扒一扒AI的基本概念

自去年AlphaGo战胜李世石以来，AI的热度一致居高不下，将近期了解的概念简单梳理，供大家学习和讨论。

什么是大数据？大数据时代，数据不再仅仅指数字或数字构成的，数据的范畴要大的多。包括：互联网上的任何内容，比如文字、图片以及视频；书籍中的文字内容；医院里包括医学影像在内的所有医学档案资料；公司里的设计图纸、设计文档等；科学研究中的各种观测数据以及历史研究成果；甚至我们人类活动本身，也可被看成一种特殊的数据，比如我们在微信朋友圈等社交网络的行为，浏览网络的记录，我们每天的出行轨迹、活动范围等。从以上数据来源的纷繁复杂性，大数据的“大”的特征是不言而喻的，但大数据的特征不仅仅是体量大，还需要具备多维度以及完备性的特点，才足以刻画出一个立体的事物。

什么是人工智能？学术界将人工智能分为传统人工智能方法和现代人工智能方法。那么传统人工智能方法是怎样的呢？其实简单地讲，传统人工智能的思路是，首先了解人类是如何产生智能的，然后让机器按照人的思路去做。这是对人工智能直觉认识，早期科学家也在这个方向上进行了很长时间的研究，到20世纪60年代末实在发展不下去了。

20世纪70年代，人类开始尝试机器智能的另外一条发展道路，即采用数据驱动和超级计算的方法。该方法首先被康内尔大学的教授贾里尼克用于研究语音识别，在贾里尼克之前，各个大学和研究所得专家们在这个问题上已经花了近20年的时间，主流的研究方法有两个特点：一是让计算机尽可能地模拟人的发音特点和听觉特征，二是利用人工智能的方法理解人所讲的完整语句。对于第一项研究，又被称为特征提取，大家提取特征的方式不一，好坏也不一。对于第二项研究，大家都采用了传统人工智能方法，基于语法规则和语义规则。但贾里尼克不是语言学专家，而是一位通信专家，在他看来，语音识别其实就是一个通信问题。

图1 通信过程

典型的通信过程如图1所示。对端是信息源，将所要表达的观点组织成语言然后表达出来，实际上是信息编码的过程。信息源发出的语音通过声道、空气等媒介传播到本端，本端对所接收的信息进行解读，理解对端意思的过程就是信息解码的过程。既然是通信问题，就采用解决通信问题的方法，为此贾里尼克用两个数学模型分别表示信源和信道，找到数学模型后，下一步就是采用统计的方法用大数据训练模型的参数，这就是“机器学习”的过程。在这个过程中，需要有大量的数据和足够的计算能力。

图2 数据使用的基本流程

数据使用的基本流程如图2所示。首先获取大量有效数据，然后对数据进行分析，总结事物的某种规律，将该规律固化成模型也就是知识，后续遇到类似的问题，将其作为该系统的输入，即可预测结果。如果在系统非常复杂的时候，我们无法直接获得我们所需要的信息，我们可以将相关联的信息量化，并且找到二者之间的相关关系，对这种相关关系建立数学模型，间接地得到我们所需的信息。也就是说，对于有确定关系的问题，我们可以通过分析得到固有的模型进行描述。但是大千世界，并不是所有的事物都是有确定模型可描述的，对于这类不确定性问题，通过分析数据间的相关性，以数据驱动的方法进行研究。详细的分析见《大数据时代，我们应该有怎样的思维方式》一文。

数据驱动方法在20世纪70年代得以起步，在八九十年代得到缓慢稳定的发展。进入21世纪之后，由于互联网的出现，使得可用的数据量剧增，数据驱动方法的人工智能优势越来越明显，当前正在从量变到质变的飞跃中。