導(dǎo)語：ABC時代（AI+BigData+Cloud），作為騰訊云大數(shù)據(jù)及人工智能產(chǎn)品中心的一員，也算是站在了toB+ABC的“騰訊風(fēng)口“。分享一些在AI領(lǐng)域作為一名商業(yè)產(chǎn)品經(jīng)理的心得，希望盡可能系統(tǒng)化。適合對AI感興趣的人群，無需產(chǎn)品和算法/研發(fā)背景知識。

前言

明鏡所以照形，古事所以知今。無論做哪個行業(yè)屬于哪個領(lǐng)域，我們回顧歷史，總是可以發(fā)現(xiàn)一些規(guī)律，一些似曾相識。回顧歷史，我們可以總結(jié)歷史經(jīng)驗、把握歷史規(guī)律，增強開拓前進的勇氣和力量。

AI發(fā)展的三大浪潮

事物發(fā)展總是有周期的，大到一個國家/朝代的發(fā)展變更，小到一個月總有那么三十幾天不想上班。AI也是一樣。作為一個從上世紀50年代才發(fā)展起的技術(shù)/學(xué)科，一般大家講AI的發(fā)展歷史，總是會總結(jié)成三大浪潮。幸運的是，目前看起來，AI還是總體符合波浪式前進、螺旋式上升的趨勢，值得廣大有志青年來投身于此。

[ 波浪式前進、螺旋式上升的人工智能 ]

三次浪潮的定義并沒有一個官方標準，此處的定義采用了日本學(xué)者松尾豐的定義。

第一次浪潮——搜索與推理（約上世紀50-70年代）

圖靈測試

AI的發(fā)展簡史，要從盤古開天辟地說起。1950年，阿蘭·圖靈（Alan Turing，一位科學(xué)巨匠，感興趣的同學(xué)可以看下《模仿游戲》這部電影），在《mind》上發(fā)表了一篇名為《計算機器和智能》（Computing Machinery and Intelligence）的論文。論文中既沒講計算機如何變得智能，也沒提出什么解決復(fù)雜問題的智能方法，僅僅是提出了一種驗證機器有無智能的判別方法：讓測試者和計算機通過鍵盤和屏幕進行交流，測試者事前并不知道與之對話的到底是機器還是人類。如果測試者無法分辨自己交流的對象是人還是機器，那么我們就說這臺機器通過了測試并具備了人工智能。

這個測試非常有趣，還有一個專門的獎項（Loebner Prize），用來頒發(fā)給那些在測試中表現(xiàn)優(yōu)異的程序。有些人還會長期霸榜。

下圖的代碼截圖，是“AI核心代碼，估值一個億”。這段代碼只做了一件事情，就是將輸入文字進行非常簡單的處理——將輸入的“嗎”字去掉，將輸入的問號“？”替換成感嘆號“！”。盡管是諷刺某些AI領(lǐng)域的欺詐現(xiàn)象，但我相信的確可以通過某些人的圖靈測試。

[ 估值1個億的AI核心代碼 ]

達特茅斯會議

1956年夏天，香農(nóng)和一群年輕的學(xué)者在達特茅斯學(xué)院召開了一次頭腦風(fēng)暴式的研討會。會議的倡議者是當時在該學(xué)院任教的John McCarthy和Marvin Minsky，他們當時都只有29歲（29歲！）。說是研討會，但和現(xiàn)在的為期幾天的學(xué)術(shù)會議不一樣，這個研討會持續(xù)了一個暑假?！叭斯ぶ悄堋边@個概念，就是在這次會議上提出的。

搜索與推理

我們先看一個迷宮問題。假如有下圖最上方的一個迷宮，我們?nèi)绾螐钠瘘c走向終點？如果是人類，我們一般會拿筆畫勾勒路線，或者通過語言描述。但是計算機無法這樣處理，我們要將問題表示成下圖中間的樣子，路徑由線段表示，節(jié)點由字母表示，起點我們標記為“S-Start”，終點我們標記為“G-Goal”。

