一眼看清高科技，深度解析人工智能技术脉络
現(xiàn)在有非常多的大公司在做人工智能方面的研究，包括Google、IBM、Facebook、Apple、百度等，也有數(shù)不盡的小型創(chuàng)業(yè)團(tuán)隊(duì)進(jìn)入，使得人工智能方面變得熱鬧非凡。每一家公司都有自己的研究思路，也取得了不同程度的進(jìn)展，比如百度李彥宏就透露，百度大腦已經(jīng)相當(dāng)于2~3歲小孩的智力水平，而按照我們對(duì)自己人工智能系統(tǒng)的模擬測(cè)試結(jié)果，可以達(dá)到12歲中學(xué)生的智力水平，大幅度領(lǐng)先百度深度學(xué)習(xí)研究院。下邊在不泄露技術(shù)機(jī)密的前提下，簡(jiǎn)要分享我們?nèi)斯ぶ悄芟到y(tǒng)的設(shè)計(jì)思路與背后基于的原理。
?
1、文字與編程語(yǔ)言（視頻、圖片、文字與程序的結(jié)構(gòu)化分析）
1）文字的發(fā)明與價(jià)值
在介紹人工智能之前，我們首先來(lái)簡(jiǎn)單認(rèn)識(shí)一下“文字”。在人類(lèi)看來(lái)，文字是人類(lèi)約定創(chuàng)造的視覺(jué)形式，可以說(shuō)文字是一個(gè)視覺(jué)系統(tǒng)，它以最簡(jiǎn)單方式將視覺(jué)場(chǎng)景圖案再現(xiàn)，并且富有便于口語(yǔ)聲音表達(dá)的特點(diǎn)，因而更加清晰，可以反復(fù)閱讀，可以突破時(shí)間和空間的限制。
更準(zhǔn)確的說(shuō)，文字使人類(lèi)突破口語(yǔ)受到時(shí)間和空間的限制，把時(shí)空的影像變化轉(zhuǎn)碼成視覺(jué)可見(jiàn)的符號(hào)系統(tǒng)，并通過(guò)書(shū)面語(yǔ)的方式傳承下來(lái)，使后人能通過(guò)間接的文字想象出畫(huà)面，了解歷史和學(xué)習(xí)技術(shù)經(jīng)驗(yàn)，從而提高自己的智慧，發(fā)展科學(xué)技術(shù)，并最終促使人類(lèi)能進(jìn)入有歷史記錄的文明社會(huì)。
2）編程語(yǔ)言與文字的區(qū)別
在了解完文字后，我們?cè)賮?lái)簡(jiǎn)單的看一下自然語(yǔ)言（文字）與計(jì)算機(jī)編程語(yǔ)言之間的區(qū)別。顯然，自然語(yǔ)言是更高級(jí)的編程語(yǔ)言，其每一個(gè)字都有特定的含義，在現(xiàn)實(shí)世界中映射非常龐大視覺(jué)影像，并且具備較高容錯(cuò)率的特點(diǎn)，而現(xiàn)有的計(jì)算機(jī)編程語(yǔ)言是簡(jiǎn)單的命令序列與邏輯組合，本質(zhì)上說(shuō)，這兩者之間差別巨大。
由于在計(jì)算機(jī)語(yǔ)言的內(nèi)在邏輯無(wú)法映射到現(xiàn)實(shí)事物，于是在計(jì)算機(jī)看來(lái)，文字是人類(lèi)用來(lái)記錄語(yǔ)言的符號(hào)系統(tǒng)，僅僅是符號(hào)，沒(méi)有任何意義。于是，當(dāng)計(jì)算機(jī)識(shí)別到“樹(shù)”這個(gè)字時(shí)，它沒(méi)有任何“樹(shù)”真實(shí)樣子、信息的概念與數(shù)據(jù)，也就無(wú)法理解“樹(shù)”這個(gè)字的真正含義。
其實(shí)，這也說(shuō)明計(jì)算機(jī)和現(xiàn)實(shí)的接口沒(méi)有打通，所以，人工智能的關(guān)鍵環(huán)節(jié)即為幫助計(jì)算機(jī)將符號(hào)與真實(shí)視覺(jué)影響之間建立聯(lián)系，即補(bǔ)全每一個(gè)詞語(yǔ)背后的真實(shí)對(duì)象數(shù)據(jù)，填補(bǔ)計(jì)算機(jī)文字符號(hào)與現(xiàn)實(shí)影像數(shù)據(jù)之間的鴻溝。
現(xiàn)在技術(shù)突破方向是通過(guò)建立知識(shí)圖譜與事物組合圖譜，試圖將現(xiàn)實(shí)世界的景象與知識(shí)組織起來(lái)。當(dāng)然，這僅僅是第一步，只有將其與自然語(yǔ)言解析、視覺(jué)解析結(jié)合到一起時(shí)，再結(jié)合大數(shù)據(jù)統(tǒng)計(jì)，才能實(shí)現(xiàn)真正的突破。
?
