最近騰訊 AI Lab 主任張潼博士在內部做了一次分享拓型，在短短 20 多分鐘時間里幫助大家快速了解人工智能束亏。騰訊云技術社區(qū)經張潼博士授權故黑，將此次分享的實錄分享給社區(qū)用戶傀广。讀完本文后，你將了解什么是AI翘单？有哪些研究方向和應用場景吨枉？作為小白，AI對你有什么影響县恕？為什么現(xiàn)在又爆發(fā)AI熱潮东羹？AI的未來又是怎樣的剂桥？
騰訊 AI Lab 主任張潼
01忠烛、人工智能的概念是什么？
人工智能（Artificial Intelligence权逗，AI）是指計算機像人一樣擁有智能能力美尸，是一個融合計算機科學、統(tǒng)計學斟薇、腦神經學和社會科學的前沿綜合學科师坎，可以代替人類實現(xiàn)識別、認知堪滨，分析和決策等多種功能胯陋。如當你說一句話時，機器能夠識別成文字袱箱，并理解你話的意思遏乔，進行分析和對話等。
02发笔、AI 的發(fā)展有哪些關鍵里程碑盟萨？
AI 在五六十年代時正式提出，90 年代了讨，國際象棋冠軍卡斯帕羅夫與"深藍" 計算機決戰(zhàn)捻激，"深藍"獲勝，這是人工智能發(fā)展的一個重要里程碑前计。而 2016 年胞谭，Google 的 AlphaGo 贏了韓國棋手李世石，再度引發(fā) AI 熱潮男杈。今年丈屹，騰訊推出圍棋軟件"絕藝"大放異彩，這些都代表了特定時期 AI 發(fā)展的技術水平势就。
AI 不斷爆發(fā)熱潮泉瞻，是與基礎設施的進步和科技的更新分不開的脉漏，從 70 年代 personal 計算機的興起到 2010 年GPU、異構計算等硬件設施的發(fā)展袖牙，都為人工智能復興奠定了基礎侧巨。
同時，互聯(lián)網及移動互聯(lián)網的發(fā)展也帶來了一系列數(shù)據能力鞭达，使人工智能能力得以提高司忱。而且，運算能力也從傳統(tǒng)的以 CPU 為主導到以 GPU 為主導畴蹭，這對 AI 有很大變革坦仍。算法技術的更新助力于人工智能的興起，最早期的算法一般是傳統(tǒng)的統(tǒng)計算法叨襟，如 80 年代的神經網絡繁扎，90 年代的淺層，2000 年左右的 SBM糊闽、Boosting梳玫、convex 的 methods 等等。隨著數(shù)據量增大右犹，計算能力變強提澎，深度學習的影響也越來越大。2011 年之后念链，深度學習的興起盼忌，帶動了現(xiàn)今人工智能發(fā)展的高潮。
03掂墓、AI 有哪些研究領域和分支谦纱？
人工智能研究的領域主要有五層，最底層是基礎設施建設梆暮，包含數(shù)據和計算能力兩部分服协，數(shù)據越大，人工智能的能力越強啦粹。往上一層為算法偿荷，如卷積神經網絡、LSTM 序列學習唠椭、Q-Learning跳纳、深度學習等算法，都是機器學習的算法贪嫂。第三層為重要的技術方向和問題寺庄，如計算機視覺，語音工程，自然語言處理等斗塘。還有另外的一些類似決策系統(tǒng)赢织，像 reinforcement learning（編輯注：增強學習），或像一些大數(shù)據分析的統(tǒng)計系統(tǒng)馍盟，這些都能在機器學習算法上產生于置。第四層為具體的技術，如圖像識別贞岭、語音識別八毯、機器翻譯等等。最頂端為行業(yè)的解決方案瞄桨，如人工智能在金融话速、醫(yī)療、互聯(lián)網芯侥、交通和游戲等上的應用泊交，這是我們所關心它能帶來的價值。
