浅论人工智能发展及其在学习中的应用

王 潜

浅论人工智能发展及其在学习中的应用

王 潜

（石油化工管理干部学院，北京 100012)

人工智能是人类的梦想，在几十年的历程后迎来了热潮，诸如AlphaGo围棋人机大战的出现使人们不得不把视线重新聚集在人工智能上，它能否达到人类水平，沿着怎样的技术途径前进仍然是人们关注的焦点和发展方向。

人工智能；神经网络；深度学习；机器学习

科技蕴含着巨大的颠覆能力。在过去的60年里，人类在人工智能（Artificial Intelligence,AI）领域的发展越来越快，虽然处于起步阶段，但是它的出现挑战了人类传统的思维模式和观念，正在逐渐改变人们的生活方式、学习方式和工作方式。人工智能是一门使用计算机来模仿人类智能行为的学科，仿照人类大脑的神经网络架构使计算机从数据中学习，进行监督学习和无监督学习。近年来，人工智能在深度学习和机器学习方面提升了数据的利用价值。

我国拥有海量的数据，国家已经把人工智能上升为国家战略，相继颁布许多支持性政策。2015年7月，国务院发布《关于积极推动“互联网+”行动的指导意见》，将互联网+人工智能列为11项重点行动之一。2016年5月，国家发展和改革委员会等多部委发布《“互联网+”人工智能三年行动实施方案》，提出到2018年“形成千亿级的人工智能市场应用规模”。2017年，全国两会《政府工作报告》中，李克强总理提出“全面实施战略性新兴产业发展规划，加快新材料、

人工智能等技术研发和转化”。2017年7月，国务院印发《新一代人工智能发展规划》，明确提出中国人工智能“三步走”，在技术标准、服务体系、产业生态链、智能制造、智能医疗、国防建设等领域形成涵盖核心技术、关键系统、支撑平台及智能应用的完备产业链。在人工智能的研发上投入大量的资金，并且开放共享一些开源的深度学习引擎和平台，为国内的人工智能创造了良好环境。

1 人工智能发展概述

回首1956年在美国达特茅斯大会提出的人工智能，至今已有60多个春秋。在此期间，人工智能的发展进程从初期的浅层神经网络逐渐演变为向高度智慧发展。1943年，逻辑学家Walter Pitts和神经科学家McCulbch创造第一个神经网络教学模型，至今仍然是标准模型。20世纪50年代，人们开始注意到人工智能与机器之间的联系。1955年，第一个AI程序“逻辑专家”（Logic Theorist）诞生；1956年，美国达特茅斯学院召开人工智能研讨会催生人工智能革命成为现代人工智能研究的起源；1957年，美国计算机科学家罗森布拉特提出感知概念，成为最早的人工神经网络。人们为人工智能欢欣鼓舞的时候，70年代迎来了人工智能的第一个低潮期，根据1973年《莱特希尔报告》出具的详实数据说明，几乎所有的人工智能研究均未能达到预期的发展水平，这种情况一直持续到80年代第五代计算机研制成功，人工智能才得以进一步发展，在已有的单层感知基础上提出误差反向传播算法和多层神经网络模型。随着个人计算机在1987年至1993年全面推广和普及，人工智能专家系统（Symbolics和Lips等）拥有的光环在逐渐消退，直到互联网逐步走向成熟发展和数据概念的出现，又一次迎来人工智能的高潮期。

人工智能的历史进程大致可以概述为以下几个阶段：①20世纪40年代首个神经网络数字模型诞生；②20世纪50年代第一个人工智能程序诞生，成为AI发展史上的里程碑；③20世纪60年代提出的浅层神经网络；④20世纪60年代至70年代出现的反向传播；⑤1974年至1980年人工智能第一次遭遇寒流；⑥20世纪80年代出现卷积的概念；⑦1987年至1993年人工智能第二次遭遇寒流；⑧20世纪90年代无监督学习的诞生；⑨20世纪90年代至21世纪向着无监督学习发展。

