---

AI往期系列科普
AI科普(二)：人工智能的根本任务
AI科普(三)：什么是算法？
AI科普(四)：通俗易懂的机器学习模型

---

结论先行

在各大网站上搜索人工智能的定义可谓各不相同，但核心思想就是实现让计算机拥有人类的智能。如果让我用一句话通俗总结AI是什么，我认为它分为两步，那就是先让计算机进行学习，然后让计算机预测未知。

AI早期应用

AI在互联网中的早期应用有识别垃圾邮件。我们的邮箱每天会收到众多邮件，而把垃圾邮件剔除就可以大大节约人们在垃圾邮件中浪费的时间。我们传统的方法是制定规则，比如一篇文章中大量出现“免费”“特价”“发财”“代理”“稳赢”等等关键词，我们就把它定义为垃圾邮件，根据设定的规则，然后让电脑去执行预测。这样做效果不错，但在实践过程中，有些任务本身的规则很难定义。一个典型的例子就是图像识别。

在图像识别领域中，一个最基础的问题就是分辨这个图像是什么。举例来说，我告诉你一张图像不是猫就是狗，现在我给你一张图片，让你分辨一张图片到底是猫还是狗。

人类可以轻松地分辨出左侧是猫右侧是狗，但是让你具体说出你是究竟根据什么来分辨出猫与狗的，你是不是突然发现这个问题很难回答？

以两图为例，它们都有五官与体毛，并有基本相同的姿势。有人可能会说猫的体毛为灰色并且耳朵竖立，但我们可以找到很多体毛为灰、耳朵竖立的狗，还可以找到很多不是这种形态的猫。而且我们应该怎么给计算机量化描述体毛为灰色、耳朵是立起来的这种特征？这个规则很难编写。

因此，图像识别问题需要使用人工智能的方法去解决，找出的关系可能用人类的语言很难说清，但是计算机学习到的这种关系确实可以帮我们判别出一张图片是猫还是狗。与之相应，现如今图像识别中一个成熟的应用就是人脸识别。

人类如何学习

我们可以看到以上两个例子，人类会非常容易的辨别出垃圾邮件与猫狗，但是让计算机做却非常困难，因为这与发明计算机的最初任务有本质区别。比如对1亿数据进行混合四则运算或大小排序，这些任务让人类执行会非常低效，但计算机却可以快速完成，而人工智能要处理的任务与计算机最初的任务恰好相反。这就让人们思考人类到底是怎么进行学习的。

同是上例，拿我们人类来说，从婴儿根本不知道猫狗到现在我们可以一眼分辨出猫狗，是一个经验学习过程：首先需要一定的样本资料，从小我们可能在电视中、现实中或图书中，爸爸妈妈告诉我们，那是一只猫，那是一只狗，我们不断接受猫和狗的信息资料，然后大脑将接受的信息进行学习、归纳、整理、总结，最后形成我们的知识与经验。

之后，我们再遇到类似的任务，比如在大街上看到一只流浪猫或流浪狗，我们就可以马上根据以往的经验做出判断，这是一只狗还是一只猫。生活中，我们大多数的学习过程都是这样。

计算机如何学习

其实计算机学习的过程和我们人类学习的过程是极为相似的，我们给计算机输入大量资料数据，让计算机学习算法，然后得到学习（训练）后的模型，之后再输入相似样本，就可以识别结果。

把人类的学习过程与计算机的学习过程做对比，就可以发现两者整体的学习机制是一致的。唯一的区别是人脑非常厉害，人类可以通过很少的资料数据（几只猫狗的照片）就可以总结出适应性很强的经验，虽然不能准确地阐述出区别是什么，但是我们在面对一个新样本（猫狗照片）时，我们都可以以较高的准确率来对样本进行分辨（分辨猫狗）。

对于计算机，它的优势是计算能力非常强，可以处理海量数据。我们需要给它提供成千上万的资料数据（猫狗照片）让它进行学习，然后计算机再面对新样本时才能以较高的准确率进行分辨。

AI实际应用

AI在实际中有广泛的应用方向，其一是自然语言处理( Natural Language Processing, NLP)，可通俗理解为对文本汉字进行处理，上例中提到的文本分类（邮件优劣二分类）就是此类任务，在生活中常见的应用还有文本翻译、语音识别、问题回答等；还有图像处理与计算机视觉，与上例相应，现如今图像识别中一个成熟的应用就是人脸识别，除此之外自动驾驶、目标跟踪等技术都是目前正在热门研究的领域；相信购物网站中的推荐系统大家也并不陌生，可见人工智能的应用早已走进人们的生活。

总结

现如今计算机的计算能力已非常强大，再加上信息管理越来越数据化，我们所积累的资料也越来越多，使我们有足够多的资料可以喂给计算机进行学习。正是这两个因素的成熟，才使得当下是人工智能爆发的时代。

---

本人为NLP算法工程师，更多AI科普系列请关注微信公众号：AI有温度