把所有这些认知能力领悟到一台机器中，从而能够应对所有通用场景的人工智能称为通用人工智能。
目前，通用人工智能还勾留在理论阶段。

不过，当前的技能在实行特定类型任务方面取得了较大成功，这些任务过去都依赖于人类智力。
我们称这类人工智能为狭义人工智能或弱人工智能。
弱人工智能紧张指三种能力：学习、感知和认知。

作者：大卫·卡尔莫纳（David Carmona）

来源：华章科技

▲AI能力备忘单

上图概述了本文先容的AI的核心能力。

谈到AI的时候，客户们一直地在问：“这事儿成了吗？”在一个AI被过度炒作的天下，确实很难分清AI是抱负还是现实，是实际能力还是营销演出。

所有这些能力在本日都是真实存在的。
本日的AI是真实的，成千上万的公司正在利用AI进行业务转型。
关注AI未来的可能性固然主要，但是你更须要理解现在的AI能做些什么。

01 学习

▲学习——无显式编程的学习

机器学习的紧张特色便是随韶光学习的能力，并且不须要明确编程。
和人类一样，机器学习算法通过探索与实践学习，而不是遵照一步步的指令（当然我知道有些读者是小孩子的父母，有时候你们可不肯望孩子们这样）。

机器学习算法是按照学习办法分类的。
当下最盛行的、你的企业90%的韶光可能都会采取的技能便是有监督学习。

有监督学习利用包含输入和期望输出的数据集。
通过迭代优化，学习算法可以找到一个函数，对输入如何转化为输出进行建模。
这个模型会被运用于演习集外的新的输入，并预测对应的输出。

找到精确的算法和参数，部分靠科学，部分靠创造力和直觉。
如何将机器学习运用于这一过程本身便是个研究课题——这种技能称为自动化机器学习（AutoML）。

有监督学习算法都有相同的毛病：它们须要大量数据。
而且不是任何数据都行，它们须要同时包含输入和对应输出的演习数据，也称之为标记数据。

有时我们会有在记录系统或交互系统中存储的已经标记过的历史数据。
例如，对付客户流失落模型——我们可以查看流失落客户的历史数据，加上客户的历史交互一起作为演习数据的输出部分。
通过利用精确的算法，我们仅仅通过查看一系列的交互，就能够预测未来的客户流失落情形。

然而有时我们不会如此幸运，数据并不会被标记。
无监督学习算法会处理一组没有标记的数据并找出个中的构造。
聚类算法是无监督学习算法中最盛行的一种，它通过不同的技能，在数据中找到共性并对其分组。
你可能利用这种算法对你的客户群或网页访问者进行客户细分。

其他常用的无监督学习算法有关联规则（定义数据间的关联，如购买某种特定产品的用户会对其他特定产品感兴趣）和非常检测（找出与主体数据不同的罕见或可疑部分数据）。

在其他情形下，我们完备不该用演习数据。
想想人们如何学会玩一款***游戏。
办理这个问题的有监督方法便是不雅观算作千上万的游戏***并从中学习。
这是许多Youtube播主的商业模式，我的孩子们就看这种***，但我创造这种办法极度呆板。

一个更有趣的学习方法是实际上手玩这个游戏。
在玩的过程中，如果我们做对了（比如得分）就会得到正向强化，如果我们做错了（比如被杀去世）就会得到负向强化。
强化学习算法便是这么做的：它们通过探索环境并强化精确的行为来学习机器学习的功能。

强化学习由于其不须要数据的特性，成为商业上一种极其有出息的机器学习办法。
它特殊适宜自动化系统——无论是移动的（如车辆、遥控飞机）还是静止的（如空调系统、电力系统）——同时也可以运用于繁芜的业务流程。
强化学习常日被认为是AI中最困难的学科。

02 感知

▲感知——阐明周边天下

如果说有某个领域为人类所独占，那便是感知了。
数十年来，我们考试测验模拟人类的能力去感知周围的天下，却鲜有成功。
理解一幅图画或将语音转笔墨的繁芜度使其险些无法用编程的办法实现——想象一下如何用一步步的指令来定义图片里的一匹马。

机器学习算法更适宜办理这类问题。
然而，传统机器学习算法在处理感知任务时的准确性与人类能做到的程度相去甚远（我仍旧记得在Windows Vista上给开拓们演示语音识别功能的情景……这件事教我学会要做个更倔强的人！
）。

