揭秘AI、機器學(xué)習(xí)、深度學(xué)習(xí)關(guān)系

　　AlphaGo擊敗李世乭一時間引起了眾多媒體的關(guān)注，盡管已經(jīng)過去一段時間。而人工智能、機器學(xué)習(xí)和深度學(xué)習(xí)這些詞已然成為媒體熱詞，媒體用他們用來描述 DeepMind 是如何獲得成功的。

　　首先來說一下，人工智能、深度學(xué)習(xí)、機器學(xué)習(xí)三者之間的關(guān)系，區(qū)別三者最簡單的方法：想象同心圓，人工智能（AI）是半徑最大的同心圓，向內(nèi)是機器學(xué)習(xí)（Machine Learning），最內(nèi)是深入學(xué)習(xí)（Deep Learning）。

　　自從幾位計算機科學(xué)家在 1956 年的達(dá)特茅斯會議上提到這個詞以后，人工智能就縈繞在實驗研究者們心中，不斷醞釀。在此后的幾十年里，人工智能被標(biāo)榜為成就人類文明美好未來的關(guān)鍵。

　　在過去的幾年里，特別是2015 以來，人工智能開始大爆發(fā)。這在很大程度上提高了 GPU 的廣泛可用性，使得并行處理速度越來越快，使用更便宜，而且功能更強大。整個大數(shù)據(jù)運動擁有無限的存儲和大量的數(shù)據(jù)：圖像，文本，交易，映射數(shù)據(jù)等等。

　　有關(guān)人工智能：

　　1.過去二十年，在大數(shù)據(jù)集的數(shù)字化、建立管理大數(shù)據(jù)集的基礎(chǔ)框架和大數(shù)據(jù)計算范式上的進(jìn)展，是解釋本世紀(jì)先后將重點放在數(shù)據(jù)科學(xué)和人工智能上的主要原因。

　　2.一旦我們數(shù)字化了數(shù)據(jù)，使得他們可以被程序處理，下一步就是撬動自動化和對未來的預(yù)測。隨著預(yù)測能力的增加，似乎更多“智能”的方面展現(xiàn)了出 來。于是我們將“數(shù)據(jù)科學(xué)”這樣的術(shù)語改為“人工智能”。事實上這二者之間并沒有什么明顯的差別，只是感覺上的新奇和困難程度不同而已。新奇度和難度隨著時間是呈正態(tài)分布。今天“人工智能”給人的感覺就和昨天的“數(shù)據(jù)科學(xué)”一樣。

　　3.從數(shù)據(jù)中學(xué)習(xí)的AI叫做機器學(xué)習(xí)（Machine Learning）。傳統(tǒng)的機器學(xué)習(xí)從原始數(shù)據(jù)中提取人們可以識別的特征，然后通過學(xué)習(xí)這些特征產(chǎn)生一個最終的模型。

　　有關(guān)機器學(xué)習(xí)：

　　機器學(xué)習(xí)是一種實現(xiàn)人工智能的方法。

　　1、機器學(xué)習(xí)最根本的點在于使用算法來分析數(shù)據(jù)的實踐、學(xué)習(xí)，然后對真實的事件作出決定或預(yù)測。而不是用一組特定的指令生成的硬編碼軟件程序來解決特定任務(wù)，機器是通過使用大量的數(shù)據(jù)和算法來「訓(xùn)練」，這樣就給了它學(xué)習(xí)如何執(zhí)行任務(wù)的能力。

　　2、機器學(xué)習(xí)是早期人工智能人群思考的產(chǎn)物，多年來形成的算法包括決策樹學(xué)習(xí)、歸納邏輯編程、聚類、強化學(xué)習(xí)、貝葉斯網(wǎng)絡(luò)等等。正如我們所知，所有這些都沒有實現(xiàn)強人工智能的最終目標(biāo)，而早期的機器學(xué)習(xí)方法甚至連弱人工智能都沒有觸及到。

