深入解讀人工智能、機器學習和認知計算

人工智能的發(fā)展曾經(jīng)經(jīng)歷過幾次起起伏伏，近來在深度學習技術的推動下又迎來了一波新的前所未有的高潮。近日，IBM 官網(wǎng)發(fā)表了一篇概述文章，對人工智能技術的發(fā)展過程進行了簡單梳理，同時還圖文并茂地介紹了感知器、聚類算法、基于規(guī)則的系統(tǒng)、機器學習、深度學習、神經(jīng)網(wǎng)絡等技術的概念和原理。

人類對如何創(chuàng)造智能機器的思考從來沒有中斷過。期間，人工智能的發(fā)展起起伏伏，有成功，也有失敗，以及其中暗藏的潛力。今天，有太多的新聞報道是關于機器學習算法的應用問題，從癌癥檢查預測到圖像理解、自然語言處理，人工智能正在賦能并改變著這個世界。

現(xiàn)代人工智能的歷史具備成為一部偉大戲劇的所有元素。在最開始的 1950 年代，人工智能的發(fā)展緊緊圍繞著思考機器和焦點人物比如艾倫·圖靈、馮·諾伊曼，迎來了其第一次春天。經(jīng)過數(shù)十年的繁榮與衰敗，以及難以置信的高期望，人工智能及其先驅(qū)們再次攜手來到一個新境界?，F(xiàn)在，人工智能正展現(xiàn)著其真正的潛力，深度學習、認知計算等新技術不斷涌現(xiàn)，且不乏應用指向。

本文探討了人工智能及其子領域的一些重要方面。下面就先從人工智能發(fā)展的時間線開始，并逐個剖析其中的所有元素。

現(xiàn)代人工智能的時間線

1950 年代初期，人工智能聚焦在所謂的強人工智能，希望機器可以像人一樣完成任何智力任務。強人工智能的發(fā)展止步不前，導致了弱人工智能的出現(xiàn)，即把人工智能技術應用于更窄領域的問題。1980 年代之前，人工智能的研究一直被這兩種范式分割著，兩營相對。但是，1980 年左右，機器學習開始成為主流，它的目的是讓計算機具備學習和構建模型的能力，從而它們可在特定領域做出預測等行為。

圖 1：現(xiàn)代人工智能發(fā)展的時間線

在人工智能和機器學習研究的基礎之上，深度學習在 2000 年左右應運而生。計算機科學家在多層神經(jīng)網(wǎng)絡之中使用了新的拓撲學和學習方法。最終，神經(jīng)網(wǎng)絡的進化成功解決了多個領域的棘手問題。

在過去的十年中，認知計算（Cognitive computing）也出現(xiàn)了，其目標是打造可以學習并與人類自然交互的系統(tǒng)。通過成功地擊敗 Jeopardy 游戲的世界級選手，IBM Watson 證明了認知計算的價值。

在本文中，我將逐一探索上述的所有領域，并對一些關鍵算法作出解釋。

基礎性人工智能

1950 年之前的研究提出了大腦是由電脈沖網(wǎng)絡組成的想法，正是脈沖之間的交互產(chǎn)生了人類思想與意識。艾倫·圖靈表明一切計算皆是數(shù)字，那么，打造一臺能夠模擬人腦的機器也就并非遙不可及。

上文說過，早期的研究很多是強人工智能，但是也提出了一些基本概念，被機器學習和深度學習沿用至今。

圖 2：1950 - 1980 年間人工智能方法的時間線

人工智能搜索引擎

人工智能中的很多問題可以通過強力搜索（brute-force search）得到解決。然而，考慮到中等問題的搜索空間，基本搜索很快就受影響。人工智能搜索的最早期例子之一是跳棋程序的開發(fā)。亞瑟·塞繆爾（Arthur Samuel）在 IBM 701 電子數(shù)據(jù)處理機器上打造了第一款跳棋程序，實現(xiàn)了對搜索樹（alpha-beta 剪枝）的優(yōu)化；這個程序也記錄并獎勵具體行動，允許應用學習每一個玩過的游戲（這是首個自我學習的程序）。為了提升程序的學習率，塞繆爾將其編程為自我游戲，以提升其游戲和學習的能力。

盡管你可以成功地把搜索應用到很多簡單問題上，但是當選擇的數(shù)量增加時，這一方法很快就會失效。以簡單的一字棋游戲為例，游戲一開始，有 9 步可能的走棋，每 1 個走棋有 8 個可能的相反走棋，依次類推。一字棋的完整走棋樹包含 362,880 個節(jié)點。如果你繼續(xù)將這一想法擴展到國際象棋或者圍棋，很快你就會發(fā)展搜索的劣勢。

