什么是人工智能？

李玮

1、别看“人工智能”这么火，它到底是什么其实还没有达成共识。大学里机械系、电子系、计算机系，甚至哲学系都有人坚称自己在研究人工智能。

2、“智能”大致可以分为三类：

通用智能，比如语言、推理；
专家智能，比如下棋、翻译；
群体智能，比如搜索引擎排序。

对人类来说第一种智能最容易，第二、第三种更难；对人工智能来说，难易程度倒过来。

3、算法、数据和算力是驱动AI的三驾马车，现在的瓶颈其实是数据不够用。人类的确记录了很多数字化资料，但有记录≠有数据，很多场景需要的高质量数据非常依赖人工标注，某种程度上可以说有多少人工就有多少智能。

4、机器都建立在三段论数学的基础上的，如果人类每天都用三段论做思维，AI技术将变得简单。但事实是人类日常生活中更多用类推、记忆的能力，这是造成实现AI非常难的重要原因。

5、自然语言处理（NLP）是AI完全问题（AI-complete Problem），NLP的问题解决了，所有AI的问题就解决了，NLP代表了最困难、最有挑战的任务。

比如：当人工智能可以准确理解不同场景下女朋友说“我很热”的意思，那说明AI已经发展完备。

6、人工智能的预测算法跟人一样，就是让计算机看看已经发生过的情况，从过去的数据里找一找有什么规律，然后利用这些规律来预测未来。某种程度上，这属于“刻舟求剑”。

7、对于一些复杂的事物，现在的算法还只能从表面数据去推测它的内部机制。比如猪圈里猪被围栏挡住了，从外面看不到猪，我们怎么预测猪的活动呢？——

我们会想办法把一根长木棍绑在猪腿上，外面的人至少能看到木棍顶端的晃动，那么现在就能根据晃动情况推测猪是在走路吃饭还是在满地打滚，以及下一步又会干什么。

8、早在上世纪80年代，美国和德国的机器人专家就在自动驾驶领域取得了一些进展，但三十多年过去，造出一辆能在城市开放道路自动行驶的汽车，要比制作一个能上月球的机器人更难。

9、之前盛传谷歌有个猫脸识别应用，使用的神经网络拥有17亿个参数。后来吴恩达在斯坦福大学又搞了个更大的神经网络，参数高达112亿个。哦，好厉害！人脑的神经连接有一百万万亿个，呵呵。

10、对神经网络来说，GPU（图形处理芯片）比CPU更高效。GPU一度是模拟神经网络的完美硬件，因为每个GPU芯片内都有大量的小核心，这和神经网络的大规模并行性天然相似。结果，以显卡为主业的GPU厂商Nvidia或成最大赢家。那个，谁送我一块2080Ti？
人工智能大爆发，也是英伟达的大爆发
11、虽然阿法狗打败了柯洁，但综合来说，目前（2018）年AI的智力还比不过7岁小孩。当然，AI可能成长得很快……你怕了吗。


阿法元（AlphaGo Zero）学习曲线，来源：Deep Mindwoo，瑟瑟发抖ing，债见。