人類的智慧寬廣而復(fù)雜。有些人類成就遠遠超出現(xiàn)今機器可達的領(lǐng)域，要想讓機器觸及這些領(lǐng)域，還需要一段漫長的時間。對于解決抽象問題、概念生成、情緒知識、創(chuàng)造力甚至是自我認知，即便是最強有力的深度學(xué)習(xí)算法，也無法在這些領(lǐng)域與人類智慧相提并論。

把所有這些認知能力融合到一臺機器中，從而能夠應(yīng)對所有通用場景的人工智能稱為通用人工智能。目前，通用人工智能還停留在理論階段。

不過，當(dāng)前的技術(shù)在執(zhí)行特定類型任務(wù)方面取得了較大成功，這些任務(wù)過去都依賴于人類智力。我們稱這類人工智能為狹義人工智能或弱人工智能。弱人工智能主要指三種能力：學(xué)習(xí)、感知和認知。

▲AI能力備忘單

上圖概述了本文介紹的AI的核心能力。

談到AI的時候，客戶們不停地在問：“這事兒成了嗎？”在一個AI被過度炒作的世界，確實很難分清AI是幻想還是現(xiàn)實，是實際能力還是營銷表演。

所有這些能力在今天都是真實存在的。今天的AI是真實的，成千上萬的公司正在使用AI進行業(yè)務(wù)轉(zhuǎn)型。關(guān)注AI未來的可能性固然重要，但是你更需要了解現(xiàn)在的AI能做些什么。

01 學(xué)習(xí)

▲學(xué)習(xí)——無顯式編程的學(xué)習(xí)

機器學(xué)習(xí)的首要特征就是隨時間學(xué)習(xí)的能力，并且不需要明確編程。和人類一樣，機器學(xué)習(xí)算法通過探索與實踐學(xué)習(xí)，而不是遵循一步步的指令（當(dāng)然我知道有些讀者是小孩子的父母，有時候你們可不希望孩子們這樣）。

機器學(xué)習(xí)算法是按照學(xué)習(xí)方式分類的。當(dāng)下最流行的、你的企業(yè)90%的時間可能都會采用的技術(shù)就是有監(jiān)督學(xué)習(xí)。

有監(jiān)督學(xué)習(xí)使用包含輸入和期望輸出的數(shù)據(jù)集。通過迭代優(yōu)化，學(xué)習(xí)算法可以找到一個函數(shù)，對輸入如何轉(zhuǎn)化為輸出進行建模。這個模型會被應(yīng)用于訓(xùn)練集外的新的輸入，并預(yù)測對應(yīng)的輸出。

找到正確的算法和參數(shù)，部分靠科學(xué)，部分靠創(chuàng)造力和直覺。如何將機器學(xué)習(xí)應(yīng)用于這一過程本身就是個研究課題——這種技術(shù)稱為自動化機器學(xué)習(xí)（AutoML）。

有監(jiān)督學(xué)習(xí)算法都有相同的缺陷：它們需要大量數(shù)據(jù)。而且不是任何數(shù)據(jù)都行，它們需要同時包含輸入和對應(yīng)輸出的訓(xùn)練數(shù)據(jù)，也稱之為標記數(shù)據(jù)。

有時我們會有在記錄系統(tǒng)或交互系統(tǒng)中存儲的已經(jīng)標記過的歷史數(shù)據(jù)。例如，對于客戶流失模型——我們可以查看流失客戶的歷史數(shù)據(jù)，加上客戶的歷史交互一起作為訓(xùn)練數(shù)據(jù)的輸出部分。通過使用正確的算法，我們僅僅通過查看一系列的交互，就能夠預(yù)測未來的客戶流失情況。

然而有時我們不會如此幸運，數(shù)據(jù)并不會被標記。無監(jiān)督學(xué)習(xí)算法會處理一組沒有標記的數(shù)據(jù)并找出其中的結(jié)構(gòu)。聚類算法是無監(jiān)督學(xué)習(xí)算法中最流行的一種，它通過不同的技術(shù)，在數(shù)據(jù)中找到共性并對其分組。你可能使用這種算法對你的客戶群或網(wǎng)頁訪問者進行客戶細分。

其他常用的無監(jiān)督學(xué)習(xí)算法有關(guān)聯(lián)規(guī)則（定義數(shù)據(jù)間的關(guān)聯(lián)，如購買某種特定產(chǎn)品的用戶會對其他特定產(chǎn)品感興趣）和異常檢測（找出與主體數(shù)據(jù)不同的罕見或可疑部分數(shù)據(jù)）。

