人工智能(AI)是什么玩意?-《芯苑》

去年Alpha狗出来的时候,我就想写点什么,但那个时候写点什么,就感觉有点愤青了。为什么要把机器人跟人比呢?无聊不啦。这无异于把人和汽车比谁跑得快,你咋不拿计算机和神算子比?为啥不拿计算机和超强大脑比?一个道理对吧?

好吧,不愤青了,理智的说点事情吧。我们人类之所以是高级动物是因为我们求同存异,我们研究机器人绝对不是为了“人类 vs. 机器”,而是为了“人类+机器”=更强大的人类!

引用维基百科:人工智能英语:Artificial Intelligence, AI)亦称机器智能,是指由人工制造出来的系统所表现出来的智能。通常人工智能是指通过普通电脑实现的智能。该词同时也指研究这样的智能系统是否能够实现,以及如何实现的科学领域。

所以,他是由人工制造出来的智能系统。主要依靠计算机系统去实现机器智能化,这个过程包括学习知识运用知识,推理知识得出结论以及自我纠正等。

计算机永远不能和人比,因为他永远只能做有逻辑的事情,所以他不会有灵感,不会有创新!

AI是由美国计算机科学家约翰·麦卡锡(John McCarthy)于1956年在达特茅斯会议(Dartmouth Conference)创立的。而先在的AI应该是指所有的自动化控制过程包括机器人在内的所有总称,得益于物联网与智能手机技术的推广,数据和信息量越来越庞大,AI可执行的任务更多,比如识别数据模式或规律比人类更有效,所以很多互联网企业或制造企业可以从大数据中获得更多洞察力,掌握未来要发展的趋势或预防即将发生的事情。AI的分类有很多种,按照功能可以分成简单的AI和复杂的AI,简单的AI如Siri,她就是一个虚拟的个人助理。而广义的AI应该是要具备认知能力的系统,能够为特定的任务寻找方案的系统。

引用密西根大学的综合生物学和计算机工程科学院教授Arend Hintze的分类方法,AI系统可以氛围四类:

1) 反应机器(Reactive Machine): 这应该就是类似Alpha狗,他能够下棋,并能精准计算最优化的方式(strategic move)。但是他没有存储功能,也就是没有记忆,所以他不能有经验之谈。所以他的应用领域很窄。

2) 少量记忆(limited Memory):这样的AI系统能够运用过去的记忆去提醒未来的决策,很多自动驾驶都是依据这个概念设计的。

3) 思想理论(Theory of Mind): 这是个心理学术语,他是基于其他人的信仰、欲望和意图的理解来影响他们所做的决定,目前还不存在。

4) 自我意识(Self Awareness):他们有自我的感觉和意识,了解他们目前的状态,并可以依据此信息来判断别人的感受,这种目前也不存在。

人工智能(AI)是什么玩意?-《芯苑》

 

人工智能(AI)与机器学习(Machine Learning)以及深度学习(Deep Learning)

人工智能广义来讲应该就是机器能够更智能的完成一项任务,如果他能够和我们人类一样思考,拥有和我们一样的智慧,拥有我们全部的感知和理性,则他就可成为“强人工智能”[General AI],显然我们现在的人工智能还只是弱人工智能[Narrow AI]。机器学习应该是实现人工智能的方法而已。如果用关系来表达的话,人工智能应该是一个更大的范畴,而机器学习是他的一个组成部分而已。

而机器学习的关键在于算法,他是利用算法来分析数据的实践和学习,然后对真实事件做出决定或预测,而不是传统意义的用一组特定的指令去完成某个设定好的任务,机器是通过使用大量数据和算法来【训练】,从而使它学习如何执行任务和做出决策,随着时间的改变,算法逐渐完善而改变一切。而且我相信,这个过程没有终点,只有更完美。说直白一点,他就是if-then, else-then, end的重复的algorithm而已,所以这完全就是IT的活。

那么深度学习呢(Deep Learning)?如果说机器学习就是基于计算机程序算法的逐渐自我完善的话,那么深度学习就是另一种算法了,他主攻人脑的神经网络(Neural Networks)以及神经元之间的相互关系等。从生物层面讲,人脑记住一个事物,是把这些事物支离破碎的记载在每个神经元细胞里,这只是第一层。而第二层是利用第一层的存储数据进行任务分析处理,一直传输到最后一层产生结果。这个“深度”的意思就是神经网络的层次数量,浅层神经可能只有一个隐藏层,而深度神经网络则不止一个隐藏层,多个隐藏层让深度神经网络能够以分层的方式学习数据的特征,因为简单特征(比如两个像素)可逐层叠加,形成更为复杂的特征(比如一条直线)。和小朋友认识世界的方式一样,神经网络的深度学习必须是调制和训练出来的,是不是还会出错,所以他最需要的就是训练!