2 人工智能案例与窘境

2.1 人工智能应用案例

案例一，围棋人机大战。棋类游戏是人工智能研究的重要领域之一。2015年10月，谷歌（Google）旗下的Deep Mind公司研发的围棋对弈专家系统“阿尔法狗”（AlphaGo）击败欧洲围棋冠军樊麾二段。2016年3月，与围棋世界冠军职业九段棋手李世石进行的围棋人机大战不可谓不震撼人心，最终阿尔法狗以4比1的总分取得胜利。继而在2016年末2017年初，又以“大师”（Master）的身份与中日韩数十位围棋高手对弈，60局全胜的战绩让人侧目。2017年5月，再次挑战当今围棋界世界排名第一的冠军柯洁以3比0的总分获胜。其中一个场景让人记忆犹新，在与一位知名棋手对战中，AlphaGo启用了围棋中被视为坏棋的“九饼疑形”，结果是AlphaGo轻松击败这位有着65年棋龄的围棋九段。围棋界几百年积累的定式被一次次挑战。多次挑战之后，我们不得不重新审视人工智能的存在，它颠覆了人类传统的知识获取途径和经验积累。

案例二，机器新闻写作。通过智能化将传媒内容生产范式从媒体精英的内容产出和用户生产内容转换为算法生成内容。写稿机器人在逐步进入传统传媒企业，2006年，机器新闻写作被引入诸多知名媒体，如《纽约时报》《华盛顿时报》《卫报》等扮演传媒角色，分担传媒工作流程，批量审查自动生成的日常新闻写作稿件。机器新闻写作具有24小时持续工作，抓取数据、挖掘数据、分析数据、套用模板、生成稿件的整体性、精确性、高效性、真实性的特点，可以用秒计算生成一篇篇新闻报道，在突发性新闻写作中也同样以高效扮演着重要角色，最终生成稿件交由人工把关。这预示着人机协同将成为未来传媒生产的主流模式和未来的扩展方向。

案例三，无人驾驶汽车。随着计算机处理能力的进步与深度学习算法的改进，机器不仅在逻辑和对弈能力上得到增强，而且具备了基本的决策和反馈能力，人们也不再满足于航空领域的飞机无人驾驶技术，着手研发期盼已久的无人驾驶汽车。科隆经济研究所对近年来几千个专利进行分析，结果显示在无人驾驶汽车研发过程中，传统的汽车厂商和零配件供应商在无人驾驶汽车的专利远远超过科技巨头公司。以宝马集团为例，采用英特尔研发的人工智能负载FPGA+CPU的混合架构、Mobileye的汽车级计算机视觉技术、德尔福的无人驾驶专业技术支持复杂的人工智能算法，计划在21世纪20年代初期对无人驾驶汽车进行量产。其它科技公司，如Google公司，在无人驾驶汽车研发道路上通过各种传感器对周边环境进行感知，利用采集的信息和数据进行决策和积极有益的尝试。

除了上述三个具有代表性的人工智能领域以外，我们熟知的人工智能产品还包括苹果声控私人助手Siri，亚马逊Alexa智能家居中心，Pandora（潘多拉）电台的音频流媒体服务，等等。从以上的案例可以看出，人工智能在深度学习中运用算法的创新实现了很多软件功能，它们对人工智能的运用是通过信息和数据的利用提升自身的技能和可用性。

2.2 人工智能窘境

人力智能处于一个最好的发展机遇期，也将不得不面临很多挑战和尴尬。在各大科技巨头纷纷抢滩布局人工智能，在人才、技术、兼并收购中，紧随着的是资本热捧和概念营销。一是资本市场，有风投数据显示，至2016年第三季度，全球人工智能创业公司数量已新增为1287个，其中获得投资85个，投资金额近500亿人民币；中国人工智能创业公司235个，获得投资65个，投资金额高达29亿人民币。作为一个技术门槛相对较高的技术，全球每10.9个小时诞生一个人工智能企业，如此快速的增长，背后的焦虑与不安耐人寻味。二是技术引领创新，伪智能产品的出现层出不穷，配以较为简单的联网和搜索功能，标榜着大数据、深度学习、迁移学习等热门词语进入商品流通环节，导致普通用户对人工智能产生误解和混淆，对人工智能产业造成伤害及负面影响。三是商业模式的构建，很多国内外企业对待商业模式尚处于产业化布局和投入阶段，有些企业缺乏清晰盈利模式的支持，还不能有效利用数据资源设计产品与服务客户使其产生商业价值，投资人不敢增资和资金注入。四是价值高估，尽管人工智能处于技术工具阶段，还未实现产业融合与营收目标，但是很多人工智能创业公司在产业和产品毫无头绪的情况下，或处在弱人工智能阶段，持乐观态度对此估值却在不断攀升。

