|
2017-07-27 19:59 来源:36氪 人工智能 /技术 /人类 本文作者陈运文，达观数据CEO，曾荣获ACM 等国际数据挖掘竞赛冠军，j2直播，原腾讯文学数据中心负责人，高级总监；盛大文学首席数据官；百度核心技术工程师。复旦大学计算机博士。 针对不同的应用场景，现在业界所掌握的人工智能技术的实际应用水平高低也各不相同。在选择划分人工智能水平的标准上，国际著名的人工智能专家Sandeep Rajani教授，在《人工智能：人或机器》（Artificial Intelligence-Man or Machine）一文中，将人工智能的水平和人类能力进行横向对比，划分成四个不同的等级： 巅峰级——已经实现了无法超越的最优能力 超越人类级——比所有人类的能力都要强 强人类级——比大多数人类的能力要强 弱人类级——比大多数人类的能力要弱 在介绍计算机算法和数据挖掘技术的教科书《智能Web算法》（第二版）中，达观数据CEO陈运文将Rajani教授的上述划分方法作了翻译和介绍，这里再做一些展开阐述。在当今时代背景下，现有各个不同应用领域里人工智能技术的水平高低情况和已经达成的水平如下： 巅峰级水平： 在一些规则完备、策略空间较小的应用场景下，例如在19*19的棋盘里下五子棋，如今的计算机技术已经可以穷举所有可能的对弈情况，确保与人类在任意对弈的情况下都可以实现最优的方案。同样在Tic-Tac-Toe（一种简单的井字棋游戏）、跳棋等领域，以及数据统计等工程应用方面计算机已经是巅峰级水平了。 超越人类级： AlphaGo和柯洁的围棋对战，以及IBM深蓝（DeepBlue）战胜国际象棋冠军卡斯帕罗夫，都展示了在这些复杂的棋类游戏上人工智能已经达到了超越人类级。在一些具体的应用领域，如指纹识别、虹膜识别等领域，技术也已经非常成熟，同样实现了超越人类的能力。 强人类级： 有些智力活动需要深入的领域经验，计算机相比少量的专业人士能力还有差距，但是比一般大众的能力要强。例如在德州扑克、桥牌等领域，计算机已经强过大部分普通人类了，在一些专用领域，例如在良好条件的人脸识别（没有不良的遮挡、光照、角度问题）、良好条件的语音识别（没有特殊地域口音、复杂环境噪声）等领域里，花卉植物种类的识别等领域，计算机的能力也已经达到了强人类级。 弱人类级： 有很多技能大多数普通人类掌握起来并不难，例如驾驶汽车，但是对计算机系统来说，因为要采集的信号以及分析的数据情况非常复杂，目前还难以达到普通人类的水平，处于弱人类级。常见的还包括写作文章、阅读理解、人类语言翻译等领域。 上述介绍里，人工智能的水平从弱人类级到巅峰级水平高低各不相同。之所以人工智能在不同领域的发展水平不一致，主要是受三个因素影响，具体包括： 因素1 规则和评价方法的明确程度 越是简单明确、并且计算机可以量化评估的问题，通过人工智能来实现的代价越小，例如棋牌类游戏，计算机可以发挥的作用很大。 不确定因素越多的问题，计算机学习时就会碰到很多的麻烦。例如驾驶车辆，驾驶方法和路况变化很多，并没有非常严格而明确的“胜/负”、“好/坏”的驾驶方式；又例如麻将或扑克，有很多随机性因素，甚至有运气成分，处理条件并不严格一致，此时也会给人工智能更好的处理带来挑战。 因此，规则越明确、评判好坏的标准越客观的应用场景，目前人工智能技术的实践效果越好。而规则比较模糊的领域，日常生活中常用的那些人类的思维和解决方式会有更好的效果。 因素2 特殊情况出现频率的高低 很多应用问题，在典型场景下的处理和在包含各种特殊异常情况下处理，其难度差异非常大。 以人脸识别问题为例，在人脸拍摄条件良好、角度对正且无遮挡的情况下，现有机器学习技术完成人脸检测、识别的精度已经非常高。但是在实际应用时，开奖，会遇到相当多特殊情况，例如由于受到光照、角度等客观因素的影响，加上被拍摄者存在化妆、佩戴饰品、局部遮挡、年龄变化等各种情况，甚至少量情况下还存在被拍摄者试图通过整容或伪装方式，故意干扰计算机的识别过程，这些因素都会非常严重的影响实际使用的效果。
|
