關注“泥瓦匠”，回複“1024”，領取精選技術資料
作者：武博士、宋知達、袁雪瑤、聶文韬
本文我們會以生動有趣的漫畫來介紹關于人工智能（AI）相關的故事，你将會學習到：
- 人工智能的曆史故事
- 機器人與人工智能的關系
- 人工智能的應用領域和相關等級
- 人工智能關于我們的未來的影響，我們是否會失業。
- 如何開始學習人工智能
讓我們一起進入人工智能的世界吧。
1.1 進入人工智能
當有人問我，Dr.Wu 你的研究方向是什麼？我回答：人工智能。接着大約會得到以下五種問題回應：
哇，好酷！是不是很難呢？
是不是制造機器人幫助我們呢？
AI和人工智能有什麼差別？
我們會不會失業？
究竟啥是人工之智能？
接下來，我會帶大家一一解惑。
1.1.1 人的智慧和人工智能
究竟什麼是人工智能，什麼是AI，接下來，由我為大家解答。媒體上幾乎每天都有AI和人工智能的詞彙，總給人一種深奧神秘的感覺。人工智能顧名思義就是人類制造的智慧，英文叫Artificial Intelligence（AI），是以人工智能=AI。
那麼問題又來了，智慧究竟是什麼？我們要以何種方式去制造智慧？要回答這個問題，就必須從人與人造物的 差別和人的智慧說起。
對于人工智能的研究人員來說，目标并不是研究人類智慧的來源，而是以工程技術手段制造出類似人類智慧的 産品。
人類和人工智能最大的差異是，肉體的有無。
人類可以通過身體獲得外界資訊。透過感覺器官，我們可以感覺到聲音、外觀、觸感、氣味等，讓我們覺得舒服或者讨厭，進而産生感情。
不過人工智能并沒有人類的身體，是以無法像人類一樣通過肉體感覺器官來積累感覺經驗，也無法借此獲得知識。
人工智能必須依賴人類，将人類通過鼻子、眼睛、嘴巴、皮膚...獲得的外界資訊，以某種形式”輸入“到人工智能，人工智能才可以加工和處理這些資訊。具體輸入方式我們未來讨論。
1.1.2 圖靈測試：哪個一邊是人？
英國數學家，Dr.Wu 認為二十世紀最聰明的人三個人（愛因斯坦、圖靈、馮諾依曼）之一，艾倫.圖靈（Alan Turing：1912-1954）定義了一種方法，來判斷人工智能是否成功，這種方法是：和自己對話的對象是人類還是人工智能？
這種方法就是大名鼎鼎的圖靈測試。
隻要三成以上的研究員将人工智能誤以為是人類，就算通過圖靈測試。
但是由于計算機很難做到與人類接近的對話，是以很長一段時間都沒有任何人工智能通過圖靈測試。反而人類在不斷學習計算機語言，這就是大量程式員的工作，和計算機對話。
圖靈測試又叫做模仿遊戲‘Imitation Game’，一部描繪圖靈一生的自傳電影一樣也叫模仿遊戲，我覺得很好看哦。Imitation 即為模仿。
除了這部電影之外，《黑.客帝國》、《終結者》、《全面進化》等描述人工智能的電影中，大多提到人工智能會威脅到人類生活，而不是給人類帶來幸福，這讓很多人談到人工智能都會感到恐慌。
但是，事實上，目前還沒有做出公認通過圖靈測試的人工智能。是以大家也不必恐慌哦。
1.1.3 人工智能會思考嗎？
“思考”，大多數人會想到計算，應該是人工智能的專長。但事實上，要想像人類一樣思考其實是一件非常困難的事情。
人工智能需要以各種輸入資料案例為基礎，通過這些資料案例擷取經驗和知識，然後進行預測和判斷。如果輸入的案例太少，就無法做出判斷。情況相反，人類即使遇到過去未曾遇到的狀況，也可以以彈性的方式面對各種狀況。
例如，人工智能需要看過上萬張貓狗的圖檔才可以相對準确的識别貓狗圖檔，但是人類3歲左右的小朋友，隻需要見過幾次，就可以識别。差距還是巨大的。
但是，人類對于人類來說很難解決的問題，人工智能卻能夠迅速解決。例如：訓練好的人工智能在圖檔識别過程中，效率遠遠高于人類，給他們10萬張圖檔，他們會很快的為人類做好分類工作，無怨無悔，而且在工作過程中，人工智能本來的"智慧”也在提升。
