這是一個名詞滿天飛的時代。人工智能、機器學習、神經網絡、深度學習等等詞彙，先是在科技圈、慢慢的擴展到普羅大眾的生活圈，鋪天蓋地的出現。
但相當多的人，甚至一些科技圈內非該領域的人士，面對這些詞彙時，也是一頭霧水，為了更好的理解，我們將逐一進行討論。
Q1：鋪天蓋地的人工智能？到底啥是人工智能？
A：現階段產品端能見到所謂的人工智能，絕大部分指的是機器與人之間擬人的交流方式，主要就是“聽得見、聽得懂，看得見、看得懂”，再進一步，就是好像還能“記點事兒”。其中“聽得見”和“看得見”是硬件解決的，換句話說就是話筒和攝像頭的事兒，所以智能主要體現在“聽得懂”（語音識別+語義理解）和“看得懂”（圖像識別）。大家經常看到的“機器學習”、“神經網絡”、“深度學習”，都是解決這類問題的一些具體的算法。P.S.那篇很火的知乎問答《如何看待谷歌人工智能 AI 擊敗歐洲圍棋冠軍？》就提到了“神經網絡”。
Q2：能解釋一下剛剛提到的機器學習、神經網絡、深度學習的名詞嗎？
A：按照便於大家理解但是並不嚴謹的方式來說，“機器學習”就是統計，在大量數據中統計出來一些具體的參數；“神經網絡”簡單說就是“分級優化”；“深度學習”是機器學習的一個分支，經常和神經網絡一起出現，可以簡單的理解為分級優化中每一級的內容都是
從數據中統計出來。這些名詞我們放在具體的例子中就比較好理解了。
Q3：給我們講講語音識別？
A：我們先從語音交互的第一步，“語音識別”開始。（如圖所示）聲音從源頭髮出（聲源），被話筒接收，轉化成電信號。這個電信號放大來看，是一些連續的波形信號。我們把這個連續的信號截成一小段一小段的，每一小段通過一種方法轉換成一小串數字，這樣才能進行後面的處理。
轉換的方法是這裡面最重要的一步了。這套規則，可以是依據經驗人為制定的，也可以是通過大量數據的統計，輔助制定和優化的。後面這種方法就是我們所謂的深度學習，我們放到圖像識別裡面講，更好理解一些。
轉換了以後就是一個與標準庫比對的過程了。比如說，現在這個音，轉換完以後是（前半音）XXX XXX XXX XXX +（後半音）YYY YYY YYY YYY，然後標準庫裡面A的發音對應特徵值是XXY YYX XXX XXX+YYY YXX YYS YYZ，B的發音對應特徵值是XXY YYY YYY YYY+YYX YYX XXX YYY，那我們就知道這個音與A更接近（75%），不太可能是B（17%）。
更高級一點，還可以根據先後順序的關係進行匹配，比如按人類的語言習慣，A之後接B的概率更高，接K的概率很低，把這個概率算進去，準確率能進一步提升。
Q4：這個標準庫怎麼來？
A：比如說，你找100個人讀1000次A，然後讓機器把這每一個都轉換成特徵值，總的一起取個平均值，就出來A的標準庫了。這個標準庫是基於大量數據統計出來的結果（取平均值也是一種統計方法），這個過程就像是機器自己聽了很多遍學會了一樣，所以稱為“機器學習”。除了讀音，各種組合的前後關係，也都是統計出來的。
標準庫的建立要儘量的複合實際場景，這樣才能找出更符合使用場景的統計規律，從而達到更精準的識別。高大上的產品，比如說科大訊飛，多年的積累使得其可是支持多種方言，比如說出門問問，能支持幾十個場景。說白了，這個是一個勞動量密集的體力活。大公司，錢多人多，可以做大而全；小公司，有限資金有限工作量，在有限場景下，用戶感知不出來任何區別。
