完整解析AI人工智能：3大浪潮＋3大技術(shù)＋3大應(yīng)用(大和有話說)

　　圖片來源：https://pixabay.com/photo-818793/

　　所謂人工智能(Artificial Intelligence;縮寫：AI)，是指以人工方式來實現(xiàn)人類所具有之智慧的技術(shù)。只不過，目前能實現(xiàn)與人類智能同等的技術(shù)還不存在，世界上絕大多數(shù)的人工智能還是只能解決某個特定問題。本篇文章是在我閱讀了幾本AI的相關(guān)書籍后，所概略統(tǒng)整出的架構(gòu)，希望讓初次接觸AI的讀者，能透過333口訣，快速理解AI到底是什么。

　　一、AI的三次浪潮

　　第一次AI浪潮

　　第一次AI浪潮起于1950～1960年，止于1980年代。由于出現(xiàn)在網(wǎng)絡(luò)之前，因此又被稱為“古典人工智能”。這時期出現(xiàn)的“符號主義”與“聯(lián)結(jié)主義”，分別是日后“專家系統(tǒng)”與“深度學(xué)習(xí)”的雛形。只不過，雖然當(dāng)時的成果已能解開拼圖或簡單的游戲，卻幾乎無法解決實用的問題。

　　第二次AI浪潮

　　第二次AI熱潮伴隨著計算機(jī)的普及，出現(xiàn)在1980年代。這時期所進(jìn)行的研究，是以灌輸「專家知識」作為規(guī)則，來協(xié)助解決特定問題的“專家系統(tǒng)”(Expert system)為主。然而，縱使當(dāng)時有商業(yè)應(yīng)用的實例，應(yīng)用范疇卻很有限，熱潮也因此逐漸消退。

　　第三次AI浪潮

　　第三次AI浪潮則出現(xiàn)于2010年代，伴隨著高性能計算機(jī)、因特網(wǎng)、大數(shù)據(jù)、傳感器的普及，以及計算成本的下降，“機(jī)器學(xué)習(xí)”隨之興起。所謂機(jī)器學(xué)習(xí)(Machine leaning)，是指讓計算機(jī)大量學(xué)習(xí)數(shù)據(jù)，使它可以像人類一樣辨識聲音及影像，或是針對問題做出合適的判斷。

　　二、AI的三大技術(shù)

　　快速了解了AI的發(fā)展史后，我們來看看當(dāng)代人工智能的三大代表性模型：遺傳算法、專家系統(tǒng)、類神經(jīng)網(wǎng)絡(luò)。

　　1、遺傳算法

　　遺傳算法(Genetic algorithm;GA)，又稱為演化式算法(Evolutionary algorithm)，是受達(dá)爾文演化論所啟發(fā)的人工智能。它透過「適者生存」的規(guī)則，將“優(yōu)秀的個體”想象成“好的答案”，透過演化的方式來找出最佳解。

　　2、專家系統(tǒng)

　　專家系統(tǒng)(Expert system)，則是針對預(yù)設(shè)的問題，事先準(zhǔn)備好大量的對應(yīng)方式。它應(yīng)用在很多地方，尤其是疾病診斷。只不過，專家系統(tǒng)只能針對專家預(yù)先考慮過的狀況來準(zhǔn)備對策，它并沒有自行學(xué)習(xí)的能力，因此還是有其局限性。

　　3、類神經(jīng)網(wǎng)絡(luò)

　　從第三次AI浪潮所興起的機(jī)器學(xué)習(xí)(Machine learning)有許多種手法，其中最受矚目的，莫過于深度學(xué)習(xí)(Deep learning)了。所謂深度學(xué)習(xí)，是透過模仿人腦的“類神經(jīng)網(wǎng)絡(luò)”(Neural network)來學(xué)習(xí)大量數(shù)據(jù)的手法。

