谷歌VS微软：探索人工智能的未来

于子洋

摘 要：人工智能被认为是21世纪三大尖端技术之一。它研究人类和其他对象的智能活动规律，企图了解智能的实质，并构造出一种新的能以人类智能相似的方式做出反应的智能机器，从而能够使用机器去完成以往需要人的智力才能胜任的工作，也就是研究如何应用智能机器的软硬件来模拟人类某些智能行为的基本理论、方法和技术。本文从人工智能的发展、组成和应用谈起，结合人工智能领域杰出的企业，介绍了谷歌和微软的人工智能技术，并对人工智能的未来发展做出了自己的展望。

关键词：人工智能；谷歌微软；未来

中图分类号：TP301.6 文献标识码：A 文章编号：1671-2064（2017）17-0015-02

1 人工智能的简介

1.1 人工智能的发展概况

人工智能（Artificial Intelligence，AI）是研究、开发用于模拟、延伸和扩展人的智能的理論、方法、技术及应用的一门新的技术科学，是计算机科学的一个重要分支，被认为是21世纪三大尖端技术之一。自从“人工智能”一词被提出至今，其发展迅速，取得了惊人的成就，对我们的日常生活产生了深远的影响，其在我们每天使用的汽车、笔记本电脑、智能手机、智能家居等中均存在。它的诞生与发展是20世纪最伟大的科学成就之一，也是新世纪中引领未来发展的主导科学之一。人工智能在机器人、模式识别、自然语言处理、智能规划、博弈、搜索等领域具有非常广泛的应用。毫无疑问，未来AI对我们生活的影响将进一步增加，并使人与机器之间的边界越来越模糊。

AI的发展与其他科学的进步无异，都是受三个方面的力量推动：新的技术的推动，使我们能都进行更强有力的实验；来自新应用的新挑战；以及包括数学在内的其他学科的新进展，使我们有新的机制或预测工具，理解并改进现有的机制。这三个方面的推动力量定会使AI未来几十年的发展产生翻天覆地的变化。

1.2 人工智能的关键技术

1.2.1 神经网络的低成本并行计算

思考是一种人类所固有的并行过程，数以亿计的大脑神经元同时放电以创造出大脑皮层用于计算的同步脑电波。而人工智能的任务则是搭建这样一个人工神经网络也需要许多不同的进程同时运行。神经网络的每一个节点都大致模拟了大脑中的一个神经元，这种神经元与其相邻的节点相互作用，以明确所接收的信号。例如，一个程序要理解某个口语单词，就必须能够听清其每个音素；要识别出某张图片，就需要看到其周围像素环境内的所有像素——这两者都是深层次的并行任务。此前，标准的计算机处理器一次仅能处理一项任务而已。

1.2.2 大数据——人工智能训练的前提

不仅是人工智能，每一种智能都需要被训练。哪怕是天生能够给事物分类的人脑，也仍然需要经过十几次辨认训练后才能区分苹果和梨。即使是程序编的最好的电脑象棋，也得在至少对弈一千局之后才能有稳定的表现。人工智能能获得突破的部分原因在于，现在我们能够收集到来自全球的海量数据，以给人工智能系统提供其所需的充分训练。全球的信息检索、自动跟踪、线上足迹、数年的搜索结果、各种在线百科全书以及整个数字世界都成了老师，是它们让人工智能变得更加聪明。

1.2.3 深度学习——更优的算法

深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，人脸识别或面部表情识别）。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。

2 谷歌的智能机器未来

谢尔盖·布林和拉里·佩奇作为谷歌的创始人曾指出：机器学习和人工智能是谷歌的未来。或许正是由于两位创始人的共同愿望，近年来，在不少科技公司都在缩减研发开支时，谷歌却每年都在加大投入，探寻者一些天马行空的想法；具有自学能力的人工大脑，能击败任何棋手的最强大脑，能知能觉的机器设备，甚至通往太空的电梯……有人甚至预计：再过是十年后，谷歌的主营也不再是搜索，而是人工智能产品。

2.1 从无人汽车到“猫脸识别”

人们或许对通过眨眨眼就能拍照上传、收发短信、查询天气路况的谷歌眼镜耳熟能详——尽管其实用性不被普遍看好，但最近更加让人关心的是谷歌的无人驾驶汽车。没有方向盘，没有刹车，更加人性化。无人驾驶汽车的车顶上安装了各种传感器，这样就可以计算出物体之间的距离。而另一套在底部系统则能够测量出车辆在三个方向上的加速度、加速度等数据，然后再结合GPS数据计算出车辆的位置所有这些数据与车载摄像机捕获的图像一起输入电脑，软件以极高的速度处理这些数据。这样系统就可以非常迅速地做出判断。

2012年，谷歌的一次“猫脸识别”技术震惊了整个人工智能领域。Google X部门的科学家，通过将16000台电脑的处理器相连，创造了一个拥有10亿多条连接的神经网络。谷歌将这一神经网络看成一个模拟的“新生大脑”，并对它连续一个周进行视频播放。其结果令人吃惊：其中一个人工神经元对“猫”的图片反应强烈。而谷歌从未通过实验或者教学告知其“猫”的概念和图像，这就是说，人工智能完全具备和人脑一样“自我学习”的能力。

事实上，机器学习技术并非只是和图像有关——在谷歌内部，试图将这种人工神经网络方法应用到其他领域，如语音识别和自然语言构建等。当然，要想将深度学习技术从语音和图像识别技术扩展到其他领域，需要科学家在概念和软件上做出更大突破，同时需要计算能力的进一步增强。