Q5：語音識別和語義理解是什麼關係？
A：可以這麼理解，所謂語音識別，是把音翻譯成字和句；語義理解，則是針對句子，給予反饋。語義理解可以分為兩種類型，一種是命令/數據索取式的，有明確答案的；一種是聊天式的，開放性答案的。
第一種，比如問：北京今天空氣質量如何？答：空氣指數356。這個回答與問題的對應關係，稱之為“規則”。問同一個問題有比較多種問法，為了擴大每一個規則的適用範圍，需要做一些語言結構的拆分重構，主謂賓定狀補，靈活調整。
比如順序的調換：北京今天空氣質量如何？VS 今天北京空氣質量如何？
比如替換同近義詞：北京今天空氣質量如何？VS 北京今天天氣質量如何？
更進一步的，可以增加上下文理解。比如記住上一句話的內容，替換一個下一句話的詞彙。
1層對話像這樣：
問：今天深圳空氣質量如何？答：空氣指數135
問：湖南呢？答：空氣指數356
更高級的還可以有2層對話：
問：幫我在深圳訂一個今晚的酒店。答：好，在幫您預訂
問：空氣質量如何？答：空氣指數135
問：湖南呢？答：空氣指數356
Q6：那聊天式的呢？
A：這種問題的答案通常是開放式的，比如說，問“你在幹嘛呢？”。
這種回答可以是事先人為設定好的規則，常見於一般的寒暄，用戶會發現重複問機器人同樣的問題，每次答案可能不同，比如“我在陪你聊天啊”、“不告訴你”、“你猜”等等，但問的次數多了就開始有重複了。
這種回答也可以是從巨大的真人對話庫中進行搜索得來的，返回出現概率最大的回答。比如說，可以搜索同義的問題，如“你幹啥呢？”，“你弄啥咧？”，然後發現排名最多的回答是“閒著”、“你猜”、“不告訴你”，那機器就會返回這些回答。
一般情況下，這兩種方式在具體的產品中都會使用。具體到小冰，主要是使用的後者，對話庫來源主要是在網絡上爬取的（直接調用MSN信息可能會涉及隱私問題）。考慮到返回結果較隨機，對其的二次理解較為困難，這類聊天機器人通常都是不含上下文理解的。
Q7：結合前面講的語音識別一起總結一下？
A：語音識別，就是一個
積攢數據，進行統計的過程，一個勞動密集型的活兒。語義理解，不管是命令式的，還是聊天式的，除非可獲取優質聊天記錄資源（世界上有這樣數據資源的公司就那麼幾家，當然我也見過有人花錢買人過來陪機器人聊天的），不然就是人工制定規則的事兒，又是一個勞動密集型的活兒。工作量越大，機器人就顯得越聰明。從公司維度來說，有限場景下，小公司深耕細作，有機會比大公司更好；大公司則能背靠資源，在更多場景下有所覆蓋。
再用最精煉的話總結一下——多少人工，多少智能；就算聊天，也不智能。一般的壁壘就是工作量！語音是收集素材的工作量；語義是制定規則的工作量；在有限場景範圍內，小公司在產品上比大公司沒有劣勢。
最後再提一句，機器學習 = 統計。
Q8：再說說圖像識別？
A：嗯，我們先說最普通的圖像識別是怎麼做的。這裡面我要盜用下Andrew Ng大神在UCLA的一次talk的PPT（視頻截圖）。
人類在看一個物體時，大部分情況其實主要是看它的輪廓（並不是顏色或其他），所以我們希望機器也這麼做。拿摩托車舉例。第一步，通過圖像處理算法，把摩托車的輪廓提取出來（美圖秀秀類圖像處理工具都有這功能）。第二步，我們把一幅圖分成四份，分別統計0°，45°，90°，135°四種的邊的多少，然後把這些數字列在一起，我們稱之為“特徵值”。這個特徵值裡面包含很多的信息，比如說，右下角的圖中一般都有輪子，輪子是圓形的，也就是說，各個方向的邊，應該都存在且比例相當；而右上角的圖中，一般都有把手，所以某一個方向的邊會比較多。通過這些數字的內在的關係，機器進行摩托車的判別。這樣的方法看起來有些簡單粗暴不合理，但目前許多機器確實就是這麼識別的。
