這些前后端的人工智能技術(shù)在應(yīng)用又可分為四類：語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和用戶畫像。那么在這四類具體應(yīng)用的實(shí)現(xiàn)上AI技術(shù)給我們生活帶來(lái)哪些便利，同時(shí)存在哪些局限?下面一一來(lái)解構(gòu)：

一、語(yǔ)音識(shí)別

語(yǔ)音識(shí)別

語(yǔ)音識(shí)別有兩個(gè)技術(shù)方向，一個(gè)是語(yǔ)音的識(shí)別，另一個(gè)是語(yǔ)音的合成。

語(yǔ)音識(shí)別是指我們自然發(fā)出的聲音需要機(jī)器轉(zhuǎn)換成語(yǔ)言符號(hào)，通過(guò)識(shí)別和理解過(guò)程把語(yǔ)音信號(hào)轉(zhuǎn)變?yōu)轫憫?yīng)的文本或命令，然后再與我們交互。語(yǔ)音識(shí)別技術(shù)可以應(yīng)用在電話銷售上，例如：公司新人特別多，沒(méi)有經(jīng)驗(yàn)，拿到單子的可能性很低。怎么才能讓新人也能有很優(yōu)秀的銷售能力呢?過(guò)去的做法是，把經(jīng)驗(yàn)總結(jié)成冊(cè)子，讓新人去背，很容易就忘了。但如果有了高精度的語(yǔ)音識(shí)別能力，就能識(shí)別出客戶在問(wèn)什么，然后在屏幕上告訴新人，該怎么回答這個(gè)問(wèn)題。

語(yǔ)音識(shí)別的第二個(gè)方向是語(yǔ)音的合成，是指機(jī)器把文字轉(zhuǎn)換成語(yǔ)音，并且能夠根據(jù)個(gè)人需求定制語(yǔ)音，然后念出來(lái)。以前的聲音是那種勻速的、沒(méi)有語(yǔ)調(diào)起伏的機(jī)器聲音，現(xiàn)在能用比較自然的人聲。語(yǔ)音合成能模擬任何一個(gè)你喜歡的人的說(shuō)話方式，可以做到每個(gè)人聽(tīng)的東西都不一樣。我們駕車經(jīng)常使用的百度導(dǎo)航里李彥宏的聲音就是語(yǔ)音合成的結(jié)果。

盡管深度學(xué)習(xí)被引入語(yǔ)音識(shí)別后，識(shí)別率迅速提升到95%，但要將ASR(自動(dòng)語(yǔ)音識(shí)別)從僅在大部分時(shí)間適用于一部分人發(fā)展到在任何時(shí)候適用于任何人，仍然是不現(xiàn)實(shí)的。一個(gè)無(wú)法突破的問(wèn)題就是語(yǔ)義錯(cuò)誤。例如：生活在南京的人都知道有個(gè)地方叫卡子門(kazimen)，但是百度導(dǎo)航在理解卡子門的時(shí)候，會(huì)分詞為：“卡子-門”，結(jié)果卡子門(kazimen)就被讀成了卡子門(qiazimen)。

二、圖像識(shí)別

計(jì)算機(jī)視覺(jué)

圖像識(shí)別就是我們常說(shuō)的計(jì)算機(jī)視覺(jué)(CV)。常用在：印刷文字識(shí)別、人臉識(shí)別、五官定位、人臉對(duì)比與驗(yàn)證、人臉檢索、圖片標(biāo)簽、身份證光學(xué)字符識(shí)別(OCR)、名片OCR識(shí)別等領(lǐng)域。

人類認(rèn)識(shí)了解世界的信息中大部分來(lái)自視覺(jué)，同樣，計(jì)算機(jī)視覺(jué)也成了機(jī)器認(rèn)知世界的基礎(chǔ)，其終極目的就是讓計(jì)算機(jī)能像人一樣“看懂世界”。目前計(jì)算機(jī)視覺(jué)在人臉識(shí)別、圖像識(shí)別、增強(qiáng)現(xiàn)實(shí)等方面有很好的應(yīng)用，但也存在一定的挑戰(zhàn)。我們就拿谷歌的無(wú)人駕駛來(lái)說(shuō)，通過(guò)機(jī)器視覺(jué)識(shí)別的技術(shù)路徑在現(xiàn)階段，仍有完全無(wú)法逾越的技術(shù)難題。