[ 將迷宮問題表達給計算機理解 ]

從S開始出發(fā)，我們會有A、D兩個方向可以選擇，從A出發(fā)我們有B、C兩個方向，從D出發(fā)我們有H、I兩個方向，以此類推，我們可以將所有可能出現(xiàn)的路徑表達成上圖最下方的樹狀結(jié)構(gòu)。

那么，現(xiàn)在問題就表示成，我們有上圖所示的搜索樹，如何讓計算機找到從S到G的路徑？
簡單的方法有兩種：

1，我們盡量往深挖，走到不能走了為止，不行了就換一個樹的分支，這種方法被稱為“深度優(yōu)先搜索”；

2，我們盡量把同一層級的節(jié)點都試過后，發(fā)現(xiàn)沒找到G，再進入到下一個層級，這種方法被稱為“寬度優(yōu)先搜索”。兩種方法各有利弊，也能根據(jù)這兩種方法延伸出很多復(fù)雜的搜索算法。

最終我們發(fā)現(xiàn)，如果要從S->G，路徑是S->A->C->G。

P.S.：

1. 所謂算法，是指解決問題的方法和步驟。冒泡排序也是一種算法，并非AI相關(guān)的算法才是算法。

2. 沒有coding基礎(chǔ)的同學(xué)也建議看看最基礎(chǔ)的數(shù)據(jù)結(jié)構(gòu)和排序算法。

成就和問題

盤古時代的AI，讓人們看到了以后不用工作靠機器人養(yǎng)活的曙光，尤其是在解決智力游戲問題上讓人們驚嘆不已。期間最有代表性的是棋類游戲。

1997年，由IBM開發(fā)的超級計算機“深藍”打敗了當時國際象棋的世界冠軍Garry Kasparov，引發(fā)的轟動不亞于Alpha Go擊敗李世石。雖然這件事情時間線上不屬于AI的第一次浪潮，但“深藍”當時使用的方法，本質(zhì)還是暴力搜索——通過對己方或?qū)Ψ降拿總€可能的棋步進行搜索，然后選出獲勝概率最大的棋步（不過據(jù)說深藍根據(jù)Garry Kasparov的棋路做了專門優(yōu)化，連硬件都是定制的）。

[ 深藍戰(zhàn)勝Kasparov ]

這個時期能解決的問題其實非常有限，現(xiàn)實生活中一些沒有明確規(guī)則的問題難以解決，同時機器的算力也非常有限。人們最終認為AI只能解決一些“Toy Problem”。

第二次浪潮——專家系統(tǒng)（約上世紀80-90年代）

既定規(guī)則

1966年，MIT的教授Joseph Weizenbaum發(fā)明了一個對話小程序ELIZA，這個對話小程序可以通過談話幫助病人完成心理恢復(fù)。ELIZA是微軟小冰、小黃鴨、Siri這些對話機器人的鼻祖。ELIZA的原理非常簡單，在一個有限的話題庫里，用關(guān)鍵字映射的方式，根據(jù)病人的問話，找到自己的回答。比如，當用戶說“你好”時，ELIZA就說：“我很好。跟我說說你的情況。”此外，ELIZA會用“為什么？”“請詳細解釋一下”之類引導(dǎo)性的句子，來讓整個對話不停地持續(xù)下去。同時，ELIZA還有一個非常聰明的技巧，它可以通過人稱和句式替換來重復(fù)用戶的句子，例如用戶說“我感到孤獨和難過”，ELIZA會說“為什么你感到孤獨和難過”。

P.S.：感覺Joseph是一個很好的C端產(chǎn)品經(jīng)理。

[ ELIZA對話 ]

專家系統(tǒng)

