
¼¸Ç§ÄêÀ´£¬ÈËÃǾÍÒѾÓÐÁË˼¿¼ÈçºÎ¹¹½¨ÖÇÄÜ»úÆ÷µÄÏë·¨¡£´ÓÄÇʱ¿ªÊ¼£¬È˹¤ÖÇÄÜ
(AI) ¾ÀúÁËÆðÆðÂäÂ䣬ÕâÖ¤Ã÷ÁËËüµÄ³É¹¦ÒÔ¼°»¹Î´ÊµÏÖµÄDZÄÜ¡£Èç½ñ£¬ËæÊ±¶¼ÄÜÌýµ½Ó¦ÓûúÆ÷ѧϰËã·¨À´½â¾öÐÂÎÊÌâµÄÐÂÎÅ¡£´Ó°©Ö¢¼ì²âºÍÔ¤²âµ½Í¼ÏñÀí½âºÍ×ܽáÒÔ¼°×ÔÈ»ÓïÑÔ´¦Àí£¬AI
ÕýÔÚÔöÇ¿ÈËÃǵÄÄÜÁ¦ºÍ¸Ä±äÎÒÃǵÄÊÀ½ç¡£
ÏÖ´ú AI µÄÀúÊ·°üº¬Ò»²¿Î°´óµÄÏ·¾çÓ¦¾ßÓеÄËùÓÐÒªËØ¡£ÉÏÊÀ¼Í 50 Äê´ú£¬Ëæ×ŶÔ˼ά»úÆ÷¼°°¢À¼¡¤Í¼ÁéºÍÔ¼º²¡¤·ë¡¤ÅµÒÀÂüµÈÖøÃûÈËÎïµÄ¹Ø×¢£¬AI
¿ªÊ¼Õ¸Â¶Í·½Ç¡£¾¡¹ÜËæºó¾ÀúÁËÊýÊ®ÄêµÄ·±ÈÙÓëÏôÌõ£¬²¢±»¼ÄÓèÁËÄÑÒÔʵÏֵĺñÍû£¬µ« AI ºÍËüµÄÏÈÇýÃÇÈÔȻһֱÔÚŬÁ¦Ç°ÐС£Èç½ñ£¬AI
Õ¹ÏÖ³öÁËËüµÄÕæÕýDZÁ¦£¬×¨×¢ÓÚÓ¦Óò¢ÌṩÉî¶ÈѧϰºÍÈÏÖª¼ÆËãµÈ¼¼Êõ¡£
±¾ÎĽ«Ì½Ë÷ AI µÄÒ»Ð©ÖØÒª·½ÃæºÍËüµÄ×ÓÁìÓò¡£ÎÒÃÇÊ×ÏÈ»á·ÖÎö AI µÄʱ¼äÏߣ¬È»ºóÉîÈë½éÉÜÿÖÖÒªËØ¡£
ÏÖ´ú AI µÄʱ¼äÏß
´ÓÉÏÊÀ¼Í 50 Äê´ú¿ªÊ¼£¬ÏÖ´ú AI ¿ªÊ¼×¨×¢ÓÚËùνµÄÇ¿ AI£¬Ç¿ AI Ö¸µÄÊÇÄÜÆÕ±éÖ´ÐÐÈËÀàËùÄÜÖ´ÐеÄÈκÎÖÇÄÜÈÎÎñµÄ
AI¡£Ç¿ AI µÄ½øÕ¹·¦Á¦£¬×îÖÕµ¼ÖÂÁËËùνµÄÈõ AI£¬»òÕß½« AI ¼¼ÊõÓ¦ÓÃÓÚ¸üС·¶Î§µÄÎÊÌâ¡£Ö±µ½ÉÏÊÀ¼Í
80 Äê´ú£¬AI Ñо¿±»²ð·ÖΪÕâÁ½ÖÖ·¶Ê½¡£µ«ÔÚ 1980 Äê×óÓÒ£¬»úÆ÷ѧϰ³ÉΪÁËÒ»¸öÍ»³öµÄÑо¿ÁìÓò£¬ËüµÄÄ¿±êÊÇÈüÆËã»úÄÜѧϰ²¢¹¹½¨Ä£ÐÍ£¬ÒÔ±ãÄܹ»Ö´ÐÐһЩ»î¶¯£¬±ÈÈçÌØ¶¨ÁìÓòÖеÄÔ¤²â¡£
ͼ 1. ÏÖ´úÈ˹¤ÖÇÄܵÄʱ¼äÏß

µã»÷²é¿´´óͼÉî¶ÈѧϰÓÚ 2000 Äê×óÓÒ³öÏÖ£¬½¨Á¢ÔÚ AI ºÍ»úÆ÷ѧϰµÄÑо¿³É¹ûÖ®ÉÏ¡£¼ÆËã»ú¿ÆÑ§¼Òͨ¹ýеÄÍØÆË½á¹¹ºÍѧϰ·½·¨£¬ÔÚÐí¶à²ãÖÐʹÓÃÉñ¾ÍøÂç¡£Éñ¾ÍøÂçµÄÕâ´ÎÑݱä³É¹¦½â¾öÁ˸÷ÖÖ²»Í¬ÁìÓòµÄ¸´ÔÓÎÊÌâ¡£