不談算法，圖像的攝取精度就是難關(guān)，即使最頂級(jí)的攝像設(shè)備都無(wú)法達(dá)到人眼的細(xì)節(jié)獲取能力，看看最頂級(jí)的哈蘇相機(jī)配合最頂級(jí)鏡頭，在夜晚街頭短曝光時(shí)間下拍的照片，對(duì)比人眼看到的圖像就能看到差異，這還不談經(jīng)濟(jì)上可行的低成本攝像設(shè)備，視覺(jué)識(shí)別自動(dòng)駕駛這個(gè)系統(tǒng)，眼睛就是近視眼。

而且如果下雨，灰塵等對(duì)分辨的影響都是很難解決的bug。如果配合雷達(dá)的話又有邏輯判斷優(yōu)先的問(wèn)題，信攝像頭，還是信雷達(dá)?會(huì)不會(huì)誤報(bào)?而作為激光雷達(dá)，如果單純的車身自己也有同樣的邏輯判斷的問(wèn)題，什么樣的東西是有威脅的，什么是無(wú)威脅的。什么是潛在的威脅，這都不是計(jì)算機(jī)視覺(jué)這種單一智能所能解決的。因?yàn)轭A(yù)測(cè)未來(lái)的感知能力，是人與機(jī)器最大的區(qū)別。

三、自然語(yǔ)言處理(NLP)

賢二機(jī)器僧

自然語(yǔ)言是人類智慧的結(jié)晶。自然語(yǔ)言處理(NLP)是人工智能中最為困難的問(wèn)題之一。由于理解自然語(yǔ)言，需要關(guān)于外在世界的廣泛知識(shí)以及運(yùn)用操作這些知識(shí)的能力，自然語(yǔ)言認(rèn)知，同時(shí)也被視為一個(gè)人工智能完備(AI-complete)的問(wèn)題。

舉個(gè)例子，我們以前用鍵盤，鼠標(biāo)，觸摸屏去和設(shè)備互動(dòng)。但是現(xiàn)在你操作設(shè)備，只需沖著智能音箱說(shuō)：請(qǐng)給我的手機(jī)充值100元即可。雖然這種功能在阿里的天貓精靈上已經(jīng)實(shí)現(xiàn)了，但實(shí)現(xiàn)的前提是天貓精靈APP上已經(jīng)錄有你的聲紋，并且你的手機(jī)號(hào)碼，及支付密碼已經(jīng)預(yù)先在APP端設(shè)置好，否則機(jī)器沒(méi)有辦法理解我是誰(shuí)、給誰(shuí)的手機(jī)充值100元話費(fèi)。

其次，自然語(yǔ)言處理背后所依賴的是傳統(tǒng)的問(wèn)答系統(tǒng)技術(shù)，即Question Answering(QA)。QA技術(shù)是自然語(yǔ)言處理中非常重要的一個(gè)研究方向，原理是：對(duì)于輸入的問(wèn)題首先做句法分析，從而理解問(wèn)題或者指令的結(jié)構(gòu)和意圖。比如如果用戶問(wèn)的問(wèn)題是某人出生在哪兒，那么機(jī)器需要先對(duì)這句話進(jìn)行解析，進(jìn)而了解所要回答的應(yīng)當(dāng)是一個(gè)地點(diǎn)，并且這個(gè)地點(diǎn)應(yīng)當(dāng)滿足某人出生與此的條件。

