原创：王稳钺
资料来源：单博
一、真假元宇宙
最近元宇宙这个概念非常火，网上的资料也是铺天盖地。但个人认为元宇宙这个概念里蹭热点的人非常的多，元宇宙还是处于概念为主的阶段。很多人说自己在做元宇宙，但其实都是真假难辨的状态。在元宇宙这个词出现之前，其实有很多相关的概念，比如虚拟现实（ VR ）、数字孪生、自动化等。数字孪生其实就是仿真建模，比如说我国的国产的飞机 919 等大型的机械化的电气化的设备在生产的过程中，都会涉及到跟数字孪生相关的一些数字仿真。元宇宙这个概念，其实应该更加理性去看待，关于元宇宙，人们达到了一个共识就是它一定是确定性的一个未来，但是它如何、何时能够到来，还是一个未知数。
关于一个技术的发展，经常可以用 Gartner 技术成熟度曲线来对它进行一个衡量。在一个技术诞生初期会有一个爆发期，但是往往会带来一个过高的期望，来到一个峰值。峰值过后就会有一个下降的冷却期。之后，在泡沫崩盘之后会有一个缓慢爬升的过程，最后才能投入到真实的生产科研这些应用当中。
如果要实现能够在一个虚拟的世界里面生活、互联、人际交往，其实还需要大量的基础设施，软硬件的发展、市场的培育、内容的建设，需要这几点甚至更多的协同才能实现。所以元宇宙现在有真有假，众说纷纭，所以一定要用相对冷静和务实的态度来看待元宇宙。
二、人工智能现在在哪里？
人们普遍认为AI是离元宇宙相对较近的方向，我们可以通过 AI 和元宇宙之间的关联来了解一下 AI 技术现在发展到了什么程度，未来还有哪些发展。元宇宙中一个重要的方面就是人机交互和信息的传递，这在 AI 当中也有很多应用。例如抖音，有没有发现抖音越刷越爱看呢？每天推荐的都是感兴趣的内容。还有淘宝，即使最近不太想买东西，偶尔也会打开淘宝看一看。淘宝就会根据最近浏览过的商品来推荐可能感兴趣的商品，比如最近浏览过手机耳机，就有可能会推荐其他电子产品；搜索过衣服，就会推荐很多符合审美，符合价位的服装。除此以外，包括很多音乐软件也有猜你喜欢等等歌单的推荐。这些都是属于推荐系统在日常生活中的应用。
计算机视觉在日常生活中也有广泛的应用。比如说手机解锁，上下班刷脸打卡、高铁站机场等需要通过人证比对来做身份的检验、自动驾驶等等。自然语言处理同样如此，人们的生活也都离不开有道词典等翻译软件。
三、认识人工智能
很多书、教材中都会说人工智能没有一个明确的定义。但是我们可以将它定义为——为机器赋予人的智能，即像人一样感知，像人一样思考，像人一样行为。其实感知、决策控制这三点就是机器要具有的人的智能。感知，就像人的视觉、听觉；思考，像人一样在不同的情况下要做出决策；做出决策，还要执行，这就属于像人一样行为。
在人工智能诞生之初，人工智能这个词是怎么来的呢？其实它最早和控制论是非常相关的。其实控制论和人工智能是一个相辅相成的概念。控制论这个词出现得更早，其实它就是早期的人工智能概念。随着学术界出现了争执和风波，一群 AI 的学者，为了脱离原本维纳的控制论，所以起了一个新词叫人工智能。所以如果在谷歌的词频里面搜索一下的话，也可以看出来，早期的时候，在五六十年代的时候，控制论这个词迎来了一波高峰，但后来就衰落了。
那现在这个时代，当谈论到人工智能的时候，其实是在谈两个概念，即算法工具和智能硬件。因为人工智能其实是在硬件的促进下发展的，三驾马车指的就是算法、算力和数据。关于算法工具，其实就是深度学习和强化学习。AlphaGo 就是将深度学习和强化学习相结合产生的。硬件系统主要的就是指移动端的芯片，比如手机里的芯片。
今天人工智能算法中最火的名词就是深度学习了。但是人工智能有许多流派，符号主义、连接主义、统计主义、行为主义等等，在这些流派下面会诞生不同的算法的门类，不同的算法门类里面细节还有很多算法，人工智能的算法非常多，比如说知识图谱、专家系统、遗传算法等，他们都属于 AI的算法。但最近十年是深度学习比较流行，但是如果真的想扎根于人工智能的话，不要放弃其他算法，因为人工智能的发展，一直都是三十年河东，三十年河西。在最早的时候符号主义和专家系统特别流行，现在就不流行了，但没人知道十年之后他不会再次流行。
在人工智能诞生之初，科学家会想怎么实现人工智能呢，然后就诞生了不同的流派。在最早符号主义比较占上风，科学家们都认为通过这种基于规则的数理逻辑、数学逻辑（加减乘除、与或非）就可以实现人的智能。因为计算机刚刚诞生的时候，就是利用这些进行计算的。但是即使到了现在人脑的原理，人们也没有完全的理解，现在的电脑也还是不能代替人脑，所以符号主义没有走得很远，逐渐没落了。
其实在人工智能诞生的早期，还有另外一个流派就叫做连接主义，或者叫连接流派。它是模拟大脑的连接结构。该流派主要是模拟人脑的结构。人脑由神经元组成，那机器脑就由人工神经元构成；人的大脑皮层是一层一层连接起来的，那机器里面的大脑就由一层一层的人工神经元连成。这就是连接主义这一派的思路，所以这也是神经网络和深度学习所属的流派。所以从最早人工神经元发展到多层感知机，然后发展发展到神经网络，这些学习算法发展到现在就成为了深度学习。
