近幾年，關于人工智能的討論很多，許多人對人工智能一知半解，媒體的報道也未必全面，那么什么是人工智能？人工智能的本質是什么？未來可能的應用場景？本文將帶你一一熟悉這些。

什么是人工智能？

什么是人工智能？簡單講就是用計算機實現人的頭腦功能，即通過計算機實現人的頭腦思維所產生的效果。人工智能算法所要處理的問題，以及處理后的結果具有不可預測性。

目前，社會上把普通的模式識別、機器人技術混同于人工智能，其根本原因是對人工智能的概念不清楚，因而把一切先進的技術統統歸屬于人工智能。從另一個角度來說，這反而會影響人工智能的發展。

長期以來，人們習慣把導入計算機處理的系統統稱為智能系統，所以，人們看到“人工智能”這個詞時馬上就聯想到智能系統，其實這是完全不同的兩個概念。

智能系統是依據確定性的算法所實現的系統，是按照一種算法實現某種目標函數的處理，其處理結果是確定性的。例如自動控制系統，通過閉環的PID調節，使機械位置能夠盡快達到所定位置，使溫度盡快達到所定指標等等，這種算法往往是經典的理論；再者，在模式識別的智能系統中有很多經典的分類的算法，例如利用歐幾里得距離，可以計算出一個特征向量數據同若干個向量數據中的哪個向量數據最接近，這些都是模式識別的基本算法，導入這些算法的模式識別系統就是一個智能的系統。

在機器人系統中，機器人的行走以及手臂的動作需要人為地事先通過程序輸入到機器人系統中，機器人才可以按照人為輸入的程序進行行走以及做各種手臂動作。外行人可能以為機器人同人一樣可以隨心所欲地做出各種動作，其實不然。例如，機器人在行走過程中，如果路上出現一個不可預知的障礙物，這時機器人肯定會被絆倒；然而，如果在機器人系統中搭載了人工智能的算法，機器人就可以依據自己的判斷，自主地繞過障礙物。

所以，普通的智能系統與人工智能的區別是：普通智能系統是經典的算法，是僅以滿足目標函數的算法，是解決其結果是可預測性問題的算法，人工智能是模仿人類大腦處理問題的方法，或能客觀上實現人腦所能實現的處理過程，人工智能所要解決的問題以及處理的結果往往是不確定性的，或者說是事先不可預知的。

常用的人工智能的算法

1 基于知識庫技術的專家系統

客觀地講，人工智能最成功的應用應該是知識庫技術的專家系統，早在20多年前，筆者研究室里就針對手寫文字如何看起來美觀為題開發了手寫文字的專家系統，把美觀的手寫文字的規則輸入到知識庫中，運用這個系統可解決苦于手寫字不流暢的企業負責人手寫書信問題，通過專家系統的處理既保留了企業負責人書寫文字的個性化，同時看起來又具有一定的美觀效果。

同20多年前落后的硬件環境相比，今天的科研環境先進了許多。人們可以借助大型網絡服務器構筑社會性的大知識庫系統，可以得到意想不到的應用效果。例如，最近日本在網絡服務器上建立了10萬人的語音知識庫,該庫可以實現完全無障礙的自動語音交流，目前用于外國游客坐出租時的自動翻譯系統中。

基于知識庫技術的專家系統是把人的經過頭腦加工的知識通過標準的知識庫的形式歸納起來，使專家系統能夠達到人腦所能實現的處理功能，因此可以解決傳統算法所解決不了的難題。

2 基于模糊數學的空間映射理論*

空間映射理論的倡導者至今才發現這個理論是屬于人工智能范疇的理論。空間映射理論的原理可以用來解決類似人臉識別、圖像識別或文字識別等復雜系的模式識別問題。由于復雜系的問題往往很難找到可以直接解決的算法，因此不能像傳統的智能系統一樣，直接通過傳統的算法進行處理；基于模糊數學的空間映射理論是把一個復雜系空間的問題映射到若干個簡單系空間的問題，雖然在每一個簡單系的空間中只能解決有限的問題，但是根據組合理論，若干個簡單系空間的組合卻能解決復雜系空間的問題；這里最重要的地方是由復雜系空間問題映射到簡單系空間，是基于人的大腦的處理，學術上稱為人為介入的方法；由于傳統的數學方法非常死板，不易進行人為介入，模糊數學則給我們提供了便利，可以根據人對處理對象的理解，從若干個角度通過模糊數學的Membership函數進行定式，從而實現對復雜系問題的解決。由于這樣的算法是按照人頭腦處理的方式，再通過模糊數學的定式達到解決復雜系問題的效果，因此應當屬于人工智能的理論范疇。

