人工智能的原理是什么（附图文解说）

　　最近几年人工智能（AI）非常的火，但很多人盲目地迷信和崇拜，却并不明白其原理。有人甚至认为《终结者》《星球大战》中的情景快要变成现实了。就连霍金和马斯克，都认为人工智能有可能产生自主意识并统治人类。人工智能的原理到底是什么？本文给大家进行分析。
　　原理
　　人工智能的原理，用一句话概括就是：
　　人工智能数学计算。
　　机器的智能程度，取决于“算法”。
　　最初，人们发现用电路的开和关，可以表示1和0。那么很多个电路组织在一起，不同的排列变化，就可以表示很多的事情，比如颜色、形状、字母。
　　再加上逻辑元件（三极管），就形成了
　　“输入（按开关按钮）计算（电流通过线路）输出（灯亮了）”
　　这种模式。
　　想象家里的双控开关。
　　为了实现更复杂的计算，最终变成了，“大规模集成电路”芯片。
　　电路逻辑层层嵌套，层层封装之后，我们改变电流状态的方法，就变成了“编写程序语言”。程序猿就是干这个的。
　　程序员让电脑怎么执行，它就怎么执行，整个流程都是被程序固定死的。
　　所以，要让电脑执行某项任务，程序员必须首先完全弄清楚任务的流程。
　　比如联控电梯：
　　别小看这电梯，也挺“智能”呢。考虑一下它需要做哪些判断：
　　上下方向
　　是否满员
　　高峰时段
　　停止时间是否足够
　　单双楼层，等等
　　需要提前想好所有的可能性，否则就要出bug。
　　某种程度上说，是程序猿控制了这个世界（程序猿表示压力好大）。
　　可总是这样事必躬亲，程序员太累了，你看他们加班都熬红了眼睛。于是就想：
　　能不能让电脑自己学习，遇到问题自己解决呢？而我们只需要告诉它一套学习方法。
　　大家还记得1997年的时候，IBM用专门设计的计算机，下赢了国际象棋冠军。其实，它的办法很笨暴力计算，术语叫“穷举”（实际上，为了节省算力，IBM人工替它修剪去了很多不必要的计算，比如那些明显的蠢棋，并针对卡斯帕罗夫的风格做了优化）。计算机把每一步棋的每一种下法全部算清楚，然后对比人类的比赛棋谱，找出最优解。
　　一句话：大力出奇迹！
　　但是到了围棋这里，没法再这样穷举了。力量再大，终有极限。围棋的可能性走法，远超宇宙中全部原子之和（已知），即使用目前最牛逼的超算，也要算几万年。在量子计算机成熟之前，电子计算机几无可能。
　　所以，程序员给阿尔法狗多加了一层算法：
　　A、先计算：哪里需要计算，哪里需要忽略。
　　B、然后，有针对性地计算。
　　本质上，还是计算。哪有什么“感知”！
　　在A步，它该如何判断“哪里需要计算”呢？
　　这就是“人工智能”的核心问题了：“学习”的过程。
　　仔细想一下，人类是怎样学习的？
　　人类的所有认知，都来源于对观察到的现象进行总结，并根据总结的规律，预测未来。
　　当你见过一只四条腿、短毛、个子中等、嘴巴长、汪汪叫的动物，名之为狗，你就会把以后见到的所有类似物体，归为狗类。
　　不过，机器的学习方式，和人类有着质的不同：
　　人通过观察少数特征，就能推及多数未知。举一隅而反三隅。
　　机器必须观察好多好多条狗，才能知道跑来的这条，是不是狗。
　　这么笨的机器，能指望它来统治人类吗。
　　它就是仗着算力蛮干而已！力气活。
　　具体来讲，它“学习”的算法，术语叫“神经网络”（比较唬人）。
　　原理如下图：
　　（特征提取器，总结对象的特征，然后把特征放进一个池子里整合，全连接神经网络输出最终结论）
　　它需要两个前提条件：
　　1、吃进大量的数据来试错，逐渐调整自己的准确度；
　　2、神经网络层数越多，计算越准确（有极限），需要的算力也越大。