　　4、事實證明，多年來機器學(xué)習(xí)的最佳應(yīng)用領(lǐng)域之一是計算機視覺，盡管仍然需要大量的手工編碼來完成這項工作。人們會去寫手工編碼分類器，如邊緣檢測濾波器，以便程序可以識別一個目標(biāo)的啟動和停止；進(jìn)行形狀檢測以確定它是否有八個側(cè)面；同時確保分類器能夠識別字母「s-t-o-p.」從那些手工編碼分類器中，機器就會開發(fā)算法使得圖像和「學(xué)習(xí)」更有意義，用來確定這是否是一個停止標(biāo)志。

　　結(jié)果還算不錯，但這還不夠。特別是在霧天當(dāng)標(biāo)志不那么清晰，或有一棵樹掩蓋了標(biāo)志的一部分時，就難以成功了。還有一個原因，計算機視覺和圖像檢測還不能與人類相媲美，它太脆弱，太容易受到周圍環(huán)境的影響。

　　有關(guān)深度學(xué)習(xí)：

　　現(xiàn)在深度學(xué)習(xí)在機器學(xué)習(xí)領(lǐng)域是一個很熱的概念，不過經(jīng)過各種媒體的轉(zhuǎn)載播報，這個概念也逐漸變得有些神話的感覺：例如，人們可能認(rèn)為，深度學(xué)習(xí)是一種能夠模擬出人腦的神經(jīng)結(jié)構(gòu)的機器學(xué)習(xí)方式，從而能夠讓計算機具有人一樣的智慧；而這樣一種技術(shù)在將來無疑是前景無限的。那么深度學(xué)習(xí)本質(zhì)上又是一種什么樣的技術(shù)呢？

　　深度學(xué)習(xí)是機器學(xué)習(xí)領(lǐng)域中對模式（聲音、圖像等等）進(jìn)行建模的一種方法，它也是一種基于統(tǒng)計的概率模型。在對各種模式進(jìn)行建模之后，便可以對各種模式進(jìn)行 識別了，例如待建模的模式是聲音的話，那么這種識別便可以理解為語音識別。而類比來理解，如果說將機器學(xué)習(xí)算法類比為排序算法，那么深度學(xué)習(xí)算法便是眾多排序算法當(dāng)中的一種（例如冒泡排序），這種算法在某些應(yīng)用場景中，會具有一定的優(yōu)勢。

　　1.過去十年中，神經(jīng)網(wǎng)絡(luò)，一種類似哺乳動物大腦突觸連接關(guān)系的機器學(xué)習(xí)結(jié)構(gòu)，得以復(fù)興。神經(jīng)網(wǎng)絡(luò)不需要人為提取特征。原始數(shù)據(jù)進(jìn)入學(xué)習(xí)算法之后不需要任何的人為工作，我們把它稱之為“深度學(xué)習(xí)”。

　　2.盡管深度學(xué)習(xí)技術(shù)和學(xué)習(xí)模型已經(jīng)存在了幾十年了，但是我們現(xiàn)在才看到其理論創(chuàng)新和基于經(jīng)驗的突破，因為基礎(chǔ)架構(gòu)和數(shù)據(jù)的實用性才剛剛成熟。2006年，NVIDIA推出基于GPU的CUDA開發(fā)平臺，成為了深度學(xué)習(xí)發(fā)展歷史上的風(fēng)水嶺。

　　3.正是由于深度學(xué)習(xí)脫離了人為構(gòu)建特征使其得以成為一種自然的學(xué)習(xí)工具。很多技能，早在有能力以復(fù)雜的數(shù)學(xué)方式提取特征之前，我們就已經(jīng)學(xué)會了。這些技能是我們自然而然學(xué)會的，難以用高度的特征歸納。通過傳統(tǒng)的機器學(xué)習(xí)手段，是很難憑人類的直覺得出，或是構(gòu)造出高維的精確特征的。