2.2 Google X与奇点大学

谷歌最为人所熟知的业务范围是搜索和广告，但它在人工智能领域的几个项目已经引起了广泛关注，包括自动驾驶汽车、可穿戴技术（谷歌眼镜）、类人机器人、高空互联网广播气球，以及可以检测眼泪中血糖含量的隐形眼镜。而在企业并购方面，谷歌也在人工智能领域下足了功夫，收购了数家有潜力的人工智能科技公司，包括DeepMind、仿人机器人制造商BostonDynamics等。谷歌将这些围绕智能技术开发的研究机构，均纳入其“秘密实验室”——Google X。endprint

与谷歌不同的是，Google X的特别之处在于，它的首要目标不是盈利，而是解决难题，影响世界，当然这些项目在未来也具有潜在而巨大的商机。一些科技评论家纷纷指出，Google X领先于整个人类社会，站在了变革的交叉路口，其所达到的高度和深度是无人能及的。

谷歌的另一個引人注目的机构便是奇点大学。奇点大学成立于2009年，由谷歌、NASA以及若干科技界专家联合建立的一所新型大学，旨在解决“人类面临的重大挑战”，研究领域则聚焦于合成生物学、纳米技术和人工智能等。奇点一词来自人工智能工程师库兹韦尔，他在其著作《奇点临近》中，将“奇点”解释为电脑智能与人脑智能兼容的那个奇妙时刻，并预测这些转变会发生在2045年。

3 微软人工智能生态

截止目前，全世界最“聪明”的机器也只是站在了第二级台阶上——人工智能这个概念本身中大部分含义其实是“功能”，还有一定的“智能”。“智能”与“智力”只差一个字，但对于机器来说却需要极长的时间和积累来跨越。人工智能已经成为世界科技巨头新的角斗场，我们正在步入一个全新的人工智能时代。如何让新科技产品以易用和低成本的方式普及到尽可能多的大众，为人工智能打造一个生态圈，便是微软非常重要重要的战略。

在此战略指导下，微软先后退出了小娜（Cortana）、小冰和Skype Transaltor等基于人工智能技术的产品。

微软在人工智能上的追求让人惊叹，Cortana的出现便是最好的印证，与其说Cortana是一个私人语音助理，倒不如说是微软人工智能的先驱产品。微软把这个拟人化的性感虚拟个人助理定位于微软进军机器学习的重要里程碑。Cortana推出后迅速被推广到中国，被取名为“小娜”，并且与微软亚洲研究院开发出来的另一款人工智能机器人伴侣“小冰”并称为“人工智能姐妹花”。基于Cortana，微软亚洲研究院根据本地化深度定制了一款人工智能个人助理小娜，扮演的是知书达理的女秘书形象，帮助用户做出最优化的行程计划安排。她会在合适的时间、地点推送合适的内容和资讯，用户可添加自己的喜好，而小娜会根据用户的喜好和习惯针对性做出相关推送，变成只属于你的私人助理。

与小娜相比，人工智能伴侣小冰的名字来自微软的搜索引擎必应，它具有自主思维和情感化等多方面的功能。它的数据来自互联网上网民生产的海量信息，在获取这些信息后，微软会对这些信息进行加工，并利用人工智能技术进行处理。通过系统性地挖掘中国互联网上人与人的对话，微软为小冰赋予了一种比较亲和的人格，以及一些“智能”的印记。而通过大数据、深度神经网络等技术，小冰成为了兼具“有趣”和“有用”的人工智能机器人伴侣，超越了简单和死板的人机对话交互，并以此与用户建立了强烈的情感纽带。该程序会记住之前与用户沟通的内容，在后面的交流中能针对性回答。小冰和小娜分别用文字和语音的形式和用户沟通，产品在经过迭代可以达到有趣和有用的平衡，让用户得到最佳的体验。

小冰和小娜的植入，使微软构建了自己强大的人工智能生态，通过配置在自家操作系统Windows中，用户可以无缝体验到最先进的人工智能产品，这对于提升用户黏性是由决定性作用的。

4 人工智能的未来

其实人工智能已经早就渗透到了我们的生活中，小到我们手机里的计算机，Siri，语音搜索，人脸识别等等，大到无人驾驶汽车，航空卫星。但目前人工智能的功能相对狭窄，被称之为ANI （artificial narrow intelligence），对一个既定的目的而做好训练，就像你想要和一个机器玩一个游戏，机器需要预先设定好程序。但人工智能想要学习人类大脑，去创造一个可以像人脑一样宽泛，有选择地学习，而不是像传统的代码去考虑每一种可能性。其被称之为AGI（Artificial general intelligence）的技术也可以让机器的学习也变得更灵活，让代码具有对不同的境况有适应性。就像Alphago并不是考虑每一步棋的所有可能性，而是根据经验预判而做出决定。这样的类似于人类，甚至超越人类的学习方式，将会对未来整个科技的发展带来巨变。

参考文献

[1]张自力.人工智能新视野[M].北京：科学出版社，2016，（2）：15-18.

[2]陈凯，朱钰.机器学习及其相关算法综述[J].统计与信息论坛，2007，（05）：10-19.

[3]蔡自兴，徐光.人工智能及其应用[M].清华大学出版社，1996，（5）：69-75.endprint