徐世垣

神經(jīng)網(wǎng)絡(luò)與機器學(xué)習(xí)

神經(jīng)網(wǎng)絡(luò)作為人工智能的推動力，隨著人工智能基于常規(guī)的系統(tǒng)（專家系統(tǒng)）在20世紀(jì)80年代的出現(xiàn)，現(xiàn)今人工神經(jīng)網(wǎng)絡(luò)（Artificial Neuronal Networks）已成為技術(shù)進步的重點。這種系統(tǒng)多樣化的可能性有賴于下列兩點：

一是現(xiàn)代硬件和圖形處理器的效率。這些硬件和處理器可以大量并行處理網(wǎng)絡(luò)的各個神經(jīng)元的操作。

二是機器學(xué)習(xí)的能力。這種神經(jīng)網(wǎng)絡(luò)利用機器學(xué)習(xí)的能力可以適應(yīng)預(yù)設(shè)的輸入/輸出模式。神經(jīng)網(wǎng)絡(luò)具有多個隱藏在輸入和輸出層之間的中間層，在這種結(jié)構(gòu)形式中，神經(jīng)網(wǎng)絡(luò)能夠自主地在輸入數(shù)據(jù)中深度學(xué)習(xí)未知的結(jié)構(gòu)。

機器學(xué)習(xí)的能力意味著在其經(jīng)濟重要性方面有著有著重大作用，如可以提高效率。早在20世紀(jì)80年代，人工智能處于技術(shù)進步的重點。這些年的進步是由診斷和配置領(lǐng)域的基于常規(guī)的專家系統(tǒng)新的可能性帶來的。然而，這種成功的代價是對專家知識的高度人工服務(wù)和管理——獲取和管理相關(guān)的結(jié)構(gòu)化數(shù)據(jù)模型和推理規(guī)則，利用這些規(guī)則從數(shù)據(jù)中推導(dǎo)出結(jié)論。為什么該系統(tǒng)不能持續(xù)實施，其原因就是這種人工服務(wù)和管理。20世紀(jì)90年代，“人工智能的冬天”讓我們看到，這種用經(jīng)濟花費來維護的專家系統(tǒng)實際上是不可能的。

如今應(yīng)該考慮機器人或數(shù)據(jù)新聞的問題，其文本生成主要基于常規(guī)控制的方法。

為了達到90%以上的人工神經(jīng)網(wǎng)絡(luò)的質(zhì)量效果，今天使用監(jiān)督的學(xué)習(xí)是常態(tài)。因此采用由人評估的范式（積極的與消極的）培訓(xùn)實例，人工智能神經(jīng)網(wǎng)絡(luò)無人監(jiān)督（自主）的強化學(xué)習(xí)仍是幻想。人工智能的燈塔就像谷歌的“阿爾法”圍棋程序一樣，在2016年首次擊敗世界上最強的人類圍棋冠軍，這表明正好朝著這個方向發(fā)展。人工智能系統(tǒng)采用兩個人工智能神經(jīng)網(wǎng)絡(luò)，其中之一是為了生成下一個活動，另一個是為了評估比賽的名次。通過幾百萬次比賽，人工智能系統(tǒng)贏得了比賽，因此也學(xué)會了相應(yīng)的策略。

人工智能在媒體方面的應(yīng)用領(lǐng)域

現(xiàn)今在媒體方面呈現(xiàn)4個人工智能的應(yīng)用領(lǐng)域。其中3個應(yīng)用領(lǐng)域是使用人工智能神經(jīng)網(wǎng)絡(luò)。當(dāng)然，人工智能作為—門科學(xué)學(xué)科，不僅僅是人工智能神經(jīng)網(wǎng)絡(luò)和機器學(xué)習(xí)。

印刷技術(shù)預(yù)測性維護

今天通過數(shù)字化和網(wǎng)絡(luò)化，多樣性的傳感數(shù)據(jù)可供印刷系統(tǒng)的所有技術(shù)組件使用。這些數(shù)據(jù)的集成和壓縮可以預(yù)先識別印刷系統(tǒng)即將發(fā)生的故障。專業(yè)人士認(rèn)為，未來印刷系統(tǒng)80%的維修由相應(yīng)的專業(yè)化服務(wù)商完成，最多還有20%的維修工作，通常是在緊急情況下由出版商自己進行。