在其他情況下，我們完全不使用訓(xùn)練數(shù)據(jù)。想想人們?nèi)绾螌W(xué)會玩一款視頻游戲。解決這個問題的有監(jiān)督方法就是觀看成千上萬的游戲視頻并從中學(xué)習(xí)。這是許多Youtube播主的商業(yè)模式，我的孩子們就看這種視頻，但我發(fā)現(xiàn)這種方式極度枯燥。

一個更有趣的學(xué)習(xí)方法是實際上手玩這個游戲。在玩的過程中，如果我們做對了（比如得分）就會得到正向強化，如果我們做錯了（比如被殺死）就會得到負向強化。強化學(xué)習(xí)算法就是這么做的：它們通過探索環(huán)境并強化正確的行為來學(xué)習(xí)機器學(xué)習(xí)的功能。

強化學(xué)習(xí)由于其不需要數(shù)據(jù)的特性，成為商業(yè)上一種極其有前途的機器學(xué)習(xí)方式。它特別適合自動化系統(tǒng)——無論是移動的（如車輛、遙控飛機）還是靜止的（如空調(diào)系統(tǒng)、電力系統(tǒng)）——同時也可以應(yīng)用于復(fù)雜的業(yè)務(wù)流程。強化學(xué)習(xí)通常被認為是AI中最困難的學(xué)科。

02 感知

▲感知——解釋周邊世界

如果說有某個領(lǐng)域為人類所獨有，那就是感知了。數(shù)十年來，我們嘗試模仿人類的能力去感知周圍的世界，卻鮮有成功。理解一幅圖畫或?qū)⒄Z音轉(zhuǎn)文字的復(fù)雜度使其幾乎無法用編程的方式實現(xiàn)——想象一下如何用一步步的指令來定義圖片里的一匹馬。

機器學(xué)習(xí)算法更適合解決這類問題。然而，傳統(tǒng)機器學(xué)習(xí)算法在處理感知任務(wù)時的準確性與人類能做到的程度相去甚遠（我仍然記得在Windows Vista上給開發(fā)們演示語音識別功能的情景……這件事教我學(xué)會要做個更堅強的人！）。

以圖像分類為例。ImageNet是圖像分類中最著名的挑戰(zhàn)。自2010年起，全球的參與者提交他們的算法來創(chuàng)建最精準的模型。在競賽初期（即2010年），能達到的較好的誤差率約在25%左右。作為比較，同一數(shù)據(jù)集下人類對應(yīng)的誤差率約為5.1%。

到了2012年，Alex Krizhevsky（一位來自多倫多大學(xué)的學(xué)生）提交了他的方案：一個包含8層名為AlexNet的神經(jīng)網(wǎng)絡(luò)。AlexNet擊敗了其他競爭對手，達到了15.3%的誤差率—比僅次于他的競爭者低了10個點。

在接下來的數(shù)年內(nèi)，他引入的技術(shù)被持續(xù)改進并增加了更多層數(shù)，直到2014年，一個名為GoogLeNet的22層神經(jīng)網(wǎng)絡(luò)達到了6.7%的誤差率。

次年，一個來自微軟研究院的團隊提交了使用全新神經(jīng)網(wǎng)絡(luò)技術(shù)的作品，其神經(jīng)網(wǎng)絡(luò)的深度達到了超大的152層，誤差率僅為3.57%，首次超過了人類的表現(xiàn)。

深度學(xué)習(xí)永遠地改變了計算機視覺。如今，這項技術(shù)實際上已經(jīng)被用于計算機視覺的所有高精度場景，這使其成為企業(yè)中最常見的用例。以下是一些計算機視覺在當(dāng)今的應(yīng)用：

為圖像的內(nèi)容分類（影像分類）

識別一幅圖像中的多個物體，并識別每個物體的邊界（物體檢測）

識別圖像中的場景或行為（如：工作場所的不安全情形，或零售商店的補貨）

檢測人臉，識別身份，甚至辨識每張臉的情緒

識別書寫文本，包含手寫體文本（光學(xué)字符識別）

鑒別圖像或視頻里的攻擊性行為

研究員Harold Stolovitch和Erica Keeps在他們的書Telling Ain’t Training（ASTD出版社）中斷言，我們獲取的信息中，有83%來自視覺，次之是聽覺，提供了11%的感覺輸入。兩者合起來占據(jù)了我們從外界獲取信息的94%。毫無疑問，音頻處理是人工智能關(guān)注的另一個較大領(lǐng)域，僅次于計算機視覺。

