文圖/方弦
本文選自《知識就是力量》雜誌10月刊
小夥伴們都知道， 形形色色的人工智慧（簡稱AI）早已深入日常生活。 對違章車輛車牌的自動識別， 網上搜索的自動推薦， 懂得自己充電和探索地形的掃地機器人， 還有會幫你自動排好日程的智慧助理……
今天我們就來認識一下人工智慧， 瞭解一下它是怎麼做到推理、分析資料以及模仿大腦的。
智慧掃地機器人Roomba860， 不僅能自己識別清掃區域， 還能自己返回充電底座進行充電
懂推理的AI
思考向來是人類的專長。 通過思考， 人類獲得了其他動物不具備的能力。 思考既然如此強大， 要模擬它就很困難， 於是， 人們將起點放在其中比較簡單的一部分——邏輯推理。 AI最初的一步， 就是教會機器邏輯推理的方法， 即具體的演算法。
但在考慮演算法之前， 有一個更根本的問題：我們怎麼知道邏輯推理一定正確， 而正確的命題必定能通過邏輯推理得到嗎？
幸好， 美國數學家哥德爾證明了在所謂“一階謂詞演算”的體系中， 答案是肯定的。 這個定理鋪平了自動邏輯推理的道路。 從20世紀60年代開始， 各種自動推理系統陸續出現， 只要向它們輸入以邏輯命題表達的某個領域的知識， 它們就搖身一變， 成為“專家系統”， 並自動進行推理， 回答人們提出的相關問題。 人工智慧就擁有這樣的自動推理系統。
圖片來源網路
分析資料的AI
AI的很多功能， 是通過大資料分析實現的。
我們知道， 電腦科學家發明了各種各樣的演算法， 從看似雜亂無章的海量資料中提取統計上有意義的規律。 人們利用這些演算法， 通過對大量病例的分析， 為某些特定的疾病提供早期的發現和診斷；還能從互聯網海量的雙語對照資料中， 得知如何將一種語言翻譯為另一種語言。
很多人工智慧， 就是運用了這種技術， 例如IBM研發的AI系統Watson， 在閱讀大量資料後， 搖身一變成為星級客服， 能回答顧客各種各樣的提問。
參觀者在IBM的展位元前觀看Watson系統演示
模仿大腦的AI
另外， 我們也知道， 人工智慧很“聰明”， 就好像擁有大腦， 會思考一樣， 不過你知道它是怎麼模仿人的大腦的嗎？
在人類大腦中， 負責處理資料的是上千億個名為“神經元”的細胞。 它們之間通過電脈衝互相傳遞資訊， 每個神經元受到一定閾值的刺激，
而AI的研究者則嘗試在電腦上重現類似的系統， 試圖模仿人類思維這一演化的奇跡。 這就是所謂的“神經網路”。 當然， 我們現在仍然無法模擬整個大腦， 但即使是數萬個神經元組成的系統， 能力已經非同凡響。
那麼，人工智慧是怎麼形成神經網路的呢？
科學家利用數學分析中的知識，借鑒人腦的部分結構，設計了特殊的神經網路結構，還有配套的高速並行學習演算法，利用大型電腦、顯卡以及專用晶片提供的大量計算能力，訓練出優秀的神經網路以供應用。我們只要向訓練好的神經網路輸入資料，它就能輸出相應的計算結果啦。
那麼，人工智慧是怎麼形成神經網路的呢？
科學家利用數學分析中的知識，借鑒人腦的部分結構，設計了特殊的神經網路結構，還有配套的高速並行學習演算法，利用大型電腦、顯卡以及專用晶片提供的大量計算能力，訓練出優秀的神經網路以供應用。我們只要向訓練好的神經網路輸入資料，它就能輸出相應的計算結果啦。