在很多方面，人工智能的表現已經超越了人類，這并不代表人工智能很聰明。相反，其實人工智能是很傻很天真的，你認認真真與它交流，會被嚇到，但如果稍微使點詐，它就會原形畢露。那么人工智能是如何看起來很聰明的呢，下面筆者以講故事的形式，讓大家了解監督學習下的人工智能是如何運作的。
故事的主角叫小A(AI)，我們讓小A學習化妝。
·非人工智能階段
在沒有任何的幫助下，小A化妝只有一個步驟，那就是上色，所以剛開始小A化妝會全部涂成純色。這是因為初始化的小A相當于計算器，你給她一個指令，她就輸出一個結果。你讓她化妝，她就涂上純色。結果客戶非常不滿意，怎么辦?你得先教小A認臉。
·人工智能起步階段
小A眼中的世界與我們是不一樣的，我們能夠看到色彩、形狀，而小A的眼里只有0和1兩個數字(二進制)，你可以理解為小A高度近視，但不愿意戴眼鏡。所以小A想要認臉，先要把人臉抽象化，比如人的嘴巴就是一條曲線。小A將這條曲線對應的0、1排列順序認作是人的嘴巴。
人工智能“眼中”的世界就是0和1的組合
問題又來了，曲線代表嘴巴的話，小A有時候會把眉毛也看成嘴巴，為了避免笑話，你讓小A判斷是不是嘴巴的時候，不要單純的以“是”或“不是”為結果。這時候你給小A的一些算法，讓她把疑似嘴巴的曲線對應的0、1排列順序輸入算法中，最終結果會出現一個百分數，當百分數大于90%的時候，小A就知道這條曲線就是嘴巴，然后就能化妝了。
上面就是比較初級的人工智能，比剛開始聰明一些，但還是不夠聰明。
·人工智能發展階段
小A又遇到了問題。小A給一個人化妝的時候沒有問題，但給多個人化妝就有問題了，因為人之間差別太大。比如之前都是給櫻桃小口的客戶化妝，現在突然來了一位大嘴客戶，小A不知道該怎么化了。
那該怎么辦?為了讓小A能夠快速掌握技能，你準備了一沓照片，上面幾乎擁有人類的全部嘴型(大數據)，然后又摻進去了一沓動物嘴型和其他亂七八糟的照片(負樣本)，一張張的讓小A認。小A認對了，你就鼓勵她，認錯了，就打一巴掌。
監督學習
認對就夸、認錯就打，這就是監督學習。
這個過程中小A如何成長呢?還記得之前你給小A的算法嗎，現在這個算法里面有幾項數值非常重要，這幾項數值就是權重。在小A判斷照片是不是人的嘴巴時，小A會根據正確或錯誤的結果調整權重，直到能夠不會出現錯誤。
讓小A自己修改權重就是機器學習。
機器學習
小A要看多少照片呢?越多越好，而且要重復的讓她看。除了看嘴巴的照片，還要看眼睛的、鼻子的，還要給她看擁有全部五官的……這樣小A就能將識別的正確率提升到很高的水平。再給客戶化妝的時候，客戶就會夸小A真智能。
以上就是人工智能發展時要經歷的幾個階段，當然其中涉及到很多復雜的知識和技術，而且后續還會有更為復雜的理論和概念，筆者在此就不做深入探究了。
·對人工智能的一些認識
相信很多朋友在學生時代對數學中的回歸計算有著比較深刻的印象吧，xy軸上的很多個點，你需要找一條線，讓所有點到曲線的距離是最近的，然后用一串字符模擬出這條曲線。人工智能機器學習的過程就相當于回歸方程計算的過程。只不過人工智能的“回歸計算”包含很多節點，過程更加龐大、復雜罷了。
回歸計算與人工智能是相似的
以往人工智能沒有得到重視的原因是大數據和硬件運算能力達不到神經網絡運行的要求，而如今已經達到了，所以人工智能才得以迅速發展。
GoogLeNet網絡將大熊貓認為長臂猿
曾經有組織對某人工智能大賽冠軍GoogLeNet網絡進行過測試，測試方法與普通識圖稍有不同。他們在一張大熊貓的照片中加入了肉眼無法辨別的影響因素后，GoogLeNet網絡竟然將大熊貓認成了長臂猿。從這個例子我們能夠看出，目前人工智能是很傻很天真的，只是在某些領域發揮除了機器計算的優勢而已。
京公網安備 11010502049343號