国产高清在线观看视频手机版_最近日韩欧美视频亚洲_国产91色在线1免费_久久小视频黄色视频_v亚洲中文字幕丝袜专区_琦凱不銹鋼衛生潔具_五月天国产日韩精品在线_99人中文字幕亞洲區_三级片直播在线观看_午夜精品被窝影院

作者/ 許乃威??

這是許乃威科普教室「從那場(chǎng)華山論劍講起」這系列文章的最終篇，有興趣讀者可以回頭看這系列文章的上和中篇。這系列文章在講人工智能過去50多年的發(fā)展，但有讀者問：干嘛花時(shí)間去了解這些過去的歷史呢？這系列文章其實(shí)背后有一個(gè)很實(shí)用的目的，就是：教大家簡(jiǎn)單的方法，識(shí)別你所用的智能系統(tǒng)，到底是不是現(xiàn)在最新最熱門的人工智能技術(shù)。

自從谷歌的AlphaGo打敗了世界圍棋冠軍，震動(dòng)了世界，AlphaGo背后的技術(shù)：深度學(xué)習(xí)，一下成為報(bào)紙的頭版頭條，所有人都宣稱自己在搞深度學(xué)習(xí)，深度學(xué)習(xí)最成功的應(yīng)用，就是解決了以往人工智能解決不了的問題：聲音、文字和圖像的識(shí)別處理，我們所在的客戶服務(wù)領(lǐng)域，不正好就是其中的聲音和文字嗎？

因此我過去這幾年，很常被問到一個(gè)問題：老師，我們要買智能系統(tǒng)，各家廠商都講得很好，但這實(shí)在太專業(yè)了，而且這可是大投資，一買錯(cuò)，這可就全慘了，是啊，這還真的就很慘，我就遇到有企業(yè)買到的，連第一代的智能系統(tǒng)都不算，只是利用關(guān)鍵詞比對(duì)的技術(shù)而已，真沒用到人工智能的技術(shù)，花了錢花了時(shí)間不說，還跟公司的核心系統(tǒng)接上了，要換都不知道該怎么換。

我最近被牙齒弄得真的很煩，也不知道是年紀(jì)大了還是怎么著，反正就是有幾顆牙掉了，要做植牙。其中有2顆是左下方后面的兩個(gè)大牙，10年前就做了植牙，結(jié)果其中一顆掉了下來，牙醫(yī)說，失敗的那顆沒法再植了，但還好還有一個(gè)是成功的，他說那這樣吧，我們就在沒牙的地方做個(gè)牙套，然后做個(gè)神奇的勾子，跟前面那顆牙勾起來，也把牙套跟后面那個(gè)植牙連起來，團(tuán)結(jié)力量大，前后兩個(gè)牙齒的力量，就能讓沒牙的那個(gè)牙套給固定住了，我聽了，連忙點(diǎn)頭如搗蒜，頻頻稱好，因?yàn)槲乙膊欢。它c(diǎn)頭，我還能干嗎？十年后的今天。那個(gè)神奇的勾子斷了，那個(gè)牙套站不住了，脫落了，連帶影響到我另外那個(gè)還在的植牙，也就是兩個(gè)植牙都不行了，這次我找了真正的專家（過程就不說了），專長就是失敗植牙的重建。他看了我的情況，一句話：那個(gè)神奇的勾子，是上一代的技術(shù)啊，現(xiàn)在都沒人用了，我說，那現(xiàn)在的技術(shù)是什么？他說，即使植牙失敗，都是可以補(bǔ)骨補(bǔ)肉，重新來過，只是要看那個(gè)牙醫(yī)有沒有這樣的技術(shù)而已，然后，我就開始了我現(xiàn)在長達(dá)6個(gè)月漫長的補(bǔ)骨補(bǔ)肉、重新來過的過程。