開發(fā)文本、圖像和視頻數(shù)據(jù)的內(nèi)容

基于人工智能的圖像和視頻數(shù)據(jù)內(nèi)容自動開發(fā)，明顯提高了編輯工作的效率。對于文本，這包括提到的事件中人物、對象和地點的文本識別（實體提取），以適合相關(guān)文章、圖像或廣告的文本。這項服務(wù)過去和現(xiàn)在都由大型搜索引擎（如FAST）來完成，雖然價格比較優(yōu)惠，但需要較高的維護費用。如今新增加了由人工智能支持的在圖像和視頻中的識別主題以及公眾人物的功能。總的來說，人工智能技術(shù)以低廉價格更豐富和自動化地將元數(shù)據(jù)列入文本和圖像，并給編輯/記者減輕了這項任務(wù)。對于運動視頻，利用人工智能可將內(nèi)容自動壓縮到比賽的關(guān)鍵場景。例如，德國烏發(fā)（UFA）電影公司利用神經(jīng)網(wǎng)絡(luò)將系列視頻和字幕自動翻譯成多種不同的語言。若采用人工翻譯則價格將非常昂貴。

內(nèi)容生成和數(shù)據(jù)新聞

數(shù)據(jù)控制和自動生成的天氣預(yù)報、體育報道（如在大眾體育運動中，《華盛頓郵報》的Heliograf新聞機器人）和企業(yè)報告（如彭博社），由于成本原因，在新聞中占據(jù)越來越大的比例。在彭博社，企業(yè)產(chǎn)品文本的1/4都是自動生成的內(nèi)容。對于這些報告是否應(yīng)明確標(biāo)明屬于機器人或數(shù)據(jù)新聞的問題，大家在許多地方都進行了廣泛討論。

個性化的內(nèi)容和服務(wù)

今天提供個性化的內(nèi)容和廣告是亞馬遜、臉書（Facebook）、網(wǎng)飛（Netflx）和更多公司無可爭議的強項之一。個性化是在利用人工智能方法為這種服務(wù)的每個用戶制作個性化的利益配置文件的基礎(chǔ)上完成的。網(wǎng)飛在媒體中利用人工智能提供個性化服務(wù)方面的獨特優(yōu)勢。個性化主題恰好對廣播和電視的個性化節(jié)日指南產(chǎn)生日益重要的意義；客戶服務(wù)中的自然語言聊天機器人也具有特別重要意義，現(xiàn)今這種機器人不僅能夠識別客戶的查詢和投訴，還可以在對話中進行處理和做好必要的安排。

人工智能可以從客戶的語言中識別其當(dāng)前的感覺如何，并且可以作出相應(yīng)的回應(yīng)。在解答客戶所關(guān)注的問題后，將談話轉(zhuǎn)達給人性化服務(wù)的代理人，通常聊天機器人將基于個性化的客戶文件控制交談?？蛻絷P(guān)系的歷史和從現(xiàn)實交談中識別的客戶感覺均流入客戶的配置文件中，特別是發(fā)現(xiàn)客戶解約的風(fēng)險，聊天機器人試圖通過對話的相應(yīng)音調(diào)、讓步準(zhǔn)備以及特定的提議，盡可能避免解約。

人工智能的大眾化

在這個口號下，大型平臺運營商（如亞馬遜、谷歌）提供按使用量付費的人工智能技術(shù)。例如，亞可遜AWS云計算服務(wù)提供在3個層面訪問人工智能技術(shù)。應(yīng)用程序服務(wù)允許使用預(yù)先訓(xùn)練的神經(jīng)網(wǎng)絡(luò)來處理圖像和語言。這些服務(wù)在沒有使用人工智能技術(shù)知識的地方可以由客戶使用。但是，輸出數(shù)據(jù)首先必須在供應(yīng)商的S3存儲云中加載。

圖像和視頻服務(wù)：通過生成元數(shù)據(jù)提供內(nèi)容開發(fā)。此外，人物和文本可以在圖片中識別和在視頻流中跟蹤，包括對眾所周知的公眾人物的認(rèn)識。

語言服務(wù)：提供包括對口語的識別、內(nèi)容開發(fā)（實體提?。?、對說話人情緒（情感）的識別，翻譯、口語的生成和聊天機器人的配置。這些服務(wù)也用于亞馬遜的Echo/ Alexa語言控制產(chǎn)品。