ÔÚ¹ýÈ¥ 10 ÄêÖУ¬ÈÏÖª¼ÆËãÐËÆð£¬ËüµÄÄ¿±êÊǹ¹½¨ÄÜѧϰ²¢×ÔÈ»µØÓëÈ˽»Á÷µÄϵͳ¡£IBM Watson
ͨ¹ýÔÚ Jeopardy ±ÈÈüÉϳɹ¦»÷°ÜÊÀ½ç¼¶¶ÔÊÖ£¬Ö¤Ã÷ÁËÈÏÖª¼ÆËãµÄÄÜÁ¦¡£
ÔÚ±¾½Ì³ÌÖУ¬ÎÒ½«Ì½Ë÷ÿ¸öÁìÓò£¬½âÊÍһЩ´ÙʹÈÏÖª¼ÆËãÈ¡µÃ³É¹¦µÄÖØÒªËã·¨¡£
»ù´¡ AI
1950 ÄêǰµÄÑо¿ÖÐÌá³öÁË´óÄÔÓɵçÂö³åÍøÂç×é³ÉµÄÀíÄÕâЩÂö³å´¥·¢²¢ÒÔijÖÖ·½Ê½¾«ÐÄ×éÖ¯ÐγÉ˼ÏëºÍÒâʶ¡£°¢À¼¡¤Í¼Áé±íÃ÷ÈκμÆËã¶¼ÄÜÒÔÊý×Ö·½Ê½ÊµÏÖ£¬ÄÇʱ£¬¾àÀëʵÏÖ¹¹½¨Ò»Ì¨ÄÜÄ£·ÂÈËÄԵĻúÆ÷µÄÏë·¨Ò²¾Í²»Ô¶ÁË¡£
Ðí¶àÔçÆÚÑо¿¶¼ÖØµã¹Ø×¢¹ýÕâ¸öÇ¿ AI ·½Ã棬µ«ÕâһʱÆÚÒ²ÒýÈëÁËһЩ»ù´¡¸ÅÄÈç½ñµÄËùÓлúÆ÷ѧϰºÍÉî¶Èѧϰ¶¼ÊÇÔÚÕâЩ¸ÅÄî»ù´¡ÉϽ¨Á¢ÆðÀ´µÄ¡£
ͼ 2. 1980 ÄêǰµÄÈ˹¤ÖÇÄÜ·½·¨µÄʱ¼äÏß

AI ¼´ËÑË÷
AI ÖеÄÐí¶àÎÊÌâ¶¼¿ÉÒÔͨ¹ý±©Á¦ËÑË÷(±ÈÈçÉî¶È»ò¹ã¶ÈÓÅÏÈËÑË÷)À´½â¾ö¡£µ«ÊÇ£¬¿¼Âǵ½ÆÕͨÎÊÌâµÄËÑË÷¿Õ¼ä£¬»ù±¾ËÑË÷ºÜ¿ì¾Í»áÕмܲ»×¡¡£AI
¼´ËÑË÷µÄ×îÔçʾÀýÖ®Ò»ÊÇÒ»¸öÏÂÆå³ÌÐòµÄ¿ª·¢¡£Arthur Samuel ÔÚ IBM 701 Electronic
Data Processing Machine ÉϹ¹½¨Á˵ÚÒ»¸öÕâÑùµÄ³ÌÐò£¬¶ÔËÑË÷Ê÷Ö´ÐÐÒ»ÖÖÃûΪ ¦Á-¦Â
¼ôÖ¦¼¼Êõ(alpha-beta pruning)µÄÓÅ»¯¡£ËûµÄ³ÌÐò»¹»á¼ÇÂ¼ÌØ¶¨Ä³²½ÆåµÄ»Ø±¨£¬ÔÊÐíÓ¦ÓóÌÐòѧϰÿһ³¡±ÈÈü(ʹËü³ÉΪÁ˵ÚÒ»¸ö×ÔÖ÷ѧϰµÄ³ÌÐò)¡£ÎªÁËÌá¸ß³ÌÐòµÄѧϰËÙ¶È£¬Samuel
½«ËüÉè¼ÆÎªÄܹ»×Ô¼º¸ú×Ô¼ºÏÂÆå£¬Ìá¸ßÁËËüµÄÏÂÆåºÍѧϰÄÜÁ¦¡£
¾¡¹Ü¿ÉÒԳɹ¦µØÓ¦ÓöÔÐí¶à¼òµ¥ÎÊÌâµÄËÑË÷£¬µ«Ëæ×ÅÑ¡ÔñÊýÁ¿µÄÔö¼Ó£¬¸Ã·½·¨ºÜ¿ì¾Í»áÐв»Í¨¡£ÒÔ¼òµ¥µÄ¾®×ÖÆåÓÎϷΪÀý¡£ÔÚÓÎÏ·¿ªÊ¼Ê±£¬ÓÐ