感知器

感知器是單層神經(jīng)網(wǎng)絡的一個早期監(jiān)督學習算法。給定一個輸入特征向量，感知器可對輸入進行具體分類。通過使用訓練集，網(wǎng)絡的權重和偏差可為線性分類而更新。感知器的首次實現(xiàn)是 IBM 704，接著在自定義硬件上用于圖像識別。

圖 3：感知器與線性分類

作為一個線性分類器，感知器有能力解決線性分離問題。感知器局限性的典型實例是它無法學習專屬的 OR (XOR) 函數(shù)。多層感知器解決了這一問題，并為更復雜的算法、網(wǎng)絡拓撲學、深度學習奠定了基礎。

聚類算法

使用感知器的方法是有監(jiān)督的。用戶提供數(shù)據(jù)來訓練網(wǎng)絡，然后在新數(shù)據(jù)上對該網(wǎng)絡進行測試。聚類算法則是一種無監(jiān)督學習（unsupervised learning）方法。在這種模型中，算法會根據(jù)數(shù)據(jù)的一個或多個屬性將一組特征向量組織成聚類。

圖 4：在一個二維特征空間中的聚類

你可以使用少量代碼就能實現(xiàn)的最簡單的聚類算法是 k-均值（k-means）。其中，k 表示你為樣本分配的聚類的數(shù)量。你可以使用一個隨機特征向量來對一個聚類進行初始化，然后將其它樣本添加到其最近鄰的聚類（假定每個樣本都能表示一個特征向量，并且可以使用 Euclidean distance 來確定「距離」）。隨著你往一個聚類添加的樣本越來越多，其形心（centroid，即聚類的中心）就會重新計算。然后該算法會重新檢查一次樣本，以確保它們都在最近鄰的聚類中，最后直到?jīng)]有樣本需要改變所屬聚類。

盡管 k-均值聚類相對有效，但你必須事先確定 k 的大小。根據(jù)數(shù)據(jù)的不同，其它方法可能會更加有效，比如分層聚類（hierarchical clustering）或基于分布的聚類（distribution-based clustering）。

決策樹

決策樹和聚類很相近。決策樹是一種關于觀察（observation）的預測模型，可以得到一些結論。結論在決策樹上被表示成樹葉，而節(jié)點則是觀察分叉的決策點。決策樹來自決策樹學習算法，其中數(shù)據(jù)集會根據(jù)屬性值測試（attribute value tests）而被分成不同的子集，這個分割過程被稱為遞歸分區(qū)（recursive partitioning）。

考慮下圖中的示例。在這個數(shù)據(jù)集中，我可以基于三個因素觀察到某人是否有生產(chǎn)力。使用一個決策樹學習算法，我可以通過一個指標來識別屬性（其中一個例子是信息增益）。在這個例子中，心情（mood）是生產(chǎn)力的主要影響因素，所以我根據(jù) Good Mood 一項是 Yes 或 No 而對這個數(shù)據(jù)集進行了分割。但是，在 Yes 這邊，還需要我根據(jù)其它兩個屬性再次對該數(shù)據(jù)集進行切分。表中不同的顏色對應右側(cè)中不同顏色的葉節(jié)點。

圖 5：一個簡單的數(shù)據(jù)集及其得到的決策樹

決策樹的一個重要性質(zhì)在于它們的內(nèi)在的組織能力，這能讓你輕松地（圖形化地）解釋你分類一個項的方式。流行的決策樹學習算法包括 C4.5 以及分類與回歸樹（Classification and Regression Tree）。

基于規(guī)則的系統(tǒng)

最早的基于規(guī)則和推理的系統(tǒng)是 Dendral，于 1965 年被開發(fā)出來，但直到 1970 年代，所謂的專家系統(tǒng)（expert systems）才開始大行其道。基于規(guī)則的系統(tǒng)會同時存有所需的知識的規(guī)則，并會使用一個推理系統(tǒng)（reasoning system）來得出結論。

基于規(guī)則的系統(tǒng)通常由一個規(guī)則集合、一個知識庫、一個推理引擎（使用前向或反向規(guī)則鏈）和一個用戶接口組成。下圖中，我使用了知識「蘇格拉底是人」、規(guī)則「如果是人，就會死」以及一個交互「誰會死？」