我們将在未來的章節提到，目前具有一定“智能”的AI，可以用什麼樣的方式來解決什麼樣的問題。明白人工智能的擅長之處與不擅長之處，是未來社會我們能夠幸福生活的關鍵。
1.2 人工智能的誕生
人工智能是最近才有的嗎？其實人工智能很早就有了，都快63歲了呢。讓我們進入曆史的長河，一起沿着時間的足迹探究人工智能。
1.2.1 達特茅斯會議
人工智能（Artificial Intelligence）這個名詞是1956年夏天，在美國東部的達特茅斯會議中初步登場。會議從7月持續到8月，是一場為期一個月以上的會議。對于人工智能的研究者來說，這個會議是一場劃時代的會議，會議将“像人一樣思考的計算機”稱為“人工智能”，于是“人工智能”這個詞，誕生了！
這場會議中，有許多著名的計算機科學家參加，包括約翰.麥卡錫，馬文.闵斯基，艾倫.紐維爾。許多研究者當時釋出了最新的研究成果。其中馬文.闵斯基曾在1951年，利用硬體實作了類神經網絡。這是世界上第一個可以進行自我學習的網絡。
1.2.2 第一次人工智能（AI）浪潮
達特茅斯會議之後，到了50年代後期到60年代，整個人工智能領域流行的用計算機進行演算法，以解決特殊的問題。
以走迷宮為例，目标就是從迷宮的起點走到終點。人類走迷宮，碰到死路時候稍微後退，再找其他路徑，一步一步向終點靠近。
如果讓計算機去走迷宮，不會真的按照真實的道路前進，而是從起點開始分類，分成往A走的情況和往B走的情況等。接着往A走碰到的情況，以及往B走的情況，進行分類。在不斷分類的情況下，最後能找到終點。這就是初期人工智能所使用的方法。
近些年，由于計算機的優異表現，廣受媒體注意的國際象棋（IBM 深藍）等棋類競賽，用的都是這種演算法。
乍一看這種演算法處理問題似乎不是那麼“聰明”，但是由于計算機處理的速度的提升，機器相對于人類慢慢展現出了壓倒性優勢。（圍棋除外）
為什麼我一直把圍棋要除外呢，因為圍棋的走法有10的360次方，數量要比天上的星星還要多，但是近期AlphaGo攻克的圍棋，并不是第一次AI浪潮的産物哦。
好多人在問我IBM深藍和AlphaGo的差別，我的回答是深藍用的是演算法，目的是證明IBM大型伺服器的能力，而AlphaGo用的是深度強化學習，證明機器可以有智能（我們在後續的文章會解釋）。
我們言歸正傳，到了60年代，以演算法解決棋類競賽的問題為核心的第一次AI浪潮，由于沒有解決亟待解決的現實問題，美國政府切斷了一切資金的供給，直接導緻第一次AI浪潮的結束。20世紀70年代末成了人工智能的寒冬。
1.2.3 第二次人工智能浪潮
在第一次AI浪潮中，人工智能無法為疾病治療等人類實際問題做出貢獻，使相關研究進入嚴冬。但是20世紀70年代開始，研究人員利用計算機的存儲功能，将“知識”存入電腦讓它變得更加聰明。
斯坦福大學開發的MYCIN就是一個著名的例子。
Mycin可以将過去所有病人診斷為細菌感染的症狀與其他情況等知識，記錄在資料庫中。當有新的患者出現時，輸入患者症狀和其他情況，就能夠推測患者感染某種細菌的機率。
如“輸入：發燒，頭疼，口幹 ；輸出：這種症狀的病人有69%的幾率感染 * * 細菌”。然而，要讓計算機具有這些知識，需要采納許多專家的相關知識，并進行許多調查研究，以積累資料，相當耗費時間和精力。
為了讓這項技術實用化，需要搜集和整理許多領域的資料，其中包括“覺得頭重腳輕”這種含糊不清的症狀描述。但是想讓這些全部記錄下來，實在是一件不容易的事情。
這時，有些計劃将所有人類具有的知識全部輸入計算機。比較著名的是1984年美國新創公司發起的CYC計劃。但是世界的知識實在是太龐雜了。這個計劃到目前為止，還在進行中... 人工智能面臨不知道該如何了解文字意義，以什麼方式描述知識，才能讓計算機容易處理的問題（我們會在後面詳細說明）。于是，必須以人工一條一條輸入知識，才能建構人工智能的第二次AI浪潮，在90年代中期再次進入寒冬。
冬天腫麼又到了...