9 ÖÖ¿ÉÄܵįå×Å¡£Ã¿²½ÆåׯᵼÖ 8 ÖÖ¿ÉÄܵĶԿ¹Æå×Å£¬ÒÔ´ËÀàÍÆ¡£¾®×ÖÆåÍêÕûµÄÆå×ÅÊ÷(δ½øÐÐÐýתÓÅ»¯À´É¾³ýÖØ¸´Æå×Å)ÓÐ
362,880 ¸ö½Úµã¡£Èç¹ûÄú½«Í¬ÑùµÄ˼άÊÔÑéÍÆ¹ãµ½ÏóÆå»òΧÆå£¬ºÜ¿ì¾Í»á¿´µ½ËÑË÷µÄȱµã¡£
¸ÐÖªÆ÷
¸ÐÖªÆ÷ÊÇÒ»ÖÖÓÃÓÚµ¥²ãÉñ¾ÍøÂçµÄÔçÆÚµÄ¼à¶½Ê½Ñ§Ï°Ëã·¨¡£¸ø¶¨Ò»¸öÊäÈëÌØÕ÷ʸÁ¿£¬¸ÐÖªÆ÷Ëã·¨¾ÍÄÜѧϰ½«ÊäÈë»®·Öµ½Ìض¨Àà±ð¡£Í¨¹ýʹÓÃѵÁ·¼¯£¬¿ÉÒÔ¸üÐÂÏßÐÔ·ÖÀàµÄÍøÂçµÄȨֵºÍ·§Öµ¡£¸ÐÖªÆ÷×î³õÊÇÕë¶Ô
IBM 704 ʵÏֵģ¬Ëæºó±»ÓÃÔÚ¶¨ÖÆÓ²¼þÉÏ£¬ÓÃÓÚͼÏñʶ±ð¡£
ͼ 3. ¸ÐÖªÆ÷ºÍÏßÐÔ·ÖÀà

×÷ΪÏßÐÔ·ÖÀàÆ÷£¬¸ÐÖªÆ÷ÄÜÏßÐԵطÖÀëÎÊÌâ¡£¸ÐÖªÆ÷µÄ¾ÖÏÞÐÔµÄÖØÒªÊ¾ÀýÊÇ£¬ËüÎÞ·¨Ñ§Ï°Ò»¸öÒì»ò (XOR)
º¯Êý¡£¶à²ã¸ÐÖªÆ÷½â¾öÁËÕâÒ»ÎÊÌ⣬Ϊ¸ü¸´ÔÓµÄËã·¨¡¢ÍøÂçÍØÆË½á¹¹ºÍÉî¶ÈѧϰÆÌƽÁ˵À·¡£
¼¯ÈºËã·¨
¶ÔÓÚ¸ÐÖªÆ÷£¬Ñ§Ï°·½·¨ÊǼලʽµÄ¡£Óû§ÌṩÊý¾ÝÀ´ÑµÁ·ÍøÂ磬ȻºóÕë¶ÔÐÂÊý¾ÝÀ´²âÊÔÍøÂç¡£¼¯ÈºËã·¨²ÉÓÃÁËÒ»ÖÖ²»Í¬µÄѧϰ·½·¨£¬½Ð×öÎ޼ලѧϰ¡£ÔÚ´ËÄ£ÐÍÖУ¬Ëã·¨»ùÓÚÊý¾ÝµÄÒ»¸ö»ò¶à¸öÊôÐÔ£¬½«Ò»×éÌØÕ÷ʸÁ¿×éÖ¯µ½¼¯ÈºÖС£
ͼ 4. ¶þÎ¬ÌØÕ÷¿Õ¼äÖеļ¯Èº

¿Éͨ¹ýÉÙÁ¿´úÂëʵÏÖµÄ×î¼òµ¥µÄËã·¨Ö®Ò»³ÆÎª k ¾ùÖµ¡£ÔÚ´ËËã·¨ÖУ¬k ±íʾÄú¿ÉÏòÆäÖзÖÅäÑù±¾µÄ¼¯ÈºÊýÁ¿¡£Äú¿ÉÒÔʹÓÃÒ»¸öËæ»úÌØÕ÷ʸÁ¿³õʼ»¯Ò»¸ö¼¯Èº£¬È»ºó½«ÆäËûËùÓÐÑù±¾Ìí¼Óµ½ÀëËüÃÇ×î½üµÄ¼¯Èº(ǰÌáÊÇÿ¸öÑù±¾±íʾһ¸öÌØÕ÷ʸÁ¿£¬¶øÇÒʹÓÃÁËÒ»ÖÖÅ·¼¸ÀïµÂ¾àÀëÀ´±êʶ
