人工智能的現(xiàn)況是什么沥割？
人工智能現(xiàn)在很火耗啦，一方面是各種產(chǎn)品的實際運(yùn)用視頻（比如天貓精靈，比如機(jī)器人抗震救災(zāi)）机杜，另一方面是非持慕玻火爆的大數(shù)據(jù)和深度學(xué)習(xí)〗忿郑看起來效果很好似将，但是實際上目前都是在鸚鵡學(xué)舌的階段，費(fèi)了大量的人力和算力蚀苛，只是針對了一些特定任務(wù)在验，并且背后依然是人告訴機(jī)器該怎么做。
人工智能的理想與未來是什么堵未？
現(xiàn)在的人工智能译红，概括來說是處于大數(shù)據(jù)，小任務(wù)階段兴溜。未來的人工智能侦厚，是小數(shù)據(jù)+多任務(wù)耻陕。數(shù)據(jù)其實就是外在環(huán)境的因果，任務(wù)就是智能生物與生俱來的生存價值本能刨沦。
前者诗宣，外在環(huán)境的因果，這就是物理學(xué)的本質(zhì)：“相信世界存在完整的因果鏈條想诅，并去找到它”召庞。后者，生物的生存本能来破，這是達(dá)爾文的進(jìn)化論思想篮灼，因此未來的人工智能，也可以看做是牛頓和達(dá)爾文的思想結(jié)合徘禁。
人工智能的研究方向現(xiàn)在有哪些呢诅诱？
可以分為以下六個大方向：計算機(jī)視覺（可以理解成圖像識別處理）、自然語言理解交流送朱、認(rèn)知與推理（物理和社會常識）娘荡、機(jī)器人學(xué)（機(jī)械相關(guān)）、博弈與倫理（倫理其實就是各方博弈的最終平衡態(tài)）驶沼、機(jī)器學(xué)習(xí)（目前最火的深度學(xué)習(xí)就是其中一種）炮沐。
這些方向曾經(jīng)分的很遠(yuǎn)，現(xiàn)在就向戰(zhàn)國六雄（歷史上是七個）一樣互相滲透回怜，有朝一日可能會像秦國統(tǒng)一一樣合并為一體大年。
計算機(jī)視覺——六大方向的現(xiàn)況與未來（一）
現(xiàn)階段，比如還原一個三維場景玉雾，是采用多角度拍攝多張圖片的特征點(diǎn)比對翔试，來建模。但是實際上人腦看一張二維的照片就能還原出三維場景了抹凳《舨停靠的是常識推理。比如幾何推理赢底，照片中的椅子高度應(yīng)該和人的小腿差不多高（這樣才能坐得舒服）失都，而精度是依據(jù)任務(wù)循序漸進(jìn)的，比如要去拿個杯子幸冻，并不需要一開始就知道距離4.56m粹庞，只需要知道大約三四米，然后在靠近的過程中調(diào)整精度即可洽损。
另一個任務(wù)驅(qū)動的研究如下庞溜，給機(jī)器一個挖土的任務(wù)，機(jī)器能夠在一堆物品中找出最好用的工具。組1是訓(xùn)練的數(shù)據(jù)流码，到組2就是機(jī)器自己挑選了又官，到組3，只剩下石頭漫试，就像石器時代的原始人一樣六敬。目的是完成挖土的任務(wù)，目的是找出可以握且有尖頭的物體驾荣。而不是現(xiàn)在流行的圖像識別（找出一堆物品中的鏟子外构，把鏟子換成石頭就茫然了）。
未來的圖像識別應(yīng)該和推理小說中的偵探一樣播掷，不僅能看到東西审编，還能想到這東西意味著什么，可以用來作什么歧匈。
認(rèn)知垒酬、語言——六大方向的現(xiàn)況與未來（二&三）
這是一個人和另一個人（機(jī)器）的交流圖。底部的那個橢圓代表了人類社會的常識眯亦。這就是機(jī)器認(rèn)知現(xiàn)在研究的領(lǐng)域伤溉，主要是通過關(guān)注人的行為般码，進(jìn)行猜測妻率，然后后驗。
語言則是左邊板祝，中上宫静，右邊三個橢圓。一次完整的對話券时，兩個人之間至少要表達(dá)五個腦袋minds：我知道的東西孤里、你知道的東西、我知道你知道的東西橘洞、你知道我知道的東西捌袜、我們共同知道的東西。
語言的交通過程中涉及信息的編碼炸枣，這里可以參考古代的象形文字虏等，對于生成模型來講語言就是視覺，視覺就是語言适肠。
機(jī)器人學(xué)——六大方向的現(xiàn)況與未來（四）
分解每一步任務(wù)
博弈論理——六大方向的現(xiàn)況與未來（五）
建立一個利益函數(shù)，在對環(huán)境建立一個流態(tài)函數(shù)侯养。博弈就是流態(tài)函數(shù)與利益函數(shù)的動態(tài)平衡敦跌。
機(jī)器學(xué)習(xí)——六大方向的現(xiàn)況與未來（五）
這個通訊學(xué)習(xí)的構(gòu)架里面，就包含了大量的學(xué)習(xí)模式逛揩，包括以下七種學(xué)習(xí)模式（每種學(xué)習(xí)模式其實對應(yīng)與圖中的某個或者幾個箭頭）柠傍，這里面還有很多模式可以開發(fā)出來麸俘。
（1）被動統(tǒng)計學(xué)習(xí)passive statistical learning：上面剛剛談到的、當(dāng)前最流行的學(xué)習(xí)模式惧笛，用大數(shù)據(jù)擬合模型疾掰。
（2）主動學(xué)習(xí)active learning：學(xué)生可以問老師主動要數(shù)據(jù)，這個在機(jī)器學(xué)習(xí)里面也流行過徐紧。
（3）算法教學(xué)algorithmic teaching：老師主動跟蹤學(xué)生的進(jìn)展和能力静檬，然后，設(shè)計例子來幫你學(xué)并级。這是成本比較高的拂檩、理想的優(yōu)秀教師的教學(xué)方式。
?(4) 演示學(xué)習(xí)learning from demonstration：這是機(jī)器人學(xué)科里面常用的嘲碧，就是手把手叫機(jī)器人做動作稻励。一個變種是模仿學(xué)習(xí)immitation learning。
（5）感知因果學(xué)習(xí)perceptual causality：這是我發(fā)明的一種愈涩，就是通過觀察別人行為的因果望抽，而不需要去做實驗驗證，學(xué)習(xí)出來的因果模型履婉，這在人類認(rèn)知中十分普遍煤篙。
（6）因果學(xué)習(xí)causal learning：通過動手實驗， 控制其它變量毁腿， 而得到更可靠的因果模型辑奈， 科學(xué)實驗往往屬于這一類。
（7）增強(qiáng)學(xué)習(xí)reinforcement learning：就是去學(xué)習(xí)決策函數(shù)與價值函數(shù)的一種方法已烤。
寫在最后
截取原文片段代表個人感受鸠窗。在嘗試總結(jié)過程中也感到，失去詳細(xì)的案例很難表現(xiàn)出作者原意的精髓胯究，再次附上原文鏈接
