人工智能讀書筆記

人 工 智 能 作 業

擁抱人工智能

學院：

年級：

專業：

學號：

姓名：

擁抱人工智能

摘  要：介紹了人工智能的含義以及模式識別的領域。

關鍵詞 人工智能；模式識別；AlphaGo

1 人工智能

1.1人工智能的含義

人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能可以對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。總的説來，人工智能研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的複雜工作。但不同的時代、不同的人對這種“複雜工作”的理解是不同的。AlphaGo的勝利，無人駕駛的成功，模式識別的突破性進展，人工智能的的飛速發展一次又一次地挑動着我們的神經。作為人工智能的核心，機器學習也在人工智能的大步發展中備受矚目，光輝無限。

我所理解的人工智能，就是如下五個定義。定義一：AI就是讓人覺得不可思議的計算機程序。定義二：AI就是與人類思考方式相似的計算機程序。定義三：AI就是與人類行為相似的計算機程序。定義四：AI就是會學習的計算機程序。定義五：AI就是根據對環境的感知，做出合理的行動，並獲得最大收益的計算機程。如今人工智能的時代到來，給予了我們很大的便利。如智能圖像理解軟件Google照片、智能美圖軟件美圖秀秀、只能搜索排序軟件Google、智能出行自動駕駛軟件滴滴優步司機、智能機器翻譯軟件有道翻譯官等。

1.2 人工智能的發展歷史

迄今為之，人工智能誕生已有62年。1956年，John McCarthy創造人工只能一次。1962年，IBM的阿瑟··薩繆爾開發的西洋跳棋程序就戰勝過一位盲人跳棋高手。1987年到1993年現代PC的出現，讓人工智能的寒冬再次降臨。1997年IBM計算機“深藍“成功擊敗世界頂級國際象棋高手之後，國際商用機器公司（IBM）又嘗試一輪新的人機博弈。2016年AlphaGo在圍棋人機大戰中擊敗韓國職業九段棋手李世石。

1.3 人工智能的復興

人工智能的復興可分為以下兩次。第一次AI熱潮由圖靈測試掀起。艾倫.圖靈是人工智能的開拓者，他所提出的圖靈測試，直到今天仍然是我們判定一部機器是否具有人類智慧的重要手段。假如有一台宣稱自己會"思考"的計算機，人們該如何辨別計算機是否真的會思考呢？一個好方法是讓測試者和計算機通過鍵盤和屏幕進行對話，測試者並不知道與之對話的到底是一台計算機還是一個人。如果測試者分不清幕後的對話者是人還是機器，即，如果計算機能在測試中表現出與人等價，或至少無法區分的智能，那麼，我們就説這台計算機通過了測試並具備人工智能。第二次AI熱潮則由語音識別掀起。20世紀80年代到90年代的第二次AI熱潮中，語音識別是當時最具代表性的幾項突破性進展之一。今天我們拿出手機，使用蘋果手機內置的語音輸入法，或者使用中文世界流行的科大訊飛語音輸入法，我們就可以直接對着手機説話以錄入文字信息。技術上，科大訊飛的語音輸入法可以達到每分鐘錄入400個漢字的輸入效率，甚至還支持十幾種方言輸入。

1.4人工智能所帶來的警示

AlphaGo帶來的警示是：如果計算機可以在兩年內實現大多數人預測要花20年或更長時間才能完成的進步，那麼，還有哪些突破會以遠超常人預期的速度來臨？這些突破會不會超出我們對人工智能的想象，顛覆人類預想中的未來？我們已為這些即將到來的技術突破做好準備了嗎？AI真的會讓人類大量失業嗎？哪種工作最容易被AI取代？這一系列的問題，都引起我們的思考。

1.5 分析人工智能

人工智能的應用場景有：自動駕駛、智慧生活、智慧醫療、藝術創作、智慧金融、和人類同場競技等。今天的人工智能還不能做什麼？情感、審美、自我意識、跨領域的推理、抽象能力、常識等。人工智能時代，程式化的、重複性的、僅靠記憶與練習就可以掌握的技能將是最沒有價值的技能，幾乎一定可以由機器來完成；反之，那些最能體現人的綜合素質的技能，例如，人對於複雜系統的綜合分析、決策能力，對於藝術和文化的審美能力和創造性思維，由生活經驗及文化薰陶產生的直覺、常識，基於人自身的情感（愛、恨、熱情、冷漠等）與他人互動的能力，這些是人工智能時代最有價值，最值得培養、學習的技能。