1.2.4 第三次人工智能浪潮
時間到了20世紀90年代中期，網際網路和搜尋引擎相繼誕生，到了2000年，随着網站的數量的增加，人類的知識、資料在網際網路呈現指數增長。到了2008年，随着智能手機的興起和4G網絡的普及，幾乎全世界一半的人都成為了網民，為網際網路貢獻自己的資料。
能夠讓計算機自主學習，便進入了第三次AI浪潮。
從人工智能誕生到現在的曆史，可以整理為下圖：
當我們介紹人工智能浪潮的時候，總會有人問“第三次人工智能浪潮”會很快結束嗎？我的回答是：“至少從現在看，人工智能已經是大勢所趨，在未來社會中，是不可或缺的技術。”
1.3 人工智能可以做哪些事
1.3.1 人工智能與機器人
雖然人工智能很早之前就有，但是很多人還是将機器人研究等同于人工智能研究。
從小時候開始，動漫書總就會有理想中的人工智能。他們所具有的智慧，可以讓他們進行和人完全相同的對話、思考、行動。還有類似人類一樣的身體。我小時候特别想有一隻機器貓。
人類的智慧與身體無法分離，是以很多人無法想象智慧與身體無法分離的樣子。然而，人工智能研究不能等同于機器人研究。人工智能研究與機器人研究如圖：
人工智能研究與機器人研究，雖然不同，但是有共同的部分。
在這裡，我們具體說明一下機器人研究，那就是具有“感應系統、控制系統、驅動系統的機械裝置” 。
- 感應系統：感受聲音、光線溫度等實體狀态之變化的感應器
- 控制系統：能夠操作機械裝置的系統
- 驅動系統：能傳導動力使之活動的系統
“産業機器人”就是機器人實用化的例子。
工業制造領域中有焊接機器人、組裝機器人；醫療領域中有資料機器人（例如鼎鼎大名的達芬奇機器人）；農業領域有除草機器人和插秧機器人；電子商務領域中有快遞分揀機器人。機器人應用領域相當廣泛。
機器人的研究以感應系統和驅動系統為主。而控制系統的研究，則接近于人工智能的研究。機器人比賽中，大多是由操作者以無線的方式遙控操作機器人，用最快的速度跨越障礙物，一步一步走向終點。
機器人的手臂運動由人來控制還是自己控制，用到的人工智能的等級完全不同。至于咱們人類，完全就是自己控制，不需要外界操作。
這裡我們提到了人工智能等級，我們詳細為大家介紹。
1.3.2 第一級人工智能
人工智能分第一到第五，共五個等級。我們目前處于第四級人工智能。我們将一起試着思考做到哪些事才能稱得上是人工智能。
第一級人工智能，常見于搭載相對單純的控制程式，輸入與輸出一一對應的家電産品（吸塵器、空調、洗機器、冰箱...）。近年來許多家電聲稱”搭載人工智能“，就是這個等級。（不過有些産品具有第二級的人工智能）
例如，有些人工智能空調主打溫度在适當區間，有些人工智能洗衣機可以根據衣服的重量自動調整水量。不過，他們終究沒有超出第一級人工智能的範圍。
近期，微軟與一家德國家電廠商聯合推出一款“自動識别内部物品的冰箱”，引起大家關注。這樣的功能已經超越了第一級人工智能，但是說白了，這隻是利用冰箱内的攝像頭進行圖檔識别的過程。雖然友善，但是仍然稱不上人工智能的概念。
1.3.3 第二級人工智能
同樣是家電産品，美國麻省理工學院MIT人工智能實驗室成立的人型機器人公司，最近推出的掃地機器人Roomba已經是第二級人工智能。