當(dāng)我們能夠準(zhǔn)確地了解到用戶提問(wèn)的意圖并能根據(jù)機(jī)器可以理解的方式重新組織之后，就需要尋找答案。為了實(shí)現(xiàn)這一目的，QA系統(tǒng)的背后都存在一個(gè)龐大的數(shù)據(jù)庫(kù)(也就是知識(shí)庫(kù))，這個(gè)數(shù)據(jù)庫(kù)中存儲(chǔ)著所有的指令對(duì)應(yīng)的行為或者問(wèn)題對(duì)應(yīng)的答案，當(dāng)系統(tǒng)在數(shù)據(jù)庫(kù)中搜索到了自己要做什么或者回答什么的時(shí)候，就可以將答案反饋給用戶，或者直接實(shí)現(xiàn)用戶的指令。當(dāng)然，如果數(shù)據(jù)庫(kù)的規(guī)模實(shí)在有限，有一個(gè)兜底的方法就是基于信息檢索來(lái)返回答案，即將用戶的輸入提取出關(guān)鍵詞然后求助于搜索引擎返回相關(guān)的內(nèi)容再返回給用戶，由于互聯(lián)網(wǎng)無(wú)所不包，因此結(jié)果一般也尚可接受。

自然語(yǔ)言處理這塊相關(guān)落地的產(chǎn)品就很多啦。典型的代表就是聊天機(jī)器人，其中一類是以Siri、Amazon Echo、微軟小娜、阿里天貓精靈、小米小AI音箱等為代表，偏向于工具性的服務(wù)型機(jī)器人。另一類則是以微軟小冰為代表的娛樂(lè)型機(jī)器人。第一類聊天機(jī)器人，以完成任務(wù)或回答事實(shí)性問(wèn)題為導(dǎo)向，譬如你問(wèn)天貓精靈“今天的天氣如何?”，或者給“小愛(ài)同學(xué)”下達(dá)“關(guān)閉臥室臺(tái)燈”等指令。第二類則以閑聊為導(dǎo)向，并不需要給出某一個(gè)事實(shí)性問(wèn)題的解答，只要交談自如、博君一笑即可。比如：北京龍泉寺的賢二機(jī)器僧。

四、用戶畫像

碟中諜6：全面瓦解

用戶畫像是根據(jù)用戶社會(huì)屬性、生活習(xí)慣和消費(fèi)行為等信息/數(shù)據(jù)而抽象出的一個(gè)標(biāo)簽化的用戶模型。構(gòu)建用戶畫像的核心工作即是給用戶貼“標(biāo)簽”——用數(shù)據(jù)來(lái)描述人的行為和特征，而標(biāo)簽是通過(guò)對(duì)用戶信息分析而來(lái)的高度簡(jiǎn)練的特征標(biāo)識(shí)。

用戶畫像在商業(yè)領(lǐng)域應(yīng)用的非常廣泛。拿百度舉例。百度現(xiàn)在識(shí)別了將近10億用戶，用了幾千萬(wàn)個(gè)細(xì)分標(biāo)簽給用戶分類，比如性別、年齡、地理位置，還有這個(gè)人在金融領(lǐng)域的情況，在旅游方面有什么愛(ài)好等等。這些東西合在一起，就組成了用戶畫像。百度就知道你是什么樣的人，喜歡什么樣的東西。比如，今年暑期檔將要上映的電影《碟中諜6：全面瓦解》，在宣傳的時(shí)候把人群分成了三類，一類是不管怎樣都要看的，一類是不管怎么都不會(huì)看的，第三類是可能會(huì)進(jìn)電影院的。宣傳方就會(huì)使用百度大腦的用戶畫像功能，識(shí)別出第三類人群，對(duì)這類觀眾進(jìn)行定向宣傳。

人工智能在用戶畫像里最重要的作用就是找到相關(guān)性，給用戶打標(biāo)簽。用戶標(biāo)簽是表達(dá)人的基本屬性、行為傾向、興趣偏好等某一個(gè)維度的數(shù)據(jù)標(biāo)識(shí)，它是一種相關(guān)性很強(qiáng)的關(guān)鍵字，可以簡(jiǎn)潔的描述和分類人群。比如好人和壞人、90后80后，星座、白領(lǐng)等。具體流程一般是從紛亂復(fù)雜、瑣碎的用戶行為流(日志)中挖掘用戶在一段時(shí)間內(nèi)比較穩(wěn)定的特征，即給用戶打上標(biāo)簽。