3 人工智能与学习技术

3.1 人工智能深度学习

人工智能分为弱人工智能和强人工智能，深度学习是人工智能的最新演进，属于人工智能的一个学习技术方向，曾被称为2013年十大突破性技术，视为实现强人工智能的突破口。深度学习出现以前人们关注的是机器学习，它包括特征感知、图像预处理、特征提取、特征筛选、预测与识别等五个特征，但在研究的道路上不断遇到尴尬，主要表现在算法中的误差反向传播随着隐层增加而减弱，无法提供海量标识数据导致过度复杂，多隐层结构参数、海量数据产生的计算资源浪费等因素。在不断的尝试中，有人在机器学习的基础上提出多层神经网络，采用相似的分层结构，但在训练方式上采用无监督的方法对各个网络进行逐层训练和误差训练，之后引入标识样本通过监督训练进行微调。深度学习在一些领域已经开展相关应用。

一是语音识别。通过运行神经网络处理音素进行识别工作，其在引入深度学习后，识别错误率大大降低，识别技术已经达到商业水平。国内语音识别算法成熟的公司将产品广泛应用在互联网、物联网、智能家居等国防和民用领域。科大讯飞就是其中的先行者之一。

二是脑型芯片。人工智能深度学习的脑型芯片采用对连续模拟信号进行直接处理的方式对海量数据进行深度学习，能耗约占传统数字化处理芯片的千分之一。在1W功率环境下，每秒的计算速度达到48.5万亿次，并将在几年内投入正式环境使用。

人工智能深度学习对训练集误差、人类误差、测试集误差值及三者间关系的处理策略仍然处在探索研究的过程中，需要考虑非统一化数据存在的因素，已使用的是带标签的完备数据。当今人们提出了监督学习、无监督学习、强化学习、迁移学习的概念，广泛得到应用的是监督学习，其通过已有训练样本进行训练，从而得到一个最优模型，然后将全部数据样本映射为相应的输出结果，并对输出结果，即已知数据和未知数据进行分类。无监督学习随着计算机软硬件的快速发展不断优化算法，它与监督学习最明显的区别在于没有任何训练数据样本，直接对数据进行聚类和建模。深度学习就是基于有教学值的监督学习和无教学值的无监督学习算法的一个框架，其将随着深度神经网络的开发加速发展。后两者尚处于起步阶段，目前人工智能深度学习的应用主要焦点集中在监督学习和无监督学习。

3.2 人工智能+教育

人工智能正在逐步应用到教育领域中。以一个名为“知识空间估测与学习”（Assessment and Learning in Knowledge Spaces, ALEKS）的机器学习软件为例，该软件以测试的方式对参与学员将要学习的内容掌握情况进行摸底，之后由人工智能软件评估每个学员学习中掌握的情况进行教学设置。它能够自动分析回答问题的行为，进而判断学员掌握知识的程度，并从内容库中推荐相关学习内容。当学员完成学习后将进入测试系统，成绩合格者进入不同级别的选项学习继续深入学习。在整个学习过程中，软件记录下每个学员的正确率和使用时间，授课教师可以提取集中的问题进行分类教学。利用人工智能教学软件能够对不同水平的学员进行教学设置，授课教师可以对学员学习情况进行有效跟踪，分组织分类教学，解决传统课堂中教师授课进度适合理解能力与授课进度相近的中等水平学员学习但不利于其他水平学员学习的情况。ALEKS能够在复杂知识领域通过课件内容和评估结果进行自调整承担授课教师的辅助教学。人工智能的嵌入提高了语言技术识别能力，提升了处理机制，使教学式机器向着自适性软件发展。

一些国家已经将编程融入到K12教育中。2013年英国改革中小学教学大纲，要求自2014年起使用新修订的教学大纲，将计算机科学列为基础必修课程，接受编程课程教育的孩子超过9.31%。2016年初美国前总统奥巴马曾经投入40亿美元用于美国青少年提高编程能力的课程学习，在此期间接受编程教育的适龄孩子达到67.5%。2016年6月，国内教育部印发《教育信息化“十三五”规划》，将信息化教学纳入学校办学水平考评体系。2017年1月，对《义务教育小学科学课程标准》进行修订完善，接受少儿编程教学的孩子约为0.96%。2017年7月，国务院《新一代人工智能发展规划》第五条保障措施中第六条明确指出：“广泛开展人工智能科普活动，在中小学阶段设置人工智能相关课程，逐步推广编程教育，鼓励社会力量参与编程教学软件、游戏开发和推广。”

