人工智能技术概述与入门

• 一、人工智能概述

        上世纪50年代， 以香农（Claude Elwood Shannon ）为首的科学家共同研究机器模拟的相关问题，形成了人工智能的雏形。”人工智能”一词最初在1956 年达特茅斯学会上被提出，初期的人工智能主要在机器学习、定理证明、模式识别、问题求解、专家系统及人工智能语言等方面取得了不少成就，上世纪70年代后许多国家都开展了人工智能的研究，这段时间涌现了大量的研究成果，尤其是专家系统的研究在多种领域中取得了重大突破，各种不同功能、不同类型的专家系统如雨后春笋般地建立起来，产生了巨大的经济效益及社会效益。上世纪90年代以来，计算机算力不断增加，人工智能的桎梏被打破，同时其他信息技术与互联网技术的快速普及推动了人工智能实现规模化商用，而人工智能应用的普及也推动了其技术的发展，自此，人工智能进入高速发展阶段。

        人工智能的定义目前还没有形成统一，我国《人工智能标准化白皮书（2018年）》将人工智能定义为是利用数字计算机或者由数字计算机控制的机器，模拟、延伸和扩展人类的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术和应用系统[1]。加州大学伯克利分校人工智能系统中心创始人斯图尔特·罗素(Stuart Russell)将人工智能分为像人一样思考的系统、像人一样行动的系统、理性思考的系统、理性行动的系统四类[2]。

        人工智能目前的主要领域分为计算机视觉、语音识别与合成、机器学习、自然语言处理、知识图谱等，图1显示了我国2019年科技企业在不同的人工智能领域的实际研发投入情况。计算机视觉是一门使计算机像人类通过视觉了解世界一样，对图像进行分析与识别，读取其中的信息。语音识别、自然语言识别与计算机视觉类似，都是指计算机对声音信号与文本语言进行类人的分析与识别，以获取其中的信息。机器学习主要是计算机通过对数据的分析实现对规则的学习，实现自身算法性能的提高。知识图谱是一种展示知识结构关系与发展进程的技术，通过可视化技术为学科研究提供有价值的参考。

 数据来源：中国金融科技发展报告（2020）   

图 1  2019年中国科技企业AI主要领域算法研发投入情况

• 二、人工智能技术原理

• 1. 机器学习

（1）基本概念

        机器学习（Machine Learning, ML）是人工智能领域最能体现其智能性的分支，主要是计算机通过对已知情况的数据集进行分析后，生成可以面对新情况的模型算法。机器学习与人类学习的过程十分类似，我们在学习时往往会通过以往的经验对新遇到的情况作出判断，实际上机器学习中的计算机也是这样。

        设想一个人从未见过刺角瓜，但现在因为某种原因需要经常吃这种水果，所以需要学习怎样在市场上挑选好吃的刺角瓜，那么他可以先随机买一筐刺角瓜，吃的时候注意观察好吃与不好吃的刺角瓜分别有什么特征，特征包括表皮颜色、表皮粗糙程度、体积大小、香味大小、饱满程度等，每一个刺角瓜都可以在这几个方面做出评价。在吃到一定数量了之后，往就能够学习到哪种特征的刺角瓜更好吃了，之后再去市场买刺角瓜就可以依据学习到的经验进行挑选购买并品尝，以验证他学习到的挑瓜经验是否有效了。这个学习过程对应到机器学习中，”挑选好吃的刺角瓜”是学习目标，”随机买回来的一筐刺角瓜”是训练数据集，”一边观察特征一边吃”就是训练过程，”得到哪种特征的瓜好吃的经验”就是模型算法，从训练数据集中获取规律生成模型算法的能力就是泛化能力，而”去市场挑选购买并品尝”就是进行测试。再具体一点，随机买的那筐刺角瓜也就是训练数据集中，对于计算机来说，每一个刺角瓜都是一条数据，这条数据包括表皮颜色、表皮粗糙程度、体积大小、香味大小、饱满程度这几个维度的数据，可以将其想象成如同表1 的一张表格。那么计算机就需要通过某种办法基于这些数据生成一种判断模型，例如可以认为表皮颜色为黄透红且体积小的瓜好吃，并通过这个模型对下一个遇到的刺角瓜进行判断。

表1 训练集数据示意

数据\特征	表皮颜色	表皮粗糙程度	体积大小	香味大小	饱满程度	是否好吃
刺角瓜1	黄透红	粗糙	大	小	干瘪