舉例來(lái)說(shuō)，如果你經(jīng)常購(gòu)買一些紙尿褲，那么電商網(wǎng)站即可根據(jù)母嬰購(gòu)買的情況替你打上標(biāo)簽“有孩子”，甚至還可以判斷出你孩子大概的年齡，貼上“有1-4歲的孩子”這樣更為具體的標(biāo)簽，而這些所有給你貼的標(biāo)簽組，就成了你的用戶畫像，也可以說(shuō)用戶畫像就是判斷一個(gè)人是什么樣的人。但是今天的人工智能雖然能夠找到相關(guān)性，但是卻無(wú)法找到內(nèi)在的邏輯，因此容易把前提和結(jié)論搞反了。比如根據(jù)大數(shù)據(jù)的統(tǒng)計(jì)，喝咖啡的人比不喝咖啡的人長(zhǎng)壽。但大數(shù)據(jù)沒(méi)告訴大家喝咖啡是不是原因，或許是生活水平高的人才有錢、有時(shí)間喝咖啡。所以真實(shí)的情況是長(zhǎng)壽的人喝咖啡。

五、人工智能算法

深度學(xué)習(xí)算法

說(shuō)完了語(yǔ)音識(shí)別、圖像識(shí)別和自然語(yǔ)言處理這些涉及交互的前端人工智能技術(shù)， 我們?cè)賮?lái)說(shuō)說(shuō)后端人工智能技術(shù)。后端的人工智能技術(shù)指的就是人工智能的核心算法，包括深度學(xué)習(xí)算法、記憶預(yù)測(cè)模型算法等。

首先，我們來(lái)說(shuō)說(shuō)深度學(xué)習(xí)算法。我們知道2016年是人工智能爆發(fā)的一年，先有AlphaGo戰(zhàn)勝李世石，到了年底又有Master連勝60場(chǎng)，橫掃中日韓圍棋高手，一時(shí)間輿論為之震驚。這個(gè)Alpha Go背后的DeepMind團(tuán)隊(duì)，用的就是深度增強(qiáng)式學(xué)習(xí)，這是深層神經(jīng)網(wǎng)絡(luò)用于決策領(lǐng)域的成果。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)新領(lǐng)域，普遍認(rèn)為深度學(xué)習(xí)的開(kāi)創(chuàng)者是加拿大多倫多大學(xué)一位叫Geoffrey Hinton的教授，他是一位“神經(jīng)科學(xué)家+計(jì)算機(jī)科學(xué)家”，他認(rèn)為大腦是用全息的方式存儲(chǔ)外界世界信息的，并且從上世紀(jì)80年代就開(kāi)始研究用計(jì)算機(jī)系統(tǒng)架構(gòu)來(lái)模擬人類大腦，就是我們今天說(shuō)的深度學(xué)習(xí)的原型。

今天我們可以這樣理解深度學(xué)習(xí)算法，深度學(xué)習(xí)就是運(yùn)用神經(jīng)網(wǎng)絡(luò)一層又一層的計(jì)算來(lái)找到最優(yōu)的參數(shù)，再結(jié)合參數(shù)去做出未來(lái)的決定。出發(fā)點(diǎn)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)。深度學(xué)習(xí)的整個(gè)學(xué)習(xí)過(guò)程中，幾乎可以做到直接把海量數(shù)據(jù)投放到算法中，讓數(shù)據(jù)自己說(shuō)話，系統(tǒng)會(huì)自動(dòng)從數(shù)據(jù)中學(xué)習(xí)。從輸入到輸出是一個(gè)完全自動(dòng)的過(guò)程。深度學(xué)習(xí)算法現(xiàn)在被設(shè)計(jì)成實(shí)現(xiàn)設(shè)計(jì)者既定目標(biāo)的工具。比如，AlphaGo的目標(biāo)就是去贏得圍棋比賽，而不是去開(kāi)車或干其他事情。AlphaGo不能自己設(shè)定自己的目標(biāo)，如果要完成另一個(gè)目標(biāo)，就需要設(shè)計(jì)另一種機(jī)器。當(dāng)然人工智能有N多條路，深度學(xué)習(xí)算法是目前人工智能算法里表現(xiàn)最好的。但深度學(xué)習(xí)并不是一上來(lái)就好的，讓深度學(xué)習(xí)崛起還有兩個(gè)華人：

