江西財(cái)經(jīng)大學(xué)軟件與物聯(lián)網(wǎng)工程學(xué)院|胡文穎

隨著人工智能的三大核心要素，算法、算力、數(shù)據(jù)的日益完善，人工智能眾多應(yīng)用型技術(shù)也開始逐漸滲透到各個(gè)行業(yè)，影響著人類的生活方式，可見，工業(yè)革命的馬拉松還未跑完，而我們已經(jīng)逐步邁進(jìn)智能新時(shí)代。

以18世紀(jì)為起點(diǎn)的300余年間，世界跑完了一場關(guān)于自動化、電氣化、信息化三次工業(yè)革命的馬拉松。近年，隨著人工智能的三大核心要素，算法、算力、數(shù)據(jù)的日益完善，人工智能眾多應(yīng)用型技術(shù)也逐漸滲透到各個(gè)行業(yè)、影響著人類生活方式，可見，工業(yè)革命的馬拉松還未跑完，而我們正逐步邁進(jìn)智能新時(shí)代。

筆者將分別從人工智能最基本的幾個(gè)模塊，語音識別、自然語言處理、計(jì)算機(jī)視覺、決策規(guī)劃系統(tǒng)著手，回顧人工智能一路以來的發(fā)展脈絡(luò)，以史為鏡、正視未來。

語音識別

人類最直接最簡潔的交流方式——語音識別，一直是人工智能實(shí)現(xiàn)人機(jī)交互尋求突破的一大目標(biāo)。在1952年，第一個(gè)基于電子計(jì)算機(jī)的語音識別系統(tǒng)“Audrey”面世，作為“開山鼻祖”，它能夠識別10個(gè)英文數(shù)字，正確率高達(dá)98%。之后的70年代，全球開始風(fēng)靡大規(guī)模的語音識別研究，但認(rèn)知局限使得當(dāng)時(shí)的研究僅停留在對孤立詞、小詞匯量句子的識別上。

由于全球性電傳業(yè)務(wù)積累了大量文本，且文本可作為機(jī)讀語料用于模型的訓(xùn)練和統(tǒng)計(jì)，1980年代就成為了技術(shù)取得突破的時(shí)代，研究的重點(diǎn)也轉(zhuǎn)向了大詞匯量和非特定人的連續(xù)語音識別上，同時(shí)研究思路從基于匹配轉(zhuǎn)變?yōu)榛诮y(tǒng)計(jì)，隱馬爾科夫模型（HMM）的理論和應(yīng)用趨于完善。20世紀(jì)90年代是語音識別基本成熟的時(shí)期，但識別效果的實(shí)用價(jià)值仍然需要完善，語音識別研究的進(jìn)展也趨緩。

隨著深度神經(jīng)網(wǎng)絡(luò)（DNN）被應(yīng)用到語音的聲學(xué)建模中，系統(tǒng)的持續(xù)改進(jìn)使深層卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）出現(xiàn)，這樣，識別效果就得到了明顯的提升，許多語音識別任務(wù)，尤其是近場語音識別任務(wù)達(dá)到可以進(jìn)入人們?nèi)粘Ｉ畹臉?biāo)準(zhǔn)。以Apple Siri為首的智能語音助手、以Echo為首的智能硬件入口等應(yīng)用的普及，進(jìn)一步擴(kuò)充了語料資源的收集渠道，使得構(gòu)建大規(guī)模通用語言模型和聲學(xué)模型將成為可能。表1為語音識別技術(shù)的發(fā)展歷程。

自然語言處理

能否自然地與人類進(jìn)行交流、理解人們表達(dá)的意思并做出合適的回應(yīng)，是衡量機(jī)器智能程度的一個(gè)重要參照，因此自然語言處理成為人工智能的核心問題。

早在上世紀(jì)50年代，IBM第一臺正式對外發(fā)布的IBM-701計(jì)算機(jī)進(jìn)行了世界上第一次機(jī)器翻譯試驗(yàn)，把幾個(gè)簡單的俄語句子翻譯成了英文。當(dāng)時(shí)，人們對于自然語言處理存在兩派不同的處理方法。一種是基于規(guī)則的符號派，另一種為基于概率的隨機(jī)派，而受限于當(dāng)時(shí)的數(shù)據(jù)和算力，規(guī)則派的研究更具優(yōu)勢。而在翻譯方面，人們認(rèn)為機(jī)器的翻譯過程是在解讀密碼，于是試圖讓機(jī)器通過查詢詞典的方式來實(shí)現(xiàn)翻譯，但達(dá)到的結(jié)果卻不令人滿意：翻譯效果不佳、難以實(shí)用。

1966年，美國科學(xué)院的語言自動處理咨詢委員會（ALPAC）發(fā)布題為《語言與機(jī)器》的研究報(bào)告，全面否定了機(jī)器翻譯的可行性，因此許多國家開始大幅度減少在這方面的經(jīng)費(fèi)投入，自然語言研究從此陷入低谷。但研究者們從中意識到機(jī)器和人類兩種語言間的差異體現(xiàn)在詞匯和句法結(jié)構(gòu)上，通過加強(qiáng)對語言模型和語義分析的研究，可以提升譯文的可讀性。

表1 語音識別技術(shù)發(fā)展歷程

表2 自然語言處理功能發(fā)展歷程

表3 計(jì)算機(jī)視覺別技術(shù)發(fā)展歷程

?