值得一提的是機器學習同深度學習之間還是有所區(qū)別的筹麸，機器學習是指計算機的算法能夠像人一樣活合，從數(shù)據中找到信息雏婶，從而學習一些規(guī)律物赶。雖然深度學習是機器學習的一種，但深度學習是利用深度的神經網絡留晚，將模型處理得更為復雜酵紫，從而使模型對數(shù)據的理解更加深入。
機器學習有三類错维，第一類是無監(jiān)督學習奖地，指的是從信息出發(fā)自動尋找規(guī)律，并將其分成各種類別赋焕，有時也稱"聚類問題"参歹。第二類是監(jiān)督學習，監(jiān)督學習指的是給歷史一個標簽隆判，運用模型預測結果犬庇。如有一個水果，我們根據水果的形狀和顏色去判斷到底是香蕉還是蘋果侨嘀，這就是一個監(jiān)督學習的例子臭挽。最后一類為強化學習，是指可以用來支持人們去做決策和規(guī)劃的一個學習方式咬腕，它是對人的一些動作欢峰、行為產生獎勵的回饋機制，通過這個回饋機制促進學習，這與人類的學習相似纽帖，所以強化學習是目前研究的重要方向之一宠漩。
04、AI 有哪些應用場景懊直？
人工智能的應用場景主要有以下幾個方面：
在計算機視覺上哄孤，2000 年左右，人們開始用機器學習吹截，用人工特征來做比較好的計算機視覺系統(tǒng)瘦陈。如車牌識別、安防波俄、人臉等技術晨逝。而深度學習則逐漸運用機器代替人工來學習特征，擴大了其應用場景懦铺，如無人車捉貌、電商等領域。
在語音技術上冬念，2010 年后趁窃，深度學習的廣泛應用使語音識別的準確率大幅提升，像 Siri急前、Voice Search 和 Echo 等醒陆，可以實現(xiàn)不同語言間的交流，從語音中說一段話裆针，隨之將其翻譯為另一種文字刨摩；再如智能助手，你可以對手機說一段話世吨，它能幫助你完成一些任務澡刹。與圖像相比，自然語言更難耘婚、更復雜罢浇，不僅需要認知，還需要理解沐祷。
在自然語言處理上嚷闭，目前一個比較重大的突破是機器翻譯，這大大提高了原來的機器翻譯水平戈轿，舉個例子凌受，Google 的 Translation 系統(tǒng)，是人工智能的一個標桿性的事件思杯。2010 年左右胜蛉， IBM 的"Watson"系統(tǒng)在一檔綜藝節(jié)目上挠进，和人類冠軍進行自然語言的問答并獲勝，代表了計算機能力的顯著提高誊册。
在決策系統(tǒng)上领突，決策系統(tǒng)的發(fā)展是隨著棋類問題的解決而不斷提升，從 80 年代西洋跳棋開始案怯，到 90 年代的國際象棋對弈君旦，機器的勝利都標志了科技的進步，決策系統(tǒng)可以在自動化嘲碱、量化投資等系統(tǒng)上廣泛應用金砍。
在大數(shù)據應用上，可以通過你之前看到的文章麦锯，理解你所喜歡的內容而進行更精準的推薦恕稠；分析各個股票的行情，進行量化交易扶欣；分析所有的像客戶的一些喜好而進行精準的營銷等鹅巍。機器通過一系列的數(shù)據進行判別，找出最適合的一些策略而反饋給我們料祠。
05骆捧、騰訊在 AI 領域的布局是怎樣的？
從 AI Lab 來講髓绽，首先進行前沿研究敛苇。針對騰訊的業(yè)務來解決一些行業(yè)的問題而促進人工智能的發(fā)展。同時梧宫，發(fā)展游戲 AI接谨，騰訊去做"絕藝"，與騰訊的游戲場景分不開塘匣。不光是在圍棋場景，在其他棋類巷帝、游戲場景中忌卤，都可以嵌入 AI，這將是未來的一個發(fā)展方向楞泼。再次驰徊，騰訊是一個社交公司，我們可以圍繞著像智能助手堕阔、社交機器人等做一些嘗試棍厂，積累很多的 AI 的能力。第四超陆，騰訊注重內容牺弹，注重版權浦马，注重自己生成內容。這就需要進行個性化推薦张漂，包括搜索晶默、對內容的生成等，都可以做一些研究航攒。最后磺陡，我們希望將這些能力開放整合，如通過語音開放給其他行業(yè)漠畜，使大家能夠利用這些能力币他。