以图像分类为例。
ImageNet是图像分类中最著名的寻衅。
自2010年起，环球的参与者提交他们的算法来创建最精准的模型。
在竞赛初期（即2010年），能达到的较好的偏差率约在25%旁边。
作为比较，同一数据集下人类对应的偏差率约为5.1%。

到了2012年，Alex Krizhevsky（一位来自多伦多大学的学生）提交了他的方案：一个包含8层名为AlexNet的神经网络。
AlexNet击败了其他竞争对手，达到了15.3%的偏差率—比仅次于他的竞争者低了10个点。

在接下来的数年内，他引入的技能被持续改进并增加了更多层数，直到2014年，一个名为GoogLeNet的22层神经网络达到了6.7%的偏差率。

次年，一个来自微软研究院的团队提交了利用全新神经网络技能的作品，其神经网络的深度达到了超大的152层，偏差率仅为3.57%，首次超过了人类的表现。

深度学习永久地改变了打算机视觉。
如今，这项技能实际上已经被用于打算机视觉的所有高精度场景，这使其成为企业中最常见的用例。
以下是一些打算机视觉在当今的运用：

为图像的内容分类（影像分类）识别一幅图像中的多个物体，并识别每个物体的边界（物体检测）识别图像中的场景或行为（如：事情场所的不屈安环境，或零售商店的补货）检测人脸，识别身份，乃至辨识每张脸的感情识别书写文本，包含手写体文本（光学字符识别）鉴别图像或***里的攻击性行为

研究员Harold Stolovitch和Erica Keeps在他们的书Telling Ain’t Training（ASTD出版社）中断言，我们获取的信息中，有83%来自视觉，次之是听觉，供应了11%的觉得输入。
两者合起来霸占了我们从外界获取信息的94%。
毫无疑问，音频处理是人工智能关注的另一个较大领域，仅次于打算机视觉。

相似的深度学习技能可以运用到音频旗子暗记上，帮助打算机识别声音。
你可以利用这项能力区分鸟儿们的歌声，或通过风力涡轮机发出的声音来预测故障。

不过人工智能在音频处理方面最激动民气的还是语音识别。
用于语音识别的参照数据集被称为总机，它包含了约260小时的电话交谈录音。
丈量后人类的转录偏差率为5.9%。
该偏差率在2016年被微软研究院设计的神经网络追平，并于1年后被其以5.1%的偏差率击败。
有史以来第一次，一台机器可以比人类自身更好地理解人类。

这些打破不但让机器更懂我们，而且使得机器可以用自然的办法与我们沟通。
2018年，Azure上线了基于深度学习开拓的笔墨转语音做事，该做事能够合成出与真人无异的人声。

这些能力的结合将实现打算机科学的法宝：全自然用户接口（NUI）。
机器既可以瞥见和理解人类，又可以用自然措辞与人类互换，这看起来就像是我们已经实现了科幻电影的抱负一样。
不过，我们真的做到了吗？要与打算机进行真正故意义的互换，打算机不但要能转录我们说的话，还要能理解话里的意思。

自然措辞处理（NLP）是人工智能中从人类措辞等分析、理解并提取含义的领域。
NLP最常见的场景之一便是措辞理解，措辞理解是当代会话型人工智能体验（比如数字助理）的根本。

当你向Siri、Alexa或Cortana讯问景象时，系统首先将你的会话音频转换成笔墨，然后通过自然措辞理解模型抽取出你的意图，然后将意图（如“获取景象”）映射到对应输出（在这个例子中，便是供应当地的景象信息）。

NLP技能在过去几年中飞速发展。
有些只能处理大略任务，比如感情剖析、关键字抽取或个体识别，有些则可以处理更繁芜的任务，如文本归纳或翻译。
2018年，微软的机器翻译团队首次在自动翻译方面达到人类水平——这是个极度繁芜的任务，曾一度被认为是不可能实现的。

自然措辞理解最激动民气的运用之一便是机器阅读理解。
2018年1月，来自微软亚洲研究院的团队利用斯坦福问答数据集（SQuAD）达到了人类的水平，该数据集由针对一组维基百科文章的问题所组成。
实际上，有关这些文章的开放性问题，系统能够给出比人类更好的答案。
许多公司为之做出了贡献，帮助它走得更远。

只管如此，这些系统仍旧无法达到人类的抽象层次。
在其核心，问答算法会搜索文本来探求可以指向精确答案的线索。
对付每个问题，系统都要搜索全体文本来匹配。
人类也这么做（特殊是当我们很匆忙时），但是当我们真正想理解一段笔墨时，我们会从中抽取知识，进行概括，并使其更易于理解。