¡°¾àÀ롱)¡£Ëæ×ÅÄú½«Ñù±¾Ìí¼Óµ½¼¯ÈºÖУ¬ËüµÄÖÊÐÄ ¡ª ¼´¼¯ÈºµÄÖÐÐÄ ¡ª »á±»ÖØÐ¼ÆË㡣Ȼºó¸ÃËã·¨»áÔٴμì²éÑù±¾£¬È·±£ËüÃÇ´æÔÚÓÚ×î½üµÄ¼¯ÈºÖУ¬²¢ÔÚûÓÐÑù±¾¸Ä±ä¼¯Èº³ÉÔ±¹ØÏµÊ±Í£Ö¹ÔËÐС£
¾¡¹Ü k ¾ùÖµµÄЧÂÊÏà¶Ô½Ï¸ß£¬µ«Äú±ØÐëÌáǰָ¶¨ k¡£¸ù¾ÝËùÓõÄÊý¾Ý£¬ÆäËû·½·¨¿ÉÄܸü¸ßЧ£¬±ÈÈç·Ö²ã»ò»ùÓÚ·Ö²¼µÄ¼¯Èº·½·¨
¡£
¾ö²ßÊ÷
Ó뼯Ⱥ½ôÃÜÏà¹ØµÄÊǾö²ßÊ÷¡£¾ö²ßÊ÷ÊÇÒ»ÖÖÔ¤²âÄ£ÐÍ£¬¶Ô¿ÉµÃ³öij¸ö½áÂ۵Ĺ۲ìÖµ½øÐÐÔ¤²â¡£Ê÷ÉϵÄÊ÷Ò¶´ú±í½áÂÛ£¬¶ø½ÚµãÊǹ۲ìÖµ·Ö²æÊ±ËùÔڵľö²ßµã¡£¾ö²ßÊ÷ÊÇÀûÓþö²ßÊ÷ѧϰËã·¨À´¹¹½¨µÄ£¬ËüÃǸù¾ÝÊôÐÔÖµ²âÊÔ½«Êý¾Ý¼¯²ð·ÖΪ×Ó¼¯(ͨ¹ýÒ»¸ö³ÆÎªµÝ¹é·ÖÇøµÄÁ÷³Ì)¡£
¿¼ÂÇÏÂͼÖеÄʾÀý¡£ÔÚÕâ¸öÊý¾Ý¼¯ÖУ¬ÎÒ¿ÉÒÔ¸ù¾Ý 3 ¸öÒòËØÀ´¹Û²ìij¸öÈ˺ÎʱµÄÉú²úÁ¦½Ï¸ß¡£Ê¹Óþö²ßÊ÷ѧϰË㷨ʱ£¬ÎÒ¿ÉÒÔʹÓÃÒ»¸öÖ¸±êÀ´Ê¶±ðÊôÐÔ(±ÈÈçÐÅÏ¢ÔöÒæ)¡£ÔÚÕâ¸öʾÀýÖУ¬ÇéÐ÷ÊÇÉú²úÁ¦µÄÖ÷ÒªÒòËØ£¬ËùÒÔÎÒÒÀ¾Ý
¡°good mood¡± ÊÇ Yes »¹ÊÇ No À´²ð·ÖÊý¾Ý¼¯¡£No ·ÖÖ§ºÜ¼òµ¥£ºËüʼÖÕµ¼ÖÂÉú²úÁ¦µÍÏ¡£µ«ÊÇ£¬Yes
·ÖÖ§ÐèÒª¸ù¾ÝÆäËûÁ½¸öÊôÐÔÀ´Ôٴβð·ÖÊý¾Ý¼¯¡£ÎÒ¸øÊý¾Ý¼¯Í¿ÉÏÑÕÉ«£¬ÒÔÑÝʾºÎ´¦µÄ¹Û²ìֵͨÏòÎÒµÄÒ¶½Úµã¡£
ͼ 5. Ò»¸ö¼òµ¥µÄÊý¾Ý¼¯ºÍµÃµ½µÄ¾ö²ßÊ÷

µã»÷²é¿´´óͼ¾ö²ßÊ÷µÄÒ»¸öÓÐÓ÷½ÃæÊÇËüÃǵÄÄÚÔÚ×éÖ¯£¬ÄúÄÜÇáËÉÇÒͼÐλ¯µØ½âÊÍÄúÊÇÈçºÎ·ÖÀàÒ»¸öÊý¾ÝÏîµÄ¡£Á÷Ðеľö²ßÊ÷ѧϰËã·¨°üÀ¨
C4.5 ºÍ·ÖÀà»Ø¹éÊ÷¡£
»ùÓÚ¹æÔòµÄϵͳ
µÚÒ»¸ö¸ù¾Ý¹æÔòºÍÍÆ¶ÏÀ´¹¹½¨µÄϵͳ³ÆÎª Dendral£¬ÊÇ 1965 Ä꿪·¢³öÀ´µÄ£¬µ«Ö±µ½ÉÏÊÀ¼Í 70
Äê´ú£¬ÕâЩËùνµÄ ¡°×¨¼Òϵͳ¡± ²ÅµÃµ½´óÁ¦·¢Õ¹¡£»ùÓÚ¹æÔòµÄϵͳ¿ÉÒԴ洢֪ʶºÍ¹æÔò£¬²¢Ê¹ÓÃÒ»¸öÍÆÀíϵͳÀ´µÃ³ö½áÂÛ¡£