大家買的智能系統(tǒng)，就跟我的植牙是一樣的，如果你買的是那個(gè)「神奇的勾子」，表面聽起來再怎么神奇，總歸是上一代技術(shù)，是被淘汰的，是用不久的，真要換，不是版本更新，而是馬車要換火車，但建置智能客服系統(tǒng)，就跟我植牙一樣，我們做客服的，一般都不懂技術(shù)啊，智能客服系統(tǒng)太專業(yè)了，廠商現(xiàn)在這么多，都說是最新最熱門的，我們到底要怎么判斷？就算是企業(yè)的科技部門，也沒有多少人懂深度學(xué)習(xí)，因?yàn)樯疃葘W(xué)習(xí)的理論，是2006年深度學(xué)習(xí)之父Hinton提出，2012年才爆火廣泛被接受的，也就是說離現(xiàn)在才10年的時(shí)間，你說能有多少人懂深度學(xué)習(xí)是什么？

現(xiàn)在的智能系統(tǒng)，存在著太多混雜第一代智能、第二代智能和第三代智能的概念，全部夾雜在一起，我們做運(yùn)營的，因?yàn)閷?duì)技術(shù)也不懂，廠商說這樣做，我們就這樣做，也沒有真明白背后的原理是什么，浪費(fèi)了時(shí)間不說，系統(tǒng)的效能越搞越糟，舉幾個(gè)例子。

智能客服系統(tǒng)的核心，不是智能知識(shí)庫嗎？智能知識(shí)庫不是會(huì)有標(biāo)準(zhǔn)問和相似問嗎？客戶問：我銀行卡里還有多少錢？這是標(biāo)準(zhǔn)問，但客戶說法有太多種變化，我們要把變化寫下來，放到相似問里面，我有次在一個(gè)銀行客戶現(xiàn)場(chǎng)，看到做運(yùn)營的標(biāo)注同事，在標(biāo)準(zhǔn)問底下，拼命的添加相似問，有的標(biāo)準(zhǔn)問，竟然放進(jìn)去了800多條的相似問，這根本就不對(duì)了啊，深度學(xué)習(xí)的確要用到海量訓(xùn)練，但這海量訓(xùn)練是用在學(xué)習(xí)中文上面，因?yàn)橹形牡恼f法變化太多，而跟銀行這領(lǐng)域的說法變化，應(yīng)該就少多了，客戶的說法的確有很多種，但那是中文的范圍，那是你買這套系統(tǒng)之前，廠商應(yīng)該早就訓(xùn)練好的，你要加的相似問，應(yīng)該是跟銀行知識(shí)有關(guān)的，例如「賬戶余額」這個(gè)說法，客戶可能會(huì)說成「戶頭有多少錢」，只有這種需要加入相似問，而這種相似問的量，根本就不多。

如果這說法變化是跟中文有關(guān)的，例如「我賬戶還有多少錢」，客戶講成「我賬戶上的錢還有多少」，這是中文的問題，這是主詞、動(dòng)詞、受詞、副詞位置變化的問題，對(duì)深度學(xué)習(xí)系統(tǒng)來說，這是不需要加入相似問的，因?yàn)閺S商應(yīng)該已經(jīng)幫你訓(xùn)練好了，在換個(gè)角度想：你的團(tuán)隊(duì)就幾十號(hào)人，用的相似問最多也就是幾萬條，就能讓你的智能系統(tǒng)懂中文，那真是太小瞧深度學(xué)習(xí)對(duì)于訓(xùn)練數(shù)據(jù)的數(shù)量要求了，簡(jiǎn)單講，你買到的系統(tǒng)，應(yīng)該是懂中文的，你要做的事情，只是把你行業(yè)的專業(yè)知識(shí)放進(jìn)去而已，所以，在每個(gè)標(biāo)準(zhǔn)問底下，要添加這么多相似問，看起來就像是第一代的智能技術(shù)，根本不是深度學(xué)習(xí)（或者是廠商沒有跟企業(yè)運(yùn)營團(tuán)隊(duì)講清楚）。

