从“互联网思维”到“大数据”到现在的“人工智能”，高潮一波接着一波。潮水过后中，大家都假装什么事情没有发生过。皇太极煎饼到什么牛腩，冷暖也许只有他们自己知道。
这一波的AI浪潮更甚，之前无论如何喧嚣，基本也就在互联网圈内，最多涉及一些传统行业的大佬，担心被互联网革命。这样人工智能（AI）不一样，几乎街头巷尾，从精英阶层到下里巴人，言必谈AI，相关不相关的行业，送一个外卖，都说自己有多少人工智能技术。好吧，如果拟合一些数据，算一算距离，有一些调度就算AI，那其实应用了计算机的行业，都可以算智能吧。
至于这风是怎么刮起来的，恐怕很难说清楚，但一个很明显的催化剂，肯定是alphago无疑。围棋作为四大文化琴棋书画之一，就算不一定会下，那应该没有人不知道。因为它变化无穷，搜索空间大，在当前算力下无法穷举破解，自然被认为在目前的计算水平下，机器是无法战胜人类的。然而韩国的李世石败了，然后柯洁也败了，败得非常彻底和干净。
人类在围棋界最后的荣光没有了，google的deepmind进行了一次极好的营销和展示。然后“世界末日论”就来了，支持者不乏大佬中的大神，像理论物理学家霍金，特斯拉创始人埃隆马斯克等，加上文人墨客风花雪月的描述和媒体的推波助澜，AI浪潮就这么来了。
看标题知道我是来泼冷水的，或者说是来讲实话的。AI是取得一些进展没错，所以还沦落不到像比特币这般“皇帝的新装”，但真的被误读和夸大了。
AI这波的核心是深度学习，简单说的，就是深层次的神经网络，按定义的话，只要有多于一个隐层，就可以叫深度神经网络。这不是什么新概念，上个世纪就有了，只是当年计算量太大，也没有海量数据，没啥用，加之是黑箱，无法解释，理论上也是完备，成功率也不及同时代的SVM等算法，就被冷落了。
（掐头去尾，中间的都叫隐层（hidden layer））
上面各层的每一个“神经元”都有连接，就叫“全连接层”。这次有一个小改良（其实也是早在2005年的事情了），就是呢，不全面连接了，每次排过一个“小窗口”，这也是“卷积神经网络 CNN”这个名字的由来（就是矩阵做内积）。
这样做，带来如下好处：
1，所需要的连接的权重少了好几个数量级，计算量就小了，训练过程就容易了。
2，更重要的是，卷积具备了抽取高维特征的能力。打个简单的比方，我们靠非常近去看一张图片，看到的是一个个像素，看不明白图片上是什么物体；但当我们拿远了，一眼扫过去，可以看到构图，比如说这里是边界，这里是眼睛等，大致就是这个原理，每一层都是对上一层进行的抽象。
这里带来一个进步或者说最大的好处，是区别于传统机器学习，不需要再提取特征了。传统机器学习，比如决策树也好，SVM也好，最大的工作量其实在于“特征工程”，特征提取得好，效果自然就好。自然像下图这样的图片，特征是没法描述的，CNN最大的好处是，不用提取了，或者说是在深度网络的学习过程中提取的。
alphago把棋盘当作图片，用卷积网络进行深度学习。这里不展开所谓“两个大脑”及“蒙特卡罗树搜索”。这些也不是deep mind的原创。
这里想探讨的是，就算打败人类世界冠军的alphago，有所谓的“智能”了吗？
1，机器现在会“思考”了吗？
2，机器有所谓“直觉”了吗？
3，alphago的本质
人类会有直觉，所谓的“棋感”，就像股市那些操盘手说的“盘感”。好像说不清，道不明，却又似乎真实存在着。本来大家还可以半忽悠骗骗别人，骗骗自己。这下好了，alphago把这个遮羞布扯下来了。
最初的我反应是：alphago产生棋感了？就是那些文人墨客渲染的“大局观”。还好deepmind的无私，论文啊，数据啊，都公开了，github上还有一个第三方团队按这个原理实现了代码。从论文到代码，我研究了几轮，没发现啊。
真实的情况其实是哪有什么直觉和盘感，只是大脑的神经网络经过大量的训练，权重调整之后形成了一些定势，潜意识。在你好像未经思考的时候，会根据环境做出一些还不错的反应，而自己还不自知，没有去量化而已。
对于量化，这里做一个大胆的推论，一切不可量化的东西都是伪科学，因为科学的定义是可以证伪，不可以量化就不可以衡量，更无法证伪。所以，不要相信什么十年操盘手的盘感，都是骗人的，要相信量化。
这一波AI的本质是什么？也就是深度神经网络的本质是什么？统计！分布式统计，通过大量样本的有监督训练，把高维非性线的映射关系，保存在大量的权值里，如此而已。不好意思，这些工程师动辄几十好几百万的年薪，很抱歉说大家的工作就是几个矩阵乘来乘去，然后反向求个导，大家估计不愿意听。但这是事实。像SVM等传统机器学习算法的理论远比深度神经网络要复杂。要理解深度学习，大学的微积分（主要是求导），线性代数（主要是矩阵），然后概率论就足矣了。
你会问，就这么简单？！对，看本质就是这样。因为图片包含了识别图片需要的所有信息，所以在图像识别领域，深度学习的统计力有看似有质的飞跃。然并卵。对于自然语言的处理，全世界范围内举步维艰。你可能反驳说翻译很有进步啊，对，翻译是seq to seq的问题，本质上机器没有去“理解”内容，就是两个RNN序列对序列的输出，按概率最大化的标准，压根不管你输出和输出是什么。
说了这么多，不是想否定AI。其实AI很好，或者说人类这个愿景很好。但现在还差太多，“有多少人工就有多少智能”，“人工智障”可能更加准确。至于马斯克为何频推“末世论”？
有时候，这也许也是一种商业模式和逻辑。
1，人类面临一个危机。
2，我们需要寻求一个方案。
3，我有一个方案，解救天下苍生，然后名利双收。
比如马斯克干过的事情：
1，人类面临一个危机：石油等能源污染，会枯竭怎么办啊，那我们文明怎么办，还不世界末日啊。
2，我们需要寻求一个方案： 一定要清洁可再生能源，比如电能源。
3，我有一个方案，解救天下苍生，名利双收。然后有了特斯拉。
这次：
1，人类面临一个危机：AI要毁灭人类啊，终结者啊，天网啊。
2，我们寻求一个方案：AI道德，标准委员会...
3，我有一个方案，解救天下苍生，名利双收。OpenAI诞生了。
那霍金老爷子呢？他应该不会那么功利了吧？这个确实不知道，也许他老人家的时间维度和我们不一样，那是宇宙尺度，动不动就上下几百上千年，弹指一挥间的事情。对我们凡夫俗子而言，确实多虑了。
Ng说得中肯，“我们担心AI毁灭人类之前，先教好它识别一只猫吧”。
关于作者：魏佳斌，互联网产品/技术总监，北京大学光华管理学院（MBA）,特许金融分析师（CFA），资深产品经理/码农。偏爱python，深度关注互联网趋势，人工智能，AI金融量化。致力于使用最前沿的认知技术去理解这个复杂的世界。
联系客服