相似的深度學(xué)習(xí)技術(shù)可以應(yīng)用到音頻信號上，幫助計算機識別聲音。你可以利用這項能力區(qū)分鳥兒們的歌聲，或通過風(fēng)力渦輪機發(fā)出的聲音來預(yù)測故障。

不過人工智能在音頻處理方面最激動人心的還是語音識別。用于語音識別的參照數(shù)據(jù)集被稱為總機，它包含了約260小時的電話交談錄音。測量后人類的轉(zhuǎn)錄誤差率為5.9%。該誤差率在2016年被微軟研究院設(shè)計的神經(jīng)網(wǎng)絡(luò)追平，并于1年后被其以5.1%的誤差率擊敗。有史以來第一次，一臺機器可以比人類自身更好地理解人類。

這些突破不但讓機器更懂我們，而且使得機器可以用自然的方式與我們溝通。2018年，Azure上線了基于深度學(xué)習(xí)開發(fā)的文字轉(zhuǎn)語音服務(wù)，該服務(wù)能夠合成出與真人無異的人聲。

這些能力的結(jié)合將實現(xiàn)計算機科學(xué)的法寶：全自然用戶接口（NUI）。機器既可以看見和理解人類，又可以用自然語言與人類交流，這看起來就像是我們已經(jīng)實現(xiàn)了科幻電影的幻想一樣。不過，我們真的做到了嗎？要與計算機進行真正有意義的交流，計算機不但要能轉(zhuǎn)錄我們說的話，還要能理解話里的意思。

自然語言處理（NLP）是人工智能中從人類語言中分析、理解并提取含義的領(lǐng)域。NLP最常見的場景之一就是語言理解，語言理解是現(xiàn)代會話型人工智能體驗（比如數(shù)字助理）的基礎(chǔ)。

當(dāng)你向Siri、Alexa或Cortana詢問天氣時，系統(tǒng)首先將你的會話音頻轉(zhuǎn)換成文字，然后通過自然語言理解模型抽取出你的意圖，然后將意圖（如“獲取天氣”）映射到對應(yīng)輸出（在這個例子中，就是提供當(dāng)?shù)氐奶鞖庑畔ⅲ?/p>

NLP技術(shù)在過去幾年中飛速發(fā)展。有些只能處理簡單任務(wù)，比如情緒分析、關(guān)鍵字抽取或個體識別，有些則可以處理更復(fù)雜的任務(wù)，如文本歸納或翻譯。2018年，微軟的機器翻譯團隊首次在自動翻譯方面達到人類水平——這是個極度復(fù)雜的任務(wù)，曾一度被認為是不可能實現(xiàn)的。

自然語言理解最激動人心的應(yīng)用之一便是機器閱讀理解。2018年1月，來自微軟亞洲研究院的團隊使用斯坦福問答數(shù)據(jù)集（SQuAD）達到了人類的水平，該數(shù)據(jù)集由針對一組維基百科文章的問題所組成。實際上，有關(guān)這些文章的開放性問題，系統(tǒng)能夠給出比人類更好的答案。許多公司為之做出了貢獻，幫助它走得更遠。

盡管如此，這些系統(tǒng)仍然無法達到人類的抽象層次。在其核心，問答算法會搜索文本來尋找可以指向正確答案的線索。對于每個問題，系統(tǒng)都要搜索整個文本來匹配。人類也這么做（特別是當(dāng)我們很匆忙時），但是當(dāng)我們真正想理解一段文字時，我們會從中抽取知識，進行概括，并使其更易于理解。

想象一段描述加利福尼亞的文字。人類會從這段文字中歸納出“加利福尼亞”這個實體并給它賦予屬性（如人口、面積），甚至與其他實體的關(guān)系（如鄰州、地方長官）。歸納后，我們不再需要那段文字來回答關(guān)于加利福尼亞的問題。我們已經(jīng)概括了有關(guān)的知識。

人工智能中與此過程對應(yīng)的是知識抽取，其對企業(yè)有著深遠的意義。通過使用這些技術(shù)，我們可以從混沌、無序，甚至令人困惑的信息中抽取高階概念。結(jié)果知識圖不但能用于回答關(guān)于整個數(shù)據(jù)產(chǎn)業(yè)的寬泛問題，還能瀏覽和理解這些信息。