20多年前，日本利用這個理論在手寫體數字的自動識別上得到了非常高水平的應用效果。比如，在區別數字“9”和數字“4”的自動識別方面。那個時候，普遍使用的掃描儀的解像度只有100dpi，掃描后的數字“9”和數字“4”很容易混淆：如果數字“4”豎線下面的筆畫較長，很容易被識別成數字“9”，反過來手寫的“9” 下半部分筆畫較短時，可能會被識別成數字“4”。于是，研究人員利用空間映射理論中的Membership函數定式，把數字“9”和數字“4”的模糊值進行量化，從而可以得到非常高精度的識別結果。該技術主要用于超市傳票的自動高速讀取系統中,成為當時日本頗具代表性的手寫文字識別方法。

該理論也可以用于其他應用。例如，利用這個理論，日本電氣化軌道交通的無人駕駛系統可以通過模糊推論，成功地按照駕駛員的經驗自動地處理在自動駕駛過程中可能遇到的隨機問題，從而可以平穩地自動駕駛列車在各種條件下運行。

3 基于神經網絡的深度學習理論

神經網絡的深度學習理論是基于直接模仿人腦的神經元的信息處理的機理，因此當仁不讓地屬于人工智能范疇。人們曾經對這個算法寄予了很大希望，相信能夠在模式識別這類復雜系的問題上得到令人意想不到的應用效果。遺憾的是，神經網絡算法從一開始就遇到計算復雜度高、迭代收斂慢等難題，很難得到實際的應用。2000年以后，神經網絡技術升華為深度學習技術，人們再次掀起對神經網絡技術高度的期望。但是，能夠大規模地應用所必需的具有突破性的技術進步目前還未看到。

4 概率尺度自組織理論*

早在20多年前，為了能同神經網絡技術相對抗，有發明者提出了概率尺度自組織理論，至今，人們才意識到這個理論也屬于機器學習理論。這個理論的出發點是出于人為思想，如果能找到一個最大概率值的尺度就可以通過自組織的方法，針對隨機分布的數據得到一個超越傳統算法的最大概率值的解。由此，產生了概率尺度自組織的算法。

傳統算法的程序設計是程序的開始、中間乃至結果的整個處理過程都是程序員事先設計出來的，是具有預知性的，而概率尺度自組織算法的一個顯著特點就是程序員對處理的過程以及結果都具有不可預知性。

截至到這一理論出現之前，一切與統計學有關的算法的處理結果都停留在這一算法的處理之前，反過來講，該算法處理之后的結果可以讓一切與統計學有關的算法的處理結果產生突破，而且這種算法出現之后，目前被人們視為不可逾越的統計學的各種常數已經不是最佳的常數了。

同深度學習的算法相比，概率尺度自組織算法的自組織的目標清晰，效率極高，每一次迭代必有作用，計算復雜度為線性，普通手機App就可實現，極具應用前景。

由于這種算法在理論上有大的突破，且計算復雜度低，因此使得它在出現以后一直顯示出特殊的應用效果。例如，在文字識別OCR系統上、在計算機打印出的文檔文件上。在沒有基準線的情況下，當文件在掃描儀上放偏時，利用這個算法，僅通過文字的排列，系統就可以很快地計算出文件放偏的角度。

在人臉識別的應用中，例如在給定的一個圖像中找到人臉的部位，傳統的方法是先給出人臉的顏色數據，程序按照順滕摸瓜的方法找到屬于人臉顏色的所有像素。然而，同一個人在不同的光線下拍攝出的圖像的顏色差別很大，再者，世界上有不同膚色的人，同一種膚色所含的具體顏色也是千差萬別的，因此，傳統的定義一種顏色進行搜尋的算法肯定不能滿足實際應用的需要。導入概率尺度自組織算法可以直接地僅通過若干次的自組織就可精確地找到人臉部位，因為不論是那種膚色，不管由于拍攝光線的不同所拍攝圖像的顏色如何失真，在整個圖像中的人臉部位的顏色的分布密度值最大，也就是說人臉部位的膚色的概率值最大。通過概率尺度自組織的算法很簡單地解決了這一難題，而且無需采用順滕摸瓜的方法，在初始時可以通過圖像的任何部位，在概率尺度自組織的過程中自動地遷移到人臉部位，并最終給出整個人臉部位的輪廓。這是在傳統的模式識別的算法里不可想像的識別效果，而且這樣一個勝似深度學習的算法僅僅通過手機終端就可在瞬間實現。