只有深度学习才是人工智能的未来,才会有科幻电影的效果。深度学习的出现基本上受益于大数据以及超级计算机处理能力(比如GPU),所以才会有一种说法“软件正在接管世界”,而现在应该是“深度学习接管机器学习”。说白了,AI就是“算法+数据+计算”的综合体,说到这里我们这些做半导体的人心就寒了,痛悟自己入错了行啊!AI公司都是招程序猿的哦,O(∩_∩)O

人工智能(AI)是什么玩意?-《芯苑》

 

AI的应用实例:

1) 过程自动化:可以执行大量繁琐重复的人类劳动,他与IT自动化的不同之处在于,他可以适应不断变化的环境。

2) 机器学习(Machine Learning):机器在没有编程的情况下就可以自己行动,深度学习是他的一个分支,他可以被认为是预测分析的自动化。机器有三种学习模式:监督学习,数据被标记用以检测被学习的新的数据集。无监督学习,未标记但可以根据相似性或差异性进行排序。强化学习,没有标记,被执行动作或者多个动作之后,AI系统被给予反馈。

3) 机器视觉(Machine Vision):计算机能看到的科学。简单一点就是图形比对,异常检查,动态追踪等。

4) 自然语言处理(NLP):他是处理人类的语言而不是计算机的语言(计算机的语言是代码),比如他可以帮你处理垃圾邮件。所以他的前提是机器必须学习过处理逻辑,所以前身是“机器学习”。广义的NLP包括文本翻译,情感分析,语音识别等等。

5) 机器人,这玩意可以代替人类去执行一些很难执行(比如外科手术,太空搬运等)或者很枯燥(传送,焊接)的任务。现在继续发展的技术是使用机器学习来构建社交环境下的能够互动的机器人,这就需要他能够有人的情绪、意识、记忆、思考等深度学习的机器人了,不然就太生硬了。

机器人如果要能生存,必须具备人类的基础功能:感知、语言、记忆、推理、规划和学习等。但是目前还没有情绪和意识等功能。

1、感知:包含看到的和听到的,本身这个事情很简单,加个CIS处理器和MEMS麦克风就可以了。但是回到我们人类来看,我们过几天或者几个月已然能想得起来,所以机器人必须要把这些图像/视频、音频信息记录下来,并且能够长期保存下来,这也容易。关键是如果我问他某天某月某日你见过某人吗?他穿了什么颜色的衣服?当时讨论什么话题?他如何从音频视频信息中索取出来?还有他如何能够根据环境当下的目的,从嘈杂的环境中找出某人的声音?

2、语言能力:这个其实比较简单,装个喇叭就好了,对吧。其实难点在于如何见人说人话见鬼说鬼话?如何根据对方的肢体、表情来窥探对方的内心,有分寸的对话,所以这一节还是离不开感知能力。

3、记忆能力:这个本来也是很容易的事,装存储器就好了。其实也没那么简单,再回到人类的认知过程,小孩子如何记住那是一条狗?下次再见到她就认识了。因为你教过他,可是你没有教过他狗的特征吧?她是怎么记住的?四只腿?哎吐舌头?这是个很奇怪的过程,并不是计算机的“0”和“1”堆积出来的。

4、规划能力:其实就是导航里面如何选择最优路线,或者就是阿尔法狗下棋的逻辑,通过感知的信息,来判断下一步或下几步该怎么走。这个功能很有用,未来的自动驾驶技术就是依赖于这个技术架构下的高精度高性能博弈过程。