什么是第一代技術(shù)，我后面會(huì)說清楚，再舉個(gè)例子，我到一個(gè)企業(yè)現(xiàn)場(chǎng)，看到現(xiàn)場(chǎng)做語料標(biāo)注的人員有幾十號(hào)人，我嚇了一大跳，我說只是做標(biāo)注，干么要這么多人？客戶說，因?yàn)橐芽蛻舻脑掃M(jìn)行詞語切割和詞性切割，例如「我的賬戶余額還有多少錢」，要把這句話的主詞、動(dòng)詞、受詞給標(biāo)注出來，然后把這句話按照詞性給切割開來，我嚇了一大跳。確定你用的是深度學(xué)習(xí)的系統(tǒng)嗎？客戶跟我當(dāng)時(shí)作植牙一樣，點(diǎn)頭如搗蒜，后來我發(fā)現(xiàn)，其實(shí)只要問一個(gè)問題，就能簡(jiǎn)單分辨我眼前的系統(tǒng)，到底是不是第三代的技術(shù)，也就是深度學(xué)習(xí)，如果不是，那我至少知道為何需要這么多標(biāo)注人員，為何需要做這么多額外工作，這就是我這一系列科普文章的目的：教大家一招，快速識(shí)別你眼前的智能系統(tǒng)，到底是不是真的深度學(xué)習(xí)，但揭曉之前，我還是要在科普一下深度學(xué)習(xí)到底是什么，用最簡(jiǎn)單易懂的方式來講。

話題回到我們上一篇說的，1956年，4位絕世高手，決定來場(chǎng)華山論劍，人工智能元年于是開始，華山論劍之后，三派鼎立：符號(hào)派，連接派，和行為派。行為派的研究一直都沒有進(jìn)展，我們略過不談。

符號(hào)派又稱為規(guī)則派，稱霸武林40年，觀念也很容易理解：你跟機(jī)器說，把紅色的球放右邊，藍(lán)色的球放左邊，只要把規(guī)則講清楚了，機(jī)器就能執(zhí)行，這就是規(guī)則派。

規(guī)則派在智能客服領(lǐng)域，也被稱為第一代智能。為何是第一代？因?yàn)楹髞聿恍辛税?，在聲音、文字和圖像的領(lǐng)域，規(guī)則變化實(shí)在太多，根本沒法窮盡說完，規(guī)則派需要把所有可能的變化都放進(jìn)去，你沒說，機(jī)器就不會(huì)，這樣嚴(yán)格的限制，在商業(yè)的應(yīng)用上，一點(diǎn)都不實(shí)際，1990年代，第一代人工智能宣告崩盤，3個(gè)門派倒了兩個(gè)，那只有剩下連接派了。

現(xiàn)在大家最熟知的連接派，自然就是深度學(xué)習(xí)，但連接派其實(shí)包含一個(gè)更大的范圍，叫做：機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)主要就是在解決「尋找規(guī)則、預(yù)測(cè)未來」這個(gè)核心問題之上。它起先建立的基礎(chǔ)在統(tǒng)計(jì)學(xué)，一聽到這名詞，大家馬上就嚇到了，但我換個(gè)方式講，你可能一下就明白：其實(shí)你每天大量的學(xué)習(xí)，很多都是基于統(tǒng)計(jì)后的結(jié)果，問你個(gè)問題：動(dòng)物有幾條腿？我講一個(gè)動(dòng)物名字，你是否能預(yù)測(cè)它是幾條腿？不必大人來教，小朋友在接觸大量的動(dòng)物圖片之后，也就是經(jīng)過大量數(shù)據(jù)的訓(xùn)練，很容易就能進(jìn)行「尋找規(guī)則、預(yù)測(cè)未來」這個(gè)統(tǒng)計(jì)工作，哦，很多是兩條腿的，但也很多是四條腿的。我看了一百張圖片，我發(fā)現(xiàn)有翅膀的是兩條腿，沒翅膀的是四條腿，所以，如果你給我一個(gè)動(dòng)物名字，我只要想想它有沒有翅膀，我就能預(yù)測(cè)答案了，感受到了沒有？人類的學(xué)習(xí)，很多靠的是經(jīng)驗(yàn)，所謂的經(jīng)驗(yàn)，就是把過往的數(shù)據(jù)進(jìn)行總結(jié)歸納，找出規(guī)律，然后預(yù)測(cè)未來。（講到這，你有沒有想到，其實(shí)兩條腿和四條腿的分法，不是簡(jiǎn)單靠翅膀的，能想到有什么動(dòng)物沒有翅膀，但只有兩條腿嗎？聰明智慧如此的你？）

