正文
大盘不能叠在小盘上面。
传说当这些盘子移动完毕的那一刻,世界就会灭亡。
然而若传说属实,僧侣们需要
步才能完成这个任务;若他们每秒可完成一个盘子的移动,就需要5849亿年才能完成。整个宇宙现在也不过137亿年。
不过若用电脑的递回解,很快就能做完了。我们会在《简单的演算法》系列第二集中和大家继续探讨这个问题。
第一次人工智能泡沫后,研究领域转为「机器学习」
然而问题来了──机器程序是由人类撰写出来的,当人类不知道一个问题的解答时、机器同样不能解决人类无法回答的问题。
另一个问题是当时电脑的计算速度尚未提升、储存空间也小、数据量更不足够。
对人工智能的研究方向局限于逻辑数学领域、加上硬件环境上的困境,使早期人工智能只能解一些代数题和数学证明,难以在实务上有所应用。
在1970 年代末时,一些知名研发计画如纽厄尔和西蒙的「通用问题求解器」和日本政府领头的「第五代电脑系统」达不到预期效果时,人工智能开始被人们视为一场现代炼金术,企业与政府纷纷撤资、研究基金被削减、多个计画被停止,迎来了人工智能的第一场寒冬期。
虽然此时人工智能的研究迈入了瓶颈,但是电脑硬
件
却是以指数型的方式进步。
1965 年Intel 创始人摩尔观察到半导体晶片上的电晶体每一年都能翻一倍;到了1975 年,这个速度调整成每两年增加一倍,电脑的运算能力与储存能力同时跟着摩尔定律高速增涨。
如今,电脑的运算能力约为30年前的100万倍。(此段介绍欢迎参考
晶圆代工争霸战:半导体知识
一文)
我们上面提到,早期的人工智能研究聚焦在逻辑推论的方法,专注于模仿人类推理过程的思考模式,需要百分之百确定的事实配合,实务上应用困难。
但有没有可能换一个思考模式,比如用统计概率学来处理人工智能的问题呢?假设一个命题为:「某个特定事件会发生吗?」同样是判断「是」或「否」的二分法,数学逻辑的思考方式是证明TRUE 或FLASE。
但我们也能用
概
率来量化对于某些不确定命题的想法,想法改为:「我们可以多确定这个事件会发生?」确定的程度可以用0 到1 之间的数值来表示。
如果你一路读完电脑科学领域的初始发展、知道图灵、冯纽曼等巨头,与纽厄尔等早期图灵奖(电脑科学界最高荣誉) 得主的研究方向,到如今人们对于人工智能研究的思想转变,会发现…… 这可是多大的突破!
此即为时下热门的话题「机器学习」(Machine Learning)。
「机器学习」是一门涵盖电脑科学、统计学、
概
率论、博弈论等多门领域的学科,从1980 开始蓬勃兴起。
机器学习之所以能兴起,也归功于硬
件
储存成本下降、运算能力增强(包括本机端与云端运算),加上大量的数据能做处理。
电脑从大量的资料中找出规律来「学习」,称为「机器学习」,也是「资料科学」(Data Science) 的热门技术之一。
最早研究机器学习的理论都是统计学家或
概
率学家所发表的,到后来电脑科学界的人发现:「噢,这些理论可以帮助我们来解决一些问题!」又加进来研究,可以说是「资工+统计」的双重Domain Knowhow。
另外,这也是为什么「机器学习」会被称之为人工智能领域的一支。要实现人工智能的方式有很多,像早期的符号逻辑学也是人工智能的实践方向。
所以说别再说现在红的是「人工智能」啦!人工智能领域很多元也很广泛,早在1950 年代就已经红过了。
什么是深度学习?机器学习的一个分支
不过除了机器学习,最近常听到的「深度学习」又是什么意思呢?类神经网路、深度神经网路和深度学习是不一样的东西吗?
虽然有点绕口令,不过请跟我念一次:机器学习是人工智能的一个分支。深度学习是机器学习的一个分支。
也就是说人工智能包在最外层、机器学习包在第二层、深度学习是第三层。
2013 年7 月,Google 收购了一家才创立一年、叫做DNNresearch 的公司。甚至,这家公司仅有三个人。为多伦多大学教授Geoffrey Hinton 教授和他的两位学生。
是什么魔力,让Google 愿意砸大钱在一家名不见经传的公司?你可能没听过DNNresearch、或不认识该公司的创办人Geoffrey Hinton,但你不能不知道的事情是,Google 眼馋的、正是背后的深度学习(Deep Learning) 技术。
可以说后续AlphaGo 的出现,除了主导研发的DeepMind 之外,还有Hinton 的协助。
什么是深度学习? 为何各产业为之风靡?这就让我们来聊聊深度学习发展的前身「类神经网路」(Neural Network) 啦。
在本文的前半段,我们只很简单说明了,1950年代电脑发明的时候人类就寄望、能出现比人类运算能力更强、更聪明的机器出现,称为人工智能。在1950 年代以数理逻辑的为主要研究方向。
机器学习是由统计概率学、加上电脑科学方法的一个延伸学科,在数理逻辑研究方向失败后,机器学习在1980 年代到2006 年间成为研究主流。
但机器学习的理论有很多,包括支援向量机(SVM)、决策树(Decision Tree)、AdaBoost、随机森林…
其中有一个分支在1980 年初的时候一度兴起,叫「类神经网路」(Artificial Neural Network)。
类神经网路的衰颓、与浅层机器学习方法兴起