圖 6：基于規(guī)則的系統(tǒng)

基于規(guī)則的系統(tǒng)已經(jīng)在語音識別、規(guī)劃和控制以及疾病識別等領域得到了應用。上世紀 90 年代人們開發(fā)的一個監(jiān)控和診斷大壩穩(wěn)定性的系統(tǒng) Kaleidos 至今仍在使用。

機器學習

機器學習是人工智能和計算機科學的一個子領域，也有統(tǒng)計學和數(shù)學優(yōu)化方面的根基。機器學習涵蓋了有監(jiān)督學習和無監(jiān)督學習領域的技術，可用于預測、分析和數(shù)據(jù)挖掘。機器學習不限于深度學習這一種。但在這一節(jié)，我會介紹幾種使得深度學習變得如此高效的算法。

圖 7：機器學習方法的時間線

反向傳播

神經(jīng)網(wǎng)絡的強大力量源于其多層的結構。單層感知器的訓練是很直接的，但得到的網(wǎng)絡并不強大。那問題就來了：我們?nèi)绾斡柧毝鄬泳W(wǎng)絡呢？這就是反向傳播的用武之地。

反向傳播是一種用于訓練多層神經(jīng)網(wǎng)絡的算法。它的工作過程分為兩個階段。第一階段是將輸入傳播通過整個神經(jīng)網(wǎng)絡直到最后一層（稱為前饋）。第二階段，該算法會計算一個誤差，然后從最后一層到第一層反向傳播該誤差（調(diào)整權重）。

圖 8：反向傳播示意圖

在訓練過程中，該網(wǎng)絡的中間層會自己進行組織，將輸入空間的部分映射到輸出空間。反向傳播，使用監(jiān)督學習，可以識別出輸入到輸出映射的誤差，然后可以據(jù)此調(diào)整權重（使用一個學習率）來矯正這個誤差。反向傳播現(xiàn)在仍然是神經(jīng)網(wǎng)絡學習的一個重要方面。隨著計算資源越來越快、越來越便宜，它還將繼續(xù)在更大和更密集的網(wǎng)絡中得到應用。

卷積神經(jīng)網(wǎng)絡

卷積神經(jīng)網(wǎng)絡（CNN）是受動物視覺皮層啟發(fā)的多層神經(jīng)網(wǎng)絡。這種架構在包括圖像處理的很多應用中都有用。第一個 CNN 是由 Yann LeCun 創(chuàng)建的，當時 CNN 架構主要用于手寫字符識別任務，例如讀取郵政編碼。

LeNet CNN 由好幾層能夠分別實現(xiàn)特征提取和分類的神經(jīng)網(wǎng)絡組成。圖像被分為多個可以被接受的區(qū)域，這些子區(qū)域進入到一個能夠從輸入圖像提取特征的卷積層。下一步就是池化，這個過程降低了卷積層提取到的特征的維度（通過下采樣的方法），同時保留了最重要的信息（通常通過最大池化的方法）。然后這個算法又執(zhí)行另一次卷積和池化，池化之后便進入一個全連接的多層感知器。卷積神經(jīng)網(wǎng)絡的最終輸出是一組能夠識別圖像特征的節(jié)點（在這個例子中，每個被識別的數(shù)字都是一個節(jié)點）。使用者可以通過反向傳播的方法來訓練網(wǎng)絡。

圖 9.LeNet 卷積神經(jīng)網(wǎng)絡架構

對深層處理、卷積、池化以及全連接分類層的使用打開了神經(jīng)網(wǎng)絡的各種新型應用的大門。除了圖像處理之外，卷積神經(jīng)網(wǎng)絡已經(jīng)被成功地應用在了視頻識別以及自然語言處理等多種任務中。卷積神經(jīng)網(wǎng)絡也已經(jīng)在 GPU 上被有效地實現(xiàn)，這極大地提升了卷積神經(jīng)網(wǎng)絡的性能。

長短期記憶（LSTM）

記得前面反向傳播中的討論嗎？網(wǎng)絡是前饋式的訓練的。在這種架構中，我們將輸入送到網(wǎng)絡并且通過隱藏層將它們向前傳播到輸出層。但是，還存在其他的拓撲結構。我在這里要研究的一個架構允許節(jié)點之間形成直接的回路。這些神經(jīng)網(wǎng)絡被稱為循環(huán)神經(jīng)網(wǎng)絡（RNN），它們可以向前面的層或者同一層的后續(xù)節(jié)點饋送內(nèi)容。這一特性使得這些網(wǎng)絡對時序數(shù)據(jù)而言是理想化的。