嚴格來說，概率尺度自組織理論應該屬于機器學習理論。這個理論并不鮮為人知，其原因是20多年來一直作為技術訣竅并沒有公開，2014年才在美國、歐洲、日本以及中國申報了專利，目前已在美國和日本獲得了專利權。

5 基于模糊事件概率的最佳組合理論*

組合理論是人工智能的基礎理論，因此人工智能理論的突破必然依賴于組合理論的突破。

組合理論通過圖論解決最佳組合問題，最初是由美國佛羅里達大學***籍劉教授發明的，上世紀80年代初留美訪問學者中國籍王教授提出了利用“熵”的最佳組合理論，從理論上證明能夠獲得最佳的組合結果，因此引起世界學術界的高度重視。然而，利用“熵”的最佳組合理論也存在計算復雜度大、收斂慢的問題，其應用受到局限。

如何高效率地實現最佳的組合結果，例如大規模集成電路需要實現面積最小、配線長最短、甚至還要考慮電氣特性等多目的的組合，這是傳統的組合理論所無法解決的難題。上世紀90年代，出現了一個被稱為具有代表性的組合理論，即模糊事件概率的最佳組合理論。這個理論把復雜的集成電路的各個模塊之間的連接關系通過模糊事件概率的測度進行定量化，通過考慮各個單元間的連接關系——越密切越要盡可能地排列在一起的模糊關系，同時還要考慮針對一個單元同有可能在這個單元附近排列的各個單元的概率關系，將不明顯的微小的概率信息，以及不明顯的微小的模糊信息積分起來，得到穩定的、明顯的以及有價值的信息。這就是模糊事件概率理論的突破點，因此可以高效率的、針對多目的的集成電路的優化需求，直接計算出最佳的組合結果。這個理論的基礎是出于人為主觀地對單元之間的連接關系的模糊值的定義，因此也屬于人工智能理論的范疇。

谷歌公司在英國投資6億美元的一個創業公司利用人工智能的深度學習算法研制出的下棋程序戰勝了韓國棋手，這一消息轟動了世界。當聽到這一消息的時候，筆者立即猜測該程序的制作者一定是下棋高手。果不其然，當日本NHK派記者去英國采訪程序的制作者后，證實了程序制作者在下棋方面是出類拔萃的。那么，這從側面證明了，這個程序恐怕不主要是利用的深度學習的算法。作為組合理論的研究者都會知道，屬于40個以上的組合要素都屬于圖靈機不可解的NP問題，對于下棋問題當然是屬于NP問題，但是，如果加入人為的經驗，NP問題就可以解決，英國創業公司的程序制作者把下棋的經驗做到了程序中，因此可以實現戰勝棋手的效果，從這一點看這個結果并不稀奇。

人工智能在未來的應用亮點

1 三維立體移動目標識別

20多年前，在筆者的研究室里有一個三維移動物體識別課題組，當時從事這個研究的所有人都知道，三維移動物體識別技術是應用于軍事方面的。1991年海灣戰爭爆發后，曾經有媒體曝光，美國載有導彈的戰機曾經對準一列民用火車發射導彈，但是很萬幸沒有擊中火車。2003年第二次海灣戰爭中，有媒體再一次報道出美國載有導彈的戰機對準一列民用火車發射導彈，準確地將這列火車擊毀造成大量傷亡。面對手無寸鐵乘客的火車，美國接連兩次發射導彈目的何在？從事三維移動物體識別的研究者深知，這是美國在展示其三維移動物體識別的技術，因為使用GPS定位技術只能對固定目標進行跟蹤，對于移動目標必須依靠三維移動物體識別技術。

在1991年第一次海灣戰爭中，美國使用的三維移動物體識別技術是通過將三維物體的三個方向上的圖像輪廓的特征向量值進行登錄，在識別三維移動物體時，把攝取到的三維物體的任何角度的圖像的輪廓的特征向量值與登錄的特征向量值進行比對，求出近似值。這種算法在正常情況下會得到比較好的識別結果。但是，在真正的戰爭環境下，周圍炮火濃濃，硝煙彌漫，這對所攝取的移動物體的圖像干擾很大。特別是通過輪廓識別圖像本身違背了信息學的原理，用一維的方法識別二維圖像，信息量本來就不夠，如果圖像的輪廓部分再有一點干擾，就會出現截然不同的識別結果。因此，在第一次海灣戰爭中，美國試驗打擊移動目標的結果沒有達到預期的效果。