　　4.早在我們有能力構(gòu)建復(fù)雜的語義（semanTIc）之前，我們就已經(jīng)在機器視覺和自然語言處理等方面取得了很好的成績。但是學(xué)會這些技能不需要我們有數(shù)學(xué)推理的能力，更不要說人為有意構(gòu)建的高層語義了。

　　5.深度學(xué)習(xí)在廣義的高維機器學(xué)習(xí)問題上已經(jīng)展現(xiàn)了突破性的成果。其中覆蓋的領(lǐng)域包括基因組學(xué)，油氣，數(shù)位病理學(xué)甚至是公共市場。

　　有關(guān)強人工智能：

　　ArTIficial General Intelligence（AGI）是指強人工智能，這是一種人類級別的人工智能，在各方面都能和人類比肩，人類能干的腦力活它都能干。不僅僅是當(dāng)今人工智能所應(yīng)對的局部、特定的問題，未來 可能出現(xiàn)的復(fù)雜繁冗任務(wù)對它來說都不在話下，當(dāng)前的人工智能需要人類進(jìn)行編程，但不排除未來的某一天它可以自動編程。因此，AGI的定義其實也不太準(zhǔn)確。

　　1、如果說AGI定義尚難，尚不能預(yù)測它的發(fā)展。勒存和百度首席科學(xué)家吳恩達(dá)等人都認(rèn)為不必在AGI的預(yù)測上浪費時間，因為目前人類要達(dá)到這個水平還遠(yuǎn)的很。人工智能還需要跨越一個幾年甚至幾十年的寒冬。吳恩達(dá)做了個比喻，人類對未來人工智能的擔(dān)憂簡直比得上對半人馬座α星系的幻想（注：由于半人馬座α星系統(tǒng)距離地球很近，許多科幻小說都“認(rèn)為”這里存在發(fā)達(dá)的宇宙文明）。

　　2、谷歌DeepMind聯(lián)合創(chuàng)始人肖恩·萊格認(rèn)為，現(xiàn)在開始研究人工智能安全是絕對有益的，它幫助我們建立起一個框架，讓研究人員在這個框架內(nèi)朝著積極的方向去發(fā)展更聰明的人工智能。

　　3、AGI會擁有類似人類的智力，但是卻不會有類似人類的外表，因為我們并不了解自己內(nèi)在的“目標(biāo)函數(shù)”。目前，我們在特定的領(lǐng)域內(nèi)訓(xùn)練計算機，使他們犯的錯誤最小化。除非我們知道我們自己的目標(biāo)函數(shù)是如何校準(zhǔn)的，否則，即使AGI會很智能甚至有可能會有意識的展現(xiàn)，但也絕對不會完全像人一樣。

　　4、人們會通過輸入輸出的通道來限制和規(guī)范AGI的行為。未來會有很多關(guān)于AGI善惡的爭論，關(guān)于增加其好的能力是否會同時使其產(chǎn)生潛在的惡意行為。無人駕駛汽車是一個早期、但是很有力的例子。

　　有關(guān)人工智能之計算機視覺公司：

　　1、曠視科技：讓機器看懂世界

　　公司專注于人臉識別技術(shù)和相關(guān)產(chǎn)品應(yīng)用研究，面向開發(fā)者提供服務(wù)，能提供一整套人臉檢測、人臉識別、人臉分析以及人臉3D技術(shù)的視覺技術(shù)服務(wù)，主要通過提供云端API、離線SDK、以及面向用戶的自主研發(fā)產(chǎn)品形式，將人臉識別技術(shù)廣泛應(yīng)用到互聯(lián)網(wǎng)及移動應(yīng)用場景中。

　　2、云從科技：源自計算機視覺之父的人臉識別技術(shù)

