看懂人工智能发展的这些年

据图灵的想法，要判断一台机器能不能思考，必须通过一个所谓的模仿游戏，由于这个游戏太过经典而被后人称为图灵测试，在这个测试当中由一个发问人C同时对不同房间内的机器A与人类B持续发问，只要C无法分辨AB谁是计算机谁是人类，我们就可以宣称房间内的机器是一台能思考的机器。

从穷举到分类

从那之后人们花了很长一段时间研发，试图制造出能通过图灵测试的机器或算法，在1997年，当时最先进的IBM深蓝计算机击败西洋棋世界冠军，尽管看似很厉害，殊不知这背后也只是让计算机穷举所有可能性，从中挑选最有利的步数去走而已，说穿了就跟GPS导航系统从已知的所有地图路径当中选择最佳路径没什么两样。

然而面对无限多种可能性的现实世界，这样的暴力穷举法显然无法套用到大多数更为复杂的现实情况，要把AI应用在日常生活当中，我们还是需要寻找更有效率的做法，而人类累积智慧的方式就是一个很好的参考方向。人类的智慧，来自于经验，也就是不断地学习与记取教训，在一次次的尝试错误当中调整自我对外界的认知，如此一来当下一次遇到类似的状况我们就能轻易利用过往的经验来判断与应对未知的未来，同时，为了大幅减少所需记忆和处理的内容，人们也很擅长把类似的东西分类贴标签，把大量的信息归纳为少少的几类，套用同样的概念我们有没有可能把经验也就是历史资料喂给机器去学习从而自动找出事件特征与结果之间的关联模型，而变成一个能预测未来数值或者自动分类与决策的程序。

自动分类的方法

关于预测数值一个很直觉的想法就是找出事件特征与结果之间的数学线性关系，举例来说，假设在某个地段有一间10平米的房子以10万成交，另一间20平米的房子以20万成交，根据这样的信息我们就能合理推断出成交价与坪数之间大约就是每平米10万的关系，而当成交信息愈来愈多时，我们也能利用梯度下降之类的技巧找出一条最符合所有资料的回归线，进而获得一个用梯度下降数来预测房价的模型，这就是所谓的线性回归法。

（编辑：宁德站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!