Q9：這確實看起來有點….，那如果加上深度學習和神經網絡呢？
用上深度學習和神經網絡，那就徹底改觀了。
仔細想一下，我們給別人介紹某人的長相時，很喜歡說，這個臉長得特別像誰誰誰，然後髮型有點像誰誰。也就是說，人類是通過一些基本臉型的組合來認人的。數學一點來看，有幾個基本臉，然後一個新的人臉，就可以被簡化成一串數字，每個數字代表某一個基本臉所佔比重。
那好，基本臉從哪裡來？臉的基礎單元是部位，部位的基礎是邊，形狀，是各種邊的組合。所以要認臉，先找基礎邊。這些邊怎麼找？之前摩托車的例子中，邊是認為定義的（4種特殊角度）。人的設定，要麼是偷懶，要麼就是基於經驗，而經驗是大規模數據在人腦中統計之後得到的印象。如果換成機器自動做這個統計，那就叫機器學習。而這種由樣本進行統計，一級一級的由簡單的邊開始，最終達到基本臉的機器學習（統計）過程，叫做深度學習。
具體來說，從左邊第一張圖，找到所有的邊，再看第二張圖，發現有些邊重複的，就把這個關聯變粗（用粗線表示，線越粗表示重複次數越多）。最終統計下來，有些邊重複次數特別多，是重要的，就作為基礎邊。同樣道理，我們從圖中統計出來基礎邊的重要組合，就是基礎部位，再深一層，就是基本臉。具體的運算過程會比較複雜，對應一種由節點（邊、部位、臉）和節點間連線（粗細表示重要程度）的計算架構和相應算法，這個叫做神經網絡。
Q10：總結一下圖像識別吧？
A：圖像和語音識別，核心都是特徵值轉換算法，即基礎單元&數字表示。深度學習就是指基礎單元庫源於數據統計而非人為設定（合理，可解釋）；神經網絡指的是一級一級分級優化，權重連接（最簡化基礎單元庫），這兩個通常一起出現，使得結果既合理又簡單。
大型神經網絡價格較貴，每一個節點都是通過高性能GPU或者工作站進行實現，幾百萬美金的投入也就能購買幾千個節點，所以這是大公司的遊戲。小公司通常採用多個小神經網絡，雖然識別準確率會受到一定的影響，但是在不較真的應用場景，比如說家用的人臉識別，中小規模公司用的門禁識別等等，已經可以足夠好到用戶分辨不出來了。
Q11：能否整體總結一下人工智能？
A：人工智能，首先是能聽懂看懂（識別）。這一是收集數據（工作量），二是精進算法（可人工憑經驗，或者大數據做統計）。對小公司來說，主要是工作量。
再進一步是能反饋（對話）， 除了天生有數據的以外，主要就是規則制定（工作量）和數據收集（工作量）。在比拼工作量的事情上，產品設計往往更為重要，該做什麼不該做什麼主要應該做什麼，是小公司集中有限資源於一點突圍的法寶。
再高一層，是有記憶。來過一次就記住你了，下次來直接就能叫出你名字；比如說你回家晚了，會主動的問候，這些都是產品設計的事情。
大數據人工智能技術，在應用層面包括機器學習、神經網絡、深度學習等，它們都是現代人工智能的核心技術。當然，人工智能對我們的社會和未來的影響，也有一些令人擔憂的問題。但隨著人工智能和物聯網的進步和發展，有一件事是肯定的：這些技術對我們影響必然是深遠而重大的。
閱讀更多 AI人工智能教育 的文章
