如果把AI技術(shù)分為「前端的交互技術(shù)」和「后端的人工智能技術(shù)」。前端的交互技術(shù)包括語音識別、圖像識別和自然語言處理；后端的人工智能技術(shù)就是人工智能的核心算法，包括深度學習算法、記憶預(yù)測模型算法等。

這些前后端的人工智能技術(shù)在應(yīng)用又可分為四類：語音識別、圖像識別、自然語言處理和用戶畫像。那么在這四類具體應(yīng)用的實現(xiàn)上AI技術(shù)給我們生活帶來哪些便利，同時存在哪些局限？下面一一來解構(gòu)：

一、語音識別

語音識別

語音識別有兩個技術(shù)方向，一個是語音的識別，另一個是語音的合成。

語音識別是指我們自然發(fā)出的聲音需要機器轉(zhuǎn)換成語言符號，通過識別和理解過程把語音信號轉(zhuǎn)變?yōu)轫憫?yīng)的文本或命令，然后再與我們交互。語音識別技術(shù)可以應(yīng)用在電話銷售上，例如：公司新人特別多，沒有經(jīng)驗，拿到單子的可能性很低。怎么才能讓新人也能有很優(yōu)秀的銷售能力呢？過去的做法是，把經(jīng)驗總結(jié)成冊子，讓新人去背，很容易就忘了。但如果有了高精度的語音識別能力，就能識別出客戶在問什么，然后在屏幕上告訴新人，該怎么回答這個問題。

語音識別的第二個方向是語音的合成，是指機器把文字轉(zhuǎn)換成語音，并且能夠根據(jù)個人需求定制語音，然后念出來。以前的聲音是那種勻速的、沒有語調(diào)起伏的機器聲音，現(xiàn)在能用比較自然的人聲。語音合成能模擬任何一個你喜歡的人的說話方式，可以做到每個人聽的東西都不一樣。我們駕車經(jīng)常使用的百度導航里李彥宏的聲音就是語音合成的結(jié)果。

盡管深度學習被引入語音識別后，識別率迅速提升到95%，但要將ASR（自動語音識別）從僅在大部分時間適用于一部分人發(fā)展到在任何時候適用于任何人，仍然是不現(xiàn)實的。一個無法突破的問題就是語義錯誤。例如：生活在南京的人都知道有個地方叫卡子門（kazimen），但是百度導航在理解卡子門的時候，會分詞為：“卡子-門”，結(jié)果卡子門（kazimen）就被讀成了卡子門（qiazimen）。

二、圖像識別

計算機視覺

圖像識別就是我們常說的計算機視覺（CV）。常用在：印刷文字識別、人臉識別、五官定位、人臉對比與驗證、人臉檢索、圖片標簽、身份證光學字符識別（OCR）、名片OCR識別等領(lǐng)域。

人類認識了解世界的信息中大部分來自視覺，同樣，計算機視覺也成了機器認知世界的基礎(chǔ)，其終極目的就是讓計算機能像人一樣“看懂世界”。目前計算機視覺在人臉識別、圖像識別、增強現(xiàn)實等方面有很好的應(yīng)用，但也存在一定的挑戰(zhàn)。我們就拿谷歌的無人駕駛來說，通過機器視覺識別的技術(shù)路徑在現(xiàn)階段，仍有完全無法逾越的技術(shù)難題。

不談算法，圖像的攝取精度就是難關(guān)，即使最頂級的攝像設(shè)備都無法達到人眼的細節(jié)獲取能力，看看最頂級的哈蘇相機配合最頂級鏡頭，在夜晚街頭短曝光時間下拍的照片，對比人眼看到的圖像就能看到差異，這還不談經(jīng)濟上可行的低成本攝像設(shè)備，視覺識別自動駕駛這個系統(tǒng)，眼睛就是近視眼。

而且如果下雨，灰塵等對分辨的影響都是很難解決的bug。如果配合雷達的話又有邏輯判斷優(yōu)先的問題，信攝像頭，還是信雷達？會不會誤報？而作為激光雷達，如果單純的車身自己也有同樣的邏輯判斷的問題，什么樣的東西是有威脅的，什么是無威脅的。什么是潛在的威脅，這都不是計算機視覺這種單一智能所能解決的。因為預(yù)測未來的感知能力，是人與機器最大的區(qū)別。

三、自然語言處理（NLP）

賢二機器僧

自然語言是人類智慧的結(jié)晶。自然語言處理（NLP）是人工智能中最為困難的問題之一。由于理解自然語言，需要關(guān)于外在世界的廣泛知識以及運用操作這些知識的能力，自然語言認知，同時也被視為一個人工智能完備（AI-complete）的問題。

