最通俗的语言：讲解人工智能

作者：华王
星球：https://t.zsxq.com/0dgMjetVg (opens new window)

学习、分享、成功；提高效率，有所收获！😄

经常有人问，你那个人工智能到底是什么玩意？我一般不做解释，因为很难说清楚

因此尝试用十五分钟讲完人工智能，唯一优点，受众完全听懂

一 什么是人工智能

人工智能，英文是Artificial Intelligence，缩写是AI。我们经常听到穿西装的人说AI、AI的，有时候指的是这个人工智能。如果，是穿嘻哈风的年轻人说AI，他们可能是说Adobe Illustrator。这是Adobe公司出的一款软件，用于图形设计，是PS（Adobe Photoshop）的兄弟产品，主要用于设计卡通形象，它的缩写也叫AI。

因此，当有高端精英趾高气扬地给你说AI的时候，你可以问他，你说的是Artificial Intelligence还是Adobe Illustrator。后面，他或许会老实一些。

今天，咱们说的是人工智能这个AI。人工智能是由美国人麦卡锡在1956年提出的。人工智能的本质是让机器能像人一样思考和行动。它主要通过模拟、延伸和扩展人的智能，从而形成一定的理论、方法、技术及应用的新技术科学。

概念就说这么多，下面看看它能做什么。

二 人工智能应用

人工智能的应用领域很广，比如代替人眼的图像领域、代替人嘴的语言领域。从它的应用来看，确实是要代替人类的。

2.1图像领域

其一：图像分类，它能认识一个图像是什么。比如，认识下面这个图是香蕉。

其二：目标检测。相比于分类，它又更进了一步，它可以找出哪个位置有什么物体。比如，红框是苹果，蓝框是香蕉。

其三：语义分割。它可以判断出，哪一个像素属于什么物体

这有什么用呢？炫技吗？自动驾驶用它呀。路上的落叶、石头、塑料袋，甚至是一个图钉，都是需要识别出来，以便于分析能不能通过。

我们生活中最为常见的还是目标检测。

比如下面这张图，工地入口处，检测工人是否佩戴安全帽；它可以检测桃子是否成熟，是否有病虫害，还可以驱赶鸟类。这个正好用于振兴农业发展；OCR识别；

超分辨率。它可以用于旧图修复，能让模糊的图变清晰

我们看到，人工智能确实起到了替代人工的作用。我们不妨把时间拉长，不知道大家还能不能回忆起来，原来每个停车场（包含路边）里，都有一个大爷，负责指挥停车，贴条计时，收费放行。现在，都被机器给取代了

2.2 自然语言领域 除了图像领域，在自然语言领域，人工智能的应用也比较广泛。

自然语言处理(Natural Language Processing 简称NLP)，翻译成通俗的词语就是：人话。它想让机器可以听懂人话，看懂人话，而且还能任意表达人话，不限于哪国话。总之，就是让机器人看书、写字、闲聊天，还能有所总结和感悟，就和我们人类一样

示例Demo： 找来一篇文章，比如上面的例子，原文是： TensorFlow是一个免费的开源软件库，用于跨一系列任务的数据流和可微分编程。它是一个符号数学库，也用于机器学习应用程序，如神经网络。谷歌将其用于研究和生产。TensorFlow由谷歌大脑团队开发，供谷歌内部使用。它于2015年11月9日在Apache License 2.0下发布。

那么，当机器学完了这段话之后。你就可以向他提问了。

你问它：TensorFlow是什么、什么是TensorFlow？

因为它学过。它就会回答：TensorFlow是一个免费的开源软件库……

除此之外，你问它谁发明的TensorFlow？这个它也学过，原文中有。它会回答说，是谷歌大脑开发的。

如果你问它，ITF男孩长得帅不帅？它就智障了。因为没学过。

你遇到的很多客服系统，不是AI技术不行，主要是没有那么多对话数据去学习。

2.3 其他领域（ai绘画等等）

人工智能的应用领域很多。

各项技术可以相互结合，比如谷歌Imagen搞了一个语言加图像的应用，叫文本图像合成。说白了就是：我说你画。

我说：一个骑自行车的土狗，一个游泳的泰迪熊。然后，人工智能就能画出对应的图。

这是小意思，可以再发挥点儿想象力，比如我说：一个火龙果在大雪天，成为了跆拳道黑带！

你以为这只是科研阶段吗？不是的。我写自媒体，我是看在眼里的。包括百度、头条等平台，已经上线了文章转视频的功能。只要有文字，就可以生成音频，可以生成视频，而且我就在使用。