在 1997 年，一種叫做長短期記憶（LSTM）的特殊的循環(huán)網(wǎng)絡被發(fā)明了。LSTM 包含網(wǎng)絡中能夠長時間或者短時間記憶數(shù)值的記憶單元。

圖 10. 長短期記憶網(wǎng)絡和記憶單元

記憶單元包含了能夠控制信息流入或者流出該單元的一些門。輸入門（input gate）控制什么時候新的信息可以流入記憶單元。遺忘門（forget gate）控制一段信息在記憶單元中存留的時間。最后，輸出門（output gate）控制輸出何時使用記憶單元中包含的信息。記憶單元還包括控制每一個門的權重。訓練算法（通常是通過時間的反向傳播（backpropagation-through-time），反向傳播算法的一種變體）基于所得到的誤差來優(yōu)化這些權重。

LSTM 已經(jīng)被應用在語音識別、手寫識別、語音合成、圖像描述等各種任務中。下面我還會談到 LSTM。

深度學習

深度學習是一組相對新穎的方法集合，它們從根本上改變了機器學習。深度學習本身不是一種算法，但是它是一系列可以用無監(jiān)督學習實現(xiàn)深度網(wǎng)絡的算法。這些網(wǎng)絡是非常深層的，所以需要新的計算方法來構建它們，例如 GPU，除此之外還有計算機集群。

本文目前已經(jīng)介紹了兩種深度學習的算法：卷積神經(jīng)網(wǎng)絡和長短期記憶網(wǎng)絡。這些算法已經(jīng)被結合起來實現(xiàn)了一些令人驚訝的智能任務。如下圖所示，卷積神經(jīng)網(wǎng)絡和長短期記憶已經(jīng)被用來識別并用自然語言描述圖片或者視頻中的物體。

圖 11. 結合卷積神經(jīng)網(wǎng)絡和長短期記憶來進行圖像描述

深度學習算法也已經(jīng)被用在了人臉識別中，也能夠以 96% 的準確率來識別結核病，還被用在自動駕駛和其他復雜的問題中。

然而，盡管運用深度學習算法有著很多結果，但是仍然存在問題需要我們?nèi)ソ鉀Q。一個最近的將深度學習用于皮膚癌檢測的應用發(fā)現(xiàn)，這個算法比經(jīng)過認證的皮膚科醫(yī)生具有更高的準確率。但是，醫(yī)生可以列舉出導致其診斷結果的因素，卻沒有辦法知道深度學習程序在分類的時候所用的因素。這被稱為深度學習的黑箱問題。

另一個被稱為 Deep Patient 的應用，在提供病人的病例時能夠成功地預測疾病。該應用被證明在疾病預測方面比醫(yī)生還做得好——即使是眾所周知的難以預測的精神分裂癥。所以，即便模型效果良好，也沒人能夠深入到這些大型神經(jīng)網(wǎng)絡去找到原因。

認知計算

人工智能和機器學習充滿了生物啟示的案例。盡管早期的人工智能專注于建立模仿人腦的機器這一宏偉目標，而現(xiàn)在，是認知計算正在朝著這個目標邁進。

認知計算建立在神經(jīng)網(wǎng)絡和深度學習之上，運用認知科學中的知識來構建能夠模擬人類思維過程的系統(tǒng)。然而，認知計算覆蓋了好多學科，例如機器學習、自然語言處理、視覺以及人機交互，而不僅僅是聚焦于某個單獨的技術。

認知學習的一個例子就是 IBM 的 Waston，它在 Jeopardy 上展示了當時最先進的問答交互。IBM 已經(jīng)將其擴展在了一系列的 web 服務上了。這些服務提供了用于一些列應用的編程接口來構建強大的虛擬代理，這些接口有：視覺識別、語音文本轉(zhuǎn)換（語音識別）、文本語音轉(zhuǎn)換（語音合成）、語言理解和翻譯、以及對話引擎。

繼續(xù)前進

本文僅僅涵蓋了關于人工智能歷史以及最新的神經(jīng)網(wǎng)絡和深度學習方法的一小部分。盡管人工智能和機器學習經(jīng)歷了很多起起伏伏，但是像深度學習和認知計算這樣的新方法已經(jīng)明顯地提升了這些學科的水平。雖然可能還無法實現(xiàn)一個具有意識的機器，但是今天確實有著能夠改善人類生活的人工智能系統(tǒng)。