人工智能：算法如何使系统变得智能

心兰相随引导者

已于 2023-09-02 00:45:37 修改

阅读量112

点赞数

分类专栏：人工智能学习与实践文章标签：人工智能算法图灵算法智能

于 2023-08-19 22:46:43 首次发布

本文链接：https://blog.csdn.net/arthas777/article/details/132353617

版权

人工智能学习与实践专栏收录该内容

42 篇文章 10 订阅

订阅专栏

算法的定义

“算法”是一个人们比过去更频繁地听到的词。原因之一是科学家们已经了解到，如果给出一些简单的指令，计算机就可以自行学习。这就是算法实际上是数学指令的全部内容。维基百科指出，算法“是一个逐步的计算过程。

算法的更高级定义

算法用于计算、数据处理和自动推理。” 无论您是否意识到，算法正在成为我们生活中无处不在的一部分。一些专家看到了这种趋势的危险。例如，Leo Hickman 写道：“美国国家安全局的爆料凸显了复杂算法在筛选大量数据方面所发挥的作用。但更令人惊讶的是它们在我们日常生活中的广泛使用。那么我们是不是应该更加警惕他们的力量呢？” [“算法如何统治世界”，《卫报》，2013 年 7 月 1 日] 宣称算法统治世界有点夸张；但是，我同意它们的使用正在变得更加广泛。这是因为计算机在我们生活的许多方面发挥着越来越重要的作用。我喜欢知乎解释：

“要让计算机做任何事，你必须编写计算机程序。要编写计算机程序，您必须一步一步告诉计算机您想要它做什么。然后计算机“执行”程序，机械地执行每个步骤，以实现最终目标。当您告诉计算机要做什么时，您还可以选择它如何做。这就是计算机算法的用武之地。算法是完成工作的基本技术。”

解释错误的唯一一点是你必须一步一步告诉计算机“你到底想让它做什么”。一些计算机算法不是仅遵循显式编程指令，而是被设计为允许计算机自行学习（即促进机器学习）。机器学习的用途包括数据挖掘和模式识别。克林特·芬利 (Klint Finley) 报道称：“当今的互联网是由算法统治的。这些数学创造决定了你在 Facebook feed 中看到的内容、Netflix 向你推荐的电影以及你在 Gmail 中看到的广告。” [“
想建立自己的谷歌吗？请访问 App Store 了解算法”，《连线》，2014 年 8 月 11 日]。

作为数学方程，算法既无善也无恶。然而，显然，无论是善意还是恶意的人都使用了算法。伦敦帝国理工学院计算系讲师帕诺斯·帕尔帕斯博士告诉希克曼：“[算法]现已融入我们的生活。一方面，它们是好的，因为它们释放了我们的时间并代表我们完成平凡的过程。目前关于算法提出的问题不是关于算法本身，而是关于社会在数据使用和数据隐私方面的结构方式。它还涉及如何使用模型来预测未来。目前数据和算法之间存在着尴尬的结合。随着技术的发展，总会出现错误，但重要的是要记住它们只是一种工具。我们不应该责怪我们的工具。”

算法并不是什么新鲜事

如上所述，它们只是数学指令。它们在计算机中的应用可以追溯到计算理论巨人之一艾伦·图灵。早在 1952 年，图灵就“发表了一组方程，试图解释我们在自然界中看到的模式，从斑马背上装饰的斑驳条纹到植物茎上的轮生叶子，甚至是复杂的折叠和折叠”一个细胞球变成一个有机体。” [“解释我们在自然界中看到的模式的强大方程解释我们在自然界中看到的模式的强大方程解释我们在自然界中看到的模式的强大方程”，作者：Kat Arney，Gizmodo，2014 年 8 月 13 日] 图灵在第二次世界大战期间因帮助破解恩尼格玛密码而闻名。可悲的是，图灵在出版该书两年后结束了自己的生命。幸运的是，图灵对世界的影响并没有随着他的自杀而结束。阿尼报告说，科学家们仍在使用他的算法来发现自然界的模式。阿尼总结道：

