进击的人工智能

2017进击的人工智能目录1.什么是人工智能2.人工智能发展简史3.人工智能技术发展4.人工智能应用实例介绍5.人工智能在城市设计中的应用探讨6.人工智能的智慧城市简介7.人机共舞时代的来临什么是人工智能1人工智能定义人工智能：ArtificialIntelligence英文缩写：AI简单来说，就是想生产出一种能以人类智能相似的方式做出反应的智能机器。是计算机科学的一个分支，研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等。机器人仅仅是人工智能的一个分支2人工智能评判标准阿兰·图灵英国数学家、逻辑学家，被视为计算机科学之父。阿兰·图灵在1950年发表的一篇名为《计算机器与智能》的论文，提出著名的“图灵测试”，测试者在与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。如果机器能够让30%的测试人相信它是人类，那么这台计算机就可以被认为具有人类的思考能力。图灵测试图灵指出：“如果机器在某些现实的条件下，能够非常好地模仿人回答问题，以至提问者在相当长时间里误认它不是机器，那么机器就可以被认为是能够思维的。”从表面上看，要使机器回答按一定范围提出的问题似乎没有什么困难，可以通过编制特殊的程序来实现。然而，如果提问者并不遵循常规标准，编制回答的程序是极其困难的事情。2014年6月8日，一台计算机（计算机尤金·古斯特曼并不是超级计算机，也不是电脑，而是一个聊天机器人，是一个电脑程序）成功让人类相信它是一个13岁的男孩，成为有史以来首台通过图灵测试的计算机。这被认为是人工智能发展的一个里程碑事件。首次通过测试人工智能发展简史1“人工智能”概念的诞生公认的起源要追溯到1956年的夏天。当时有一批有远见卓识的年轻科学家，以麦卡锡、明斯基、罗切斯特和申农等为首，一起在达特茅斯会议上提出研究用机器模拟智能的一系列有关问题，标志着“人工智能”正式诞生。2006年，会议五十年后，当事人重聚达特茅斯。2人工智能发展热潮网上流传着一幅有关“人工智能发展成熟度曲线”的漫画——每次热潮一来，人们都会喊“天啊！人类要毁灭了！”，当逐渐认识到当时的人工智能还有各种局限，便会产生极大的心理落差，破口而出“骗子”！去年，人工智能领域的创业公司开业速度甚至超过了肯德基的开店速度。业内普遍认为，和前两次AI热潮相比，这一次人工智能复兴的特点是更“有用”，更“务实”，应用场景也更加贴近产业和生活。人工智能概念有多火？创新工场董事长李开复在《人工智能》一书中写道，人工智能热潮至今已经有三波，20世纪60年代前后算一波，20世纪80年代到90年代前后有一波，AlphaGo这是第三波。AlphaGo阿尔法（AlphaGo）是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能程序，由谷歌（Google）旗下DeepMind公司戴密斯•哈萨比斯领衔的团队开发。其主要工作原理是“深度学习”。“深度学习”的概念源于人工神经网络的研究，由Hinton等人于2006年提出。是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。2016年3月，阿尔法与李世石进行围棋人机大战，以4比1的总比分获胜；2016年末2017年初，该程序在中国棋类网站上以“大师”（Master）为注册帐号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩；2017年5月，与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。2017年5月27日，在柯洁与阿尔法围棋的人机大战之后，阿尔法围棋团队宣布阿尔法围棋将不再参加围棋比赛。3不同的发展阶段弱人工智能擅长于单个方面的人工智能。人类级别的人工智能，可以替代大部分人类工作。强人工智能在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能。