2、人工智能發(fā)展限制因素的誤解
雖然基于現(xiàn)有計(jì)算機(jī)發(fā)展人工智能技術(shù)仍舊面臨或多或少的限制，但將其歸結(jié)于計(jì)算性能、編程方式等原因，顯然是不正確的，因?yàn)檫@些都可以基于現(xiàn)有技術(shù)來(lái)解決，下邊依次簡(jiǎn)要說(shuō)明。
1）計(jì)算機(jī)計(jì)算性能限制的誤解
許多人認(rèn)為，雖然現(xiàn)在處于科技發(fā)達(dá)的互聯(lián)網(wǎng)時(shí)代，但現(xiàn)有計(jì)算機(jī)的計(jì)算能力非常有限，如果要完成自然語(yǔ)言解析這種高海量計(jì)算的工程，或許只能依靠超級(jí)計(jì)算機(jī)、量子計(jì)算機(jī)、光子計(jì)算機(jī)、生物工程計(jì)算機(jī)等更先進(jìn)的技術(shù)解決。其實(shí)這種想法是不對(duì)的，因?yàn)樽约翰荒苷业浇鉀Q人工智能的解決方案，而將其歸咎于現(xiàn)有硬件性能低下，是一種錯(cuò)誤的邏輯。雖然計(jì)算能力的提升有助于更簡(jiǎn)單的解決人工智能問(wèn)題，但計(jì)算能力并非限制人工智能發(fā)展的核心問(wèn)題，而且計(jì)算能力可以靠大規(guī)模服務(wù)器集群有效解決。
2）現(xiàn)有編程方式與計(jì)算體制的誤解
許多人認(rèn)為，現(xiàn)有的計(jì)算機(jī)語(yǔ)言僅僅是簡(jiǎn)單的命令序列與邏輯集合，而自然語(yǔ)言解析所需要的編程方式注重的是視覺(jué)、聽(tīng)覺(jué)、嗅覺(jué)、觸覺(jué)、味覺(jué)等為一體的編程體制，因此其并不適合解決自然語(yǔ)言與人工智能方面的問(wèn)題，這也就意味著如果想高效的實(shí)現(xiàn)人工智能技術(shù)，最好開(kāi)發(fā)出全新的編程模式，開(kāi)發(fā)一款全新的計(jì)算機(jī)架構(gòu)。
是的，我承認(rèn)如果能夠開(kāi)發(fā)出更加優(yōu)秀的編程體制，能夠?qū)⒄麄€(gè)系統(tǒng)的計(jì)算量降低超過(guò)50%，大幅度降低硬件、人力等技術(shù)設(shè)施的投入，從而使得整個(gè)過(guò)程的運(yùn)算更加高效，響應(yīng)速度提高一倍，但這并不意味著現(xiàn)有的編程體制解決不了所面臨的問(wèn)題。
雖然IBM公司已經(jīng)發(fā)布了基于人腦特征的全新計(jì)算架構(gòu)，號(hào)稱基于此的新生態(tài)系統(tǒng)將為市場(chǎng)帶來(lái)高參數(shù)化的神經(jīng)模型，能形成類(lèi)人腦計(jì)算的基礎(chǔ)信息處理單位，以及具備對(duì)空間、時(shí)間和多模態(tài)化環(huán)境的識(shí)記、感知，或者是做出行動(dòng)的能力，從而讓下一代應(yīng)用在感知、行為和認(rèn)知方面的效率堪比人腦，但這種計(jì)算架構(gòu)仍不成熟，在現(xiàn)實(shí)使用過(guò)程中，仍面臨非常多的技術(shù)問(wèn)題。
?
3、深度學(xué)習(xí)與知識(shí)單元
1）深度學(xué)習(xí)
深度學(xué)習(xí)的原理是通過(guò)多層次的學(xué)習(xí)而得到對(duì)于原始數(shù)據(jù)的不同抽象層度的表示，進(jìn)而提高分類(lèi)和預(yù)測(cè)等任務(wù)的準(zhǔn)確性。即針對(duì)某一個(gè)“事物”，對(duì)于其圖像（或物體、聲音、嗅覺(jué)、觸覺(jué)、味覺(jué)）進(jìn)行參量分解與組合，然后通過(guò)大量同類(lèi)事物來(lái)重復(fù)操作，從而驗(yàn)證每種參量（或參量組合）重要性（或?qū)哟涡?#xff09;，最終獲得一組識(shí)別該事物識(shí)別數(shù)據(jù)包的一種機(jī)制。
深度學(xué)習(xí)整個(gè)訓(xùn)練過(guò)程非常簡(jiǎn)單，以機(jī)器學(xué)會(huì)在圖片上識(shí)別狗為例，我們不需要人為事先給出狗的特征定義，只需要提供足夠的相關(guān)圖片，用以劃上一個(gè)大致的識(shí)別邊界，然后機(jī)器將所看到的圖像或圖片分解成10億多個(gè)不同的參量，對(duì)這些參量的層次、權(quán)重進(jìn)行概率統(tǒng)計(jì)，并將這些參量按照其可能性進(jìn)行各種“組合”，并對(duì)這些組合的層次、權(quán)重進(jìn)行概率統(tǒng)計(jì)，并最終形成識(shí)別數(shù)據(jù)包。
舉個(gè)簡(jiǎn)單例子，機(jī)器反復(fù)學(xué)習(xí)桃花的特征后，就會(huì)自己找到判定一朵桃花的方法，它會(huì)將這類(lèi)有顏色、有花瓣、有花蕊的物體自動(dòng)和花這個(gè)單詞聯(lián)系到一起，并最終形成一個(gè)特定的識(shí)別數(shù)據(jù)包，再依據(jù)這種“識(shí)別包的數(shù)據(jù)”，就可以從千萬(wàn)張圖片或視頻中識(shí)別出桃花來(lái)。
深度學(xué)習(xí)最大的特點(diǎn)是分層級(jí)，即在進(jìn)行事物識(shí)別時(shí)，由于事物的不同特征的重要性、空間位置、時(shí)間順序等是不同的，需要對(duì)事物特征建立層級(jí)來(lái)深度認(rèn)知事物，背后的理論在于，你應(yīng)當(dāng)有一種模式來(lái)反映想要學(xué)習(xí)的自然現(xiàn)象的層級(jí)。
借助這種分層級(jí)的特征識(shí)別提取機(jī)制，機(jī)器能夠像人的大腦一樣可以從多角度識(shí)別搜索目標(biāo)，甚至可識(shí)別多樣且被扭曲的圖像，即當(dāng)圖像發(fā)生傾斜、倒置、扭曲時(shí)，仍然具有一定的識(shí)別效果。
深度學(xué)習(xí)最終得到的是一個(gè)針對(duì)某一事物的數(shù)據(jù)識(shí)別包。當(dāng)然，這個(gè)數(shù)據(jù)識(shí)別包也存在局限，就比如衣服這類(lèi)物體很容易發(fā)生形變，機(jī)器通過(guò)學(xué)習(xí)雖然能夠?qū)W習(xí)判斷長(zhǎng)袖短袖等衣服類(lèi)型，然而形變過(guò)大必然降低識(shí)別概率，但即便是識(shí)別率較低的數(shù)據(jù)包，仍然具有價(jià)值。
2）三維建模
深度學(xué)習(xí)是一向基于信息提取的技術(shù)，但產(chǎn)生人工智能需要的基礎(chǔ)“數(shù)據(jù)識(shí)別”，仍需要搭配另一套技術(shù)體系，即三維建模相關(guān)技術(shù)，這是因?yàn)楝F(xiàn)實(shí)世界中的事物大多是三維的，因此在“數(shù)據(jù)識(shí)別包”提取的過(guò)程中，需要基于三維真實(shí)的事物。
最終，數(shù)據(jù)識(shí)別包要符合以下要求：
①?能夠滿足事物在不同空間位置、視角、動(dòng)作的識(shí)別機(jī)制，即具備在不同情況下識(shí)別概率的描述。
②?針對(duì)同一事物，在特定的視角之下，要具備柔性識(shí)別的數(shù)據(jù)，比如可以提供99%、98%、97%……30%……1%等一系列識(shí)別概率的數(shù)據(jù)。
③?事物的意境展現(xiàn)，即當(dāng)出現(xiàn)“蘋(píng)果”詞語(yǔ)時(shí)，能夠迅速給出“蘋(píng)果”的各種普通立體圖，并支持各種簡(jiǎn)單操作。（畫(huà)面展現(xiàn)）
由蘋(píng)果詞語(yǔ)映射出來(lái)的各種結(jié)果
?