»ùÓÚ¹æÔòµÄϵͳͨ³£°üº¬Ò»¸ö¹æÔò¼¯¡¢Ò»¸ö֪ʶ¿â¡¢Ò»¸öÍÆÀíÒýÇæ(ʹÓÃǰÏò»òºóÏò¹æÔòÁ´)£¬ÒÔ¼°Ò»¸öÓû§½çÃæ¡£ÔÚÏÂͼÖУ¬ÎÒʹÓÃÒ»¶ÎÐÅÏ¢(¡°ËÕ¸ñÀµ×ÊÇÒ»¸ö·²ÈË¡±)¡¢Ò»Ìõ¹æÔò(¡°·²ÈËÖÕÓÐÒ»ËÀ¡±)ºÍÒ»´Î¹ØÓÚË»áËÀµÄ½»»¥¡£
ͼ 6. Ò»¸ö»ùÓÚ¹æÔòµÄϵͳ

»ùÓÚ¹æÔòµÄϵͳÒÑÓ¦ÓÃÓÚÓïÒôʶ±ð£¬¹æ»®ºÍ¿ØÖÆ£¬ÒÔ¼°¼²²¡Ê¶±ð¡£ÉÏÊÀ¼Í 90 Äê´ú¿ª·¢µÄÒ»¸ö¼àÊÓºÍÕï¶Ï°ÓÌåÎȶ¨ÐÔµÄϵͳ
Kaleidos ÖÁ½ñÈÔÔÚÔËÓª¡£
»úÆ÷ѧϰ
»úÆ÷ѧϰÊÇ AI ºÍ¼ÆËã»ú¿ÆÑ§µÄÒ»¸ö×ÓÁìÓò£¬ÆðÔ´ÓÚͳ¼ÆÑ§ºÍÊýѧÓÅ»¯¡£»úÆ÷ѧϰº¸ÇÓ¦ÓÃÓÚÔ¤²â¡¢·ÖÎöºÍÊý¾ÝÍÚ¾òµÄ¼à¶½Ê½ºÍ·Ç¼à¶½Ê½Ñ§Ï°¼¼Êõ¡£Ëü²¢²»½öÏÞÓÚÉî¶Èѧϰ£¬ÔÚ±¾½ÚÖУ¬ÎÒ½«Ì½ÌÖһЩʵÏÖÕâÖÖЧÂÊÆæ¸ßµÄ·½·¨µÄËã·¨¡£
ͼ 7. »úÆ÷ѧϰ·½·¨µÄʱ¼äÏß

·´Ïò´«²¥Ëã·¨(Backpropagation)
Éñ¾ÍøÂçµÄÕæÕýÍþÁ¦ÔÚÓÚËüÃǵĶà²ã±äÐΡ£ÑµÁ·µ¥²ã¸ÐÖªÆ÷ºÜ¼òµ¥£¬µ«µÃµ½µÄÍøÂç²»ÊǺÜÇ¿´ó¡£ÄÇôÎÊÌâ¾Í±ä³ÉÁËÈçºÎѵÁ·Óжà¸ö²ãµÄÍøÂç?Õâʱ¾Í»áÓõ½·´Ïò´«²¥Ëã·¨¡£
·´Ïò´«²¥ÊÇÒ»ÖÖѵÁ·ÓÐÐí¶à²ãµÄÉñ¾ÍøÂçµÄËã·¨¡£Ëü·ÖÁ½¸ö½×¶ÎÖ´ÐС£µÚÒ»½×¶ÎÊÇͨ¹ýÒ»¸öÉñ¾ÍøÂ罫ÊäÈë´«²¥µ½×îºóÒ»²ã(³ÆÎªÇ°À¡)¡£ÔÚµÚ¶þ½×¶Î£¬Ëã·¨¼ÆËãÒ»¸ö´íÎó£¬È»ºó½«´Ë´íÎó´Ó×îºóÒ»²ã·´Ïò´«²¥(µ÷½ÚȨֵ)µ½µÚÒ»²ã¡£
ͼ 8. ·´Ïò´«²¥¼òͼ

ÔÚѵÁ·ÆÚ¼ä£¬ÍøÂçµÄÖмä²ã×ÔÐнøÐÐ×éÖ¯£¬ÒԱ㽫ÊäÈë¿Õ¼äµÄ¸÷²¿·ÖÓ³Éäµ½Êä³ö¿Õ¼ä¡£Í¨¹ý¼à¶½Ê½Ñ§Ï°£¬·´Ïò´«²¥Ê¶±ðÊäÈë-Êä³öÓ³ÉäÖеĴíÎó£¬È»ºóÏàÓ¦µØ(ÒÔÒ»¶¨µÄѧϰËÙÂÊ)µ÷ÕûȨֵÀ´¸üÕý´Ë´íÎó¡£·´Ïò´«²¥Ò»Ö±ÊÇÉñ¾ÍøÂçѧϰµÄÒ»¸öÖØÒª·½Ãæ¡£Ëæ×żÆËã×ÊÔ´ÏûºÄµÃ¸ü¿ìºÍ±äµÃ¸üÁ®¼Û£¬·´Ïò´«²¥»á¼ÌÐø±»Ó¦ÓÃÓÚ¸ü´ó¸üÃܼ¯µÄÍøÂç¡£