舉個例子，我們以前用鍵盤，鼠標，觸摸屏去和設(shè)備互動。但是現(xiàn)在你操作設(shè)備，只需沖著智能音箱說：請給我的手機充值100元即可。雖然這種功能在阿里的天貓精靈上已經(jīng)實現(xiàn)了，但實現(xiàn)的前提是天貓精靈APP上已經(jīng)錄有你的聲紋，并且你的手機號碼，及支付密碼已經(jīng)預(yù)先在APP端設(shè)置好，否則機器沒有辦法理解我是誰、給誰的手機充值100元話費。

其次，自然語言處理背后所依賴的是傳統(tǒng)的問答系統(tǒng)技術(shù)，即Question Answering（QA）。QA技術(shù)是自然語言處理中非常重要的一個研究方向，原理是：對于輸入的問題首先做句法分析，從而理解問題或者指令的結(jié)構(gòu)和意圖。比如如果用戶問的問題是某人出生在哪兒，那么機器需要先對這句話進行解析，進而了解所要回答的應(yīng)當是一個地點，并且這個地點應(yīng)當滿足某人出生與此的條件。

當我們能夠準確地了解到用戶提問的意圖并能根據(jù)機器可以理解的方式重新組織之后，就需要尋找答案。為了實現(xiàn)這一目的，QA系統(tǒng)的背后都存在一個龐大的數(shù)據(jù)庫（也就是知識庫），這個數(shù)據(jù)庫中存儲著所有的指令對應(yīng)的行為或者問題對應(yīng)的答案，當系統(tǒng)在數(shù)據(jù)庫中搜索到了自己要做什么或者回答什么的時候，就可以將答案反饋給用戶，或者直接實現(xiàn)用戶的指令。當然，如果數(shù)據(jù)庫的規(guī)模實在有限，有一個兜底的方法就是基于信息檢索來返回答案，即將用戶的輸入提取出關(guān)鍵詞然后求助于搜索引擎返回相關(guān)的內(nèi)容再返回給用戶，由于互聯(lián)網(wǎng)無所不包，因此結(jié)果一般也尚可接受。

自然語言處理這塊相關(guān)落地的產(chǎn)品就很多啦。典型的代表就是聊天機器人，其中一類是以Siri、Amazon Echo、微軟小娜、阿里天貓精靈、小米小AI音箱等為代表，偏向于工具性的服務(wù)型機器人。另一類則是以微軟小冰為代表的娛樂型機器人。第一類聊天機器人，以完成任務(wù)或回答事實性問題為導向，譬如你問天貓精靈“今天的天氣如何？”，或者給“小愛同學”下達“關(guān)閉臥室臺燈”等指令。第二類則以閑聊為導向，并不需要給出某一個事實性問題的解答，只要交談自如、博君一笑即可。比如：北京龍泉寺的賢二機器僧。

四、用戶畫像

碟中諜6：全面瓦解

用戶畫像是根據(jù)用戶社會屬性、生活習慣和消費行為等信息/數(shù)據(jù)而抽象出的一個標簽化的用戶模型。構(gòu)建用戶畫像的核心工作即是給用戶貼“標簽”——用數(shù)據(jù)來描述人的行為和特征，而標簽是通過對用戶信息分析而來的高度簡練的特征標識。

用戶畫像在商業(yè)領(lǐng)域應(yīng)用的非常廣泛。拿百度舉例。百度現(xiàn)在識別了將近10億用戶，用了幾千萬個細分標簽給用戶分類，比如性別、年齡、地理位置，還有這個人在金融領(lǐng)域的情況，在旅游方面有什么愛好等等。這些東西合在一起，就組成了用戶畫像。百度就知道你是什么樣的人，喜歡什么樣的東西。比如，今年暑期檔將要上映的電影《碟中諜6：全面瓦解》，在宣傳的時候把人群分成了三類，一類是不管怎樣都要看的，一類是不管怎么都不會看的，第三類是可能會進電影院的。宣傳方就會使用百度大腦的用戶畫像功能，識別出第三類人群，對這類觀眾進行定向宣傳。

人工智能在用戶畫像里最重要的作用就是找到相關(guān)性，給用戶打標簽。用戶標簽是表達人的基本屬性、行為傾向、興趣偏好等某一個維度的數(shù)據(jù)標識，它是一種相關(guān)性很強的關(guān)鍵字，可以簡潔的描述和分類人群。比如好人和壞人、90后80后，星座、白領(lǐng)等。具體流程一般是從紛亂復(fù)雜、瑣碎的用戶行為流（日志）中挖掘用戶在一段時間內(nèi)比較穩(wěn)定的特征，即給用戶打上標簽。