3）知識(shí)單元
然而，深度學(xué)習(xí)與三維建模等技術(shù)僅僅是針對(duì)某一元素進(jìn)行深入分析的工具，能夠針對(duì)某一事物分層次的提取其特征庫(kù)，并能夠基于此識(shí)別其它景象是否存在這一事物，這僅僅屬于“知識(shí)單元”模型中的一個(gè)必要部分。
因此，我們需要將深度學(xué)習(xí)技術(shù)輸出的結(jié)果構(gòu)建模型以使符合我們“知識(shí)單元”的范式要求，只有這樣，我們才能正確的使用這些數(shù)據(jù)，從而實(shí)現(xiàn)后續(xù)“知識(shí)圖譜”、“事物組合圖譜”、“視覺(jué)解析引擎”、“語(yǔ)境解析引擎”等的構(gòu)建。
知識(shí)單元是我們搭建的一個(gè)基于事物自身相關(guān)屬性的知識(shí)組合，為了便于以后在知識(shí)單元基礎(chǔ)上進(jìn)行更深入的數(shù)據(jù)分析操作，知識(shí)單元所應(yīng)具備以下基礎(chǔ)功能：
① 物體“二維”、“三維”識(shí)別功能；
② 將文字符號(hào)與畫(huà)面建立連接的展現(xiàn)功能；
③ 物體多種名稱及“名稱與屬性”的對(duì)應(yīng)關(guān)系；
如果更詳細(xì)的話，知識(shí)單元在構(gòu)建時(shí)需要包含以下幾個(gè)特點(diǎn)：
1、視覺(jué)識(shí)別方面，需要分層次化的特征識(shí)別體系。
在數(shù)據(jù)識(shí)別包方面，要形成一種分層次的識(shí)別數(shù)據(jù)包，不僅要識(shí)別出整個(gè)事物，也要提供識(shí)別事物某一部分的識(shí)別數(shù)據(jù)包，比如：識(shí)別一朵桃花，既要提供整個(gè)花朵的數(shù)據(jù)識(shí)別包，也要提供針對(duì)花瓣的數(shù)據(jù)識(shí)別包。
2、知識(shí)單元屬性方面，事物的屬性要做的盡可能全面，分類(lèi)要盡可能的精細(xì)化，這是后期在知識(shí)單元之間建立聯(lián)系的基礎(chǔ)。
3、知識(shí)單元的概念名稱、屬性表述可能有多種，需要詳細(xì)的羅列出來(lái)，而且概念、屬性要與所對(duì)應(yīng)的視覺(jué)特性識(shí)別數(shù)據(jù)包形成一一對(duì)應(yīng)關(guān)系，這是后期自然語(yǔ)言理解的基礎(chǔ)。
4、識(shí)別數(shù)據(jù)包要具備還原功能，也即當(dāng)出現(xiàn)“桃花”這個(gè)詞時(shí)，能夠提供桃花的標(biāo)準(zhǔn)圖（普通圖）。
5、知識(shí)單元中的相關(guān)識(shí)別數(shù)據(jù)包最好是基于三維真實(shí)事物的特征采樣，這樣的數(shù)據(jù)更加真實(shí)、自然，也更加有效。
6、知識(shí)單元中的元素包括：視覺(jué)識(shí)別數(shù)據(jù)包、聲音識(shí)別包、嗅覺(jué)識(shí)別包、觸覺(jué)識(shí)別包、味覺(jué)識(shí)別包，以及事物的各種概念、屬性、行為等文字特征信息。
7、基于統(tǒng)計(jì)學(xué)進(jìn)行優(yōu)化。當(dāng)我們搭建完知識(shí)單元的初級(jí)模型后，仍舊需要根據(jù)大規(guī)模數(shù)據(jù)統(tǒng)計(jì)的方法來(lái)逐步改善、優(yōu)化知識(shí)單元的設(shè)計(jì)模型，因此，在要建立數(shù)據(jù)自動(dòng)修改優(yōu)化機(jī)制。
8、識(shí)別數(shù)據(jù)包是一個(gè)空間范圍內(nèi)的識(shí)別結(jié)果，也即無(wú)論物體發(fā)生了變形、扭曲、拉伸、視角變換等一系列處理，仍能識(shí)別出來(lái)，雖然識(shí)別成功率不同，但這些具備一定識(shí)別率的數(shù)據(jù)仍舊具備一定的價(jià)值。
9、知識(shí)單元必須帶有空間、時(shí)間、物體、聲音、觸覺(jué)、組合等一系列信息，也即這個(gè)單元是否具有空間屬性？是否具有隨時(shí)間變化的屬性？是否是一個(gè)物體？是否具有聲音屬性？是否具有觸覺(jué)屬性？是否是一系列物體的組合？……
……
知識(shí)單元也即為知識(shí)圖譜的基元，后續(xù)視覺(jué)分析、自然語(yǔ)言分析、計(jì)算引擎等進(jìn)行計(jì)算時(shí)直接在此調(diào)取數(shù)據(jù)，因此其設(shè)計(jì)模型至關(guān)重要，這直接決定著整個(gè)人工智能工程的成敗。
?