有研究者認為，Roomba的感應行動已和蟑螂有等級的智慧，它可以運用數十個感應器搜集房間的資訊，并以 每秒60次以上的頻率判斷狀況，再從40種以上的行動模式彙總選擇最适合的行動。
以這類掃地機器人為代表，能夠判斷、選擇行動并執行的系統，即稱為第二級人工智能。
讓輸入和輸出變得更加精密的人工智能，就是第二級人工智能。一般應用程式中的棋類遊戲，就屬于這個等級的人工智能。
第一級和第二級人工智能就在這裡結束。接下來就要說明第三級、第四級人工智能，将會涉及到“機器學習”， 領域。機器學習顧名思義，就是讓機器（計算機）去學習事物的特征和規則，然後計算機變得越來越聰明。
1.3.4 第三級人工智能
這個等級的人工智能，可以自由學習，會變得越來越聰明。我們将在以後具體解釋第三級人工智能，它具有機器學習功能。
那麼什麼是機器學習呢。以資料為基礎，為各種輸入與輸出賦予關聯性，以這種方法進行學習的算法，就是機器學習。第三級人工智能從20世紀90年代中期開始普及，一直進入21世紀前期。
我們耳熟能詳的，藏在搜尋引擎背後，會自動在網站上擷取大量資料并自動分析判斷的人工智能。就是第三級人工智能的典型代表。
在第二級人工智能加入機器學習的方法後，進化成第三級人工智能。而在衆多機器學習方法中，深度學習 （Deep Learning）能夠讓計算機自行提取特征，以進行學習。深度學習可以稱得上是第四級人工智能。
1.3.5 第四級人工智能
從第一級人工智能進化到第四級，有些AI甚至在某些領域超過人類（ImageNet 圖檔分類、AlphaGo...）。這種人工智能能在特定領域發揮自己的作用，也稱作“特型化人工智能”。
為了某個目的而特型化的AI = 特型化人工智能
我們平時聽到的，可以下圍棋、辨識聲音、參加益智問答、自動駕駛、對話機器人都是屬于第四級特型化人工智能。
人類和第四級人工智能的差別：人類在學習過圍棋後，或許可以舉一反三，将經驗運用到其他領域中。但是AlphaGo 無論有多厲害，它也不具備圍棋以外的功能。
1.3.6 第五級人工智能
第五級人工智能就是“泛人工智能”，指的就是類似于哆啦A夢等和人類相似的行為，甚至能夠發揮比人類更加優秀的能力。這樣的人工智能可以了解人的喜怒哀樂，懂得物體的質感，能夠感受到人的情感。
達到這種程度，可以稱之為第五級人工智能。然而，一般認為，從第四級進化到第五級，非常困難，我們需要找到另一種特殊方法。
人工智能在第四級以前都是人類友善的工具，不過第五級“泛人工智能”不隻是具有人類同等的智慧，還有第四級特型化的人工智能的能力，在特定領域超過人類，第五級人工智能可能不在是人類的工具，有可能對人類産生威脅，但是它還遠遠沒有實作。
1.4 人工智能與人類的未來
1.4.1 科技奇點什麼，它會到來嗎？
有人預測，到了2045年，計算機将會超越人類大腦。這是基于計算機晶片性能每18個月提升一倍的假設，這個假設就是著名的摩爾定律。
如果這個預言成真，那麼在人類的不斷努力下，不久的将來，可以制造出比人類還聰明的人工智能。這種人工智能誕生後，由于它比人類聰明，它可以制造比它聰明的人工智能。在這樣的推演下，人類就會被遠遠抛在後面。
