解析AI人工智能：浪潮、技术、应用发展

所谓人工智能（Artificial Intelligence；缩写：AI），是指以人工方式来实现人类所具有之智慧的技术。只不过，目前能实现与人类智能同等的技术还不存在，世界上绝大多数的人工智能还是只能解决某个特定问题。本篇文章是在我阅读了几本AI的相关书籍后，所概略统整出的架构，希望让初次接触AI的读者，能透过333口诀，快速理解AI到底是什么。

一、AI的三次浪潮

 

 

第一次AI浪潮

第一次AI浪潮起于1950～1960年，止于1980年代。由于出现在网络之前，因此又被称为“古典人工智能”。这时期出现的“符号主义”与“联结主义”，分别是日后“专家系统”与“深度学习”的雏形。只不过，虽然当时的成果已能解开拼图或简单的游戏，却几乎无法解决实用的问题。

第二次AI浪潮

第二次AI热潮伴随着计算机的普及，出现在1980年代。这时期所进行的研究，是以灌输「专家知识」作为规则，来协助解决特定问题的“专家系统”（Expert system）为主。然而，纵使当时有商业应用的实例，应用范畴却很有限，热潮也因此逐渐消退。

第三次AI浪潮

第三次AI浪潮则出现于2010年代，伴随着高性能计算机、因特网、大数据、传感器的普及，以及计算成本的下降，“机器学习”随之兴起。所谓机器学习（Machine leaning），是指让计算机大量学习数据，使它可以像人类一样辨识声音及影像，或是针对问题做出合适的判断。

二、AI的三大技术

快速了解了AI的发展史后，我们来看看当代人工智能的三大代表性模型：遗传算法、专家系统、类神经网络。

1、遗传算法

遗传算法（Genetic algorithm；GA），又称为演化式算法（Evolutionary algorithm），是受达尔文演化论所启发的人工智能。它透过「适者生存」的规则，将“优秀的个体”想象成“好的答案”，透过演化的方式来找出最佳解。

2、专家系统

专家系统（Expert system），则是针对预设的问题，事先准备好大量的对应方式。它应用在很多地方，尤其是疾病诊断。只不过，专家系统只能针对专家预先考虑过的状况来准备对策，它并没有自行学习的能力，因此还是有其局限性。

3、类神经网络

从第三次AI浪潮所兴起的机器学习（Machine learning）有许多种手法，其中最受瞩目的，莫过于深度学习（Deep learning）了。所谓深度学习，是透过模仿人脑的“类神经网络”（Neural network）来学习大量数据的手法。

 

 

类神经网络的由来

若你去观察脑的内部，会发现有大量称为“神经元”的神经细胞彼此相连。一个神经元从其他神经元那里接收的电气信号量达某一定值以上，就会兴奋（神经冲动）；在某一定值以下，就不会兴奋。

兴奋起来的神经元，会将电器信号传送给下一个相连的神经元。下一个神经元同样会因此兴奋或不兴奋。简单来说，彼此相连的神经元，会形成联合传递行为。我们透过将这种相连的结构来数学模型化，便形成了类神经网络。

 

 

类神经网络：深度学习

我们可以发现，经模型化的的类神经网络，是由“输入层”（Input layer）、“隐藏层”（Hidden layer）及“输出层”（Output layer）等三层所构成。另外，学习数据则是由输入数据以及相对应的正确解答来组成。

以影像辨识为例，为了让AI学习类神经网络的模型，首先必须先将影像学习数据分割成像素数据，然后将各像素值输进输入层。

接受了数据的输入层，将像素值乘上“权重”后，便传送给后方隐藏层的神经元。隐藏层的各个神经元会累加前一层所接收到的值，并将其结果再乘上“权重”后，传送给后方的神经元。最后，经由输出层的神经元的输出，便可得到影像辨识的预测结果。

为了让输出层的值跟各个输入数据所对应的正解数据相等，会对各个神经元的输入计算出适当的“权重”值。

这个权重的计算，一般是使用“误差倒传递算法”（Error Back Propagation），使用与正解数据之间的误差，从输出层逆推回去。透过各「权重」的调整，来缩小输出层的值与正解数据的值之间的误差，以建立出完成学习的模型。