一個(gè)就是斯坦福的教授，也是后來(lái)谷歌大腦的創(chuàng)始人吳恩達(dá)教授，因?yàn)樗l(fā)現(xiàn)深度學(xué)習(xí)需要有更強(qiáng)的計(jì)算能力，所以他找到了英偉達(dá)的GPU(Graphics Processing Unit，圖形處理單元)，使得計(jì)算能力提升了上百倍。

另外一個(gè)人也是斯坦福的教授李飛飛，她建立了一個(gè)圖像識(shí)別資料庫(kù)。而且這個(gè)庫(kù)里面的所有的圖像都是標(biāo)注過(guò)的，也就是說(shuō)，如果圖里有山就會(huì)標(biāo)注出山，如果有樹(shù)就標(biāo)注出樹(shù)。這樣的話，你可以用這個(gè)圖形庫(kù)來(lái)訓(xùn)練人工智能系統(tǒng)，看它能不能識(shí)別出來(lái)這個(gè)圖形庫(kù)上面所標(biāo)注的這些元素。經(jīng)過(guò)這個(gè)圖像庫(kù)的訓(xùn)練，就可以訓(xùn)練出視覺(jué)能力超過(guò)人的人工智能系統(tǒng)。

但是千萬(wàn)不要以為深度學(xué)習(xí)達(dá)到今天的水平就是無(wú)敵了，甚至可以超越人類了。深度學(xué)習(xí)發(fā)展起來(lái)的人工智能系統(tǒng)存在一個(gè)明顯的缺陷，就是他的過(guò)程無(wú)法描述，機(jī)器不能用人的語(yǔ)言說(shuō)出來(lái)它是怎么做到的。例如，Alpha Go打敗了李世石，你要問(wèn)AlphaGo是為什么走這步棋，它是答不上來(lái)的。也就是說(shuō)，我們沒(méi)辦法知道機(jī)器做事情的動(dòng)機(jī)和理由。

要想更好的認(rèn)識(shí)到人工智能算法的局限性，需要引入一個(gè)概念，就是認(rèn)知復(fù)雜度。什么是認(rèn)知復(fù)雜度呢?就是指你建構(gòu)“客觀”世界的能力。認(rèn)知復(fù)雜度高的人，善于同時(shí)用互補(bǔ)，或者互不相容的概念來(lái)理解客觀世界，因?yàn)檎鎸?shí)世界本身就不是非黑即白的。那么對(duì)于機(jī)器來(lái)說(shuō)，“認(rèn)知計(jì)算”和“人工智能”有啥關(guān)系呢?人工智能的未來(lái)一般被分為三個(gè)發(fā)展方向：人搞定機(jī)器、機(jī)器搞定人和“人機(jī)共生”。而以“人機(jī)共生”為目標(biāo)的人工智能，就是認(rèn)知計(jì)算。IBM在認(rèn)知計(jì)算領(lǐng)域獲得了大量經(jīng)驗(yàn)，并且總結(jié)了認(rèn)知計(jì)算的三個(gè)能力，分別是交流、決策，和發(fā)現(xiàn)。

(1)交流

第一個(gè)能力是交流，認(rèn)知計(jì)算可以處理非結(jié)構(gòu)性的問(wèn)題。很多用Siri的人，只會(huì)把這當(dāng)成娛樂(lè)功能，因?yàn)樗荒鼙ＷC交流內(nèi)容的準(zhǔn)確性，有時(shí)Siri根本接不上你的話，因?yàn)槟愕脑拰?duì)它來(lái)說(shuō)太復(fù)雜了。這個(gè)只能算作人工智能比較初始的狀態(tài)。

而認(rèn)知計(jì)算可以完全模仿人類的認(rèn)知，你可以把它當(dāng)做一個(gè)孩子。就好像孩子周圍有一群逗他玩的大人，有人告訴孩子1+1=2，也有人說(shuō)1+1=3。但是隨著孩子的成長(zhǎng)，他自己會(huì)明白1+1=2才是對(duì)的。這就是非結(jié)構(gòu)性問(wèn)題。早期的人工智能只能學(xué)會(huì)別人教給他的知識(shí)，但是認(rèn)知計(jì)算可以處理模糊的，甚至是自相矛盾的信息。

