????????人工智能變得火爆大概是從15年秋天開始——Deepmind的AlphaGo打敗韓國(guó)圍棋九段選手李世石。圍棋向來被認(rèn)為是人類智力的頂峰之作躲撰，一盤圍棋走法比宇宙中所有原子的總和還要多。按照當(dāng)今計(jì)算機(jī)的性能昆禽，想要依靠窮舉法完成招數(shù)的運(yùn)算是不可能的茬缩。但是，AlphaGo卻使用了深度學(xué)習(xí)把人類打的一敗涂地衫仑。從那之后梨与，人工智能就逐漸進(jìn)入公眾的視野。上至政府的工作報(bào)告文狱，下至學(xué)校的學(xué)生甚至種地的農(nóng)民粥鞋，都在討論人工智能。人工智能也已經(jīng)被很多國(guó)家上升到國(guó)家戰(zhàn)略層面上瞄崇，被認(rèn)為是未來國(guó)家間博弈的重要砝碼呻粹。因此，很多高校競(jìng)相開設(shè)人工智能專業(yè)苏研。大家似乎都已經(jīng)忘了人工智能經(jīng)歷過的幾次低谷等浊。雖然這次人工智能浪潮比前幾次都要迅猛，但是未來也許會(huì)再次經(jīng)歷低谷摹蘑。沒有人知道未來會(huì)怎么發(fā)展筹燕，但是可以肯定的是我們?nèi)匀惶幱谌跞斯ぶ悄軙r(shí)代。

? ? ? ? 當(dāng)前主流的商業(yè)的或者學(xué)術(shù)的人工智能應(yīng)用大多基于機(jī)器學(xué)習(xí)而建立衅鹿。神經(jīng)網(wǎng)絡(luò)就是機(jī)器學(xué)習(xí)最重要的一種撒踪。而神經(jīng)網(wǎng)絡(luò)的原理很簡(jiǎn)單，就是復(fù)雜的回歸大渤。我們?cè)诟咧卸紝W(xué)過線性回歸：在笛卡爾坐標(biāo)系上給定一系列坐標(biāo)對(duì)(x,y)糠涛，然后就可以根據(jù)最小平方差公式求得一個(gè)表達(dá)式y(tǒng)=ax+b，這個(gè)過程就就做學(xué)習(xí)兼犯。如果在給一個(gè)新的因變量x_new忍捡，那么這個(gè)公式就能在一定誤差允許的范圍內(nèi)給出預(yù)測(cè)值y_new。當(dāng)然切黔，這種回歸是線性的砸脊，它只能夠預(yù)測(cè)兩者的線性關(guān)系，對(duì)于非線性的結(jié)果就無能無力纬霞。而神經(jīng)網(wǎng)絡(luò)因?yàn)榧尤敫鞣N非線性的函數(shù)凌埂，所以能夠在一定程度上預(yù)測(cè)兩個(gè)變量之間的非線性關(guān)系。但是诗芜，本質(zhì)上兩者的所用到的原理是一樣的瞳抓。當(dāng)可供學(xué)習(xí)的數(shù)據(jù)越多時(shí)埃疫，預(yù)測(cè)的結(jié)果也就相對(duì)越準(zhǔn)確。就像讓小孩去辨別馬和牛一樣孩哑，當(dāng)你只給他幾頭牛和幾匹馬時(shí)栓霜，他并不能很好的分辨出兩者的差別『嵫眩可能有些馬的眼睛比較大而毛又比較短胳蛮，像牛；而有些牛的體型消瘦丛晌，四肢修長(zhǎng)仅炊，更像馬。這樣再給小孩一頭排熘耄或者一頭馬抚垄，他就很難做出正確的判斷。這時(shí)最好的解決辦法就是給他一大群的馬和牛谋逻，讓他學(xué)習(xí)呆馁。當(dāng)今的人工智能也是通過加大學(xué)習(xí)的樣本量來讓系統(tǒng)變得越來越智能。