4、知識(shí)圖譜
1）知識(shí)圖譜的價(jià)值與意義
將眾多知識(shí)單元組合在一起，并挖掘不同知識(shí)單元之間的關(guān)聯(lián)屬性，以此為基礎(chǔ)使知識(shí)單元之間建立深入而廣泛的關(guān)聯(lián)，最終形成一張龐大的、具有廣泛聯(lián)系的知識(shí)單元關(guān)系網(wǎng)，這張網(wǎng)就是知識(shí)圖譜。
比如說(shuō)一個(gè)明星（是一個(gè)知識(shí)單元）可以通過(guò)深度學(xué)習(xí)技術(shù)得到她的視覺(jué)特征庫(kù)（識(shí)別數(shù)據(jù)包），并基于此搜尋她所有演過(guò)的電影和唱過(guò)的歌（每一部電影、每一首歌曲都是一個(gè)知識(shí)單元），并在彼此之間建立關(guān)聯(lián)，最終通過(guò)這種模式逐漸將知識(shí)單元關(guān)聯(lián)起來(lái)。
2）知識(shí)單元分組歸類(lèi)
知識(shí)單元聚合成知識(shí)圖譜的過(guò)程并非是簡(jiǎn)單的加法過(guò)程，而是一個(gè)2的N次方的相乘過(guò)程，這個(gè)過(guò)程中能找到許多歸類(lèi)的同類(lèi)項(xiàng)，從而使它們之間建立較為廣泛的簡(jiǎn)單聯(lián)系。
舉個(gè)簡(jiǎn)單的例子，菊花、油菜花、桃花、荷花、迎春花、葵花、石榴花、梅花、槐花、玫瑰這十種花，如果按照顏色的角度來(lái)看，通過(guò)尋找同類(lèi)項(xiàng)，其中，顏色偏向黃色的花為迎春花、桃花、油菜花、梅花、菊花、葵花等，顏色偏向紅色的有荷花、石榴花、玫瑰花。如果按照開(kāi)花的季節(jié)來(lái)看，春季開(kāi)花的有迎春花、油菜花、桃花、槐花，夏季開(kāi)花的有荷花、葵花、石榴花、玫瑰，秋天開(kāi)花的有菊花，冬天開(kāi)花的有梅花。以類(lèi)似的方法，可以在彼此之間建立非常多的關(guān)聯(lián)。
3）量化世界
知識(shí)圖譜可以說(shuō)是在“量化世界”，讓以前模糊的世界變得更加清晰，這也是人類(lèi)文明進(jìn)步的關(guān)鍵一步，曾經(jīng)人類(lèi)發(fā)明了語(yǔ)言文字，用戶符號(hào)代表世界上各種事物，進(jìn)而加以認(rèn)識(shí)與區(qū)分，知識(shí)圖譜是在這個(gè)基礎(chǔ)上的巨大創(chuàng)新，從而達(dá)到量化世界的效果，讓整個(gè)世界都進(jìn)入數(shù)據(jù)化時(shí)代。
另外，知識(shí)圖譜是視覺(jué)解析引擎與自然語(yǔ)言解析引擎的基礎(chǔ)，只有將知識(shí)圖譜做好，才能在此基礎(chǔ)上發(fā)展事物組合圖、視覺(jué)解析引擎和自然語(yǔ)言解析引擎，因此，知識(shí)圖譜是人工智能的基礎(chǔ)環(huán)節(jié)。
?
5、事物組合圖譜
“事物組合圖譜”是以知識(shí)圖譜為基礎(chǔ)建立的另一個(gè)異常龐大的知識(shí)庫(kù)，甚至說(shuō)是比“知識(shí)圖譜”大100倍的知識(shí)體系，這個(gè)東西是人工智能的另一個(gè)基礎(chǔ)。
那什么是“事物組合”呢？通俗的說(shuō)只要是兩個(gè)或多個(gè)事物組合在一起，發(fā)生的任何事件、情況等等，均是“事物組合”，小到“水和水龍頭”，大到“上萬(wàn)人組成的騰訊公司”，都是事物組合。
1）事物組合圖譜的價(jià)值
知識(shí)圖譜是通過(guò)深度學(xué)習(xí)等方法，搭建起基于視覺(jué)數(shù)據(jù)包、三維模型、語(yǔ)言符號(hào)、深層關(guān)系等為一體的知識(shí)單元，但在真實(shí)的視覺(jué)識(shí)別、自然語(yǔ)言解析過(guò)程中，知識(shí)圖譜在很多方面都存在數(shù)據(jù)不足的特點(diǎn)，為了彌補(bǔ)這個(gè)缺陷，我們需要深度挖掘事物之間的關(guān)聯(lián)，以獲得更加豐富的數(shù)據(jù)，這也就意味著“事物組合圖譜”的誕生。
“事物組合圖譜”更多的是根據(jù)知識(shí)圖譜上邊知識(shí)單元，基于現(xiàn)實(shí)世界的真實(shí)組合情況，而形成的機(jī)器可以運(yùn)算的數(shù)據(jù)，基于這些數(shù)據(jù)的進(jìn)一步運(yùn)算會(huì)做很多推理的事情，并產(chǎn)生更大的價(jià)值，甚至是后續(xù)視覺(jué)解析引擎和自然語(yǔ)言解析引擎的基礎(chǔ)。所以，“事物組合圖譜”的一個(gè)非常重要的應(yīng)用即為做精準(zhǔn)化推算。
2）事物組合概率統(tǒng)計(jì)
人每關(guān)注一個(gè)事物或場(chǎng)景（多個(gè)事物的組合），大腦都會(huì)對(duì)相關(guān)事物進(jìn)行一次記錄，記憶程度取決于相關(guān)參量的記錄次以及記憶時(shí)間，著重記錄那些（或事物的組合）出現(xiàn)概率高的事物景象，而對(duì)于那些不經(jīng)常出現(xiàn)的事物（或事物的組合），記憶中的特征也將隨著時(shí)間的流逝而逐漸減弱，這說(shuō)明人是根據(jù)景象出現(xiàn)次數(shù)、時(shí)間的遠(yuǎn)近、事物組合特點(diǎn)等來(lái)決定記憶與權(quán)重。
人工智能也是基于類(lèi)似的運(yùn)作原理，需要將所有的事物放到一塊，基于大量的真實(shí)、自然的生活數(shù)據(jù)，來(lái)分析其各種事物組合到一起的可能性概率，這種概率數(shù)據(jù)將對(duì)后期的人工智能運(yùn)算起到關(guān)鍵作用，尤其是視覺(jué)解析、自然語(yǔ)言解析等領(lǐng)域。
對(duì)于事物組合情況的統(tǒng)計(jì)，除了需要獲取某些事物組合在一起的概率之外，更重要的是獲得這些事物組合在一起所具備的某些特點(diǎn)，比如過(guò)程的特點(diǎn)、過(guò)程的來(lái)源、過(guò)程的走向，以及相關(guān)環(huán)節(jié)體現(xiàn)的特點(diǎn)，這些數(shù)據(jù)非常有用，在后續(xù)人工智能體系中將產(chǎn)生巨大的價(jià)值。