2 識別模式

如今，機器學習的應用已遍及人工智能的各個分支，如專家系統、自動推理、自然語言理解、模式識別、計算機視覺、智能機器人等領域。其中模式識別就是計算機用數學技術方法來研究模式的自動處理和判讀。我們把環境與客體統稱為“模式”。當我們人眼看到一幅畫時，我們能夠很清晰的知道其中哪裏是動物，哪裏是山，水，人等等，但是人眼又是如何識別和分辨的呢，其實很簡單，人類也是在先驗知識和對以往多個此類事物的具體實例進行觀察的基礎上得到的對此類事物整體性質和特點的認識的，並不是人類原本就有對這類事物的記憶，就好比嬰孩時期的我們，並不知道什麼是狗，什麼是帥哥，什麼是美女，但是隨着我們的慢慢長大，我們觀察的多了，見的多了，再加上過來人的經驗指導，我們就知道的多了。 其實，每一種外界的事物都是一種模式，人類平均每天都在進行着很多很多的各種各樣的模式識別，人們對外界事物的識別，很大部分是把事物進行分類來完成的。而我們對事物進行辨別，就是模式識別。

2.1 識別模式的主要方法

解決模式識別的方法主要有：模板匹配法，ANN法，基於知識的方法和基於數據的方法。基於知識的方法就是專家系統，句法識別就屬於基於知識的，但是句法識別不常用。基於數據的方法也就是基於統計的方法，即依據統計原理來構造分類器，來對未知樣本進行預測，這種學習過程是機器學習中研究最多的一個方向，也是模式識別採用的最主要方法。顧名思義，ANN也就是大名鼎鼎的神經網絡。模式識別的研究範疇，存在兩個極端，要麼分類和特徵之間的關係完全確定，要麼完全隨機。

2.2 監督與無監督

簡單來説，類別已定的就叫做有監督分類，反之就是無監督分類；前者因為我們有已知劃分類別的訓練樣本來作為學習過程的“導師”，所以很多時候，有監督和無監督，又叫做有導師學習和無導師學習；

後者，在不知道要劃分的是什麼類別時，我們要做的工作是聚類（clustering），根據樣本特徵將樣本聚成多少類，使屬於同一類的樣本在一定意義上是相似的，不同類之間的樣本則有較大差異，通過聚類得到的類別也稱作為聚類，但是通常在聚類中存在一個尺度問題，當設置的尺度不一樣，得到的聚類也不一樣。所以在很多無監督識別問題中，分類結果並不一定是唯一的，因此在沒有特別指定的目的情況下，很難説哪種分類方案更合理。另外，用一種方法在一個樣本集上完成了聚類分析，得到了若干個聚類，這種聚類結果只是數學上的一種劃分，對應用的實際問題是否有意義，還需要結合更多更專業的知識來進行解釋。

2.3 識別模式應用

主要有：語音識別，説話人識別，OCR，複雜圖像中特定目標的識別，根據地震勘探數據對地下儲層性質的識別，利用基因表達數據進行癌症的分類等等。

2.4 模式識別系統的構成

一個模式識別系統通常包括典型的四個部分（如下圖）：對原始數據的獲取和預處理，特徵提取與特徵選擇，分來或聚類，後處理；以上四個部分，無論是監督的還是無監督的都共有的，可以説是整個系統的核心所在，也是模式識別學科的主要研究內容。

3 總結與期望

AI來了，有思想的人生並不會因此而黯然失色，因為我們全部的尊嚴就在於思想。機器帶給人類的不是失業，而是更大的自由與更加個性化的人生體驗。未來也將是一個人類和機器共存、協作完成各類工作的全新時代。正如譚鐵牛院士在中科院第十九次院士大會上的報告《人工智能:天使還是魔鬼？》所説的那樣，高科技本身沒有天使和魔鬼之分，人工智能也是如此，這一把雙刃劍，是天使還是魔鬼取決於人類自身。人工智能在天使手裏是天使，在魔鬼手裏就是魔鬼。因此我們有必要未雨綢繆形成合力，確保人工智能正面效應，確保人工智能造福於人類。

參考文獻

[1]張學工，模式識別[M].北京:清華大學出版社,2000.1

[2]王萬森.人工智能原理及其應用(第三版).電子工業出版社,2012

[3]百度百科：人工智能