如何在下面的图片里找到球？

哦，我们把颜色差不多的地方分一起怎么样。

比如橘红色的是球。

这时候我们问，球在哪？

这个“人工智能”就会告诉你，下面那一坨橘黄色的东西是球。

不过，因为有影子，球上有黑点，

所以人工智能认为影子的部分不是球！

额，好像不那么智能对不对？

这个人工智能傻乎乎的？

各种傻乎乎的“人工智障”们涌现出来。

你还别说，有的方法挺有用的。

就是靠一些简单的方法，可以识别数字，让邮局根据邮政编码进行信件分拣的效率提升了很多。

然而这些还不够。世界上有太多东西，我们不可能一个个去描述，好让人工智能去识别。

而有些东西甚至很难去形容。

比如，如何告诉一个没见过狗的人狗长什么样？

很难对吧？

但如果能让那个人看一眼照片他可能马上就知道了。

对！

就是这样！

我们也让“人工智能”有看几眼学会的能力怎么样？

走你！

某天雷电交加，风雨大作，

蛟龙盘旋与上而紫气升腾于东方。

“神经网络”来了！

我们最近这些年之所以迎来了人工智能的大爆发，

甚至人工智能在很多方面超越了人类！

就是因为神经网络的发展！

那么神经网络到底是什么？！

敬请期待《人工智障深度瞎学》半月刊第二期 ：

神经网络是什么！

【写在最后】

今天是里程碑式的一天，

全智之眼的第一个专栏，

开始连载啦！

其实当时最初的想法是由于在学习中会遇到各种困难，

希望写一些文章向本专业的同学解释那些

其实很简单，但教授说的很复杂的知识。

然而写完之后发现，其实没有多难嘛。

非业内人士也能理解啊！

那为什么不去掉那些术语，

让更多的人了解AI这个行业，了解我们的未来呢？

后来收到美丽可爱温柔的小编"梦呆同学"的邀请，

就入驻本公众号啦。

——致力于让每个人了解AI

最后的最后，别忘了关注公众号！

不关注你咋看下一期啊！

编译及图片来源：

[1]Marvin Minsky to Darrach(1970), quoted in Crevier (1993，p. 109).

[2]Harnad, S. (1990) The Symbol GroundingProblem. Physica D 42: 335-346.

[3]图片来自机器视觉, 测量与控制研究院, 卡尔斯鲁厄理工学院