人工智能將是21世紀(jì)的關(guān)鍵技術(shù)之一，其應(yīng)用將越來越普遍地在日常生活中使用，但使用這種技術(shù)會遇到諸多困難。

前一段時間，一架波音737 Max客機在印尼墮毀，189人失去生命，顯然是由于技術(shù)問題。波音為該機型提供了“機載網(wǎng)絡(luò)系統(tǒng)（ONS）”。在使用衛(wèi)星與飛機連接的情況下，利用機載網(wǎng)絡(luò)可以實時分析飛機當(dāng)前的技術(shù)數(shù)據(jù)以及預(yù)測分析飛機的故障機件。機載網(wǎng)絡(luò)實現(xiàn)了飛機的實時“黑匣子”。該航空公司未使用該系統(tǒng)（由于經(jīng)濟原因）。此外，飛行員協(xié)會也反對對飛機的飛行持續(xù)監(jiān)控。人工智能被人們廣泛接受仍需要時間，因為這涉及到數(shù)以百計的生命和數(shù)以幾千萬計的投商商品。

就德國、法國、西班牙、美國、英國、加拿大和中國的公民對人工智能接受的態(tài)度問題進行了調(diào)查，其結(jié)果表明：德國的拒絕率是所有國家中最高的，達20%；中國的拒絕率是最低的，為2%；美、英、法分別為10%、12%、14%%。人工智能在中國經(jīng)濟發(fā)展中具有戰(zhàn)略價值，到2030年將在人工智能領(lǐng)域達到技術(shù)、經(jīng)濟方面的尖端水平。人工智能也將在中國政治方面被視為用于全方位監(jiān)測人口和確保政治制度穩(wěn)定的適合技術(shù)基礎(chǔ)。據(jù)經(jīng)合組織預(yù)測，在2030年來自經(jīng)合組織/G20國家在相關(guān)的人工智能學(xué)科，如計算機科學(xué)、數(shù)學(xué)、自然科學(xué)和工程學(xué)大約37%的高校畢業(yè)生都來自中國，來自美國和俄羅斯的畢業(yè)生只有4.5%，德國只有1.4%。

人工智能名詞簡介

人工智能是機器提供人類智慧應(yīng)用的總稱。其中包括機器學(xué)習(xí)、自然語言處理和深度學(xué)習(xí)?；舅枷朐谟?，通過機器創(chuàng)造近似于人類大腦的重要功能：學(xué)習(xí)、判斷和解決問題。

機器學(xué)習(xí)：機器學(xué)習(xí)使用復(fù)雜的算法從大量的大數(shù)據(jù)中“學(xué)習(xí)”。算法可訪問的數(shù)據(jù)量越大，它學(xué)習(xí)得越多。我們在日常生活中到處可以遇到使用機器學(xué)的例子。例如，個性化的亞馬遜產(chǎn)品推薦或個性化產(chǎn)品目錄、臉書的人臉識別或谷歌地圖上最快的路線建議。目前最有前途的機器學(xué)習(xí)方法被視為深度學(xué)習(xí)，它使用具有多個層面和大數(shù)據(jù)容量很深的神經(jīng)網(wǎng)絡(luò)。

深度學(xué)習(xí)：深度學(xué)習(xí)是一個具有多個神經(jīng)元層面和巨大數(shù)據(jù)容量的“深度”神經(jīng)網(wǎng)絡(luò)。這種高度發(fā)展的機器學(xué)習(xí)方式解決了復(fù)雜的非線性問題，并通過人工智能進行創(chuàng)新，例如自然語言處理、個人數(shù)字助理和自動駕駛汽車。

自然語言處理（NLP）：這涉及文本和人類自然語言處理，其中包括語言服務(wù)使用亞馬遜的Alexa語言控制。

神經(jīng)網(wǎng)絡(luò)：神經(jīng)網(wǎng)絡(luò)或人工智能神經(jīng)網(wǎng)絡(luò)是機器學(xué)習(xí)的類似于人類大腦中神經(jīng)元功能方式的一種類型。這就是使用多個節(jié)點層面（神經(jīng)元）的計算機程序，該程序與學(xué)習(xí)并行，能識別模式，并以類似人類的方式作出決定。

（資料來源：《德國印刷者》2019年3月第5期）