事物組合圖譜主要包含三大基本功能：
① 統(tǒng)計(jì)各種事物所形成的各種真實(shí)組合，包括事物之間的組合、事物的空間位置、時(shí)間變換等等，并得出每個(gè)事物出現(xiàn)在各種組合中的概率；
② 統(tǒng)計(jì)各種組合所在過(guò)程中所具備的某些特點(diǎn)，無(wú)論是過(guò)程特點(diǎn)、來(lái)源、走向、分析等，都需要統(tǒng)計(jì)相關(guān)數(shù)據(jù)；
③ 將各種組合按各種類(lèi)別分類(lèi)，并將其結(jié)果分析數(shù)據(jù)匯總出來(lái)；
舉個(gè)簡(jiǎn)單的例子：水杯與其它物體組合在一起的概率？
水（46.27%）
桌子（17.62%）
塑料（12.39%）
玻璃（8.18%）
……
舉個(gè)稍微復(fù)雜的例子：獲取“女孩的跑步”特點(diǎn)的識(shí)別包？
顯然，“女孩的跑步”是由三個(gè)事物，即人、空間、時(shí)間組成的一個(gè)過(guò)程組合，通過(guò)對(duì)上述場(chǎng)景的大量深度學(xué)習(xí)，可以得到隨著時(shí)間、空間變換的整個(gè)動(dòng)作撲捉過(guò)程，并獲取相關(guān)的數(shù)據(jù)識(shí)別包，如果將“女孩跑步”定義為一個(gè)事物的話，則可以將相關(guān)數(shù)據(jù)模型化形成一個(gè)知識(shí)單元。
再舉個(gè)更復(fù)雜的例子：“女孩”、“失蹤”是過(guò)去一段時(shí)間新聞報(bào)道比較熱衷的話題，根據(jù)這些新聞報(bào)道，以最簡(jiǎn)的方式，統(tǒng)計(jì)出下邊一個(gè)四表格的數(shù)據(jù)。如果又出現(xiàn)了一個(gè)女孩失去聯(lián)系了，根據(jù)這個(gè)簡(jiǎn)單的表格數(shù)據(jù)，則該女孩有可能被囚禁、搶劫或殺害的可能性，這就是一個(gè)簡(jiǎn)單的判斷。
有人會(huì)產(chǎn)生疑問(wèn)，這世界上有上億個(gè)事物主體，上億個(gè)事物按照平均10個(gè)組合在一起，也就是C10個(gè)組合，即10億的十次方，最終的結(jié)果是1080次方，這是一個(gè)天文數(shù)字，現(xiàn)在計(jì)算量不可完成的。
但真實(shí)世界中的真實(shí)情況并非如此，而是不同元素之間經(jīng)常是成組出現(xiàn)的，比如水杯與水等常見(jiàn)事物的出現(xiàn)組合，幾乎占到水杯與其它所有事物組合的概率上的90%以上，至于那些事物之間組合到一塊的概率過(guò)低，則不必進(jìn)行統(tǒng)計(jì)。
3）概率統(tǒng)計(jì)某一具體事物的所有相關(guān)信息
以前很難準(zhǔn)確的了解某一個(gè)人，但是在人工智能大數(shù)據(jù)統(tǒng)計(jì)分析的情況下，這個(gè)解決起來(lái)就太簡(jiǎn)單了。以某一事物為主體，通過(guò)大量的數(shù)據(jù)進(jìn)行分析，按照概率相關(guān)程度進(jìn)行統(tǒng)計(jì)，可以很快得出與這一事物關(guān)系最近的一系列相關(guān)事物。
比如，以學(xué)生群體為例，可以很快得出99%的學(xué)生，每天早晨起床、洗刷、吃飯、上課、午休、上課、放學(xué)回家、吃飯、洗刷、睡覺(jué)……，因此，很容易判定“周一上午十點(diǎn)它們大多數(shù)都在上課”。如果以單個(gè)學(xué)生為例，通過(guò)匯總這個(gè)學(xué)生的所有生活信息，可以很快分析出這個(gè)學(xué)生的所有生活習(xí)性、愛(ài)好、思維方式，以及可能的行為等等。
4）構(gòu)建全人類(lèi)數(shù)據(jù)庫(kù)
在知識(shí)圖譜的基礎(chǔ)上，進(jìn)行相關(guān)“事物組合”的概率分析，是努力去構(gòu)建一個(gè)更復(fù)雜、龐大的且基于全人類(lèi)的知識(shí)系統(tǒng)，其核心主要基于三點(diǎn)：
①?基于自然語(yǔ)言解析引擎來(lái)閱讀并理解互聯(lián)網(wǎng)內(nèi)容，然后對(duì)其有價(jià)值的相關(guān)資料進(jìn)行提取，并將其歸入到知識(shí)圖譜與事物組合圖譜里邊；
②?基于視覺(jué)解析技術(shù)能夠使計(jì)算機(jī)能夠理解所有視覺(jué)場(chǎng)景內(nèi)的信息，并將這些信息逐一統(tǒng)計(jì)分析，并將其歸入知識(shí)圖譜和事物組合圖譜；
③?對(duì)人群進(jìn)行精細(xì)分類(lèi)，然后基于每種類(lèi)型的人給出特定的事物組合圖譜。
5）組合概率引擎的分化
在自然語(yǔ)言解析的那部分，我們說(shuō)到“當(dāng)一個(gè)句子還原成一個(gè)語(yǔ)境后，會(huì)出現(xiàn)非常多的語(yǔ)義可能，并通過(guò)語(yǔ)境限制因素與大規(guī)模數(shù)據(jù)統(tǒng)計(jì)來(lái)獲取定向語(yǔ)義”，但有一點(diǎn)需要提出的，那就是當(dāng)基于不同的解析方向、內(nèi)容類(lèi)型時(shí)，最終會(huì)出現(xiàn)不同的解析語(yǔ)義，從而形成種類(lèi)繁多的面向特定知識(shí)的語(yǔ)境解析引擎，這就像不同的人看同一場(chǎng)景“一株玫瑰花枝上開(kāi)著一朵玫瑰花”，最終得到的卻是不同的結(jié)果，有的人說(shuō)“花中有刺”，而有的人卻說(shuō)“刺中有花”，其實(shí)從本質(zhì)上講，他們看到的場(chǎng)景是一樣的，但是后續(xù)的思維加工、思維計(jì)算過(guò)程卻不一致，因?yàn)樗麄冊(cè)谒季S計(jì)算過(guò)程中分別強(qiáng)調(diào)了不同的因素，前者強(qiáng)調(diào)了“刺”，而后者強(qiáng)調(diào)了“花”。因此在后期，將針對(duì)特定人群，推出特定的組合概率識(shí)別引擎，以提升分析的成功率。
?