06、AI 的未來是怎么樣憔狞？
在計算機視覺上圆丹，未來的人工智能應更加注重效果的優(yōu)化，加強計算機視覺在不同場景躯喇、問題上的應用辫封。
在語音場景下，當前的語音識別雖然在特定的場景(安靜的環(huán)境）下廉丽，已經能夠得到和人類相似的水平倦微。但在噪音情景下仍有挑戰(zhàn)，如原場識別正压、口語欣福、方言等長尾內容。未來需增強計算能力焦履、提高數(shù)據量和提升算法等來解決這個問題拓劝。
在自然語言處理中，機器的優(yōu)勢在于擁有更多的記憶能力嘉裤，但卻欠缺語意理解能力郑临，包括對口語不規(guī)范的用語識別和認知等。人說話時屑宠，是與物理事件學相聯(lián)系的厢洞，比如一個人說電腦，人知道這個電腦意味著什么典奉，或者它是能夠干些什么躺翻，而在自然語言里，它僅僅將"電腦"作為一個孤立的詞卫玖，不會去產生類似的聯(lián)想公你，自然語言的聯(lián)想只是通過在文本上和其他所共現(xiàn)的一些詞的聯(lián)想， 并不是物理事件里的聯(lián)想假瞬。所以如果要真的解決自然語言的問題陕靠，將來需要去建立從文本到物理事件的一個映射迂尝，但目前仍沒有很好的解決方法。因此懦傍，這是未來著重考慮的一個研究方向雹舀。
當下的決策規(guī)劃系統(tǒng)存在兩個問題，第一是不通用粗俱，即學習知識的不可遷移性说榆，如用一個方法學了下圍棋，不能直接將該方法轉移到下象棋中寸认，第二是大量模擬數(shù)據签财。所以它有兩個目標，一個是算法的提升偏塞，如何解決數(shù)據稀少或怎么自動能夠產生模擬數(shù)據的問題唱蒸，另一個是自適應能力，當數(shù)據產生變化的時候灸叼，它能夠去適應變化神汹，而不是能力有所下降。所有一系列這些問題古今，都是下一個五或十年我們希望很快解決的屁魏。
未來，我們需要去探討：
（1）創(chuàng)造力捉腥，對于創(chuàng)造力目前有一定的方法慢慢研究氓拼，從而使機器開始具有人的一些創(chuàng)造力。但它的通用性受限抵碟，特別是對物理事件的理解桃漾，只有把這些問題解決了，才有可能造出像人一樣的機器人拟逮，成為人的意義上的智能撬统。
（2）學科交叉融合，未來需要探索更多的算法和交叉科學上等等的一些融合唱歧。所以人工智能在下一個階段既有非常廣闊的應用前景宪摧，也有很多挑戰(zhàn)。
總結
縱觀人工智能的發(fā)展颅崩，既有低谷，又有高潮蕊苗。從歷史的經驗上來看沿后，人工智能的發(fā)展既離不開基礎設施的發(fā)展，也受到游戲 AI 的推動朽砰，游戲 AI 能幫助我們更加直觀的了解機器帶來的智能能力尖滚。雖然喉刘，當前人工智能大多集中在感知分析階段，未涉及到深層的認知加工漆弄，但我們有理由相信睦裳，在未來，人工智能的發(fā)展會越來越廣泛撼唾，它會促進全行業(yè)數(shù)據的加速產生廉邑，推動移動化計算的發(fā)展，在垂直領域倒谷，AI 也會向商業(yè)化發(fā)展靠攏蛛蒙，創(chuàng)造出更多的直接經濟價值。
原創(chuàng)聲明渤愁，本文系作者授權云+社區(qū)發(fā)表牵祟，未經許可，不得轉載抖格。