其实行为主义也一直在流行。行为主义的代表算法就是遗传算法。遗传算法是强化学习的一个特例，这一类的算法是模拟人的行动和决策的，人类看到什么事情，会做出什么样的行动。比如，当人类看到前方有障碍物会躲避，那这个从感知到行动的行为，科学家认为如果机器也能像人一样有从感知到行为的映射，那机器就具有了人类的智能，所以叫行为主义。
最后一个流派叫统计主义，这个非常像数理统计这一派的，它其实就是机器学习，因为机器学习的全称叫做统计机器学习。那这一类的流派的科学家就希望系统可以自动地从数据中获得知识，而不需要人告诉他，也就是在数据，也可以叫经验中学习。在经验中学习，其实跟人的学习的过程是很像的。比如监督学习和无监督学习，就很像人类的学习的过程。机器学习通常被划分为监督学习、无监督学习和强化学习。监督学习就类似于老师在说，哪个是正确的哪个是错误的。在这种标签或者老师的监督下，在数据中产生算法，产生模型。监督学习非常适合解决分类或者回归类问题。监督学习就没有老师了，相当于完全自习的状态，所以无监督或者无老师学习，它很适合解决一些聚类的问题，没有明显的标签或者是没有明显的好坏，甚至没有明确的对错的一些问题。比如社交网络里面的一些舆情的信息等等，都可以用聚类来做分析。另外一个就是强化学习，它适合解决的是决策问题，比如说机器人的控制、自动驾驶、下围棋、下国际象棋等等。当然围棋因为它的难度比较高，在 2016 年的时候才被 AlphaGo 解决，但也并不能叫完全解决。
机器学习之后就发展到了神经网络。神经网络根据网络结构可以分为两类，即卷积神经网络和递归神经网络（或循环神经网络）。卷积神经网络更适合于解决空间相关的信号，比如照片。递归神经网络，或者循环神经网络，它适合解决与时间相关的信号，比如语音信号。
深度学习是什么时候得到发展的呢？在 2012 ImageNet 挑战赛里，Alex 提出了一个网络，把深度学习变成了一个参数可调可学习的状态。所以从 2013 年开始，深度学习就蓬勃发展了。但这一个挑战赛最早只在学术界有一定的影响力。什么时候工业界和大众都开始关注到深度学习呢？其实是 AlphaGo 战胜人类之后，但战胜人类的是深度强化学习，但反倒让深度学习火了，这也是非常有意思的情况。
四、像人一样感知——以人脸识别为例
如果让机器实现人脸识别，总共分几步呢？其实有三步就够了。如果要求高的话，就需要有四步。第一步就是做一个人脸检测，先要检测出人脸区域，再去识别。但在检测和识别中间还需要检测关键点。什么叫人脸的关键点呢？比如鼻子、嘴巴、眼睛、眼角、鼻翼、嘴角等等。关键点的作用是因为人脸识别不一定是正对镜头，有可能是侧面，通过关键点就能把偏的人脸矫正，然后通过正的人脸去比对。
解决人脸的检测问题又分几步呢？人脸检测其实最早分为三步，在深度学习的发展之后，人脸检测流程就变简单了。虽然算法变复杂了，但流程呢变简单了，速度也变得越来越快了。现在有一些目标检测叫两阶段检测，例如 RCNN 系列算法。还有一阶段的算法，比如 YOLO，SSD 系列。在深度学习的驱动下，目标检测算法兵分两路，分为一阶段和两阶段。
五、像人一样决策&行动——以自动驾驶为例
就一辆车来说，让 AI 代替驾驶员的过程就是完全代替人的过程。那什么来代替人的眼睛呢？可以是激光雷达，但激光雷达的价格非常高；还有可能是摄像头，比如特斯拉，就不使用激光雷达，只基于视觉的障碍物检测；还可以是毫米波雷达。因为毫米波雷达它测距比较远，价格便宜，所以可以在汽车上装很多个。一般自动驾驶的计算设备就在车的后备箱中，由工控机、GPU 等组成。还包括一些执行单元，比如方向盘、油门等。
那要实现无人驾驶，要解决几个问题呢？第一要解决这种感知问题，比如车道线、障碍物等等。第二还要认知它，克服一些不确定性，增强检测的鲁棒性等等。第三就是决策，看到了障碍物，还要思考该如何规划轨迹。第四就是控制，最后就是执行了。另外，比如说高精度地图、定位感知和 GPS、北斗等等，这些也都是非常重要的环节。
在自动驾驶中，因为获取数据的传感器很多，比如有单目相机、双目相机、毫米波雷达、激光雷达等，这就会涉及到传感器的融合了。其实传感器融合是一个非常传统的科研方向。早期的时候都叫数据融合，但随着科研领域流行词汇的改变，现在更多的称为多模态融合。
其实学习人工智能并不难，想要实现前面提到的目标检测任务，其实只需要十几行代码。元宇宙是未来下一代互联网，是人类未来的数字化生存。元宇宙是一系列技术的“连点成线”，能够带来超越想象的潜力，驱动产品创新和商业模式创新。终极的元宇宙将包含：互联网、物联网、AR / VR、3D 图形渲染、AI 人工智能、高性能计算、云计算等技术，具有改变世界的潜力。如果对元宇宙感兴趣，而又不知道从哪入门，那么从 AI 这个大家公认与元宇宙最相近的方向开始学习是很好的选择。