6、視覺(jué)解析引擎
1）視覺(jué)范圍內(nèi)單個(gè)物體識(shí)別
“視覺(jué)解析引擎”是基于知識(shí)圖譜和事物組合圖譜的數(shù)據(jù)，按照一定的分析方法對(duì)視覺(jué)范圍內(nèi)的事物進(jìn)行解析的系統(tǒng)，通過(guò)“視覺(jué)識(shí)別引擎”對(duì)場(chǎng)景內(nèi)事物的逐一識(shí)別，以及事物之間的組合分析，最終全部理解視覺(jué)場(chǎng)景信息的一種技術(shù)。
具體來(lái)說(shuō)，通過(guò)深層學(xué)習(xí)來(lái)構(gòu)建可視化知識(shí)圖譜，并通過(guò)知識(shí)圖譜的多層特征體制來(lái)分析圖片中的事物，進(jìn)而我們可以解析出場(chǎng)景中的所有事物（不一定都準(zhǔn)確），由于在同一類(lèi)場(chǎng)景中，不同事物形成的組合往往具有相互限制的作用（事物組合數(shù)據(jù)），因此我們可以通過(guò)這種限制作用（事物組合數(shù)據(jù)）來(lái)分析事物，最終全部解析場(chǎng)景信息的一種技術(shù)，這一過(guò)程涉及到了大量基于數(shù)據(jù)的推理判斷。
如果是視頻，具有時(shí)間線緯度，那就可以獲取更多的分析數(shù)據(jù)。當(dāng)場(chǎng)景跟隨著時(shí)間而漸進(jìn)變動(dòng)時(shí)，我們就可以從多個(gè)視角來(lái)觀察目標(biāo)場(chǎng)景中的每一個(gè)事物，從而獲取更豐富的視覺(jué)數(shù)據(jù)，這將增加分析的準(zhǔn)確度。
2）通過(guò)“事物組合圖譜”數(shù)據(jù)來(lái)對(duì)場(chǎng)景進(jìn)行深度分析
視野場(chǎng)景中具有眾多事物，這些事物之間往往具有相互聯(lián)系，甚至部分事物可以構(gòu)成一個(gè)組合，或者說(shuō)這些事物往往以組合的方式出現(xiàn)，比如茶杯中的熱水與冒出的熱氣，因此可以通過(guò)它們之間的組合在一起的概率非常高，而其它可能性卻非常低，可以通過(guò)這種模式來(lái)分析事物。再比如說(shuō)，一個(gè)人在一個(gè)秤上秤體重，我們很容易想到的是這個(gè)人在稱體重，而不是這個(gè)人在觀察這個(gè)秤是否美觀，是不是容易壞，它多貴，因?yàn)榍耙环N可能性出現(xiàn)的概率要遠(yuǎn)高于后者。
系統(tǒng)性的分析場(chǎng)景內(nèi)的所有事物，以及這些事物之間的常見(jiàn)可能性組合，基于類(lèi)似組合的可能性走向或特點(diǎn)，就可以理解圖片信息。
3）識(shí)別步驟
場(chǎng)景識(shí)別過(guò)程大致分為以下五個(gè)步驟：
①?針對(duì)圖像主體元素的識(shí)別，得出圖像的場(chǎng)景主題、主要構(gòu)成元素。
②?針對(duì)每一個(gè)元素進(jìn)行逐一詳細(xì)識(shí)別。
③?基于事物組合圖譜的數(shù)據(jù)，將各個(gè)事物重新組合到一起，并對(duì)所有元素的組合結(jié)構(gòu)、視覺(jué)呈現(xiàn)等進(jìn)行分析，從而完成對(duì)圖片的完整分析。
④?如果這是一個(gè)自然、真實(shí)生活中的案例，則將這個(gè)案例的相關(guān)數(shù)據(jù)進(jìn)行簡(jiǎn)要?dú)w檔，也即歸入相關(guān)知識(shí)單元與知識(shí)圖譜里邊，對(duì)曾經(jīng)的知識(shí)圖譜進(jìn)行優(yōu)化。
⑤?如果這種強(qiáng)調(diào)圖片中的那些點(diǎn)，則需要對(duì)這些點(diǎn)進(jìn)行詳細(xì)的識(shí)別、分析。
4）基于類(lèi)似場(chǎng)景分析圖片的含義
一般而言，分析場(chǎng)景的含義，都是通過(guò)同類(lèi)場(chǎng)景的相似性來(lái)理解預(yù)測(cè)現(xiàn)在所面對(duì)的場(chǎng)景的，從而理解場(chǎng)景所表達(dá)的真實(shí)意義。
在大多情況下，同類(lèi)“事物組合”或同類(lèi)場(chǎng)景的最終可能走向，或者它們的來(lái)源于情況，或者會(huì)帶來(lái)那些結(jié)果，或者整個(gè)過(guò)程的價(jià)值（特點(diǎn)），這就是圖像的真正含義。
人們?yōu)槭裁纯吹綉已?#xff0c;會(huì)害怕？
答：因?yàn)樵谶@里發(fā)生意外的可能性比較大，一不小心跌落，就沒(méi)命了，于是害怕，也即出于對(duì)一種可能性危險(xiǎn)結(jié)果的擔(dān)心。
男士為什么喜歡和陌生美女聊天？
答：因?yàn)楹湍吧琅奶旖涣?#xff0c;或許有許多進(jìn)一步發(fā)生的可能，比如成為朋友、一起吃飯、看電影等一系列后續(xù)的可能。
?