超人工智能人工智能技术发展1传统人工智能-老师带学生下国际象棋简单游戏AI量化投资专家系统人类得自己学会并形成经验总结编辑好算法才能让机器执行猜你喜欢机器没有自主学习能力，永远不可能比人聪明2走向自主学习对具体问题提出了很多新的解决方案新的数学模型和算法摩尔定律下的硬件计算能力飞跃，是新一代人工智能算法的基础摩尔定律提供了发展工具和学习材料大数据的发展计算能力的提升是基础3机器学习非监督学习增强学习监督学习目前人工智能的发展，主要通过有监督的深度学习算法，解决语音识别、图像识别、自然语言理解等总样本量有上限的相对“有穷大”问题。增强学习算法主要从任意初始状态开始，机器与外部环境持续交互，通过不断试错和累积回报来“学习”最佳策略，在这个过程中外界不给予直接指导（监督），只给予间接的或是远距离的回报（Reward）。4围棋高手ALPHAGO深度卷积神经网络MCTS，蒙特卡洛搜索树及左右互搏MCTS算法，蒙特卡洛搜索树用于持续改进下棋方法。评价函数v(s)输入3000万盘人类围棋对战棋谱，让AlphaGo学习，自主提炼规律，仅凭此达到业余6段的水平。后期制造两个AlphaGo对下，快速持续进化。学会评估局势，确保选择全局最优的策略，培养大局观围棋是可能性无穷大（围棋盘19*19，可能性10的171次方）的问题，复杂度远远超过国际象棋。如果用一个原子来存储围棋可能的状态，把全宇宙的原子加起来都不够储存所有的状态，因此之前很多围棋高手都不看好AlphaGo，合理的深度学习算法才能取胜。AlphaGo利用超过170个GPU，粗略估算超过800万核并行计算，不仅有前期训练过程中模仿人类，自我对弈不断进化，还有实战时的模拟对局可以实时进化，已经把现有方法发挥到了极限，是目前人工智能领域绝对的巅峰之作。5新技能get机器视觉音乐创作图像识别机器学习能解决像围棋这么复杂的问题，那么借鉴AlphaGo，能应用机器学习解决的问题就很多了无人驾驶6小结上述的进步更多是沿着统计机器学习的理论路径发展，都是解决具体问题的弱人工智能。强人工智能仍然有待发展。人工智能应用实例介绍1会「撸banner」的鲁班2016年的“双11”，中国最大的电商企业阿里巴巴，一套人工智能系统做了1.7亿张广告图片，精准投放后，广告点击率提升了百分之百。这套人工智能系统叫做「鲁班」，据说是「撸banner」的谐音。（banner：横幅图片的广告模式）此平台目前其设计水平已经非常接近专业设计师设计的效果。以一个广告Banner为例，我们把它归类为“大量低质易耗”的设计，这样的设计，设计师花一天做出来，在线上投放时间也只有一天。而且是重复的，改改字就可以了，非常适合被机器所取代。1会「撸banner」的鲁班这是鲁班从诞生的第一版到最近一版的发展历程。2016年9月，勉强完成一张图片的拼合，没有什么美感可言。第二张是去年圣诞节前做的广告，稍微看起来精致一点，整个设计还是非常简单。第三张是2月份的进展，基本上可以根据这个商品输入主体的氛围，找到最符合的背景氛围，整个设计细节和结构，看起来更稳定一点。1会「撸banner」的鲁班学习设计逻辑de四个组成部分：设计框架、元素中心、行动器、评估网络（相关文章：阿里智能设计实验室负责人乐乘解读：当设计遇上AI）2人工智能绘画人工智能已经可以像人类一样画画了。Google的开源程序DeepDream，能辨识和整理图像，还可以在辨识图像后加入新的元素，创作出新的画作。去年，Google甚至举办了人工智能画展，拍卖会后，29幅机器感十足的画作共筹资10万美元。2人工智能绘画另一款名为Prisma的俄罗斯应用程序，是一款运用了综合人工神经网络技术和人工智能技术，学习模仿各个著名绘画大师和流派的艺术风格，对你的照片进行全智能的风格化处理。也就是说，每个滤镜最后所呈现的照片艺术效果，都是Pisma“模仿”过去那些世界伟大艺术家们的风格，对你的照片进行AI智能分析之后而重绘出来的。