“在阿兰·图灵生命的最后几年，他看到了他的数学梦想——一台可编程电子计算机——从一堆不稳定的电线和管子中诞生了。那时，它能够以蜗牛般的速度处理一些数字。如今，你口袋里的智能手机所搭载的计算技术会让他大吃一惊。他几乎又花了一生的时间才将他的生物学愿景带入科学现实，但事实证明这不仅仅是一个简洁的解释和一些奇特的方程式。”

尽管图灵的算法在识别自然界中模式如何出现方面非常有用，但算法生成的其他相关性却更加可疑。Deborah Gage提醒我们，“相关性……与因果关系不同。” [“大数据揭示了一些奇怪的相关性”，《华尔街日报》，2014 年 3 月 23 日]她补充道，“得益于现在可用的大量数据，发现令人惊讶的相关性从未如此简单。” Gage 报告称，一家“公司发现新月期间完成的交易平均比满月时完成的交易多 43%”。已发现的其他奇怪的相关性包括：“人们在下雪、寒冷或非常潮湿的时候接听电话的频率更高；当天气晴朗或不太潮湿时，他们会更多地回复电子邮件。初步分析显示，他们在晴天时也会购买更多，尽管某些人在阴天时会购买更多。……在线贷款机构 ZestFinance Inc. 发现，使用全部大写字母填写贷款申请的人比全部使用小写字母的人更容易违约，而且比正确使用大写和小写字母的人更经常违约。” 盖奇继续说道：

“销售交易会受到月球周期的影响吗？是否可以通过一个人打字的方式来确定信用风险？快速的新型数据处理软件与大量的公共和私人数据相结合，使公司能够测试这些和其他看似牵强的理论，提出以前很少有人想到会问的问题。通过将人类和人工智能相结合，他们寻求发现聪明的见解并做出预测，从而使企业在竞争日益激烈的市场中获得优势。”

ZestFinance 首席执行官 Douglas Merrill 告诉 Gage：“数据科学家需要验证他们的发现是否有意义。机器学习不会取代人类。” 部分问题在于大多数机器学习系统没有将推理与计算结合起来。他们只是简单地吐出相关性，无论它们是否有意义。盖奇报道称，“ZestFinance 放弃了其软件中的另一项发现，即较高的人更擅长偿还贷款，梅里尔先生称这一假设很愚蠢。” 通过在机器学习系统中添加推理，相关性和洞察力变得更加有用。“问题的一部分，”凯瑟琳·哈瓦西，Luminoso 的首席执行官兼联合创始人，“当我们人类交流时，我们依赖于大量不言而喻的假设背景。......我们假设我们遇到的每个人都分享这些知识。它构成了我们互动的基础，使我们能够快速、有效且具有深刻意义的沟通。” [“谁在进行常识推理以及它为何如此重要”，TechCrunch，2014 年 8 月 9 日]她补充道，“尽管当今的技术非常先进，但随着它成为社会日常生活的重要组成部分，它的主要缺点是它不分享这些假设。”

哈瓦西继续说道：

“常识推理是人工智能的一个领域，旨在通过寻找收集这些假设并将其传授给计算机的方法来帮助计算机更自然地理解人类并与人互动。常识推理在自然语言处理 (NLP) 领域最为成功，尽管在其他领域也取得了显着的成果。机器学习的这一领域虽然有着奇怪的名字，但它正开始悄然渗透到不同的应用领域，从文本理解到处理和理解照片中的内容。如果没有常识，就很难在日益数字化和移动化的世界中构建适应性强且无监督的 NLP 系统。……NLP 是常识推理的优势所在，该技术正开始进入商业产品。虽然还有很长的路要走，常识推理将在未来几年继续快速发展，并且该技术足够稳定，足以在当今的商业用途中使用。与现有的本体和基于规则的系统或仅基于机器学习的系统相比，它具有显着的优势。”