舉例：三口之家的郊外旅游
步驟一：
通過(guò)對(duì)這張圖片進(jìn)行簡(jiǎn)單識(shí)別，可以得出這張圖片大致包含的元素為四類(lèi)：
① 、人（3個(gè)人）；
② 、草坪、樹(shù)木、天空；
③ 、熱氣球；
④ 、文字（logo）。
通過(guò)這四個(gè)元素的組合分析，可以得出，這張圖大致是一個(gè)郊外游玩圖。
步驟二：
針對(duì)圖像中的某些元素組合進(jìn)行具體的分析，比如以“人”這個(gè)元素為例，很顯然能夠分析出圖中一共有3個(gè)人，進(jìn)行更具體的分析，可以得出一個(gè)男士、一個(gè)女士、還有一個(gè)小女孩，如果機(jī)器能夠識(shí)別出她們是手牽手，再加上男士、女士、小女孩這樣的結(jié)構(gòu)，可以得出這很可能是一個(gè)三口之家。
以類(lèi)似方式完成對(duì)自然景觀（草坪、樹(shù)木、天空）、熱氣球、文字的分析。
步驟三：
這是一幅什么樣的場(chǎng)景？
答：三口之家歡快的郊外旅游圖，“歡快”怎么來(lái)？，因?yàn)榛陬?lèi)似場(chǎng)景的統(tǒng)計(jì)分析，郊外旅游一般都是一件開(kāi)心的事。
?
7、語(yǔ)境解析引擎
語(yǔ)句解析簡(jiǎn)要流程
1）人基于什么進(jìn)行交流？
人的所有交流都基于以下五類(lèi)真實(shí)的素材：
①?視覺(jué)層面：可視化方面，素材、圖畫(huà)、動(dòng)作、圖景隨時(shí)間變化……
②?味覺(jué)層面：味覺(jué)感官，如：甜、苦、澀、酸……
③?聽(tīng)覺(jué)層面：聽(tīng)覺(jué)感官，如：音質(zhì)連續(xù)、間斷、跳躍、清晰、模糊、洪亮、清脆……
④?觸覺(jué)層面：皮膚感官，如：柔軟、堅(jiān)硬、摩擦……
⑤?嗅覺(jué)層面：嗅覺(jué)感官，如：臭、香……
2）基于語(yǔ)境展現(xiàn)的語(yǔ)句分析
人類(lèi)所有的交流都是基于事實(shí)的、能夠真實(shí)感受到的事物來(lái)進(jìn)行的，當(dāng)機(jī)器解析自然語(yǔ)言時(shí)，也需要將其轉(zhuǎn)成事實(shí)的、能夠真實(shí)感受到的事物。因此，“語(yǔ)境解析引擎”主要是將語(yǔ)言還原成一幅真實(shí)的圖畫(huà)，并基于“知識(shí)圖譜”、“事物組合圖譜”對(duì)其進(jìn)行深度解析的一種技術(shù)。
基于語(yǔ)境解析引擎的自然語(yǔ)言理解主要包括以下幾個(gè)部分：
①?基于事物組合圖譜尋找話語(yǔ)語(yǔ)境中的類(lèi)似事物組合場(chǎng)景；
②?用類(lèi)似事物場(chǎng)景的各種屬性特點(diǎn)去理解話語(yǔ)場(chǎng)景；
③?如果針對(duì)話語(yǔ)語(yǔ)境中的某些點(diǎn)需要著重分析，則調(diào)取“知識(shí)圖譜”或“事物組合圖譜”數(shù)據(jù)進(jìn)行深入分析。
舉例1：“狗走進(jìn)了房間，他是毛絨絨的。”
“狗走進(jìn)了房間，它布滿了家具。”
毛絨絨是狗的“外形表述”，家具是一個(gè)物體，房間更多是一個(gè)空間區(qū)域，布滿則是物體擺放的位置，因此，基于人工智能技術(shù)，我們很容易通過(guò)語(yǔ)境來(lái)理解語(yǔ)句的語(yǔ)義。
要基于事物組合圖譜進(jìn)行可視化動(dòng)態(tài)聯(lián)想，將一句話展現(xiàn)為一幅動(dòng)態(tài)簡(jiǎn)約語(yǔ)境圖畫(huà)，如下邊例子所示：
舉例2：“詠鵝”古詩(shī)用圖畫(huà)表示出來(lái)
詠鵝
鵝，鵝，鵝，曲項(xiàng)向天歌。
白毛浮綠水，紅掌撥清波。
基于語(yǔ)境解析技術(shù)將古詩(shī)語(yǔ)境用圖畫(huà)展示出來(lái)，如下圖所示：
3）語(yǔ)境分析引擎
任何一幅語(yǔ)境圖畫(huà)所展現(xiàn)的內(nèi)容都是無(wú)窮多的，這無(wú)窮多的可能會(huì)帶來(lái)成千上萬(wàn)種語(yǔ)義可能，通過(guò)將語(yǔ)境所有事物按照可能性組合在一起，對(duì)這種事物組合的類(lèi)似場(chǎng)景進(jìn)行分析，來(lái)獲取最有可能表達(dá)的那種語(yǔ)義，并最終獲取某一語(yǔ)句表達(dá)的真實(shí)語(yǔ)義。
當(dāng)然，語(yǔ)境中的事物可能會(huì)出現(xiàn)多種組合形式，每一種組合形式都可能會(huì)對(duì)應(yīng)相應(yīng)的語(yǔ)義。但語(yǔ)境具有糾錯(cuò)機(jī)制，隨著語(yǔ)句的持續(xù)，當(dāng)發(fā)現(xiàn)前邊的理解有誤時(shí)，即前邊的某一語(yǔ)句表達(dá)的并不是概率最高的那個(gè)語(yǔ)義時(shí)，可以糾正前邊的語(yǔ)句語(yǔ)義理解。
其實(shí)從另一方面來(lái)講，“話語(yǔ)”本身是能表達(dá)多種含義的，而語(yǔ)境對(duì)語(yǔ)義具有限制作用，將一句話限制在某一確定的語(yǔ)義，也即話語(yǔ)能夠表達(dá)多種不同的含義A/B/C/D，每種含義的概率分別是35%、30%、25%、10%，語(yǔ)境將語(yǔ)義限制在其中的某一種，比如B。