在2003年第二次海灣戰爭中，美國在移動物體識別技術中導入了人工智能算法，特別針對由于惡劣環境造成圖像嚴重干擾的情況，可以非常準確地打擊移動目標。

當前，通過無人駕駛飛機對地形地貌的測繪、自動搜索遇難人員等都需要具有人工智能的三維移動物體的識別產品，這樣的高端技術產業具有很高的商業價值。

2 自動股票交易基金對沖以及金融預測*

在社會上最具有價值的技術是預測技術，如果人們能夠正確預測股市就會獲得巨額財富，然而目前預估股市結果的算法并不能滿足人們的要求。例如，美國有一些號稱軍事機密的預測算法，當公開后筆者發現，這些算法在保密期也并沒有想象之中的那種高水平的技術進步。因此，在預測方法上哪怕有一點技術進步都將是非常重要的。

進入人工智能的時代，預測技術將展現突出的顛覆性的效果。首先，在最佳預測的概念上顯示其進步性。以往人們渴望得到一個最佳的預測值，然而，根據數學上的最優化理論，最優化解一定是建立在給出的某一邊界條件上的最優化。人工智能的最優化預測值就是建立在預測者對社會諸因素的了解、對預測目標的認識程度、個人的智力情況等等諸因素以及諸條件的影響為邊界條件所得到的最優化值，而且這個最優化的值一定是超越人的本身所能得到的解，這將把預測理論推向最高階段。

其次，人工智能之所以能在最優化預測上具有突破性，其一是運用了概率自組織理論，顛覆了傳統的統計學的預測；其二是運用了模糊數學的空間映射理論，可以把預測者對社會諸因素與預測對象的關系的認識通過Membership函數定式構建成社會模型，把對預測效果產生影響的有關社會學、哲學、歷史學甚至易學中所提煉出的經驗在人工智能的最優化預測系統中都可以定式，都可以起到對最優化預測的作用；其三是可以建立社會性的專家系統，針對預測對象建立大型的社會性的大專家庫；其四是利用機器學習的相關分析、回歸分析等算法。一句話，人工智能的最優化預測系統是將所有與預測有關的算法、知識以及信息全部利用起來。

人工智能最優化系統不是將這些算法分離地進行計算，而是構建成一個最優化決策平臺，各種不同的算法的計算結果是融合在一起的，相互驗證，信息彼此共享，并通過機器學習算法最終進行自組織運算，去偽存真，從而獲得超越統計學的計算結果，得出最大概率的預測值。導入了人工智能的決策平臺，將上述所有可以對預測起作用的因素通過新型的可對數據直接進行無監督學習的超深度學習的算法進行如同人的神經元系統那樣的對各種數據的整合，以及如同人的大腦那樣對預測結果的判斷，對已經發生的數據同該系統的各個算法所得出的結果進行自動評價，自動修正系統的各種參數，平衡各種因素的影響的實際效果，實現自動的知識更新以及知識積累。上述這些都是在自動的基礎上瞬間實現的，在這個平臺上預測結果包括股票交易、基金對沖都是自動地進行的。

另一方面，這個系統尚需人為處理的功能是，系統在運行時可以不斷地根據操作者對預測因素認識的提高，人為地修正各種因素的數值，或增加信息、增加預測要素，或重新調整預測戰略的框架等，使預測水平不斷提高。這樣的系統之所以能正確預測是來源于人的頭腦的智慧，但是在高速處理、果斷決策方面人類是望塵莫及的，這樣的系統一定會在自動股票交易、基金對沖以及金融預測上發揮不可估量的作用。

3 汽車自動駕駛

導入人工智能理論的汽車自動駕駛系統是當前產業界最為關注的應用課題。在這個應用領域中，其一是導入人工智能的機器學習理論的模式識別系統，可以在線地將路況信息自動識別出來，供自動駕駛系統作為汽車運行的依據；其二是導入人工智能的汽車自動運行系統。

汽車自動駕駛為什么需要人工智能？以剎車控制為例。首先，汽車不可能以一個速度運行，當需要停止在某位置上時有好多種情況：熟練的駕駛員有時會不睬剎車直接停在需要的位置，有時會輕輕地踩一下剎車，也可能會使勁踩一下剎車等等。這樣的控制問題是目前所有的傳統自動控制理論不可解決的，導入人工智能的模糊推論技術就可以把熟練的駕駛員的經驗通過Membership函數定式，再按照模糊推論的算法實現同熟練駕駛員接近的自動駕駛控制。