專家系統(tǒng)，顧名思義，就是通過引入某個領(lǐng)域的專業(yè)知識，利用事先預(yù)定規(guī)則（可以簡單理解為很多個If-else），機器就可以像專家一樣出色地工作。有個很有名的專家系統(tǒng)是上世紀70年代初由斯坦福大學(xué)開發(fā)的MYCIN。MYCIN的功能設(shè)計是對傳染性血液病患者進行診斷，并開出抗生素藥方。這個系統(tǒng)內(nèi)部總共有500條規(guī)則，只要按照既定順序依次回答，那么系統(tǒng)就可以判斷病人所感染細菌的類別，并開出藥方。

從效果上來看，MYCIN開出正確處方的概率為69%，其成績優(yōu)于非細菌感染專業(yè)的醫(yī)生，但低于專業(yè)醫(yī)生（正確率為80%）。就效果而言，50年前能達到如此效果，已是殊為不易。

一個很著名的項目——Cyc計劃，旨在打包人類所有知識，從1984年開始，至今仍未結(jié)束。

[ 知識 ]

[ Cyc的官網(wǎng)介紹 ]

成就和問題

專家系統(tǒng)在數(shù)據(jù)不精確或信息不完整、人類專家短缺或?qū)ｉT知識十分昂貴的場景下，取得了非常好的效果和經(jīng)濟收益。專家系統(tǒng)的一個著名例子，是IBM開發(fā)的人工智能“沃森”曾參加美國電視智力問答節(jié)目“危機邊緣”并挑戰(zhàn)歷代冠軍而獲勝。而且，據(jù)稱在上世紀80年代已有約2/3的美國1000強企業(yè)在日常業(yè)務(wù)中使用了專家系統(tǒng)。

但是很明顯的，專家系統(tǒng)有很多問題。知識庫的建立需要大量的時間、人力、物力；有些模糊無法定量的問題難以用文字衡量（類似我肚子痛，請問有多痛？）；知識/信息是無限的；機器翻譯始終無法取得預(yù)期效果（AI翻譯是個很有趣的話題）。

第三次浪潮——機器學(xué)習(xí)、深度學(xué)習(xí)、計算機視覺

鳥飛派 VS. 統(tǒng)計派

按照吳軍博士的說法，AI領(lǐng)域一直存在著鳥飛派和統(tǒng)計派兩派。鳥飛派認為，要首先了解人類是如何產(chǎn)生智能的，然后讓計算機按照人的思路去做。這個說法來自于古人希望飛翔，于是通過觀察鳥類是如何飛行的，通過模仿鳥類來達到飛翔的目的。當然我們現(xiàn)在知道插滿羽毛的“鳥人”是飛不起來的。懷特兄弟發(fā)明飛機是靠空氣動力學(xué)而不是仿生學(xué)?，F(xiàn)在，一般我們現(xiàn)在用的機器翻譯和語音識別，都是靠的數(shù)學(xué)，更準確地說是統(tǒng)計學(xué)。

機器學(xué)習(xí)，則屬于統(tǒng)計派。

機器學(xué)習(xí)

聊機器學(xué)習(xí)前，我們先看一個簡單的問題。下圖中明星合照，如果要分辨圖片中的男女，人類會怎么做？

其實人類可能一眼看過去就分辨出來了，當然我們?nèi)祟惙直鎴D片中的男女可能隱含著我們使用了圖片中人物的發(fā)型、高度、膚色、體型等等信息，再加上我們在日常生活中積累的知識，從而做出了判斷。

[ 人類分辨男女怎么做 ]

那么，同樣類似我們在處理迷宮問題時的做法，我們先將這些信息給量化，方便計算機理解。我們簡化這些信息，將發(fā)型用頭發(fā)長度來衡量，膚色用0-100的數(shù)字衡量，體型用體重來衡量，高度和體重則保持正常大家的理解。

那么，一個發(fā)長10cm、高度175cm、膚色60、體重70kg、胸圍88cm的人，可以用一串有順序關(guān)系的數(shù)字來表達（10,175,60,70,88），這串有順序關(guān)系的數(shù)字，在數(shù)學(xué)領(lǐng)域，叫做向量。在機器學(xué)習(xí)領(lǐng)域，我們常稱其為特征向量。將圖片中人物表達成特征向量的過程，我們常稱為特征提取。這個特征，因為由5個有順序關(guān)系的數(shù)字構(gòu)成，我們常說這個特征是5維的。