　　所以，神经网络这种方法，虽然多年前就有了（那时还叫作“感知机”）。但是受限于数据量和计算力，没有发展起来。
　　神经网络听起来比感知机不知道高端到哪里去了！这再次告诉我们起一个好听的名字对于研（zhuang）究（bi）有多重要！
　　现在，这两个条件都已具备大数据和云计算。谁拥有数据，谁才有可能做AI。
　　目前人工智能AI常见的应用领域：
　　图像识别（安防识别、指纹、美颜、图片搜索、医疗图像诊断），用的是“卷积神经网络（CNN）”，主要提取空间维度的特征，来识别图像。
　　自然语言处理（人机对话、翻译），用的是”循环神经网络（RNN）“，主要提取时间维度的特征。因为说话是有前后顺序的，单词出现的时间决定了语义。
　　神经网络算法的设计水平，决定了它对现实的刻画能力。顶级大牛吴恩达就曾经设计过高达100多层的卷积层（层数过多容易出现过拟合问题）。
　　当我们深入理解了计算的涵义：有明确的数学规律。那么，
　　这个世界是是有量子（随机）特征的，就决定了计算机的理论局限性。事实上，计算机连真正的随机数都产生不了。
　　机器仍然是笨笨的。
　　某家公司曾在电视上演示了他们利用人工智能诊断医学影像的准确率，比医生人工判断得还准。引起一片惊讶。
　　其实这是多正常的事呀。起重机发明出来之后，当然比最强壮的大力士能举起更重的物体。
　　人类医生的诊断，是对发病机理、化验结果的结合，而机器仅仅是根据医生对大量化验结果的历史诊断，估算出近似值。虽然表面看起来还算准确，一旦有个新病出来，它又不知道怎么处理了。
　　机器能不能模拟整个人体系统？器官、血液、心情、饮食、劳动强度？模拟它们之间的相互联系，进而懂得发病机理？
　　不可能。因为人体系统具有量子效应随机的宏观表现，更不用说人的自发意识对疾病的影响了。
　　人类能认识内在规律，机器只能总结表面规律。
　　其实，我们连什么是智能、意识，还都完全没弄清楚。只有几个哲学家争论，科学界对此毫无进展，连下个定义都很难！谈何机器拥有自主意识？
　　笔者的观点很明确：
　　AI将极大提高生产力，是没什么疑问的，就像曾经的内燃机一样。也可能会产生破坏但不是它自主破坏的，而是使用不当，杀人不是刀的错。
　　可以肯定的是，人工智能绝无可能统治人类。
　　就目前来看，还是回家造人，是真正的智能。
　　接着而来的问题是
　　人工智能AI会导致失业潮吗？
　　第一次工业革命中，新型纺织机抢走了纺织工人的饭碗。当时，工人们还真的联合起来闹了一闹，砸了一些工厂和机器。
　　现在是不是又到了那个阶段？自从电脑出现，人们就一直在担心电脑抢了自己饭碗。
　　其实，经济学中有一个简单粗暴的定理：
　　人的欲望和需求是无止境的，当技术的进步加大了低端产品供给时，需求会自然向高端移动。
　　有需求就会有就业。（注：需求有购买力的欲望）
　　结构性失业一直在持续，但另一边，新的工作岗位也一直在增加啊。因为：
　　在AI人工智能革命中，一定有新的玩意出现。
　　哪些职业容易被替代呢？从“人工智能数学计算”可知：
　　那些算法越明确的工种，机械化、重复化的劳动，越容易被取代。
　　这里要注意一个问题：有些工作，看起来需要复杂的智力劳动，比如银行柜员：
　　她亲切地向你问好，细致地询问你的需求，处理一大堆文件、签字。怎么看，都不是一个机器人所能胜任的。
　　但根据“需求路径理论”，这个过程不是被替代，而是被跳过。这种职业也是危险的。
　　职业的结构性调整，过程是渐进的。并不会说AI产品一下子全部铺开，大量工人一下子失业。
　　理论上讲，没有绝对不可能替代的工作，大势浩荡，无法阻挡。只能是加强学习，加大教育投资。但别被那些哗众取宠的文章给吓到，焦虑不安。
　　更彻底一点的办法也有，那就是拥有资本。