想象一段描述加利福尼亚的笔墨。
人类会从这段笔墨中归纳出“加利福尼亚”这个实体并给它授予属性（如人口、面积），乃至与其他实体的关系（如邻州、地方主座）。
归纳后，我们不再须要那段笔墨来回答关于加利福尼亚的问题。
我们已经概括了有关的知识。

人工智能中与此过程对应的是知识抽取，其对企业有着深远的意义。
通过利用这些技能，我们可以从混沌、无序，乃至令人困惑的信息中抽取高阶观点。
结果知识图不但能用于回答关于全体数据家当的宽泛问题，还能浏览和理解这些信息。

这种水平的抽象远远超出了传统NLP的能力范围，使其更靠近我们所说的认知。

03 认知

▲认知——基于数据进行推理

严格来说，认知是获取和处理知识的能力。
它包含人脑用于推理、理解、办理问题、操持和决策的高层次观点。

我们目前探索的技能包含了一定程度的认知，虽然有时不那么明显。
以图像分类为例，如果我们仔细核阅用于图像分类的深度神经网络，实际上就可以看入迷经网络是如何在每一层将问题分解成更小的步骤的。

没有人工干预，神经网络自动展示了某种程度的概括：第一层检测大略的特性，如边缘或纹理。
往更深层走，每一层都能够抽取更繁芜的属性，如图案或元素。
某种意义上，神经网络已经可以获取一些知识并利用这些知识做一些根本推理。

自然措辞处理展示了类似的内在抽象。
在其核心，大部分当代的NLP技能都利用了被称为词嵌入的技能。
通过词嵌入技能，文本中的每个词都转换为一个代表单词含义的向量。
在这个新的空间，语义相似的词（如“景象”和“预报”）彼此靠近。

通过这种办法，系统会将“本日景象如何？”和“获取未来24小时的预报”匹配为相同的意图。
纵然词不同，它们的含义却是相似的，由于它们的语义附近。
翻译也是相同的事情事理：翻译技能利用词嵌入来抽象输入的文本，将其转换为与措辞无关的“想法”，再用反向流程将其翻译为任意一种措辞。

在这些例子中，认知是感知的内在。
然而，许多人工智能场景是纯挚的认知。
它们不专注于感知周围的天下，而是专注于抽象这个天下并基于抽象进行推理。
一些最根本的有监督学习方法便是如此。
回归剖析是根据现有信息预测数值的能力，例如基于房屋的特色和位置评估其代价，或根据历史数据预估其发卖额。

分类是根据物品自身特色对其分级或分类的能力，例如，判断一栋房屋是不是会被***给某个特定的买家。
优化算法则是基于流程进行推论，从而最大化某个特定的结果，比如在医院里分配资源。

推举系统仅通过评分或购买习气就能够找出电影、书本或歌曲等物品间不为人知的共性。
其他技能，如前所述，如聚类剖析能找出数据中的模式，并以无监督办法对物品归类。

我们在强化学习技能中也能看到认知能力。
2017年，蒙特利尔微软研究院（前马鲁巴岛）超过了100万分大关，创造了吃豆人游戏的新记录。
该系统通过玩成千上万把游戏来实现自我演习。

同样地，在2018年，OpenAI Five（一个由五个神经网络组成的团队）在Dota2游戏中打败了人类军队。
OpenAI Five通过自我对战进行演习，每天的演习量相称于180年游戏时长。

最著名的例子该当是由Google DeepMind取得的造诣：其系统AlphaGo第一次击败了一位9段围棋专业选手。
相对付其他游戏（如象棋），围棋被认为是对电脑来说更为困难的游戏。

深入不雅观察所有AI系统参与的游戏，你会以为它们展现出了认知的其余一种特色——操持。
系统能够提前“思考”最佳的办法来得到长期看来最大化的分数。

关于作者：大卫·卡尔莫纳（David Carmona）卖力领导微软AI的整体市场，并卖力公司和开拓者层面的AI产品、做事及创新的整体计策，在技能行业拥有20多年的履历。
他在15年前加入微软，在国际上和雷德蒙德（微软总部）担当过各种技能和商业领导职务。

本文摘编自《AI重新定义企业—从微软等真实案例中学习》，经出版方授权发布。

延伸阅读《AI重新定义企业》

推举语：基于真实案例，带你理解AI核心观点，探寻适宜你的企业的AI用例，同时辅导如何在组织和文化层面进行业务转型。