語(yǔ)境對(duì)語(yǔ)義的制約有多種情況，比如，同樣一句話，不同身份的人所表達(dá)的語(yǔ)義不同。例如：
一位教師說(shuō)：“明天上午八點(diǎn)我去上課。”
一個(gè)學(xué)生說(shuō)：“明天上午八點(diǎn)我去上課。”
上面的兩個(gè)例句中，教師和學(xué)生雖然都說(shuō)同樣的話，由于教師和學(xué)生的職務(wù)身份不同而決定了同樣一句話的語(yǔ)義不同，教師說(shuō)這句話的意思是“去講課”，而學(xué)生說(shuō)句話的意思是“去聽(tīng)課”。
按照傳統(tǒng)的語(yǔ)句邏輯分析，很難解決這種語(yǔ)義分歧錯(cuò)誤，但是在人工智能大數(shù)據(jù)統(tǒng)計(jì)分析的情況下，這個(gè)解決起來(lái)就太簡(jiǎn)單了，通過(guò)大量的數(shù)據(jù)分析發(fā)現(xiàn)，“學(xué)生”與“上課”這兩個(gè)事物組合到一起，99.9%的概率是去學(xué)生去聽(tīng)課，So easy！
再比如，同樣的一句話，在不同的時(shí)間、地點(diǎn)、場(chǎng)合，就有不同的語(yǔ)義。
例如：“都八點(diǎn)了！”
按照傳統(tǒng)的語(yǔ)句解析技術(shù)，這句話很難理解，由于缺乏語(yǔ)境，它的語(yǔ)義很難確定。但是按照人工智能技術(shù)，這個(gè)問(wèn)題很簡(jiǎn)單，通過(guò)大數(shù)據(jù)分析，可以直接給出，這句話出現(xiàn)在各種場(chǎng)景中的概率：
①?快點(diǎn)走，否則飛機(jī)晚點(diǎn)了（0.1%）
②?快點(diǎn)走，否則上班時(shí)間要遲到了（15.1%）
③?快點(diǎn)走，否則上課要遲到了（11.1%）
④?你沒(méi)有時(shí)間概念（14%）
……
至于最終表達(dá)的是一種什么樣的含義，無(wú)所謂，隨著語(yǔ)境的持續(xù)而自然解決。
舉例：交通事故
一位剛學(xué)會(huì)騎自行車(chē)的姑娘，因有急事飛駛在郊外的大馬路上。這時(shí)，她發(fā)現(xiàn)前面有個(gè)老人在路邊散步，她心里很慌亂，便在背后大聲叫道：“老大爺，站一下，請(qǐng)站住別動(dòng)！”老人隨即站住，沒(méi)有回頭，只等姑娘過(guò)去。但不幸得很，姑娘三歪兩歪一下子撞在老人身上，老人摔倒了。老人爬起來(lái)說(shuō)：“我說(shuō)你讓我站住干什么，原來(lái)你是要瞄準(zhǔn)呀！”
整個(gè)段子的語(yǔ)言解析的字?jǐn)?shù)比本文所有字?jǐn)?shù)還多，簡(jiǎn)略起見(jiàn)，僅對(duì)其第一句話進(jìn)行解析：“一位剛學(xué)會(huì)騎自行車(chē)的姑娘，因有急事飛駛在郊外的大馬路上。”
①?“姑娘”是“女孩”的另一種稱呼，這點(diǎn)通過(guò)知識(shí)圖譜可以得到；
②?“自行車(chē)”是一種物體，通過(guò)知識(shí)圖譜可以查到；
③?“馬路”是“公路”或“泊油路”的另一種稱呼，是一個(gè)事物，通過(guò)知識(shí)圖譜可以查到；
④?“郊外”是一個(gè)“事物組合”，通常指麥田、道路、野草、村落等組成的場(chǎng)景，通過(guò)“事物組合圖譜”可以查到；
⑤?“騎自行車(chē)”是“人”與“自行車(chē)”兩種事物組合在一起的一種運(yùn)動(dòng)狀態(tài)，在“事物組合圖譜”里邊可以
⑥?“剛學(xué)會(huì)騎自行車(chē)”是“人”與“自行車(chē)”兩種事物組合在一起的一種運(yùn)動(dòng)狀態(tài)的子集，這在“事物組合圖譜”里邊可以查到；
⑦?“有急事”是“人”與“事情”兩種事物組合在一的一種狀態(tài)子集，這在“事物組合圖譜”里可以查到；
⑧?“飛馳”是車(chē)輛等事物運(yùn)動(dòng)過(guò)程中的一種描述，這在“事物組合圖譜”里可以查到；
⑨?基于上述這些理解與數(shù)據(jù)，通過(guò)“語(yǔ)境解析引擎”，很容易將這句話解析出來(lái)，最后給出的是一個(gè)還原的簡(jiǎn)略過(guò)程“描述視頻”，也即為該句話的“語(yǔ)境”，也即理解這句話的含義。
基于“知識(shí)單元”、“知識(shí)圖譜”、“事物組合圖譜”、“視覺(jué)解析引擎”、“語(yǔ)境解析引擎”等技術(shù)，已經(jīng)能夠完美搭建基于自然語(yǔ)言的龐大數(shù)據(jù)庫(kù)，并能夠以極高準(zhǔn)確率識(shí)別自然語(yǔ)言，可以說(shuō)，這已經(jīng)為真正實(shí)現(xiàn)人工智能搭建了良好的基礎(chǔ)，但這僅僅是整個(gè)“人工智能”技術(shù)體系中的一部分，鑒于本文篇幅，剩下的那部分將在后續(xù)的文章中展現(xiàn)給大家。
最后想說(shuō)一句話：中國(guó)創(chuàng)新，改變世界！
總結(jié)
以上是生活随笔為你收集整理的一眼看清高科技，深度解析人工智能技术脉络的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇： Linux驱动开发-编写(EEPROM)
- 下一篇： Dev-C++5.11游戏创作之躺平发育