(2)決策

第二個(gè)能力是決策，我們都知道人工智能可以分析復(fù)雜的邏輯，然后做出決策。認(rèn)知計(jì)算可以更進(jìn)一步，根據(jù)新的信息來(lái)調(diào)整自己的決策。更厲害的是，認(rèn)知系統(tǒng)所做的決策是沒(méi)有偏見(jiàn)的，而“毫無(wú)偏見(jiàn)的決策”對(duì)人類來(lái)說(shuō)幾乎是一件不可能的事。比如說(shuō)治療癌癥，這是典型的醫(yī)療決策場(chǎng)景。

癌癥之所以難治，一方面由于這種疾病太過(guò)復(fù)雜，另一方面，醫(yī)生如果不能及時(shí)發(fā)現(xiàn)患者的癌癥信號(hào)，可能會(huì)延誤患者的治療，或者導(dǎo)致診斷錯(cuò)誤。而認(rèn)知計(jì)算可以綜合分析復(fù)雜的醫(yī)療數(shù)據(jù)，還可以在醫(yī)生語(yǔ)言的上下文中解析含義，最后提出它的建議。

這就大大減少了醫(yī)生查病歷的時(shí)間，讓醫(yī)生能將更多的時(shí)間用在患者身上。2016年8月，《東京新聞》報(bào)道說(shuō)，IBM研發(fā)的認(rèn)知計(jì)算機(jī)器人“沃森”，就學(xué)習(xí)了海量的醫(yī)學(xué)論文，只用了10分鐘，就為一名患者診斷出了很難判斷的白血病類型，還向東京大學(xué)醫(yī)科學(xué)研究所提出了適當(dāng)?shù)闹委煼桨浮?/p>

(3)發(fā)現(xiàn)

第三個(gè)能力是發(fā)現(xiàn)，認(rèn)知計(jì)算能發(fā)現(xiàn)新事物和新連接，填補(bǔ)人類思維的空白。比如在競(jìng)爭(zhēng)激烈的餐飲業(yè)，怎樣才能做出令顧客滿意的新菜品呢?

認(rèn)知系統(tǒng)可以整合區(qū)域知識(shí)、文化知識(shí)，還有各種食物搭配理論，幫助用戶發(fā)現(xiàn)想象不到的美食搭配。比如突然有一天，它會(huì)告訴你：用鹵煮的配方做個(gè)披薩，可能很合你的胃口。你照著一做，發(fā)現(xiàn)還不錯(cuò)!實(shí)際上，從2015年開(kāi)始，IBM開(kāi)發(fā)的“沃森大廚”，就已經(jīng)學(xué)習(xí)了35000多種經(jīng)典食譜，然后通過(guò)分析海量的食材搭配，結(jié)合化學(xué)、營(yíng)養(yǎng)學(xué)等方面數(shù)據(jù)，為廚師和美食家?guī)?lái)了超出人類想象的新型食譜。

認(rèn)知計(jì)算可以幫助我們更好的交流、決策和發(fā)現(xiàn)。但是人工智能依然有很多做不到的。例如：抽象能力，自我意識(shí)，審美，情感等。

六、小結(jié)

講了這么多的人工智能的能與不能。其實(shí)AI并不是魔法，它只是數(shù)學(xué)、統(tǒng)計(jì)學(xué)、以及使用大數(shù)據(jù)來(lái)進(jìn)行模式識(shí)別，是對(duì)環(huán)境和物體的識(shí)別和相關(guān)性分析的智能。采用算法的方式來(lái)實(shí)現(xiàn)人的邏輯和數(shù)學(xué)思維，形成計(jì)算機(jī)思維，從而衍生出特殊算法系統(tǒng)，機(jī)器智慧。

其實(shí)一切人工智能問(wèn)題其實(shí)就是硬件問(wèn)題軟件化，用自動(dòng)化的知識(shí)解決一切問(wèn)題。比如說(shuō)攝影，過(guò)去我們用各種光學(xué)鏡頭來(lái)讓照片更美，現(xiàn)在用“算法”我們就能搞定。再比如做實(shí)驗(yàn)，過(guò)去我們要擺弄各種瓶瓶罐罐，而現(xiàn)在我們則可以在計(jì)算機(jī)里模擬核爆炸。