3分鐘讀懂火熱的人工智慧！

　　如果有人問你什麼是AI?你會如何回答?你可能會聯想到電影中的場景，星球大戰、復仇者聯盟各類科幻片為我們提供了很多關於AI的想象，但那些都是沒有實現的AI機器人。現實生活中AI的應用其實十分廣泛，包括智慧手機、搜尋引擎、智慧遊戲、自動駕駛汽車等等領域，可這些都是弱智慧AI的應用。

　　現在AI代表的是強智慧的AI，是可以從海量經驗資料中進行深度學習，可以依據不同情境做不同反應的智慧實體。

　　AI可能在大多數人認知中是一個新興領域，但它的歷史可以追溯到上個世紀提出的機器智慧，雖然AI技術已經出現了很長時間，但隨著時間的發展和新興軟硬體的開發，它近些年開始出現在公眾視野內，並以強勁的趨勢在不斷髮展。

　　AI技術對公眾而言也算不上陌生，你可能聽過其他技術的名字，比如機器學習、神經網路、語言處理、影像識別等等，其實這些都是AI技術的一個子集，AI技術包含的範圍非常廣泛，下面是筆者關於AI技術的一些總結。

　　 機器學習

　　機器學習有點類似於人類的上學，當AI程式獲得海量經驗資料後，想讓它轉化為可用資訊，還需要在已有的知識結構中重組分類，不斷進行重複實驗，就像孩子需要在學校透過學習和模仿大人的行為，從而在實際環境中來做出判斷和行動。

　　AI程式能否正確反應取決於資訊集，如果程式收集的是分離的、有限制的、帶偏見的資訊集，就很難得到正確反應。收集資訊集的難度在於該AI程式使用者的使用範圍，如果是為小眾使用者建立的AI程式，則使用的是較小的資訊集，但大多數AI程式都需要收集廣泛的資訊，進行大量的重複實驗，來獲取針對不同指令的正確反應，以滿足大多數使用者的需求。

　　 深度學習和神經網路

　　兩者都是機器學習的一個子集，深度學習側重於嘗試模仿人類大腦的工作方式。雖然我們自身並沒有完全瞭解人類大腦是如何運作的，但現在AI程式的深度學習能力可以模擬人類大腦，自發的對海量資料進行深度學習，構建不同場景下的反應機制。

　　神經網路是深度學習的具體實現，AI程式內多個節點透過完成不同的任務，將完成任務的經驗與網路中的其他節點共享，如果一個節點的任務成功完成，就相當於其他節點都擁有這個任務完成的經驗，而節點之間經驗越多，則資訊集越豐富， AI程式就可以在資訊集中挖掘更多可用資訊，將其轉化為不同的反應機制。

　　 認知計算和自然語言處理(NLP)

　　認知計算是一種全新的計算模式，包含資訊分析，自然語言處理(NLP)等技術，是實現AI的關鍵技術體系，認知代表著能思考並且感知事務，可以對資料進行推理、學習和改進。

　　自然語言處理是一門融語言學、電腦科學、數學於一體的科學，NLP區別書面語言與口頭語言，瞭解語言包含的文字內容，語境，判斷單個詞語歧義、分辨說話者意圖。在AI程式處理具體問題時，NLP幫助AI程式正確分析說話者指令，輸出恰當的回覆語句，而認知系統則負責探索更加自然的方式與互動者進行互動，幫助AI程式完善人性化功能。

　　 計算機視覺

　　計算機視覺是用攝像機和電腦代替人的眼睛，幫助AI程式正確識別目標，包括影像獲取、預處理(平滑去噪、提高對比度、調整尺度)、特徵提取、檢測分割等等具體應用，利用計算機對影像進行處理、分析和理解，以識別不同模式的目標和物件， iPhone X的人臉識別就是這項技術的應用實現。

　　在計算機環境中，“視覺”還包括我們人眼平常看不到或者無法識別的影像和其他型別的視覺輸入，但機器可以識別出來，比如電磁波、X射線和紅外線等。

　　 工具推薦

　　在函式庫推薦方面，每個技術部分都有一些特定的不同，AI領域的許多庫都是針對Python開發人員的，但下面提到的庫是可以支援其他語言。

　　· Keras：高階神經網路Python庫，可以嵌入其他深度學習庫中，旨在簡化實驗模型。

　　· MXNet：Amazon深度學習庫，支援多種程式語言和部署方法。

　　· Deeplearning4j：基於JVM的深度學習庫，可內建可視筆記本用於實驗執行。

　　· Spark MLib：適合於使用Spark進行資料流傳輸的使用者。

　　· OpenCV：廣泛使用並支援計算機視覺的庫。

　　· SimpleCV：與OpenCV很相似。

　　· NLTK：用於處理和理解自然語言的Python庫。

　　· OpenNLP：適用於JVM使用者。

　　最後需要單獨指出的是，隨著AI程式的持續發展，它將會在社會生活中承擔更加多樣化的角色，我們會越來越依賴AI來承擔更多的工作或任務，我們雖然不相信科幻電影中的機器人殺手， 現階段的AI也沒有實現強智慧時代，但我們依舊需要警惕由AI帶來的可控性挑戰。