舉例來說，如果你經(jīng)常購買一些紙尿褲，那么電商網(wǎng)站即可根據(jù)母嬰購買的情況替你打上標簽“有孩子”，甚至還可以判斷出你孩子大概的年齡，貼上“有1-4歲的孩子”這樣更為具體的標簽，而這些所有給你貼的標簽組，就成了你的用戶畫像，也可以說用戶畫像就是判斷一個人是什么樣的人。但是今天的人工智能雖然能夠找到相關(guān)性，但是卻無法找到內(nèi)在的邏輯，因此容易把前提和結(jié)論搞反了。比如根據(jù)大數(shù)據(jù)的統(tǒng)計，喝咖啡的人比不喝咖啡的人長壽。但大數(shù)據(jù)沒告訴大家喝咖啡是不是原因，或許是生活水平高的人才有錢、有時間喝咖啡。所以真實的情況是長壽的人喝咖啡。

五、人工智能算法

深度學習算法

說完了語音識別、圖像識別和自然語言處理這些涉及交互的前端人工智能技術(shù)， 我們再來說說后端人工智能技術(shù)。后端的人工智能技術(shù)指的就是人工智能的核心算法，包括深度學習算法、記憶預(yù)測模型算法等。

首先，我們來說說深度學習算法。我們知道2016年是人工智能爆發(fā)的一年，先有AlphaGo戰(zhàn)勝李世石，到了年底又有Master連勝60場，橫掃中日韓圍棋高手，一時間輿論為之震驚。這個Alpha Go背后的DeepMind團隊，用的就是深度增強式學習，這是深層神經(jīng)網(wǎng)絡(luò)用于決策領(lǐng)域的成果。深度學習是機器學習的一個新領(lǐng)域，普遍認為深度學習的開創(chuàng)者是加拿大多倫多大學一位叫Geoffrey Hinton的教授，他是一位“神經(jīng)科學家+計算機科學家”，他認為大腦是用全息的方式存儲外界世界信息的，并且從上世紀80年代就開始研究用計算機系統(tǒng)架構(gòu)來模擬人類大腦，就是我們今天說的深度學習的原型。

今天我們可以這樣理解深度學習算法，深度學習就是運用神經(jīng)網(wǎng)絡(luò)一層又一層的計算來找到最優(yōu)的參數(shù)，再結(jié)合參數(shù)去做出未來的決定。出發(fā)點在于建立、模擬人腦進行分析學習的神經(jīng)網(wǎng)絡(luò)。深度學習的整個學習過程中，幾乎可以做到直接把海量數(shù)據(jù)投放到算法中，讓數(shù)據(jù)自己說話，系統(tǒng)會自動從數(shù)據(jù)中學習。從輸入到輸出是一個完全自動的過程。深度學習算法現(xiàn)在被設(shè)計成實現(xiàn)設(shè)計者既定目標的工具。比如，AlphaGo的目標就是去贏得圍棋比賽，而不是去開車或干其他事情。AlphaGo不能自己設(shè)定自己的目標，如果要完成另一個目標，就需要設(shè)計另一種機器。當然人工智能有N多條路，深度學習算法是目前人工智能算法里表現(xiàn)最好的。但深度學習并不是一上來就好的，讓深度學習崛起還有兩個華人：

一個就是斯坦福的教授，也是后來谷歌大腦的創(chuàng)始人吳恩達教授，因為他發(fā)現(xiàn)深度學習需要有更強的計算能力，所以他找到了英偉達的GPU（Graphics Processing Unit，圖形處理單元），使得計算能力提升了上百倍。

另外一個人也是斯坦福的教授李飛飛，她建立了一個圖像識別資料庫。而且這個庫里面的所有的圖像都是標注過的，也就是說，如果圖里有山就會標注出山，如果有樹就標注出樹。這樣的話，你可以用這個圖形庫來訓練人工智能系統(tǒng)，看它能不能識別出來這個圖形庫上面所標注的這些元素。經(jīng)過這個圖像庫的訓練，就可以訓練出視覺能力超過人的人工智能系統(tǒng)。

但是千萬不要以為深度學習達到今天的水平就是無敵了，甚至可以超越人類了。深度學習發(fā)展起來的人工智能系統(tǒng)存在一個明顯的缺陷，就是他的過程無法描述，機器不能用人的語言說出來它是怎么做到的。例如，Alpha Go打敗了李世石，你要問AlphaGo是為什么走這步棋，它是答不上來的。也就是說，我們沒辦法知道機器做事情的動機和理由。

