徐世垣

神經(jīng)網(wǎng)絡(luò)與機(jī)器學(xué)習(xí)

神經(jīng)網(wǎng)絡(luò)作為人工智能的推動(dòng)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(jìn)步的重點(diǎn)。這種系統(tǒng)多樣化的可能性有賴于下列兩點(diǎn)：

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(gè)神經(jīng)元的操作。

二是機(jī)器學(xué)習(xí)的能力。這種神經(jīng)網(wǎng)絡(luò)利用機(jī)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(gè)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(jī)器學(xué)習(xí)的能力意味著在其經(jīng)濟(jì)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(jìn)步的重點(diǎn)。這些年的進(jìn)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(jià)是對專家知識(shí)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(shí)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(jì)花費(fèi)來維護(hù)的專家系統(tǒng)實(shí)際上是不可能的。

如今應(yīng)該考慮機(jī)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(dá)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(shí)例，人工智能神經(jīng)網(wǎng)絡(luò)無人監(jiān)督（自主）的強(qiáng)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(qiáng)的人類圍棋冠軍，這表明正好朝著這個(gè)方向發(fā)展。人工智能系統(tǒng)采用兩個(gè)人工智能神經(jīng)網(wǎng)絡(luò)，其中之一是為了生成下一個(gè)活動(dòng)，另一個(gè)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(huì)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(gè)人工智能的應(yīng)用領(lǐng)域。其中3個(gè)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(jī)器學(xué)習(xí)。

印刷技術(shù)預(yù)測性維護(hù)

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(shí)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(jìn)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(dòng)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(diǎn)的文本識(shí)別（實(shí)體提?。赃m合相關(guān)文章、圖像或廣告的文本。這項(xiàng)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(jià)格比較優(yōu)惠，但需要較高的維護(hù)費(fèi)用。如今新增加了由人工智能支持的在圖像和視頻中的識(shí)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(jià)格更豐富和自動(dòng)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(xiàng)任務(wù)。對于運(yùn)動(dòng)視頻，利用人工智能可將內(nèi)容自動(dòng)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(dòng)翻譯成多種不同的語言。若采用人工翻譯則價(jià)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(dòng)生成的天氣預(yù)報(bào)、體育報(bào)道（如在大眾體育運(yùn)動(dòng)中，《華盛頓郵報(bào)》的Heliograf新聞機(jī)器人）和企業(yè)報(bào)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(dòng)生成的內(nèi)容。對于這些報(bào)告是否應(yīng)明確標(biāo)明屬于機(jī)器人或數(shù)據(jù)新聞的問題，大家在許多地方都進(jìn)行了廣泛討論。

個(gè)性化的內(nèi)容和服務(wù)

今天提供個(gè)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(qiáng)項(xiàng)之一。個(gè)性化是在利用人工智能方法為這種服務(wù)的每個(gè)用戶制作個(gè)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(gè)性化服務(wù)方面的獨(dú)特優(yōu)勢。個(gè)性化主題恰好對廣播和電視的個(gè)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(jī)器人也具有特別重要意義，現(xiàn)今這種機(jī)器人不僅能夠識(shí)別客戶的查詢和投訴，還可以在對話中進(jìn)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(shí)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(dá)給人性化服務(wù)的代理人，通常聊天機(jī)器人將基于個(gè)性化的客戶文件控制交談?？蛻絷P(guān)系的歷史和從現(xiàn)實(shí)交談中識(shí)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(xiǎn)，聊天機(jī)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(gè)口號(hào)下，大型平臺(tái)運(yùn)營商（如亞馬遜、谷歌）提供按使用量付費(fèi)的人工智能技術(shù)。例如，亞可遜AWS云計(jì)算服務(wù)提供在3個(gè)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(shí)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(chǔ)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(shí)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(shí)。

語言服務(wù)：提供包括對口語的識(shí)別、內(nèi)容開發(fā)（實(shí)體提取）、對說話人情緒（情感）的識(shí)別，翻譯、口語的生成和聊天機(jī)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(huì)遇到諸多困難。

前一段時(shí)間，一架波音737 Max客機(jī)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(jī)型提供了“機(jī)載網(wǎng)絡(luò)系統(tǒng)（ONS）”。在使用衛(wèi)星與飛機(jī)連接的情況下，利用機(jī)載網(wǎng)絡(luò)可以實(shí)時(shí)分析飛機(jī)當(dāng)前的技術(shù)數(shù)據(jù)以及預(yù)測分析飛機(jī)的故障機(jī)件。機(jī)載網(wǎng)絡(luò)實(shí)現(xiàn)了飛機(jī)的實(shí)時(shí)“黑匣子”。該航空公司未使用該系統(tǒng)（由于經(jīng)濟(jì)原因）。此外，飛行員協(xié)會(huì)也反對對飛機(jī)的飛行持續(xù)監(jiān)控。人工智能被人們廣泛接受仍需要時(shí)間，因?yàn)檫@涉及到數(shù)以百計(jì)的生命和數(shù)以幾千萬計(jì)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(jìn)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(dá)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(jì)發(fā)展中具有戰(zhàn)略價(jià)值，到2030年將在人工智能領(lǐng)域達(dá)到技術(shù)、經(jīng)濟(jì)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(jì)算機(jī)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(jī)器提供人類智慧應(yīng)用的總稱。其中包括機(jī)器學(xué)習(xí)、自然語言處理和深度學(xué)習(xí)?；舅枷朐谟冢ㄟ^機(jī)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(jī)器學(xué)習(xí)：機(jī)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(jī)器學(xué)的例子。例如，個(gè)性化的亞馬遜產(chǎn)品推薦或個(gè)性化產(chǎn)品目錄、臉書的人臉識(shí)別或谷歌地圖上最快的路線建議。目前最有前途的機(jī)器學(xué)習(xí)方法被視為深度學(xué)習(xí)，它使用具有多個(gè)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(gè)具有多個(gè)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(jī)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(jìn)行創(chuàng)新，例如自然語言處理、個(gè)人數(shù)字助理和自動(dòng)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(jī)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(gè)節(jié)點(diǎn)層面（神經(jīng)元）的計(jì)算機(jī)程序，該程序與學(xué)習(xí)并行，能識(shí)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）