¾í»ýÉñ¾ÍøÂç(Convolutional neural networks)
¾í»ýÉñ¾ÍøÂç (CNN) ÊÇÊܶ¯ÎïÊÓ¾õƤÖÊÆô·¢µÄ¶à²ãÉñ¾ÍøÂç¡£¸Ã¼Ü¹¹ÔÚ¸÷ÖÖÓ¦ÓÃÖж¼ºÜÓÐÓ㬰üÀ¨Í¼Ïñ´¦Àí¡£µÚÒ»¸ö
CNN ÊÇ Yann LeCun ´´½¨µÄ£¬µ±Ê±£¬¸Ã¼Ü¹¹×¨×¢ÓÚÊÖд×Ö·ûʶ±ðÈÎÎñ£¬±ÈÈç¶ÁÈ¡ÓÊÕþ±àÂë¡£
LeNet CNN ¼Ü¹¹°üº¬¶à²ã£¬ÕâЩ²ãʵÏÖÁËÌØÕ÷ÌáÈ¡£¬È»ºóʵÏÖÁË·ÖÀࡣͼÏñ±»·Ö³É¶à¸ö½ÓÊÜÇø£¬×¢Èë¿É´ÓÊäÈëͼÏñÖÐÌáÈ¡ÌØÕ÷µÄ¾í»ý²ã¡£ÏÂÒ»²½Êdzػ¯£¬Ëü¿ÉÒÔ(ͨ¹ýϲÉÑù)½µµÍÌáÈ¡ÌØÕ÷µÄά¶È£¬Í¬Ê±(ͨ³£Í¨¹ý×î´ó³Ø»¯)±£Áô×îÖØÒªµÄÐÅÏ¢¡£È»ºó¸ÃËã·¨Ö´ÐÐÁíÒ»¸ö¾í»ýºÍ³Ø»¯²½Ö裬עÈëÒ»¸öÍêÈ«Á¬Í¨µÄ¶à²ã¸ÐÖªÆ÷¡£´ËÍøÂçµÄ×îÖÕÊä³ö²ãÊÇÒ»×é½Úµã£¬ÕâЩ½Úµã±êʶÁËͼÏñµÄÌØÕ÷(ÔÚ±¾ÀýÖУ¬Ã¿¸ö½Úµã¶ÔÓ¦Ò»¸öʶ±ð³öµÄÊý×Ö)¡£Óû§¿ÉÒÔͨ¹ý·´Ïò´«²¥ÑµÁ·¸ÃÍøÂç¡£
ͼ 9. LeNet ¾í»ýÉñ¾ÍøÂç¼Ü¹¹

Éî²ã´¦Àí¡¢¾í»ý¡¢³Ø»¯ºÍÒ»¸öÍêÈ«Á¬Í¨µÄ·ÖÀà²ãµÄʹÓã¬ÎªÉñ¾ÍøÂçµÄ¸÷ÖÖÐÂÓ¦ÓÿªÆôÁËÒ»ÉÈÃÅ¡£³ýÁËͼÏñ´¦ÀíÖ®Í⣬CNN
»¹±»³É¹¦Ó¦Óõ½Ðí¶àÊÓÆµÊ¶±ðºÍ×ÔÈ»ÓïÑÔ´¦ÀíµÄÈÎÎñÖС£CNN Ò²ÒÑÔÚ GPU ÖлñµÃ¸ßЧʵÏÖ£¬ÏÔÖøÌá¸ßÁËËüÃǵÄÐÔÄÜ¡£
³¤¶ÌÆÚ¼ÇÒä
»ØÏëһϣ¬ÔÚ·´Ïò´«²¥µÄÌÖÂÛÖÐÔøÌáµ½¹ý£¬¸ÃÍøÂçÊÇÓÃǰÀ¡·½Ê½½øÐÐѵÁ·µÄ¡£ÔÚÕâ¸ö¼Ü¹¹ÖУ¬Óû§½«ÊäÈë×¢ÈëÍøÂçÖУ¬Í¨¹ýÒþ²Ø²ã½«ËüÃÇǰÏò´«²¥µ½Êä³ö²ã¡£µ«ÊÇ£¬»¹ÓÐÐí¶àÆäËûÉñ¾ÍøÂçÍØÆË½á¹¹¡£´Ë´¦·ÖÎöµÄÍØÆË½á¹¹ÔÊÐíÔÚ½ÚµãÖ®¼ä½¨Á¢Á¬½Ó£¬ÒÔ±ãÐγÉÒ»¸ö¶¨ÏòÑ»·¡£ÕâÐ©ÍøÂç±»³ÆÎªµÝ¹éÉñ¾ÍøÂ磬ËüÃÇÄÜ·´ÏòÀ¡Ë͵½Ç°¼¸²ã»òËüÃǵIJãÖеĺóÐø½Úµã¡£¸ÃÊôÐÔʹÕâÐ©ÍøÂç³ÉΪ´¦ÀíʱÐòÊý¾ÝµÄÀíÏëÑ¡Ôñ¡£
