机器怎样像人类一样思考？人工智能（一）机器学习和神经网络

发布时间：2023-04-01 09:29:10 所属栏目：外闻来源：

导读：前一段时间我为大家介绍了创造未来的新技术，谈到了5G和人工智能。有个小朋友就对我说：他对人工智能特别感兴趣，小时候就特别喜欢看《终结者》《机械公敌》等电影，但是他始终不明白：

其实，人工智能早已不是科

前一段时间我为大家介绍了创造未来的新技术，谈到了5G和人工智能。有个小朋友就对我说：他对人工智能特别感兴趣，小时候就特别喜欢看《终结者》《机械公敌》等电影，但是他始终不明白：

其实，人工智能早已不是科学幻想，它是一种已经应用到我们生活方方面面的技术。例如，为了应对新冠疫情，许多公司安装了人脸识别系统，在进行肺炎筛查的时候，需要快速诊断肺部CT影像，在路上开车违章，会被电子眼抓拍罚款…这里的人脸识别、CT影像识别、车牌识别，统统用到了人工智能。除此之外，手机上的各种语音助手软件、智能音箱、美颜软件、短视频平台的推荐机制、电子邮件的防垃圾邮件系统，也都是人工智能的应用。在未来我们要实现的自动驾驶、智慧工业等领域，人工智能也是不可或缺的。如果把人工智能从我们的生活中慢慢地剥离，那么人类恐怕整个人都要毫不费力地退回遥不可及的三十年前。

人工智能并不是一个新生的科学概念。在上古时代，东西方文明中都出现了人造人的神话。到了二十世纪30-50年代，由于神经生物学、计算机科学、数学等学科的发展，这次人工智能计算第一次进入了大多数科学家的视野。

图灵提出了一种测试机器智能的标准——图灵测试：一个人C通过文字等方式与另一个人A和一个计算机B交流，他能否通过一连串的问题区分A和B哪个是人，哪个是计算机？如果人类无法区分出A和B，就称计算机通过了图灵测试。

顺便一说，在计算机科学领域的世界最高奖叫做图灵奖，就是以图灵的名字命名的，它被称为计算机界的诺贝尔奖。图灵曾经在二战时帮助英国制造的计算机破译德军密码，许多人认为他是盟军赢得战争的法宝之一，这段故事也被拍摄成电影《模仿游戏》。

到了1956年，美国计算机科学家马文·明斯基，约翰·麦卡锡以及信息论的奠基者香农等人，召开了达特茅斯会议。在这次会议上，人们创造出了人工智能这个词。从那次会议开始，人工智能也进入了大发展时代。

从此之后的几十年中，由于算法和算力的限制，人工智能几经起落。直到1997年，IBM的人工智能程序“深蓝”战胜了雄踞国际象棋霸主12年的卡斯帕罗夫，人工智能迎来了第三次大发展。

从那之后的二十多年，在人工智能算法方面，涌现出许多灵魂人物，例如被誉为深度学习之父的多伦多大学的计算机学家杰弗里·辛顿，他将反向传播算法（BP）引入了人工智能领域。纽约大学计算机科学家杨立昆，他最著名的工作是卷积神经网络（CNN）。他们俩连同加拿大蒙特利尔大学计算机学家约书亚•本吉奥共同获得了2018年的图灵奖。

经过众多科学家的努力，在特定的领域——例如图像识别，人工智能的识别率已经超过了人类。在语音识别，智能翻译等领域，人工智能也有长足的应用。现在我们上网，遇到看不懂的外文，只要按一下翻译就能变成汉语了。去国外旅游，也可以双方用一个人工智能软件就能交流了。

我们希望每一个数据点都能在直线上，但是实际上，这往往是做不到的，通过函数关系预测的房价yi和实际房价yi之间总有差别。我们用损失函数描述这个差别：把每一个数据点真实的价格y与输出的价格y做差，再把这些差别做平方和。

如果损失函数特别小，就说明我们的函数最贴近实际的数据，这就是一个好的回归分析。我们的目的就是要寻找合适的参数w和b，使得误差函数J最小。在数学上，这叫做最小二乘法，在高斯和勒让德时代人们就找到了通过方程求解参数w和b的方法。

大家看：在参数取适当值、损失函数最小的时候，损失函数是不随着参数而变化的，或者说损失函数对这个参数的梯度（导数）为零；如果参数取的不当，损失函数会随着参数的变化而变化，梯度（导数）不为零。而且，梯度（导数）越大，往往表示距离损失函数最低点越远。

（编辑：汽车网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!