????????但是這種智能真的是智能嗎斤贰？非洲有些貧困國(guó)家智哀，如肯尼亞，廣泛存在的數(shù)據(jù)工廠構(gòu)成人工智能產(chǎn)業(yè)鏈的最上游（https://baijiahao.baidu.com/si d=1616374166761494452&wfr=spider&for=pc）荧恍。這些工人做著最沒有智能的事情瓷叫，卻能夠在將來構(gòu)建最有智能的系統(tǒng)节猿，實(shí)現(xiàn)自動(dòng)駕駛碌冶。那么這種系統(tǒng)的智能到底是人的智能還是計(jì)算機(jī)的智能呢沸柔？計(jì)算機(jī)并沒法分辨一副圖片里面到底什么是汽車悠菜，什么是行人。只有人告訴它圖片里各種實(shí)物后佩憾，它才能利用海量的數(shù)據(jù)樣本來學(xué)習(xí)每種實(shí)物的特征（feature）挚币。數(shù)據(jù)越多艾凯，系統(tǒng)就越智能摘投，目前這條定理還是存在的煮寡。我們老師上課曾經(jīng)講過IBM和Google的故事：兩家公司都在搞機(jī)器翻譯，IBM的團(tuán)隊(duì)人很多犀呼，使用了各種各樣的模型來修正結(jié)果幸撕，但是結(jié)果依然不如谷歌。這些IBM的工程師跑去向谷歌請(qǐng)教外臂，谷歌一臉無辜地說：我也不知道啊坐儿，我什么模型也沒用，可能就是數(shù)據(jù)比較多吧（谷歌的樣本是IBM的十倍）。這大概就是現(xiàn)代版的“無他,惟手熟爾”吧貌矿？

? ? ? ? 當(dāng)今各個(gè)人工智能公司除了人才的競(jìng)爭(zhēng)外炭菌，最重要的就是數(shù)據(jù)的競(jìng)爭(zhēng)。有了數(shù)據(jù)逛漫，就有喂飽系統(tǒng)的糧食黑低。所以，各個(gè)公司才敢冒天下之大不韙濫用用戶數(shù)據(jù)尽楔。前段時(shí)間投储，facebook第练，google都紛紛傳出數(shù)據(jù)丑聞阔馋。但是即使是有如谷歌這般體量的公司，數(shù)據(jù)也是有限的娇掏。如果人工智能沿著機(jī)器學(xué)習(xí)的路一直走下去的話呕寝，是不可能產(chǎn)生真正的智能或者智慧。智慧的核心是推理婴梧，也即因果關(guān)系下梢。而當(dāng)今的機(jī)器學(xué)習(xí)缺的恰恰是因果關(guān)系。早在上世紀(jì)80年代塞蹭，就出現(xiàn)了基于因果關(guān)系專家系統(tǒng)孽江。但是受制于技術(shù)的原因，專家系統(tǒng)常常會(huì)得出非常離譜的推論番电，且其效果比神經(jīng)網(wǎng)絡(luò)差很多岗屏。近幾年，隨著計(jì)算機(jī)硬件以及深度學(xué)習(xí)理論的發(fā)展漱办，神經(jīng)網(wǎng)絡(luò)進(jìn)入井噴發(fā)展階段这刷，而專家系統(tǒng)早已被人遺忘。

? ? ? ? 盡管現(xiàn)今的專家系統(tǒng)的發(fā)展處于低谷期娩井，但是我認(rèn)為專家系統(tǒng)或者事情其它基于因果關(guān)系的理論才是實(shí)現(xiàn)強(qiáng)人工智能的終極工具暇屋。貝葉斯神經(jīng)網(wǎng)絡(luò)之父，圖靈獎(jiǎng)得主——Judea Pearl洞辣，如今出了一本新書“The Book of Why: The New Science of Cause and Effect”咐刨。在這本書中，他對(duì)現(xiàn)在人工智能的發(fā)展表示感到擔(dān)憂扬霜。他指出： “幾乎所有的深度學(xué)習(xí)突破性成果本質(zhì)上來說都只是些曲線擬合罷了”定鸟。因果關(guān)系讓機(jī)器具有意識(shí)以及思維，才可能變成和人一樣的道德實(shí)體畜挥。否則機(jī)器永遠(yuǎn)是機(jī)器仔粥。