好了，我們現(xiàn)在已經(jīng)知道如何把一個人用特征向量來表達了。那么，在這個向量空間（這些特征所在的空間，可以把向量空間簡單理解N維坐標系）中，我們怎么做，能夠讓機器正確分辨未知性別的人呢？我們需要給機器一個策略，讓機器可以“聰明”地作出正確的判斷，并且可以“學(xué)習(xí)”。

[ 機器分辨男女怎么做1 ]

我們先使用一種簡單的策略——已知的向量空間中，我們有事先已知性別的某幾個或一些人，我們提取這些人的特征。然后，我們設(shè)定，如果，待判斷性別的人的特征向量離已知性別的人的特征向量最“近”，那么我們認為這兩人的性別一樣。我們可以簡單理解為這種策略背后的哲學(xué)思想是“物以類聚、人以群分”。這個分類的策略在機器學(xué)習(xí)領(lǐng)域被稱為最近鄰（NN，Nearest Neighbor）。

那，怎樣算“近”呢？

首先我們看下圖中左上角的二維坐標空間，我們可以看到點A(X1,Y1)和點B(X2,Y2)，兩個點的歐式距離我們可以通過圖中Dis(A,B)公式得出（此處蘊含初中數(shù)學(xué)知識）。我們可以以在特征向量空間中的歐式距離來判斷“遠近”。當然，實際上還有其他N種算距離的方法，如曼哈頓距離、馬氏距離。

上述過程，我們就完成了一個非常簡單的算法模型。我們設(shè)計了一個特征（或特征提取方法），我們有一些標注數(shù)據(jù)（事先已知性別的人），我們使用NN分類器用于進行分類。

毋庸置疑，上述模型是簡陋的。會有很多問題。我們設(shè)計的特征是否足夠合理呢？（體重用來判斷性別合適么，小孩和老人的情況怎么辦呢）我們的標注數(shù)據(jù)是否足夠多且合理呢？（如果標注數(shù)據(jù)中已知性別的人中女性都是成年人，而男性都是小孩，這個時候若輸入是一個成年男性的數(shù)據(jù)，是不是輸出就大概率是女性了）我們的分類器是否對噪聲魯棒？（如果已知性別的人中某個女性在發(fā)長、高度、膚色、體重、胸圍比較man，或者由于人工失誤將數(shù)據(jù)標注錯了，而恰好我們的某個男性在這些生理特征上和其相似，則容易誤判）。

[ 機器分辨男女怎么做2 ]

因此，我們要改進。

• 如果，我們在特征中，加入“是否有喉結(jié)”這個因素，并根據(jù)有/無喉結(jié)表示為0和1，那么我們可以把這個特征變得更有意義，此時特征已為6維。這個過程，我們可以簡單稱其為“算法升級”。升級后的算法，其特征和原先的特征是不兼容的（維數(shù)都不一樣了，距離無法計算）。所以絕大部分時候，AI算法升級后，原來系統(tǒng)存儲的特征是無法被升級后的系統(tǒng)使用的。

• 如果考慮年齡、人種、地域分布、健康情況等多種因素，盡可能搜集多數(shù)據(jù)并確保數(shù)據(jù)標注的正確性，我們是可以提升這個系統(tǒng)的效果的。所以，大數(shù)據(jù)的出現(xiàn)對AI的推動作用是非常大的。大數(shù)據(jù)是另外一個很相關(guān)的領(lǐng)域，目前機器學(xué)習(xí)甚至可以被理解為大數(shù)據(jù)的一種應(yīng)用。