機(jī)器學(xué)習(xí)一開始，利用的就是統(tǒng)計(jì)學(xué)的辦法，尋找特征，加以分類，然后預(yù)測(cè)未來。為何你的郵箱能夠很聰明的識(shí)別是垃圾信，然后直接丟到垃圾桶？垃圾郵件的分類檢測(cè)，主要用到的SVM方法，就是最典型的統(tǒng)計(jì)學(xué)例子。SVM到今天都廣泛被使用，原理也很好懂，你有一堆紅色的球，一堆藍(lán)色的球，你要找到方法把他們分開，你做了很多嘗試，后來發(fā)現(xiàn)他們重量不同，紅色比較重，藍(lán)色比較輕，用「重量」很容易就能分開，「重量」就是所謂的特征值，SVM在做的，就是找到有哪些特征值能夠把這兩堆球給分開，SVM為何廣泛運(yùn)用在垃圾郵件的分類檢測(cè)，這也很好理解了吧，你只要把「重量」這個(gè)特征值想象成垃圾郵件的特征，只要是垃圾郵件，就會(huì)有一些特征，只要找到這些特征，就能把垃圾郵件給分類出來。

故事講到這，怎么還不講「一招識(shí)別深度學(xué)習(xí)」這個(gè)主題呢？馬上來了，因?yàn)榻K于要講深度學(xué)習(xí)了，機(jī)器學(xué)習(xí)在1980年代崛起，而且取得相當(dāng)?shù)倪M(jìn)展，但在聲音、文字和影像這些領(lǐng)域，還是遇到巨大困難，使用統(tǒng)計(jì)學(xué)的辦法，有個(gè)前提：這個(gè)復(fù)雜的世界，是可以用少數(shù)可以理解的特征值來進(jìn)行描述的，例如剛剛講的紅球和藍(lán)球的分類，是可以用「重量」這個(gè)少數(shù)可以理解的特征值來進(jìn)行描述的。講個(gè)大家更好理解的例子：

你在一個(gè)大公司，公司有一萬名員工，員工的績(jī)效工資，公司只有給最終的計(jì)算結(jié)果，但沒有跟大家說明績(jī)效的計(jì)算方法是什么，你是一個(gè)學(xué)過統(tǒng)計(jì)學(xué)的聰明員工，你拿到所有員工的績(jī)效工資，你也知道績(jī)效可能的指標(biāo)包括接電話數(shù)量、客戶滿意度、一解率、質(zhì)檢分?jǐn)?shù)、出勤、月考、客戶表揚(yáng)、客戶投訴等等，可能被納入的指標(biāo)太多了，你不確定哪些指標(biāo)被納入最終的績(jī)效當(dāng)中，但你有大家每個(gè)指標(biāo)的原始分?jǐn)?shù)。透過統(tǒng)計(jì)學(xué)的技術(shù)，你很容易就能找到哪些指標(biāo)被納入了績(jī)效考核當(dāng)中，這就是特征值，有了特征值，用簡(jiǎn)單的數(shù)學(xué)，你很容易就能算出最終的績(jī)效公式是什么，但問題是，在聲音、文字和影像這些領(lǐng)域，各種努力都找不到用少數(shù)可以理解的特征值來進(jìn)行描述，傳統(tǒng)統(tǒng)計(jì)學(xué)的方法也行不通。