要想更好的認識到人工智能算法的局限性，需要引入一個概念，就是認知復(fù)雜度。什么是認知復(fù)雜度呢？就是指你建構(gòu)“客觀”世界的能力。認知復(fù)雜度高的人，善于同時用互補，或者互不相容的概念來理解客觀世界，因為真實世界本身就不是非黑即白的。那么對于機器來說，“認知計算”和“人工智能”有啥關(guān)系呢？人工智能的未來一般被分為三個發(fā)展方向：人搞定機器、機器搞定人和“人機共生”。而以“人機共生”為目標的人工智能，就是認知計算。IBM在認知計算領(lǐng)域獲得了大量經(jīng)驗，并且總結(jié)了認知計算的三個能力，分別是交流、決策，和發(fā)現(xiàn)。

（1）交流

第一個能力是交流，認知計算可以處理非結(jié)構(gòu)性的問題。很多用Siri的人，只會把這當成娛樂功能，因為它不能保證交流內(nèi)容的準確性，有時Siri根本接不上你的話，因為你的話對它來說太復(fù)雜了。這個只能算作人工智能比較初始的狀態(tài)。

而認知計算可以完全模仿人類的認知，你可以把它當做一個孩子。就好像孩子周圍有一群逗他玩的大人，有人告訴孩子1+1=2，也有人說1+1=3。但是隨著孩子的成長，他自己會明白1+1=2才是對的。這就是非結(jié)構(gòu)性問題。早期的人工智能只能學會別人教給他的知識，但是認知計算可以處理模糊的，甚至是自相矛盾的信息。

（2）決策

第二個能力是決策，我們都知道人工智能可以分析復(fù)雜的邏輯，然后做出決策。認知計算可以更進一步，根據(jù)新的信息來調(diào)整自己的決策。更厲害的是，認知系統(tǒng)所做的決策是沒有偏見的，而“毫無偏見的決策”對人類來說幾乎是一件不可能的事。比如說治療癌癥，這是典型的醫(yī)療決策場景。

癌癥之所以難治，一方面由于這種疾病太過復(fù)雜，另一方面，醫(yī)生如果不能及時發(fā)現(xiàn)患者的癌癥信號，可能會延誤患者的治療，或者導致診斷錯誤。而認知計算可以綜合分析復(fù)雜的醫(yī)療數(shù)據(jù)，還可以在醫(yī)生語言的上下文中解析含義，最后提出它的建議。

這就大大減少了醫(yī)生查病歷的時間，讓醫(yī)生能將更多的時間用在患者身上。2016年8月，《東京新聞》報道說，IBM研發(fā)的認知計算機器人“沃森”，就學習了海量的醫(yī)學論文，只用了10分鐘，就為一名患者診斷出了很難判斷的白血病類型，還向東京大學醫(yī)科學研究所提出了適當?shù)闹委煼桨浮?/p>

（3）發(fā)現(xiàn)

第三個能力是發(fā)現(xiàn)，認知計算能發(fā)現(xiàn)新事物和新連接，填補人類思維的空白。比如在競爭激烈的餐飲業(yè)，怎樣才能做出令顧客滿意的新菜品呢？

認知系統(tǒng)可以整合區(qū)域知識、文化知識，還有各種食物搭配理論，幫助用戶發(fā)現(xiàn)想象不到的美食搭配。比如突然有一天，它會告訴你：用鹵煮的配方做個披薩，可能很合你的胃口。你照著一做，發(fā)現(xiàn)還不錯！實際上，從2015年開始，IBM開發(fā)的“沃森大廚”，就已經(jīng)學習了35000多種經(jīng)典食譜，然后通過分析海量的食材搭配，結(jié)合化學、營養(yǎng)學等方面數(shù)據(jù)，為廚師和美食家?guī)砹顺鋈祟愊胂蟮男滦褪匙V。

認知計算可以幫助我們更好的交流、決策和發(fā)現(xiàn)。但是人工智能依然有很多做不到的。例如：抽象能力，自我意識，審美，情感等。

六、小結(jié)

講了這么多的人工智能的能與不能。其實AI并不是魔法，它只是數(shù)學、統(tǒng)計學、以及使用大數(shù)據(jù)來進行模式識別，是對環(huán)境和物體的識別和相關(guān)性分析的智能。采用算法的方式來實現(xiàn)人的邏輯和數(shù)學思維，形成計算機思維，從而衍生出特殊算法系統(tǒng)，機器智慧。

其實一切人工智能問題其實就是硬件問題軟件化，用自動化的知識解決一切問題。比如說攝影，過去我們用各種光學鏡頭來讓照片更美，現(xiàn)在用“算法”我們就能搞定。再比如做實驗，過去我們要擺弄各種瓶瓶罐罐，而現(xiàn)在我們則可以在計算機里模擬核爆炸。