4 结论及建议

人工智能逐渐成为“宠儿”，是否在将来再次遭遇寒流尚未可知，有识之士就当前研究的焦点集中于深度学习提出质疑，表示忧虑。因为深度学习只是人工智能领域机器学习方向的一种方法，存在时代的局限性。不可否认的是人工智能在走进我们的生活，尽管人工智能的分类和预测能力并不完美，但其在非监督学习下正在逐步形成自主思考、推理和探究的能力。

当前人工智能出现了不少的应用，但仍然处于产业化应用初期，投入产出比和应用场景离预期目标存在较大差距，还是一个有待持续探索的领域。随着人工智能技术创新、商业模式的创新将优化决策能力提上了议程，人们不再满足于已有的云端、服务器、GPU部署的人工智能，着手研发更能够适应场景环境下的嵌入式人工智能，把软硬件有效结合，重新定义处理器架构，把想法与产品相互关联。算法创新与基于市场需求的应用场景的突破将是决定人工智能开创新时代的关键。人工智能也在影响着教育行业，为教育与教学的创新发展提供更多的发展机遇，不仅促进教育的发展和变革，还伴随着商业力量加速教育现代化的进程，教育产业信息化、智能化的趋势日趋显现出来。人工智能资源发布与利用、设计与部署、定义与框架、拓展与融合等问题都值得我们进一步思考和完善，它将凸显人类智能的机器化，影响着人类的行为和思维。

[1] 国务院印发《新一代人工智能发展规划》[J]. 中国信息化, 2017, (08): 12-13.

[2] 房晓楠.深度学习进化编年史: 一路走来,几十年的风风雨雨 [J]. 机器人产业, 2017(4): 102-110.

[3] 喻国明;刘瑞一;武丛伟. 新闻人的价值位移与人机协同的未来趋势——试论机器新闻写作对于新闻生产模式的再造效应[J]. 新闻知识, 2017(2): 3-6.

[4] 英特尔公司. 从人机大战看谁将赢得无人驾驶 [J]. 软件和集成电路, 2017(6): 5-6.

[5] “乌镇指数”展示全球人工智能发展态势中国或弯道超车 [J]. 今日科技,2016(11): 24.

[6] 王莹. 人工智能的进展及发展建议 [J].电子产品世界,2017(C1): 23-26.

[7] 朱梦培. 尴尬的人工智能 [J]. 信息技术与信息化,2017(C1): 5-7.

[8] 贺倩. 人工智能技术在移动互联网发展中的应用 [J].电信网技术, 2017(2): 1-4.

[9] 李轶南;张雄伟;李治中;吴海佳;孙久皓. 第1讲 深度学习:开启人工智能的新纪元 [J]. 军事通信技术,2015(4): 88-95.

[10] 科技部. 日本开发出用于人工智能深度学习的脑型芯片 [J]. 军民两用技术与产品, 2017(1): 25.

[11] 罗伯特·E·艾文森;李婕. 数字时代的教育出版 [J].出版科学, 2007(1): 8-12.

[12] 卢蓓蓉;尹佳;高守林;金凯;廖媛;任友群. 计算机科学教育:人人享有的机会——美国《K-12计算机科学框架》的特点与启示 [J]. 电化教育研究, 2017(3):12-17.

On the Development of Artificial Intelligence and Its Application in Learning

Wang Qian
(SINOPEC Management Institute, Beijing 100012, China)

Artificial intelligence (AI) is a human dream, and after decades of development the world has ushered in an upsurge of AI. The recent hype around Alpha Go and the man VS machine battle has re-focused the world’s attentionon the realm of artificial intelligence. Major concerns include whether AI can reach the human intelligence level, and along what kind of technical path AI will progress in the future.

artificial intelligence, neural network, deep learning, machine learning

2017-8-10。

王潜（1975—），男，江苏人。毕业于美国桥港大学计算机科学与工程专业，硕士。工程师，现就职于石油化工管理干部学院。电子邮箱：wangq.glgy@sinopec.com。