由于过去类神经网络之间进行传递的权重值难以优化，因此曾有多数研究者对类神经网络的研究持否定态度。直到2006年，辛顿（Geoffrey Hinton）开发出自动编码器（Autoencoder）的手法，才突破了这项瓶颈。

自动编码器是指，在类神经网络的输入层和输出层使用相同数据，并将隐藏层设置于二者之间，藉此用来调整类神经网络之间的权重参数的一种手法。利用以自动编码器所获得的类神经网络权重参数值进行初始化后，便能应用「误差倒传递算法」，提高多层类神经网络的学习准确度。

透过类神经网络，深度学习便成为了“只要将数据输入类神经网络，它就能自行抽出特征”的人工智能，而这又称为“特征学习”（feature learning）。

深度学习最擅长的，是它能辨识图像数据或波形数据这类无法符号化的数据。自2010年代以来，如Google、Microsoft及Facebook等美国知名IT企业，都开始着手深度学习的研究。例如，苹果「Siri」的语音识别，Microsoft搜索引擎「Bing」所具备的影像搜寻等等，而Google的深度学习项目也已超过1，500项。

至于深度学习如此飞跃的成长，要归功于硬设备的提升。图形处理器（GPU）大厂辉达（NVIDIA）利用该公司的图形适配器来提升深度学习的性能，提供链接库（Library）和框架（framework）产品，并积极开设研讨课程。另外，Google也公开了框架「TensorFlow」，可以将深度学习应用于数据分析。

三、AI的三大应用

AI应用领域主要可分为语音识别、影像辨识以及自然语言处理等三部分。

1、语音识别

语音识别部分，透过多年来语音识别竞赛CHiME的研究，已经有了等同人类的辨识度（CHiME，是针对实际生活环境下的语音识别，所进行评测的国际语音识别竞赛）。此外，Apple、Google、Amazon也相继提出可应用于日常生活的服务，因此其成熟度已达到实用等级。

2、影像辨识

影像辨识部分，虽然一般图片的辨识已有同等于人类的辨识率，但动态影像的辨识准确度却仍比不上人类，目前还在进行各种算法的测试。其中，影像辨识目前最火热的应用场域非自动驾驶莫属了。

整个汽车、信息通讯产业都正朝着自驾车的方向努力，例如Google持续进行自动驾驶的研究，TOYOTA也在美国设立丰田研究所，可以知道现阶段的开发已十分接近实用化。因此，我们可判断目前影像辨识的成熟度是介在研究和实用等级之间。

3、自然语言处理

自然语言处理（Natural language processing；NLP），是试着让人工智能能理解人类所写的文字和所说的话语。NLP首先会分解词性，称之“语素分析”（morphemic analysis），在分解出最小的字义单位后，接着会进行“语法分析”（syntactic analysis），最后再透过“语意分析”（semantic analysis）来了解含意。

输出部分，自然语言处理也与生成文法（generative grammar）密切相关。生成文法理论认为，只要遵循规则即可生成文句。这也代表着，只要把规则组合在一起，便可能生成文章。

在自然语言处理中，最具代表性的应用就是“聊天机器人”（Chatbot）了，它是一种如真人般，可透过文字讯息与人对话的程序。2016年，脸书推出了“Facebook Messenger Platform”，而Line也推出了“Messaging API”，因而促使这种搭载NLP技术的聊天机器人成为瞩目的焦点。

另外，由IBM所开发的华生（IBM Watson），也是应用NLP的人工智能而成。华生可以从维基百科等语料库中抽取知识，学习词汇与词汇之间的相关性。现在，就连软件银行（SoftBank）机器人Pepper也是搭载华生系统。

只不过，由于在日常对话中，我们很常省略词句，也不一定会提及时空背景，因此当前的Chatbot尚无法与人类进行天花乱坠的对话。所以说，现行多数的Chatbot厂商，还是会限定对话的环境与应用领域。