1976年，是具有里程碑意義的一個(gè)時(shí)間點(diǎn)。這一年，加拿大蒙特利爾大學(xué)與加拿大聯(lián)邦政府翻譯局聯(lián)合開發(fā)了名為TAUMMETEO的機(jī)器翻譯系統(tǒng)，提供天氣預(yù)報(bào)服務(wù)。這個(gè)系統(tǒng)每小時(shí)翻譯6-30萬個(gè)詞，每天可翻譯1-2千篇?dú)庀筚Y料，并能夠通過電視、報(bào)紙立即公布資料。到了90年代，自然語言處理進(jìn)入了發(fā)展時(shí)期。

2010年，基于淺層、深層學(xué)習(xí)技術(shù)和大數(shù)據(jù)，自然語言處理的功能得到了進(jìn)一步優(yōu)化，專門的智能翻譯產(chǎn)品面世，對話交互能力被應(yīng)用在客服機(jī)器人、智能助手等產(chǎn)品中。機(jī)器翻譯方面，谷歌推出的神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯（GNMT）相比傳統(tǒng)的基于詞組的機(jī)器翻譯（PBMT），英語到西班牙語的錯(cuò)誤率下降87%，英文到中文的錯(cuò)誤率下降58%，取得了非常顯著的提升。表2為自然語言處理功能的發(fā)展歷程。

計(jì)算機(jī)視覺技術(shù)

90年代，計(jì)算機(jī)視覺技術(shù)取得了更大的發(fā)展，開始廣泛應(yīng)用于工業(yè)領(lǐng)域。一方面是圖像處理硬件技術(shù)有了飛速進(jìn)步，另一方面是人們也開始嘗試不同的算法，包括統(tǒng)計(jì)方法和局部特征描述符的引入。在“先驗(yàn)知識庫”的方法中，事物的形狀、顏色、表面紋理等特征受到視角和觀察環(huán)境所影響，在不同角度、不同光線、不同遮擋的情況下會產(chǎn)生變化。因此，人們找到了一種方法：通過局部特征的識別來判斷事物，對事物建立一個(gè)局部特征索引，即使視角或觀察環(huán)境發(fā)生變化，也能較準(zhǔn)確的匹配上。

21世紀(jì)，以往許多基于規(guī)則的處理方式，都被機(jī)器學(xué)習(xí)所替代：自動從海量數(shù)據(jù)中總結(jié)歸納物體的特征，然后進(jìn)行識別和判斷。這一階段涌現(xiàn)出了非常多的應(yīng)用，包括典型的相機(jī)人臉檢測、安防人臉識別、車牌識別等。

2010年，借助于深度學(xué)習(xí)的力量，計(jì)算機(jī)視覺技術(shù)得到了爆發(fā)增長和產(chǎn)業(yè)化，應(yīng)用場景也快速擴(kuò)展。除了在比較成熟的安防領(lǐng)域應(yīng)用外，也有應(yīng)用在金融領(lǐng)域的人臉識別身份驗(yàn)證、電商領(lǐng)域的商品拍照搜索、醫(yī)療領(lǐng)域的智能影像診斷、機(jī)器人/無人車上作為視覺輸入系統(tǒng)等，包括許多有意思的場景：照片自動分類（圖像識別+分類）、圖像描述生成（圖像識別+理解）等。圖為計(jì)算機(jī)視覺別技術(shù)的發(fā)展歷程。

規(guī)劃決策系統(tǒng)

人工智能規(guī)劃決策系統(tǒng)的發(fā)展，一度是以棋類游戲?yàn)檩d體的。早在18世紀(jì)，就出現(xiàn)過一臺可以下棋的機(jī)器，當(dāng)時(shí)幾乎擊敗了所有人類棋手，后來才知道，這僅是一場騙局罷了。之后，電子計(jì)算機(jī)誕生，1962年基于人工智能的規(guī)劃決策系統(tǒng)出現(xiàn)，Arthur Samuel屢次改進(jìn)的西洋跳棋程序Checkers終于戰(zhàn)勝了人類棋手的州冠軍，證明程序已具備了初步的自我學(xué)習(xí)能力，使得這場勝利在當(dāng)時(shí)引起了巨大的轟動。

但人工智能所面臨的困難比人們想象的還要難得多。人們開始將“剪枝法”運(yùn)用到了估值函數(shù)中，通過剔除低可能性的走法優(yōu)化最終的估值函數(shù)計(jì)算。在此改進(jìn)下，西北大學(xué)開發(fā)的象棋程序Chess 4.5在1976年首次擊敗了頂尖人類棋手。隨著算法上的不斷優(yōu)化，國際象棋程序由80年代開始，在判斷能力和計(jì)算速度方面大幅提升，幾乎已經(jīng)能夠擊敗所有頂尖的人類棋手。

2016年，硬件層面出現(xiàn)了基于GPU、TPU的并行計(jì)算，算法層面上出現(xiàn)蒙特卡洛決策樹與深度神經(jīng)網(wǎng)絡(luò)的結(jié)合。4∶1戰(zhàn)勝李世石、在野狐圍棋對戰(zhàn)頂尖棋手60連勝、3∶0戰(zhàn)勝世界排名第一的圍棋選手柯潔，足以表明人類在博弈游戲中已經(jīng)完全敗給機(jī)器。由此，從棋類游戲中積累的知識和經(jīng)驗(yàn)被應(yīng)用在更廣泛的需要決策規(guī)劃的領(lǐng)域，包括機(jī)器人控制、無人車等等，人工智能進(jìn)入一個(gè)新的發(fā)展階段。

表4 規(guī)劃決策系統(tǒng)發(fā)展歷程