AI与AI，划分没那么简单

张泽玲

对AI的类别还傻傻分不清？在正式开始探讨技术方面的问题之前，看来我们有必要先对AI的类别与界定做—个明确的划分。

01

大脑发达Vs.小脑发达

对人类而言，视觉、听觉、嗅觉等感知功能以及语言、学习、记忆、推理等思维活动主要由大脑控制；平衡、姿态、运动等与动作相关的行为则主要受小脑支配。而人工智能，也可以分为“大脑发达”和“小脑发达”两个类别。

“大脑”很强势

几乎已经打遍天下无敌手的AlphaGo，却在现实中一个棋子也不会摆。因为在人工智能的技术里，计算如伺下赢围棋和如何控制机械臂运动，几乎是完全不同的理論和方法。为了从各个角度模拟人类智能，这些处理技术又细分为计算机视觉、语音工程、自然语言处理、决策分析系统等多个方向。而这类人工智能大多具有自主学习进化的能力。

计算机视觉，顾名思义研究如何使机器“看”，即使用摄影机和计算机对目标进行识别、跟踪和测量。如iPhoneX的“刷脸开机”，道路监控系统里监测到异常任务或事件时自动报警，自动分析病人的各类体检图像来诊断病情等。

语音工程技术的应用则包括语音导航、智能语音助手Siri和Amazon Echo、语音输入法等。其中涉及如何在噪音中正确识别语音、区分不同口音以及如何生成逼真的人类语音等。语音工程常跟自然语言处理技术结合运用，最显著的突破就是不同语言之间的翻译，特别是结合语音技术的同声翻译。

决策分析系统更多地应用在大数据分析领域，比如在网上商城购物时，页面会贴心地“猜出”你还想买哪些东西。

“小脑”很给力

大家比较熟悉的波士顿动力公司研发的人形机器人——Atlas，它经过不断升级，从双脚直立行走到现在能跑能跳，就像是拥有了人类“小脑”的智能一般。

相比“大脑发达”的理论算法，这类人工智能广泛应用的是系统控制理论。通过传感器收集外界的信息数据，然后让机械系统做出一系列的动作和反应。这个过程中各步骤一般都是人类提前研究设定好的，而非机器“自主”做出决定，为了系统的稳定，大多没有自主学习进化的能力。当然，现在也有越来越多的机器人系统尝试使用机器学习的理论和算法。

事实上在现实应用中，“大脑派”和“小脑派”之间并没有严格的界限，比如自动驾驶汽车，就同时应用了计算机视觉、信号处理和系统控制等多个领域的技术。而很多能听懂人类语音指令的扫地机器人，也同时使用了语音工程、自然语言识别和系统控制。

02

强人工智能Vs.弱人工智能

说起人工智能，我们的第一印象都是科幻作品中那些跟人类一样聪敏的机器人。受到目前人类科学技术的限制，我们还没有一款人工智能可以达到人类的智能水平。人工智能想要达到人类的水平首先要通过图灵测试——如果人类和一个未知的聊天对象谈话，过程中参与聊天的人工智能让人类无法分辨出是机器还是人类，那么这个人工智能就通过了图灵测试。能够通过图灵测试，并且像人类一样拥有逻辑推理和解决问题能力的，被称为强人工智能。许多科幻影视作品中，与人类无异甚至能以假乱真的机器人就是典型的强人工智能。

反之，现实生活中那些只具有部分人类智能的，都被称为弱人工智能。虽然学术界还在争论强人工智能是否能够真正实现，但科学家和工程师们从未放弃让人工智能越来越聪明，越来越接近人类智能的尝试和努力。

03

拟人派Vs.机器学习派

就像是我们在试图飞翔时模仿过飞鸟，早期的人工智能理论也大量参考人类智能、意识和情感的形成原理。科学家们曾试图在机器上用符号重现人类逻辑推理和认知过程，以及模拟人类大脑。但由于当下对人类大脑和神经系统所知甚少，计算机和机器的运行原理结构又与人类大脑相差太大，所以这一理论的实现遇到了很大困难。虽然在很多科幻作品中能见到这类人工智能的身影，但现实中还没真正出现。不过，科学家们依然在某些领域试图从心理或神经方面参考人类智能，比如在人工智能和人类交互的领域。

而另一类则是基于数学统计方法和计算机理论的机器学习。“深度学习”“神经网络”都是这一领域常用的方法和模型。说起“神经网络”，它的本质其实只是在计算机上运行的数学模型，只是其中运算推理的过程参考了人类神经元的机理。比起传统的人工智能理论，机器学习理论最大的优势是赋予了计算机一定的学习能力和自主性，而不需要人类巨细靡遗地提前设定。不过这一派也离构建“强人工智能”的目标有很长的路要走。

不管是自我学习，还是依照指令做出行动，机器的学习进化依赖大量的数据，这些数据需要人力来处理，学习过程也要得到人类监视，学好的模型也需要人类来“调教”。但无论未来人工智能的发展出现怎样的新方向和派别，我们的研发宗旨自始至终，都是致力于为人类服务。