1997 Ä꣬ÈËÃÇ´´½¨ÁËÒ»ÖÖÃûΪ³¤¶ÌÆÚ¼ÇÒä (LSTM) µÄÌØÊâ»Ø¹éÍøÂç¡£LSTM ÓɼÇÒäϸ°û×é³É£¬ÍøÂçÖеÄÕâЩϸ°û»á¶ÌÆÚ»ò³¤ÆÚ¼ÇסһЩֵ¡£
ͼ 10. ³¤¶ÌÆÚ¼ÇÒäÍøÂçºÍ¼ÇÒäϸ°û

¼ÇÒäϸ°û°üº¬¿ØÖÆÐÅÏ¢ÈçºÎÁ÷½ø»òÁ÷³öϸ°ûµÄÕ¢ÃÅ¡£ÊäÈëÃÅ¿ØÖÆÐÂÐÅÏ¢ºÎʱÄÜÁ÷Èë¼ÇÒäÖС£ÒÅÍüÃÅ¿ØÖÆÒ»¶ÎÏÖÓÐÐÅÏ¢±£ÁôµÄʱ³¤¡£×îºó£¬Êä³öÃÅ¿ØÖÆÏ¸°ûÖаüº¬µÄÐÅÏ¢ºÎʱÓÃÔÚÀ´×Ô¸Ãϸ°ûµÄÊä³öÖС£¼ÇÒäϸ°û»¹°üº¬¿ØÖÆÃ¿¸öÃŵÄȨֵ¡£ÑµÁ·Ë㷨ͨ³£ÑØÊ±¼ä·´Ïò´«²¥(·´Ïò´«²¥µÄÒ»ÖÖ±äÌå)£¬¿ÉÒÔ¸ù¾ÝµÃµ½µÄ´íÎóÀ´ÓÅ»¯ÕâЩȨֵ¡£
LSTM Òѱ»Ó¦ÓÃÓÚÓïÒôʶ±ð¡¢ÊÖдÌåʶ±ð¡¢Îı¾µ½ÓïÒôºÏ³É¡¢Í¼Ïñ×ÖÄ»ºÍÆäËû¸÷ÖÖÈÎÎñ¡£ÎҺܿì»áÔÙ½éÉÜ LSTM¡£
Éî¶Èѧϰ
Éî¶ÈѧϰÊÇÒ»×éÏà¶Ô½ÏÐµķ½·¨£¬ËüÃÇÕý´Ó¸ù±¾Éϸıä»úÆ÷ѧϰ¡£Éî¶Èѧϰ±¾Éí²»ÊÇÒ»ÖÖËã·¨£¬¶øÊÇһϵÁÐͨ¹ýÎ޼ලѧϰÀ´ÊµÏÖÉî¶ÈÍøÂçµÄËã·¨¡£ÕâÐ©ÍøÂç·Ç³£ÉÒÔÖÁÓÚ(³ýÁ˼ÆËã½Úµã¼¯ÈºÍâ)ÐèÒª²ÉÓÃмÆËã·½·¨(±ÈÈç
GPU)À´¹¹½¨ËüÃÇ¡£
±¾ÎÄĿǰΪֹ̽ÌÖÁËÁ½ÖÖÉî¶ÈѧϰËã·¨£ºCNNs ºÍ LSTMs¡£ÕâЩËã·¨µÄ×éºÏÒÑÓÃÓÚʵÏÖ¶àÖַdz£ÖÇÄܵÄÈÎÎñ¡£ÈçÏÂͼËùʾ£¬CNN
ºÍ LSTM ÒÑÓÃÓÚʶ±ð£¬ÒÔ¼°Ê¹ÓÃ×ÔÈ»ÓïÑÔÃèÊöÕÕÆ¬»òÊÓÆµ¡£
ͼ 11. ×éºÏʹÓþí»ýÉñ¾ÍøÂçºÍ³¤¶ÌÆÚ¼ÇÒäÍøÂçÀ´ÃèÊöͼƬ

µã»÷²é¿´´óͼÉî¶ÈѧϰËã·¨Ò²Ó¦ÓÃÓÚÃæ²¿Ê¶±ð£¬ÄÜÒÔ 96% µÄ׼ȷ¶Èʶ±ð·Î½áºË£¬×Ô¶¯¼ÝÊ»Æû³µ£¬ÒÔ¼°ÆäËûÐí¶à¸´ÔÓµÄÎÊÌâ¡£