5、学习能力:如果机器人要接近人,必须要与时俱进,活到老学到老,不然你就不知道当下流行什么时髦词,你还怎么和年轻人对话?人家跟你说“老司机”,你别说我没驾照,那就尴尬了。不要以为难道我们设计这么复杂的机器人就是为了聊天娱乐吗?我很负责的告诉你,未来的趋势一定是。还记的手机的路吧?手机不是一个打电话的工具,他先是我们的玩具,接着发展到我们衣食住行的工具,现在是我们的陪护。当机器人发展到消费产品家用的时候,你的体验是很重要的,只有变成消费品他才能带来工业的爆发。

 

那么到底人工智能和机器人差别是什么?说白了,就是灵魂和肉体的关系。人类之所以是人类,就是我们有信仰有灵魂,而肉体只是我们的皮囊和载体而已。所以普通的机器人智能做一些繁重的重复的工作而已,只有将感知、学习、规划等技术塞进机器人的大脑里才能把他变成智能机器人。不要以为两条腿走路就是智能机器人哦。

当然机器永远不可能取代人类,因为我们有意识,我们有创新!机器人永远都是“骑驴找驴”,而人类却能够“骑驴找马”,甚至会有意外收获。准确的说人工智能发展的深度,完全取决于人类对大脑的研究的程度,所以不要单一认为人工智能就是硬件和软件的事,更是生物科学家/大脑科学家/神经科学家,数学家等多学科结合的产物。而我们人类对大脑的研究还只是起步,所以人工智能可想而知。

今天还是是“互联网+”的时代,明天我们就是“人工智能+”的时代了,你准备好了吗?

人工智能领域能创业吗?

他属于软件行业,看起来只要技术就行,那你就错了。他的核心在大数据,你的有数据来源去让你的机器不段的去[训练]。所以初创公司几乎不可能活的下来!当然你也可以夹缝里求生存,在垂直细分领域里提供方案,积累用户和数据。还有就是创业到底要不要技术?要!但是技术永远只是必要不充分条件。还要分析市场搞清楚你的面向是2B(面向企业)还是2C(面向消费者),一般情况做2B比较容易,做2C比较难,毕竟消费者只讲体验没法给你建议,所以你就需要很多的技术积累和庞大的团队,以品牌为主。但是2B就不一样了,客户很清楚他要什么,而且你也很容易变现,只是你需要靠关系拼资源,还有就是需要找到一个切入点,找到自己的核心竞争力。垂直领域的发展还是以2B为主。

还有初创企业的人才结构,首先的有产品出来,even是山寨的!所以首先的有产品工程团队,其次再有研发团队。这两个是不一样的,产品团队比较有产品思维,这些是研发人员欠缺的,研发人员都有技术情怀,牛人扎堆有利于对外宣传拉VC投资,但是毕竟不利于管理。

最后就是time to market,就是马云讲的,淘宝夺了你的饭碗,我不做也会有其他人做,只是我先人一步而已。

 半导体制造业如何引入人工智能?

别以为有个SPC管控自动挂机台就算人工智能哦?这可能连machine learning都不算。广义上讲,未来的流水生产线,应该能够自动侦测每个机器每个零件的风吹草动,并能自动trigger异常警报,还要能够做风险评估,以及异常产品的处理等。永远记住,人能做的事情人工智能都能做(除了七情六欲),每每生产线爆出异常的时候,我们这些工程狗总能想出一堆risk assessment,最后证明他有没有risk,这都是理论和经验的积累结果,都是有逻辑可循的,那么机器就一定可以做。所以难点在于,如何侦测的到每个机器每个零件的异常数据,这个大数据该如何处理?

我们如何不被机器取代?

不要重复简单的体力或脑力劳动,不要以为自己天天在分析WAT就觉得自己是脑力劳动者,只要能被别人学习的,就有可能被机器学习而取代。

尽量从事创造性工作,机器可以从嘈杂的环境里找出一曲音乐,但是他永远无法传作一首音乐。

教育方向的转变,以前我们总是学习课本,我觉得那就是重复的脑力劳动,我们更应该培养对艺术和文化的追求,审美能力是创作的基石,在艺术面前重要的是感性的享受,而不是理性的分析和计算。所以我倾向于侧重艺术和文化的教育。

培养社交和人际的软实力,情感和思想永远都是机器无法取代的,他永远无法分享你的喜悦,分担你的痛苦,控制别人的情绪等。