　　廣州云從信息科技有限公司（簡稱云從科技）是一家專注于計算機視覺與人工智能的高科技企業(yè)，核心技術(shù)源于四院院士、計算機視覺之父—— Thomas S. Huang黃煦濤教授。

　　3、格林深瞳：讓計算機看懂世界

　　格靈深瞳是一家將計算機視覺和深度學(xué)習(xí)技術(shù)應(yīng)用于商業(yè)領(lǐng)域的科技公司，自主研發(fā)的深瞳技術(shù)在人和車的檢測、跟蹤與識別方面居于世界領(lǐng)先水平。

　　北京陌上花科技有限公司：人工智能計算機視覺引擎

　　衣+是領(lǐng)先的人工智能計算機視覺引擎，在國際頂級計算機視覺競賽ImageNet2015中，獲得五項世界第一。

　　4、依圖科技：與您一起構(gòu)建計算機視覺的未來

　　目前致力于計算機視覺、圖像視頻智能理解和分布式系統(tǒng)及大數(shù)據(jù)應(yīng)用的研究，為用戶提供基于圖像視頻理解的計算機視覺產(chǎn)品。

　　5、碼隆科技：最時尚的人工智能

　　碼隆科技（Malong Technologies）是一家專注于引領(lǐng)深度學(xué)習(xí)與計算機視覺技術(shù)突破的人工智能公司，致力于打造全球領(lǐng)先的視覺決策引擎，并為企業(yè)提供國際領(lǐng)先、定制化的計算機視覺解決方案。

　　6、Linkface臉云科技：全球領(lǐng)先的人臉識別技術(shù)服務(wù)

　　成立于2014年，開創(chuàng)了基于深度學(xué)習(xí)的人臉檢測創(chuàng)新算法，搭建了一套高效穩(wěn)定的人臉分析系統(tǒng)，囊括了人臉檢測、人臉關(guān)鍵點檢出、人臉識別、人臉屬性分析、活體檢測等全套身份認(rèn)證所需技術(shù)。

　　7、灝瀧智能：疲勞駕駛預(yù)警技術(shù)領(lǐng)先企業(yè)

　　公司核心團(tuán)隊以原中國人民解放軍某部，軍用圖形圖像技術(shù)轉(zhuǎn)業(yè)專家發(fā)起組建，公司所研發(fā)的視覺識別技術(shù)，通過日本、歐洲多家跨國電子企業(yè)及國內(nèi)車廠的綜合測試要求。

　　8、Sense TIme商湯科技：教會計算機看懂這個世界

　　我們成功聚集了當(dāng)下華人中最出色、最有影響力的深度學(xué)習(xí)、計算機視覺科學(xué)家，以及來自于谷歌、百度、微軟、聯(lián)想等一批產(chǎn)業(yè)界的領(lǐng)軍人物。在人工智能產(chǎn)業(yè)興起的大背景下，商湯集團(tuán)憑借在技術(shù)、人才、專利上超過十年的積累，迅速成為了人工智能行業(yè)領(lǐng)軍企業(yè)。

　　9、圖普科技：專注于圖像識別

　　廣州圖普網(wǎng)絡(luò)科技有限公司是一家站在人工智能前沿的創(chuàng)業(yè)科技公司，專注于圖像識別整體解決方案。

　 　身處物聯(lián)網(wǎng)洪流的你還在等什么！“關(guān)注物聯(lián)網(wǎng)新機遇的你，怎能錯過這個饕餮盛宴！！由華強聚豐旗下電子發(fā)燒友網(wǎng)舉辦的第三屆“中國IoT大會”將 于12月2日在深圳隆重舉行：全球化的 視野、更高價值的獨家觀點、更專業(yè)的技術(shù)分享、更前沿的脈動把握，匯聚全球物聯(lián)網(wǎng)知名企業(yè)與精英的盛典，你不可錯過！更多信息歡迎大家繼續(xù)關(guān)注電子發(fā)燒友網(wǎng)！”（點擊圖片查看詳情）