人工智能何以成为“超强大脑”？算法让它不断学习

　　人类棋手一滴泪下，为这场似乎一开始便已注定结局的人机围棋大战画上了句号。是什么给了“阿尔法狗”如此高超的棋艺？是什么让人工智能成为“超强大脑”？答案是算法。

　　算法是指由计算机执行的一系列独立的指令和动作。从初始状态和初始输入开始，这些指令描述了完整的计算步骤——通过一系列有限的、确切的指令，产生并输出答案和数据，最终止于结束状态。

　　人工智能的算法是一套利用机器智能解决问题的复杂手段。过去，我们给计算机下达规则式的指令来解决问题；现在，我们只要告诉计算机想解决的问题，它就可以自行选择算法来解决问题——这便是人工智能带来的根本性变革。

　　人工智能最重要的是学习能力，即根据机器以往的经验来不断优化算法。第一次人工智能的浪潮始于上世纪70年代，当时的人工智能算法采用的是符号逻辑推理规则，以实现知识表征。由于缺乏自我学习能力，彼时的人工智能无法解决新领域中出现的问题。第二代人工智能虽然在学习和感知能力上表现更佳，但由于当时的机器学习模型不具备大量吸收训练数据的能力，与人类的水平仍有很大差距。

　　大约在10年前，深层与结构化机器学习，或称为深度学习的新范式，让人工智能算法的智能程度越来越高。传统的机器学习方法让电脑学习的“知识”，要由人来设计并输入，因为需要掌握大量的专业知识，导致特征工程成为机器学习的瓶颈。深度学习打破了这一瓶颈，通过多层结构算法，机器对数据集的“特征”进行筛选和提取，通过反复训练，最终获得了提取抽象概念的能力。

　　随着神经网络研究的深入，计算机视觉和听觉等让人工智能技术再次迎来发展的拐点，计算机的算法也越来越精进。未来，计算机对自然语言的应用还将大幅提高，电脑可以听懂、读懂人类平常所用的语言，而不仅仅是机器指令。这样，存在于互联网和局域网中的海量信息，都可以成为深度学习的素材。

　　通过深度学习，人工智能可以达到近似或超过人类的识别精度。但与人类相比，机器所需要的训练数据、 能耗和计算资源却要多得多。从统计学角度看，虽然机器能够达到的识别精度总体上令人印象深刻，但在个体应用中的表现往往不尽如人意。此外，由于目前大多数深度学习模型不具备推理和解释能力，因而无法预测和提前防范严重错误的出现。

　　在提高人工智能学习能力的过程中，科学家和研究者们从未放松过对与之相关的伦理道德问题的思考。例如美国电气与电子工程师协会（IEEE）去年便发布了全球首个《人工智能道德准则设计草案》，力求让人工智能更好地为人类服务。相信随着未来在范式、算法和硬件领域不断出现新的突破，人工智能的浪潮将深刻影响人类的生活方式。（邓力）