• 如果，我們不僅僅只考慮最“近”的那一個人，而是考慮最“近”的k個人，并采用“少數(shù)服從多數(shù)”的原則來進行投票，判斷性別，我們可以降低因為部分人 太Man or 太娘 帶來的噪聲影響。那么這個k取多少呢？3、5、7還是9？我們可以再額外采集一部分數(shù)據(jù)來測試（之前的標注數(shù)據(jù)我們稱為訓(xùn)練數(shù)據(jù)，這次額外采集的稱為測試數(shù)據(jù)），驗證一下k取多少能獲取最好的效果。那么這個獲取最佳k的過程，我們可以稱機器在學(xué)習(xí)/訓(xùn)練（Machine Learning/Training）。這個分類器就叫k-NN分類器。

• 如果，我們認為最近鄰的思想太過簡單，我們還可以來點復(fù)雜的內(nèi)容。在上圖中，我們可以在向量空間中劃出一條線/一個平面，來進行區(qū)分。線/面的一邊代表一類。這個策略（分類器），叫支持向量機（SVM）。通過標注數(shù)據(jù)找到這條線/這個平面（這個過程有大量參數(shù)待定），也是一個機器學(xué)習(xí)的過程。

• 其他常見的分類器還有貝葉斯、決策樹、人工神經(jīng)網(wǎng)絡(luò)等。人工神經(jīng)網(wǎng)絡(luò)之后就發(fā)展出了深度神經(jīng)網(wǎng)絡(luò)以及后續(xù)的Deep Learning。
  上面的這么一個過程，我們建立了一個判斷性別的算法模型。我們學(xué)會了設(shè)計特征、設(shè)計分類器。為了達到判斷性別這個目的，我們需要事先有一些數(shù)據(jù)（樣本集/標注集），我們需要有一些知識才能設(shè)計出好的特征，我們的分類器需要數(shù)據(jù)來“學(xué)習(xí)“獲得一組最佳參數(shù)。我們知道了，什么叫“機器學(xué)習(xí)”。

深度學(xué)習(xí)

我們在看上述辨別性別問題的時候，會發(fā)現(xiàn)有一個關(guān)鍵點——上述設(shè)計的特征是否合理？如果使用“是否有喉結(jié)”這個作為特征或甚至采用“是否有子宮”這個作為特征是否更加合理？發(fā)長、高度、膚色、體重、胸圍這些因素是有助于判斷性別還是無助甚至有害的？

在深度學(xué)習(xí)出現(xiàn)之前，學(xué)術(shù)界許多學(xué)者都在致力尋找更好的特征來表述某些事物。許多學(xué)者投入了大量時間出產(chǎn)大量論文只是解決某個既定領(lǐng)域的一個小問題，提升幾個百分點的準確率。如果特征都要依賴人類來設(shè)定，甚至是專家來設(shè)定，我們能否讓機器自己來設(shè)計特征？

深度學(xué)習(xí)（Deep Learning）就是解決這個問題——讓機器來設(shè)計特征。

[ 深度學(xué)習(xí)是什么？]

深度學(xué)習(xí)，受自然神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)啟發(fā)，但并不是模擬神經(jīng)網(wǎng)絡(luò)（不是鳥飛派），其早已是數(shù)學(xué)的領(lǐng)域。深度學(xué)習(xí)英文名為Deep Learning，原因是其是由多層神經(jīng)網(wǎng)絡(luò)組成，理論上還是屬于機器學(xué)習(xí)的范疇。（此處感慨一下，取名非常重要，轉(zhuǎn)基因的作者如果取個好名字就不會有這么多事）

關(guān)于深度學(xué)習(xí)的原理，限于篇幅和筆者能力，不在此展開。有興趣的同學(xué)請自行搜索相關(guān)內(nèi)容。

計算機視覺

機器學(xué)習(xí)嚴格意義上可以算作一門學(xué)科，而計算機視覺（Computer Vision）實際上是圖像處理和機器學(xué)習(xí)的交叉學(xué)科。