但是，不管怎么结合，万变不离其宗，人工智能是由一些基础技术支撑的。

其他AI相关技术，都是通过使用这些基础技术发展起来的。这几个基础技术如下： 机器学习：人工智能的核心，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 知识图谱：用图模型来描述知识和建模世界万物之间关联关系的技术方法。这是先决条件，只有建立了行业知识图谱，才能给出行业AI方案。现在各家都在搞知识图谱，但是很少有真正实用的。 自然语言：能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。主要应用于机器翻译、舆情监测、自动摘要、观点提取、文本分类等。 人机交互：为完成确定任务的人与计算机之间的信息交换过程。例如：眼睛虹膜、眼动、掌纹、笔迹、步态、语音、唇读、人脸、DNA等。 语音识别：是利用机器将语音信号转换成文本信息。 图像视觉：用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理。

三 人工智能发展阶段

人工智能有三个发展阶段：弱人工智能、强人工智能、超人工智能。

当前的话，人工智能还处于弱人工智能阶段。并且，这一阶段将维持较长的时间。

3.1 弱人工智能

这是我们目前所处的阶段，你看到的人工智能，都是弱人工智能。

它只会计算和推断，只能解决某个具体问题。比如智能推荐购物、机器人客服、识别哈士奇与狼、自动作画、甚至战胜柯洁的AlphaGo等。

3.2 强人工智能

当走向强人工智能时，机器人就拥有了意识，拥有和人类一样的智能水平。换句话说，你和它一起生活，你发觉不出它是个机器人。

3.3 超人工智能

到了超人工智能，它就会像人类一样自己去学习。而且学习速度极快，几秒钟运算上亿次，几分钟可以超过人类几百年的积累，智能水平会远超过我们人类。

到时候，就不是我在这里编文章了。我比它差多了。我脑子里只有100本书，AI脑子里有全人类的知识。

四 人工智能自我理解

4.1 人工智能的机会 现在大厂的AI平台太多了，还有必要自己做人工智能吗？个人还有机会吗？

有机会呀。大厂平台解决的是1000万人市场规模中70%的问题。自研人工智能可以解决垂直领域10万人市场95%的问题。大与小的辩证一直都存在。海洋里有大鱼存在，不代表虾米就会灭绝。

你在某一个极小的点上，做出超过大厂的效果，这在业内，真的一点也不奇怪。

4.2 人工智能的门槛

人工智能很难吗？

写到这个标题，估计有人预测我要卖课了，看着挺像，但并非如此。

做学术研究门槛确实高，但是做应用解决问题真的非常简单。

人工智能框架非常多，如果仅仅是做应用，了解了基本概念之后，几行代码就可以解决很多问题。国家也有计划在小学生中普及AI编程，可见它并不是很难。

4.3 人工智能的瓶颈

弱人工智能还要持续很长时间，限制人工智能发展的因素是什么？

业内普遍认为主要有3项：算力、算法和数据。

算力主要指计算机硬件设备。算法主要指人工智能的软件支持。

数据指提供人工智能分析和学习的素材。目前在信息化很发达的今天，数据依然不足以支撑人工智能实现质的飞越。主要原因是数据碎片化严重，各场景下的采集和归纳成本极高。

小数据仅仅能支撑小场景。比如自动驾驶，你搞一个你房间里的自动驾驶其实很简单，路线和物品基本都是固定的。你训练好了模型，在你屋里它可以自由走动，可以去次卧拿了物品放到主卧去。但是，你放到你们小区里，就不行了。放到全国、全球，就更智障了。虽然说，人工智能不是穷举所有场景，但是代表性的样本都来几条不过分吧。仅仅这个数量级，现在也是无法收集到的。

以上就是我讲的人工智能。