µ«ÊÇ£¬¾¡¹ÜÓ¦ÓÃÉî¶ÈѧϰË㷨ȡµÃÁËÕâЩ³É¹û£¬µ«ÊÇÈÔÓÐһЩؽ´ýÎÒÃǽâ¾öµÄÎÊÌâ¡£×î½ü£¬Éî¶ÈѧϰÔÚÆ¤·ô°©¼ì²âÉϵÄÓ¦Ó÷¢ÏÖ£¬¸ÃËã·¨±È»ñµÃÖ°ÒµÈÏÖ¤µÄƤ·ô¿ÆÒ½Éú¸ü׼ȷ¡£µ«ÊÇ£¬Æ¤·ô¿ÆÒ½ÉúÄÜÁоٴÙʹËûÃǵóöÕï¶Ï½á¹ûµÄÒòËØ£¬¶øÉî¶Èѧϰ³ÌÐòÎÞ·¨Ê¶±ðÆäÔÚ·ÖÀàʱʹÓÃÁËÄÄЩÒòËØ¡£Õâ¾ÍÊÇËùνµÄÉî¶ÈѧϰºÚºÐÎÊÌâ¡£
ÁíÒ»ÖÖÓ¦ÓóÆÎª Deep Patient£¬Äܸù¾Ý»¼ÕßµÄÒ½ÁƼǼ³É¹¦µØÔ¤²â¼²²¡¡£ÊÂʵ֤Ã÷£¬¸ÃÓ¦ÓÃÔ¤²â¼²²¡µÄÄÜÁ¦±ÈÒ½ÉúºÃµÃ¶à
¡ª ÉõÖÁÊÇÖÚËùÖÜÖªÄÑÒÔÔ¤²âµÄ¾«Éñ·ÖÁÑÖ¢¡£ËùÒÔ£¬¾¡¹ÜÕâЩģÐͺÜÓÐЧ£¬µ«Ã»ÓÐÈËÄÜÕæÕýŪÇå³þÅÓ´óµÄÉñ¾ÍøÂçÐÐÖ®ÓÐЧµÄÔÒò¡£
ÈÏÖª¼ÆËã
AI ºÍ»úÆ÷ѧϰ¶¼ÓÐÐí¶àÉúÎïÁé¸Ð·½ÃæµÄʾÀý¡£ÔçÆÚ AI רעÓÚ¹¹½¨Ä£·ÂÈËÄԵĻúÆ÷µÄºêΰĿ±ê£¬¶øÈÏÖª¼ÆËãÒ²ÖÂÁ¦ÓÚʵÏÖ´ËÄ¿±ê¡£
ÈÏÖª¼ÆËãÊǸù¾ÝÉñ¾ÍøÂçºÍÉî¶ÈѧϰÀ´¹¹½¨µÄ£¬ÕýÔÚÓ¦ÓÃÀ´×ÔÈÏÖª¿ÆÑ§µÄ֪ʶÀ´¹¹½¨Ä£ÄâÈËÀà˼ά¹ý³ÌµÄϵͳ¡£µ«ÊÇ£¬ÈÏÖª¼ÆËãûÓÐרעÓÚµ¥×é¼¼Êõ£¬¶øÊǺ¸Ç¶à¸öѧ¿Æ£¬°üÀ¨»úÆ÷ѧϰ¡¢×ÔÈ»ÓïÑÔ´¦Àí¡¢ÊÓ¾õºÍÈË»ú½»»¥¡£
IBM Watson ¾ÍÊÇÈÏÖª¼ÆËãµÄÒ»¸öʾÀý£¬ÔÚ Jeopardy ÉÏ£¬IBM Watson ֤ʵÁËËü×îÏȽøµÄÎÊ´ð½»»¥ÄÜÁ¦£¬µ«×ÔÄÇʱÆð£¬IBM
ÒÑͨ¹ýһϵÁÐ Web ·þÎñÀ©Õ¹Á˸ÃÄÜÁ¦¡£ÕâЩ·þÎñ¹«¿ªµÄÓ¦Óñà³Ì½Ó¿Ú¿ÉÓÃÓÚÊÓ¾õʶ±ð¡¢ÓïÒôµ½Îı¾ºÍÎı¾µ½ÓïÒôת»»¹¦ÄÜ£¬ÓïÑÔÀí½âºÍ·Ò룬ÒÔ¼°¶Ô»°ÒýÇæ£¬ÒÔ¹¹½¨Ç¿´óµÄÐéÄâ´úÀí¡£
½áÊøÓï
±¾ÎĽö½éÉÜÁË AI ·¢Õ¹Ê·ÒÔ¼°×îеÄÉñ¾ÍøÂçºÍÉî¶Èѧϰ·½·¨µÄһС²¿·Ö¡£¾¡¹Ü AI ºÍ»úÆ÷ѧϰµÄ·¢Õ¹µøå´Æð·ü£¬µ«Éî¶ÈѧϰºÍÈÏÖª¼ÆËãµÈз½·¨ÈÔ´ó´óÌá¸ßÁËÕâЩѧ¿ÆµÄ±ê×¼¡£ÓÐÒâʶµÄ»úÆ÷¿ÉÄÜÈÔÎÞ·¨ÊµÏÖ£¬µ«°ïÖú¸ÄÉÆÈËÀàÉú»îµÄϵͳĿǰÒÑ´æÔÚ¡£ |