這種水平的抽象遠遠超出了傳統(tǒng)NLP的能力范圍，使其更接近我們所說的認知。

03 認知

▲認知——基于數(shù)據(jù)進行推理

嚴格來說，認知是獲取和處理知識的能力。它包含人腦用于推理、理解、解決問題、計劃和決策的高層次概念。

我們目前探索的技術(shù)包含了一定程度的認知，雖然有時不那么明顯。以圖像分類為例，如果我們仔細審視用于圖像分類的深度神經(jīng)網(wǎng)絡(luò)，實際上就可以看出神經(jīng)網(wǎng)絡(luò)是如何在每一層將問題分解成更小的步驟的。

沒有人工干預(yù)，神經(jīng)網(wǎng)絡(luò)自動展示了某種程度的概括：第一層檢測簡單的特性，如邊緣或紋理。往更深層走，每一層都能夠抽取更復(fù)雜的屬性，如圖案或元素。某種意義上，神經(jīng)網(wǎng)絡(luò)已經(jīng)可以獲取一些知識并使用這些知識做一些基礎(chǔ)推理。

自然語言處理展示了類似的內(nèi)在抽象。在其核心，大部分現(xiàn)代的NLP技術(shù)都使用了被稱為詞嵌入的技術(shù)。通過詞嵌入技術(shù)，文本中的每個詞都轉(zhuǎn)換為一個代表單詞含義的向量。在這個新的空間，語義相似的詞（如“天氣”和“預(yù)報”）彼此接近。

通過這種方式，系統(tǒng)會將“今天天氣如何？”和“獲取未來24小時的預(yù)報”匹配為相同的意圖。即使詞不同，它們的含義卻是相似的，因為它們的語義相近。翻譯也是相同的工作原理：翻譯技術(shù)使用詞嵌入來抽象輸入的文本，將其轉(zhuǎn)換為與語言無關(guān)的“想法”，再用反向流程將其翻譯為任意一種語言。

在這些例子中，認知是感知的內(nèi)在。然而，許多人工智能場景是單純的認知。它們不專注于感知周圍的世界，而是專注于抽象這個世界并基于抽象進行推理。一些最基礎(chǔ)的有監(jiān)督學(xué)習(xí)方法便是如此?；貧w分析是根據(jù)現(xiàn)有信息預(yù)測數(shù)值的能力，例如基于房屋的特征和位置評估其價值，或根據(jù)歷史數(shù)據(jù)預(yù)估其銷售額。

分類是根據(jù)物品自身特征對其分級或分類的能力，例如，判斷一棟房屋是不是會被出售給某個特定的買家。優(yōu)化算法則是基于流程進行推論，從而最大化某個特定的結(jié)果，比如在醫(yī)院里分配資源。

推薦系統(tǒng)僅通過評分或購買習(xí)慣就能夠找出電影、書籍或歌曲等物品間不為人知的共性。其他技術(shù)，如前所述，如聚類分析能找出數(shù)據(jù)中的模式，并以無監(jiān)督方式對物品歸類。

我們在強化學(xué)習(xí)技術(shù)中也能看到認知能力。2017年，蒙特利爾微軟研究院（前馬魯巴島）跨越了100萬分大關(guān)，創(chuàng)造了吃豆人游戲的新紀錄。該系統(tǒng)通過玩成千上萬把游戲來實現(xiàn)自我訓(xùn)練。

同樣地，在2018年，OpenAI Five（一個由五個神經(jīng)網(wǎng)絡(luò)組成的團隊）在Dota2游戲中打敗了人類隊伍。OpenAI Five通過自我對戰(zhàn)進行訓(xùn)練，每天的訓(xùn)練量相當(dāng)于180年游戲時長。

最著名的例子應(yīng)該是由Google DeepMind取得的成就：其系統(tǒng)AlphaGo第一次擊敗了一位9段圍棋專業(yè)選手。相對于其他游戲（如象棋），圍棋被認為是對電腦來說更為困難的游戲。

深入觀察所有AI系統(tǒng)參與的游戲，你會覺得它們展現(xiàn)出了認知的另外一種特征——計劃。系統(tǒng)能夠提前“思考”最佳的方式來獲得長期看來最大化的分數(shù)。
責(zé)任編輯人：CC