　　類神經(jīng)網(wǎng)絡(luò)的由來

　　若你去觀察腦的內(nèi)部，會發(fā)現(xiàn)有大量稱為“神經(jīng)元”的神經(jīng)細(xì)胞彼此相連。一個神經(jīng)元從其他神經(jīng)元那里接收的電氣信號量達(dá)某一定值以上，就會興奮(神經(jīng)沖動);在某一定值以下，就不會興奮。

　　興奮起來的神經(jīng)元，會將電器信號傳送給下一個相連的神經(jīng)元。下一個神經(jīng)元同樣會因此興奮或不興奮。簡單來說，彼此相連的神經(jīng)元，會形成聯(lián)合傳遞行為。我們透過將這種相連的結(jié)構(gòu)來數(shù)學(xué)模型化，便形成了類神經(jīng)網(wǎng)絡(luò)。

　　類神經(jīng)網(wǎng)絡(luò)：深度學(xué)習(xí)

　　我們可以發(fā)現(xiàn)，經(jīng)模型化的的類神經(jīng)網(wǎng)絡(luò)，是由“輸入層”(Input layer)、“隱藏層”(Hidden layer)及“輸出層”(Output layer)等三層所構(gòu)成。另外，學(xué)習(xí)數(shù)據(jù)則是由輸入數(shù)據(jù)以及相對應(yīng)的正確解答來組成。

　　以影像辨識為例，為了讓AI學(xué)習(xí)類神經(jīng)網(wǎng)絡(luò)的模型，首先必須先將影像學(xué)習(xí)數(shù)據(jù)分割成像素數(shù)據(jù)，然后將各像素值輸進(jìn)輸入層。

　　接受了數(shù)據(jù)的輸入層，將像素值乘上“權(quán)重”后，便傳送給后方隱藏層的神經(jīng)元。隱藏層的各個神經(jīng)元會累加前一層所接收到的值，并將其結(jié)果再乘上“權(quán)重”后，傳送給后方的神經(jīng)元。最后，經(jīng)由輸出層的神經(jīng)元的輸出，便可得到影像辨識的預(yù)測結(jié)果。

　　為了讓輸出層的值跟各個輸入數(shù)據(jù)所對應(yīng)的正解數(shù)據(jù)相等，會對各個神經(jīng)元的輸入計算出適當(dāng)?shù)?ldquo;權(quán)重”值。

　　這個權(quán)重的計算，一般是使用“誤差倒傳遞算法”(Error Back Propagation)，使用與正解數(shù)據(jù)之間的誤差，從輸出層逆推回去。透過各「權(quán)重」的調(diào)整，來縮小輸出層的值與正解數(shù)據(jù)的值之間的誤差，以建立出完成學(xué)習(xí)的模型。

　　由于過去類神經(jīng)網(wǎng)絡(luò)之間進(jìn)行傳遞的權(quán)重值難以優(yōu)化，因此曾有多數(shù)研究者對類神經(jīng)網(wǎng)絡(luò)的研究持否定態(tài)度。直到2006年，辛頓(Geoffrey Hinton)開發(fā)出自動編碼器(Autoencoder)的手法，才突破了這項瓶頸。

　　自動編碼器是指，在類神經(jīng)網(wǎng)絡(luò)的輸入層和輸出層使用相同數(shù)據(jù)，并將隱藏層設(shè)置于二者之間，藉此用來調(diào)整類神經(jīng)網(wǎng)絡(luò)之間的權(quán)重參數(shù)的一種手法。利用以自動編碼器所獲得的類神經(jīng)網(wǎng)絡(luò)權(quán)重參數(shù)值進(jìn)行初始化后，便能應(yīng)用「誤差倒傳遞算法」，提高多層類神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)準(zhǔn)確度。

　　透過類神經(jīng)網(wǎng)絡(luò)，深度學(xué)習(xí)便成為了“只要將數(shù)據(jù)輸入類神經(jīng)網(wǎng)絡(luò)，它就能自行抽出特征”的人工智能，而這又稱為“特征學(xué)習(xí)”(feature learning)。