一直到深度學(xué)習(xí)出現(xiàn)。深度學(xué)習(xí)的技術(shù)，實(shí)在難懂難講，我后面在找機(jī)會(huì)看能否用簡(jiǎn)單易懂的方式來說明，大家先這樣簡(jiǎn)單理解：只要先想成剛剛那個(gè)績(jī)效工資的例子，有一萬名員工的績(jī)效資料，公司用了一個(gè)宇宙無敵超級(jí)難懂的計(jì)算方法來算工資（就是不想讓你懂，怎樣？），你有原始資料和最終的績(jī)效工資，你要猜出公司這個(gè)宇宙無敵的公式到底是什么，其實(shí)你為何要去算這個(gè)公式？你真正的目的是要做預(yù)測(cè)，你有員工的原始指標(biāo)數(shù)據(jù)，你要猜到他可能拿到多少錢，你只要能達(dá)到這個(gè)目的就行，你不必真猜出這個(gè)公式，對(duì)吧，就算這個(gè)公式對(duì)你還是一個(gè)黑盒子，只要能夠從原始數(shù)據(jù)猜到最終結(jié)果，你目的還是達(dá)到了啊。

統(tǒng)計(jì)學(xué)還是希望能猜到這個(gè)績(jī)效公式，而深度學(xué)習(xí)來了一個(gè)大轉(zhuǎn)彎：我干脆不去猜這個(gè)公式了，我只要能從原始數(shù)據(jù)這里，猜到結(jié)果就行，大家有沒有聽過這個(gè)故事：AlphaGo打敗了世界圍棋冠軍，它下棋的策略，讓人類都無法理解，哇，聽起來有沒有夠玄幻了？其實(shí)深度學(xué)習(xí)本來就沒有打算去了解機(jī)器如何去猜到這個(gè)結(jié)果的，因?yàn)檫@就是深度學(xué)習(xí)的核心思想：我只要把一堆原始數(shù)據(jù)丟到機(jī)器，機(jī)器有一堆開關(guān)，這些開關(guān)有各種組合，就讓機(jī)器去組合吧，不管機(jī)器怎么組合，只要能把結(jié)果猜出來就行。（我盡力了，對(duì)深度學(xué)習(xí)的技術(shù)，你應(yīng)該還是一頭懵，相信我，這太正常了）除非你是打算寫代碼的，如果你只是做運(yùn)營的，其實(shí)懂到這里也就夠了?；蚴倾碌竭@里也就夠了。因?yàn)槲覀冏畲蟮闹攸c(diǎn)要來了。

2006年深度學(xué)習(xí)之父Hinton找到了一個(gè)辦法，在復(fù)雜的聲音文字影像世界當(dāng)中，不必去費(fèi)神分析剛剛講的特征值（例如接電話數(shù)量、接電話質(zhì)量），就能從原始數(shù)據(jù)猜到結(jié)果，但他的理論出來，仍舊沒有引起什么反響，一直到2012年，發(fā)生了人工智能使用真正最有意義的一場(chǎng)重大事件，深度學(xué)習(xí)一夕爆火，3年后，才有了AlphaGo，這個(gè)事件，終于來到了我們這篇文章的主要標(biāo)題：一招分辨深度學(xué)習(xí)。

2012 年 Hinton 的兩個(gè)學(xué)生參加了一場(chǎng)比賽ImageNet，由史丹佛大學(xué)舉辦，是個(gè)圖像識(shí)別競(jìng)賽，可以簡(jiǎn)單理解為人工智能界的奧林匹克，這比賽從2007年創(chuàng)辦以來，每年的比賽結(jié)果、每家都差不多，錯(cuò)誤率大致落在 30%、29%、28%... 瓶頸一直無法突破，這種錯(cuò)誤率，根本不具備商業(yè)應(yīng)用的價(jià)值，這也清楚的說明，在2010年以前，就算機(jī)器學(xué)習(xí)用統(tǒng)計(jì)學(xué)的方法，仍然沒法讓人工智能具有商業(yè)價(jià)值，Hinton 團(tuán)隊(duì)上場(chǎng)了，Hinton在這領(lǐng)域堅(jiān)持了30年，組了一個(gè)公司，公司就3個(gè)人，無人看好，沒人，沒錢，而對(duì)手是谷歌、微軟這種巨頭公司。