由此可知，所謂的科技奇點（技術的的特異點），指的就是人工智能有辦法制造出更加聰明的人工智能的時間點。原本從第一級到第四級的人工智能，都需要人類手動創造。但是當人工智能有辦法制造出比自己聰明的人工智能時，便進入了一種截然不同的境界，即使新的人工智能比原來隻聰明的一點點。
我們假想每天都比以前的自己進步1%，那麼一年後，你的能力會提升多少倍？答案是驚人的：37.78. 而且計算機的疊代速度是遠遠超越人類的。
但是以目前的技術條件，還無法達到科技奇點，但是人類已經向這個方向努力了。
深度學習不是的通向科技奇點的唯一之路, 人腦的相關研究（腦科學）的研究也可能會幫助早就這一天的早日到來。
有人認為，隻要在計算機上實作人腦大腦的功能，新皮質、大腦基底核、以及小腦并适當組合就可以實作第五級人工智能。
- 大腦新皮質：是大腦特别發達的部位，包括視覺、聽覺、營運、計算、邏輯都在這個部位處理。我們後續會講解非監督學習，或許可以模拟大腦新皮質系統哦。
- 大腦基底核：運作機制還有很多未知。不過一般認為，在學習過程中，如果這個結果對自己有利， 大腦基底核就會加強這方面的學習；如果學習成果對自己沒有好處，則大腦基底核将不再接觸相關 的學習。這就是AlphaGo的基礎：強化學習的原理哦。
- 小腦：小腦的神經回路相對單純，有人認為小腦所做的事有點像監督學習
監督學習、非監督學習、強化學習這些名詞都是什麼意思呢？我們會在後續的章節中進行詳細解釋哦。是不是很讓人期待！
1.4.2 AI會改變人類的未來嗎？
英國經濟學家凱恩斯在1930年預測，100年後，人類一天隻需要工作3小時。由于人工智能可以取代許多工作，從事這些工作的人是以可以得到解放，換句話說，就是失業。在2013年，牛津大學發表的論文，列出來未來十年或者二十年可能消失或者留下的工作。
為什麼會舉這些列子呢，我們會詳細說明理由人工智能已經對聲音、圖檔、視訊的識别能力很高，是以，與聲音、圖檔、視訊相關的判别、記錄、搜尋的相關工作，有很大機會都會被人工智能取代。
人工智能在數值預測上的能力相當高，是以銀行櫃台業務、融資、證券公司和保險業務也會有一部分會被人工智能取代。人工智能在銷售與需求方面的預測、推測已經有實際應用的例子。廣告公司可能會被取代。人工可能還可以進行創作，寫作、作曲、設計都可以勝任。
此外食譜制作，玩遊戲、回答問題到相對複雜的自動駕駛，人工智能都有辦法做到。如果隻認為從事資料收集、輸入、加工、分析的會使用電腦的人才會失業的想法是錯誤的。事實上，從19世紀開始，紡織業就開始使用機械，到了20世紀，機場的取票功能已經被自動取票機器代替。随着人工智能的發展，人們的工作會被逐漸替代。
但是，大家不要灰心，未來我們還有很多工作是人工智能無法替代的。因為人工智能目前既沒有身體和外界互動，也欠缺感覺外界的能力。是以，需要透過身體感覺、情感、味覺才能勝任的工作，仍然在未來10到20年會留下來。如休閑治療師、電影演員、心理醫生。
人工智能也不擅長處理多重能力的工作，無法發揮帶領團隊的上司力，而這些工作都是責任重大的工作。例如企業進階管理人員、人工智能設計師、部門負責人等。
--END--
下方二維碼關注我