印象派、野兽派、浮世绘、波普、解构主义，对Prisma来说都不是问题，而且显得异常轻松——最勤奋的油画画家达芬奇，画一幅普通作品要花一周左右的时间；人工智能机器，只需要用不到20秒。3人工智能创造出前所未有的声音NSynth（NeuralSynthesizer）是一款神经声音合成器，由DeepMind（开发AlphaGo的团队）和谷歌大脑合作发布，它可以直接从数据中学习，为艺术家提供对音色和音乐的力度变化的直观控制，创造出人工方法不可能实现的音乐。除了谷歌、索尼、百度等巨头在探索人工智能在音乐上的运用外，很多初创公司也在尝试。来自纽约的初创公司AmperMusic是其中之一。不管有没有音乐经验或相关技能，只要使用AmperMusic的工具，任何人就能在几秒钟内完成编曲。用户只需选择一个自己想要表达的情感、以及歌曲期望播放时长，然后点击“Render（渲染）”按键。4能诗会唱的少女“小冰”微软的人工智能小冰最近出了一本诗集，叫《阳光失了玻璃窗》，它作诗方式是“读图作诗”，给它一张图，瞬间就能完成一首诗。据说她的创作“师承”1920年以来519位现代诗人的作品，经过1万次训练后，形成了自己的文风。《幸福的人生的逼迫》作者：小冰这是一个诗人的教堂上太阳向西方走去我被抛弃可信的蛇会做云层鱼的声音听不见声音的天气若近是语言文字的艺术为自然的国人待从我的心灵幸福的人生的逼迫这就是人类生活的意义5建筑界的AlphaGo小库XKool，由小库科技开发，据说是世界上第一个人工智能建筑师，也是第一款在实际建筑应用层面上实现了人工智能的SaaS系统。它结合了机器学习、大数据与云端智能显示等技术，能帮助建筑师和开发商完成常规的分析、规划和建筑设计前期工作。可以介入整个设计阶段的前40%，包括拿地强排、概念设计等，还可以对接后期深化设计和施工。深圳湾某产业园概念竞赛阶段项目平面生成（单机版小库实践）5建筑界的AlphaGo首先，小库可以减少90%前期时间投入。设计师拿地方案一般要1-2周，小库可以即时设计出多个方案，一天内完成拿地方案比选。其次，错误率可降低99%以上，试错成本降低。最后，还能减少90%的经济投入。拿地方案一般为几万到十万不等，后续设计费更是高达几百上千万。而小库仅需花费千百元，就能拿到完整的方案和精确的数据。深圳湾某产业园概念竞赛阶段项目平面生成（单机版小库花了几秒钟做的强排方案）5建筑界的AlphaGo2011年，深圳湾某产业园项目全球公开招标，概念竞赛阶段规定两三周时间内，必须完成100万平方米的城市和建筑设计，按常规方式来走，这个方案设计是很难在规定时间内完成的。于是小库创始人团队就想到了运用以往研究成果，优化成一套设计辅助系统，再短时间内计算出了多种设计可能性。最终方案兼具深度和广度，从100多家竞争机构中脱颖而出。这就是小库雏形的由来。人工智能在城市设计中的应用探讨51人工智能与城市设计reMIXstudio|临界工作室联合创始人NicolaSaladino在Goooodidea专辑中提出“在这个自动化与人工智能的时代，建筑与城市设计将如何演变？”他认为“像富士康这样的企业，正在解雇生产线上成千上万名员工，机器代替了大量的人力；如果谷歌旗下的深度大脑（DeepMind）阿尔法狗（AlphaGo）已经可以在围棋领域战胜人类，那么被机器取代的将不再只是蓝领阶层，白领也可能很快面临相似的局面。”城市设计中，需要传承历史，风格各异，但涉及到法律法规、多规合一，以人为本、因地制宜等原则性规则，目前主要以遵守规范、技术论证、专家德尔菲法、计算机辅助等手段来支撑城市设计的各个环节，人工智能的渗透还远远不足。目前渗透仍显不足人工智能在某项专业领域中的应用，是建立感知、输入、记忆、分析、知识、推理、判断、预测的过程。（本章节探讨的城市设计,是狭义的城市设计、交通设计这个具体工作，而非广义的城市设计内容。）2未来预期功能从发展需求看，城市设计过程需要人工智能技术的应用，需要通过一定的数据输入、学习、知识推理来自动完成完全遵照规范的规定性参数设计，需要自动化判别城市设计是否符合规范，是否因地制宜，是否效益最大化，甚者，人工智能的高层次可