我們在上述看機器學(xué)習(xí)的過程中，有個關(guān)鍵步驟是提取特征。在分類男女的任務(wù)中，我們使用了諸如發(fā)長、體重此類的特征。如果我們真的要使用這些信息作為特征，那么我們會需要在現(xiàn)實世界中進行量取，這個可能是不一定做得到的，依賴于我們獲取數(shù)據(jù)的方式。

在現(xiàn)在的計算機屏幕上，我們?nèi)祟惪梢钥吹缴术r明的圖片，是因為電腦屏幕通過電流刺激給人眼反射了不同波長的光，人眼的感光器對不同波長的有不同的反應(yīng)，因此造成了顏色這個感受。

根據(jù)楊一赫姆霍爾茲學(xué)說，或叫三色學(xué)說，自然界中存在的各種顏色都可以通過紅（Red）、綠（Green）、藍（Blue）三種顏色按照不同比例混合而成。而我們現(xiàn)在看到的計算機上圖像的本質(zhì)，就是由分別代表RBG三通道的三個二維矩陣構(gòu)成。

我們首先看下圖中灰色的Lena（Lena是圖像處理領(lǐng)域常用的一張美女圖片。這個圖片很有歷史，有興趣的同學(xué)可以搜一下）。一般我們稱只有亮度（沒有顏色）的圖成為灰度圖。一個像素為100×100的灰度圖，在計算機中，就是一個100×100的二位矩陣，矩陣中的每一個值，代表每一個像素點的灰度值。灰度值的取值范圍是[0,255]，值越大，意味著這個點越白（亮）。

[ 計算機視覺的本質(zhì) ]

那么，一個彩色圖，其實就是三個分別代表RBG的二維矩陣重疊構(gòu)成。

這組二維矩陣的組成，則是我們計算機視覺的主要輸入。我們通過各種方式處理這組二維矩陣，包括基礎(chǔ)的圖像處理，比如銳化，到一些高階的機器學(xué)習(xí)方法，如提取圖像的Gabor、Sift、LBP特征等。其實圖像處理可以理解為二維輸入的信號處理（很多領(lǐng)域都是交叉學(xué)科）。

我們通過這組二維矩陣，提取里面的信息完成我們想做的事情，這就是計算機視覺。

成就和問題

機器學(xué)習(xí)、深度學(xué)習(xí)的興起，極大推動了計算機視覺、語音、語義（NLP）等領(lǐng)域的發(fā)展。目前我們使用人臉識別進行遠程開戶，使用微信語音轉(zhuǎn)文字看“語音”，和Siri溝通。AI已經(jīng)深入到我們生活的方方面面。

但機器學(xué)習(xí)也不是萬能的。目前我們從實踐來看，絕大部分AI只適用于特定領(lǐng)域，即還處于弱人工智能范疇，離強人工智能（通用人工智能）還有一段距離。不過此時的AI已經(jīng)能做的確很多很多。

結(jié)語

AI作為已存在數(shù)十年的概念和行業(yè)，最近因算力和算法的突破又重獲新生。本文簡要陳述了AI的三次浪潮發(fā)展及對應(yīng)的主流技術(shù)原理。感謝您的閱讀。

騰訊云人臉識別（Face Recognition）基于騰訊優(yōu)圖世界領(lǐng)先的面部分析技術(shù)，提供包括人臉檢測與分析、五官定位、人臉搜索、人臉比對、人臉驗證、活體檢測等多種功能，為開發(fā)者和企業(yè)提供高性能高可用的人臉識別服務(wù)。可應(yīng)用于智慧零售、智慧社區(qū)、智慧樓宇、在線身份認證等多種應(yīng)用場景，充分滿足各行業(yè)客戶的人臉屬性識別及用戶身份確認等需求。點擊體驗國內(nèi)最佳人臉識別服務(wù)。歡迎留言討論。

參考資料

[1]《人工智能狂潮——機器人會超越人類嗎？》松尾豐
[2]《數(shù)學(xué)之美》吳軍
[3]《人工智能》李開復(fù)

總結(jié)

以上是生活随笔為你收集整理的AI商业产品经理：我眼中的AI简史的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。