這里舉出的僅僅是剎車控制，在實際道路上的自動駕駛還有更復雜的控制問題，因此導入人工智能算法勢在必行。

3.4 ITC圖像變換代碼*

隨著代碼技術的進化，當今技術已發展到無需事先設計出代碼符號、構成代碼圖形以求得到穩定的識別結果。在人工智能的算法下，自然的紙紋、聲紋、自然的圖像甚至身體信息都可以直接變換成代碼。

近年社會上流行的AR技術，可以通過手機拍攝的某一個印刷圖像的信息，就能夠上網連接到某一網站。由于這種技術可以從網絡上下載開源程序，所以迅速普及。但是，AR技術是通過圖像識別的算法，識別結果是一個占用十幾兆內存的文件，不利于網絡操作以及大量圖像的應用。

從另一個角度看，谷歌眼鏡、圖像檢索都需要通過拍攝一個圖像，然后通過這個圖像直接上網，或進行網絡檢索。這樣，另一個技術——ITC（Image To Code）技術應運而生。ITC運用空間映射的算法，可以把圖像的某些特征構造成圖像的特征向量，再通過概率尺度自組織的算法組織成一個1036的代碼，實現了將任何一個圖像經過移動終端的拍攝就可成為一個代碼，也就是說可以把任何圖像直接作為二維碼使用。這一成果可以讓任何商品標識在無需任何處理的情況下成為一個二維碼，可以使世界上的所有產品在一夜之間都可以連接到網上去，而且不破壞商品標識的美觀，也可以實現谷歌眼鏡看到任何圖像都可以連接網絡的設想，可以實現通過手機拍攝任何商品圖像就可直接在網上檢索該商品，促進網絡銷售的發展，同時對VR產品的發展起到重要作用等等。與傳統的AR相比，ITC代碼容量僅有其10萬分之一，便于手機終端識別，具有占用服務器容量小、檢索速度快的特點，適于國際性的大范圍、大容量的應用。

未來的人工智能應用展望：

人工智能技術正在帶動一些產業變革。比如無人駕駛技術已成為未來汽車行業發展的重要趨勢和戰略制高點，除谷歌、優步、特斯拉等科技公司在這一領域發力，奔馳、奧迪、豐田等傳統汽車廠商也在競相投入巨資研發。

谷歌母公司“字母表”旗下的“出行新方式”（Ｗａｙｍｏ）公司今年表示，基于谷歌自動駕駛技術的汽車已從公路測試轉向公共試乘，還宣布下一階段的目標是向公眾提供無人駕駛出租車服務。如果無人駕駛汽車真的大規模商業應用，將給相關行業帶來巨變。

在金融行業，全球首只完全由人工智能自主選定投資標的、以美國股票為投資組合的ＥＴＦ類型基金今年１０月在美國紐約證券交易所問世。該基金由位于硅谷的ＥｑｕＢｏｔ公司提供技術支持，使用了ＩＢＭ公司的“沃森”人工智能平臺。

ＥｑｕＢｏｔ公司首席執行官希達·卡圖阿接受新華社記者采訪時介紹，他們使用的人工智能程序每天自動掃描分析６０００多只股票的相關信息，自主選出具有上漲潛力的股票，并對投資組合進行主動管理。這標志著人工智能取代人腦的革命在金融業拉開序幕，今后可能對此類知識密集型行業產生強大沖擊。

人工智能還深入到了社會生活之中。在醫療領域，位于硅谷的斯坦福大學研究人員今年初公布了一項診斷皮膚癌的算法，經過訓練，算法的表現已經可以媲美專業皮膚科醫生。

人們身邊的一些數碼設備中也都有人工智能。比如蘋果公司最新發布的ｉＰｈｏｎｅＸ手機重點宣傳了快速人臉識別功能，相關芯片就使用了生物神經網絡等人工智能技術。還有亞馬遜公司推出的Ａｌｅｘａ智能語音助手，背后也有強大的人工智能技術支持。

社交媒體網站“臉書”最近還開始利用人工智能技術來發現有自殺傾向的用戶，并主動介入，鼓勵他們與朋友溝通，走出陰影。

最后，人工智能在各個領域的迅猛發展，引發了人們對未來前景的討論。雖然現在的人工智能技術還只是限定在各自領域中，尚不具備通用性，但有觀點認為人工智能遲早會發展到那一步，應未雨綢繆。特斯拉公司首席執行官馬斯克認為，將來可能出現超級人工智能，有可能威脅人類自身生存，人類需要應對挑戰。