人工智能现状调查

陈俊宇 重庆育才中学

人工智能现状调查

陈俊宇 重庆育才中学

近些年，人工智能在高度发达的电子技术支持下，以极其迅猛的速度发展起来，甚至很多人工智能产品已经投入应用，走进人们的生活。本文简单分析了人工智能的发展现状和现在常用的机器学习算法，并简单地探讨了一下人工智能现如今的发展难点，让大家对人工智能有一个基础的了解。

人工智能 现状 发展

1 人工智能、发展现状、机器学习算法

近年来，人工智能学术研究方面最大的成果非深度学习莫属。深度学习[2]最初由加拿大多伦多大学Hinton教授和他的学生Salakhutdinov于2006年在发表于顶尖学术刊物《Science》上的一篇论文中提出。Hinton在2012年ImageNet图像分类竞赛中利用深度学习技术取得重大突破，识别准确率超出第二名10%以上。深度学习源于人工神经网络的研究，作为机器学习研究的一个重要分支，其主要目的在于建立、模拟人脑机制来进行数据的分析与解释。

Hinton教授和他的两个研究生AlexKrizhevsky和IlyaSutskever于2012年底成立了一个名叫“深度神经网络研究”(DNNresearch)的公司，3个月后就被谷歌以500万美元收购。Hinton从此一半时间留在多伦多大学，另外一半时间在硅谷。两位研究生则成为谷歌的全职雇员。原来在纽约大学教书的YannLecun，2013年底被脸书(Facebook)聘请为人工智能研究院的总管。曾在斯坦福大学和谷歌工作的吴恩达，2012年创立了网上教育公司Coursera，2014年5月被百度聘任为首席科学家负责百度大脑的计划。2015年，谷歌公布开源机器学习平台TensorFlow；FaceBook打造其专属机器学习平台FBLearnerFlow，大幅提高员工效率；2015年5月，特斯拉创立开源人工智能系统OpenAI。其他工业巨头也纷纷斥巨资推动人工智能的发展，例如IBM的沃森系统、百度大脑计划、微软的同声翻译等等。2016年的IBM正在率先推动全球人工智能的第一次商业化浪潮与核心业务转型。目前，深度学习的研究热点正在迅速转向基于深度卷积神经网络的物体检测与定位/分割能力，其突破将推动人工智能的实际应用与产业发展。

2 说完人工智能的发展现状，再来看看一些机器学习算法的知识概念

它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。

而机器人的学习算法又可以分为监督学习和非监督学习：

2.1 监督学习(supervised learning)

在监督式学习下，输入数据被称为“训练数据”，每组训练数据有一个明确的标识或结果，如对防垃圾邮件系统中“垃圾邮件”“非垃圾邮件”，对手写数字识别中的“1”，“2”，“3”，“4”等。在建立预测模型的时候，监督式学习建立一个学习过程，将预测结果与“训练数据”的实际结果进行比较，不断的调整预测模型，直到模型的预测结果达到一个预期的准确率。监督式学习的常见应用场景如分类问题和回归问题。常见算法有逻辑回归（Logistic Regression）和反向传递神经网络（Back Propagation Neural Network）常见的监督学习算法包括回归分析和统计分类。

2.2 非监督学习(unsupervised learning)

非监督学习又称归纳性学习（clustering）利用K均值聚类(Kmeans)，建立中心（centriole），通过循环和递减运算(iteration&descent)来减小误差，达到分类的目的。常见算法包括Apriori算法以及k-Means算法。

机器学习的问题主要包括如下4个方面：

（1）理解并且模拟人类的学习过程；

（2）针对计算机系统和人类用户之间的自然语言接口的研究；

（3）针对不完全的信息进行推理的能力，即自动规划问题；

（4）构造可发现新事物的程序．

下面介绍两个目前非常火的两个算法

（1）人工神经网络

人工神经网络算法模拟生物神经网络，是一类模式匹配算法。通常用于解决分类和回归问题。人工神经网络是机器学习的一个庞大的分支，有几百种不同的算法。（其中深度学习就是其中的一类算法，我们会单独讨论），重要的人工神经网络算法包括：感知器神经网络（Perceptron Neural Network），反向传递（Back Propagation），Hopfield网络，自组织映射（Self-Organizing Map，SOM）。学习矢量量化（Learning Vector Quantization，LVQ）

（2）深度学习

深度学习算法是对人工神经网络的发展。在近期赢得了很多关注，特别是百度也开始发力深度学习后，更是在国内引起了很多关注。在计算能力变得日益廉价的今天，深度学习试图建立大得多也复杂得多的神经网络。很多深度学习的算法是半监督式学习算法，用来处理存在少量未标识数据的大数据集。常见的深度学习算法包括：受限波尔兹曼机（Restricted Boltzmann Machine，RBN），Deep Belief Networks（DBN），卷积网络（Convolutional Network），堆栈式自动编码器（Stacked Auto-encoders）。