　　深度學(xué)習(xí)最擅長的，是它能辨識圖像數(shù)據(jù)或波形數(shù)據(jù)這類無法符號化的數(shù)據(jù)。自2010年代以來，如Google、Microsoft及Facebook等美國知名IT企業(yè)，都開始著手深度學(xué)習(xí)的研究。例如，蘋果「Siri」的語音識別，Microsoft搜索引擎「Bing」所具備的影像搜尋等等，而Google的深度學(xué)習(xí)項目也已超過1,500項。

　　至于深度學(xué)習(xí)如此飛躍的成長，要歸功于硬設(shè)備的提升。圖形處理器(GPU)大廠輝達(dá)(NVIDIA)利用該公司的圖形適配器來提升深度學(xué)習(xí)的性能，提供鏈接庫(Library)和框架(framework)產(chǎn)品，并積極開設(shè)研討課程。另外，Google也公開了框架「TensorFlow」，可以將深度學(xué)習(xí)應(yīng)用于數(shù)據(jù)分析。

　　三、AI的三大應(yīng)用

　　AI應(yīng)用領(lǐng)域主要可分為語音識別、影像辨識以及自然語言處理等三部分。

　　1、語音識別

　　語音識別部分，透過多年來語音識別競賽CHiME的研究，已經(jīng)有了等同人類的辨識度(CHiME，是針對實際生活環(huán)境下的語音識別，所進(jìn)行評測的國際語音識別競賽)。此外，Apple、Google、Amazon也相繼提出可應(yīng)用于日常生活的服務(wù)，因此其成熟度已達(dá)到實用等級。

　　2、影像辨識

　　影像辨識部分，雖然一般圖片的辨識已有同等于人類的辨識率，但動態(tài)影像的辨識準(zhǔn)確度卻仍比不上人類，目前還在進(jìn)行各種算法的測試。其中，影像辨識目前最火熱的應(yīng)用場域非自動駕駛莫屬了。

　　整個汽車、信息通訊產(chǎn)業(yè)都正朝著自駕車的方向努力，例如Google持續(xù)進(jìn)行自動駕駛的研究，TOYOTA也在美國設(shè)立豐田研究所，可以知道現(xiàn)階段的開發(fā)已十分接近實用化。因此，我們可判斷目前影像辨識的成熟度是介在研究和實用等級之間。

　　3、自然語言處理

　　自然語言處理(Natural language processing;NLP)，是試著讓人工智能能理解人類所寫的文字和所說的話語。NLP首先會分解詞性，稱之“語素分析”(morphemic analysis)，在分解出最小的字義單位后，接著會進(jìn)行“語法分析”(syntactic analysis)，最后再透過“語意分析”(semantic analysis)來了解含意。

　　輸出部分，自然語言處理也與生成文法(generative grammar)密切相關(guān)。生成文法理論認(rèn)為，只要遵循規(guī)則即可生成文句。這也代表著，只要把規(guī)則組合在一起，便可能生成文章。

　　在自然語言處理中，最具代表性的應(yīng)用就是“聊天機(jī)器人”(Chatbot)了，它是一種如真人般，可透過文字訊息與人對話的程序。2016年，臉書推出了“Facebook Messenger Platform”，而Line也推出了“Messaging API”，因而促使這種搭載NLP技術(shù)的聊天機(jī)器人成為矚目的焦點。

　　另外，由IBM所開發(fā)的華生(IBM Watson)，也是應(yīng)用NLP的人工智能而成。華生可以從維基百科等語料庫中抽取知識，學(xué)習(xí)詞匯與詞匯之間的相關(guān)性。現(xiàn)在，就連軟件銀行(SoftBank)機(jī)器人Pepper也是搭載華生系統(tǒng)。

　　只不過，由于在日常對話中，我們很常省略詞句，也不一定會提及時空背景，因此當(dāng)前的Chatbot尚無法與人類進(jìn)行天花亂墜的對話。所以說，現(xiàn)行多數(shù)的Chatbot廠商，還是會限定對話的環(huán)境與應(yīng)用領(lǐng)域。