就好像少年隊(duì)對(duì)上了國家隊(duì)。（這種故事聽起來真的就很勵(lì)志）結(jié)果，Hinton 團(tuán)隊(duì)不只完勝對(duì)手，而且將世界記錄一下往前推進(jìn)到空前的程度。以 16.42% 的錯(cuò)誤率遠(yuǎn)勝第二名的 26.22%，用的正是深度學(xué)習(xí)技術(shù)，深度學(xué)習(xí)終于引起各大巨頭企業(yè)的關(guān)注，真的是一夕爆火，谷歌后來立刻投資Hinton的三人公司，2015 年的冠軍微軟，以 3.5%，正式超越?類的 5%錯(cuò)誤率，大家看到這里，難道心中沒有個(gè)疑問：2006年Hinton就解決了深度學(xué)習(xí)的理論障礙，為何還要等到2012年才揚(yáng)眉吐氣？因?yàn)镠inton缺一樣?xùn)|西，而這樣?xùn)|西一直到2007年才逐漸開始成熟：GPU！這就是我們文章的重點(diǎn)了！

以前人工智能用CPU來運(yùn)算，CPU如同電腦的通才，能扛起各種運(yùn)算任務(wù)，但對(duì)于海量數(shù)據(jù)的計(jì)算，就是不夠力啊，GPU是干啥？本來是用在繪制熒幕上呈現(xiàn)的影像，后來發(fā)現(xiàn)GPU是個(gè)專才，它當(dāng)時(shí)設(shè)計(jì)的思路是并行運(yùn)算，特別適合海量運(yùn)算，例如：深度學(xué)習(xí)，2007年以前就有GPU了，但沒有簡(jiǎn)單能在GPU上面寫代碼的編輯器，一直到2007年，而Hinton團(tuán)隊(duì)，就是利用深度學(xué)習(xí)，加上GPU，終于一舉突破影像識(shí)別20％錯(cuò)誤識(shí)別率的關(guān)卡。

好了，鋪墊了這么長，該做結(jié)論了：智能系統(tǒng)有3代，第一代是規(guī)則派的，第二代是機(jī)器學(xué)習(xí)型的，只有第三代才是現(xiàn)在我們熟知的深度學(xué)習(xí)的，第三代的技術(shù)，不需要你提供特征值，換一個(gè)簡(jiǎn)單的說法，什么詞語切割、詞性切割，主詞、動(dòng)詞、受詞、副詞，這些都是特征值，第三代技術(shù)，是看整個(gè)句子的，我們根本不知道深度學(xué)習(xí)到底是怎么切割的。

我們傳統(tǒng)認(rèn)為語料標(biāo)注的工作，其實(shí)更多是第一代和第二代技術(shù)用到的，到了第三代技術(shù)，對(duì)于語料標(biāo)注的依賴度，除了要定義一些行業(yè)的專有術(shù)語和說法之外，依賴度已經(jīng)降到很低了，一招教你識(shí)別你用的系統(tǒng)，是第一代還是第三代：你只要問一下，這套智能系統(tǒng)有沒有用到GPU？沒用到GPU的，幾乎不可能是第三代技術(shù)，跟深度學(xué)習(xí)應(yīng)該是沒有關(guān)系的。

當(dāng)然，這是一個(gè)快速檢驗(yàn)法，仍然不夠完美，在后面的科普文章當(dāng)中，我會(huì)再繼續(xù)介紹深度學(xué)習(xí)到底需要做什么，不需要做什么，怎樣能夠搞明白，我到底用的是哪一代的技術(shù)，有了這些了解，你也才能更好的掌握深度學(xué)習(xí)現(xiàn)在這個(gè)當(dāng)紅的人工智能發(fā)展。