论文部分内容阅读
十八世纪，第一次工业革命以机器取代人力，提高了生产力，自此人类文明向工业化时代迈进。在不到两百年的时间里，以电力技术为核心的第二次工业革命、以计算机和信息技术为核心的第三次工业革命相继到来，机器的发展，生产力的提高，都与人类社会的现代化进程密不可分。而当下，人工智能、增强现实技术、量子通信正在酝酿一场新的科技革命，数据的洪流向上走，进入云端，每个生命都能抽象成一个链接。新的浪潮即将到来，你准备好了吗？
[1]
和许多人因为社会热度选择人工智能不同，任小明之所以选择人工智能，完全源于他和机器频繁“互动”所产生的真情实感。
大学期间，任小明的专业是电气工程和自动化。这四年里，他经常与机器打交道。他从大二开始学习单片机课程，通过弱电控制强电，让机器按预定的程序或指令自动执行操作。一开始他还觉得挺有意思，但时间久了，他觉得这些事先设定好的程序自动调整处理能力弱，操作起来不够灵活。他想，有什么方法能让机器根据不同的情况作出调整呢？
有一天，灵感终于来了。那是一场全国大学生“飞思卡尔杯”智能车竞赛，参赛的很多智能车都采用红外线检测路线的设计，可红外线只能扫描到近处的障碍物，一旦车速提升，红外线经常来不及反应。这时，引入图像识别技术的智能车体现出了绝对的优势。不同于红外线有限的作用范围，摄像头可以拍摄到远处的影像，智能车中安装的单片机通过对拍摄到的图像进行读取和识别，让智能车在高速行驶的过程中，能更好地规划行进路线。这项属于人工智能领域的图像识别技术，让任小明产生了浓厚的兴趣——如果把人工智能运用在其他机器上，是否可以让机器根据实际情况更加灵活地进行判断和调整？
大学毕业后，任小明被保研至中国科学技术大学自动化系的模式识别与智能系统专业，正式进入人工智能领域。人工智能软件能够感知、推理、行动和适应，现在在图像识别、语音识别、自然语言处理三个方向表现得尤为突出。
和电影中可以思考、可以交流、可以创作的强人工智能不同，现实的人工智能属于弱人工智能，它既不能和你进行有意义的谈话，也不能独立思考或解决程序里没有的问题。它的逻辑和算法最初只来源于人工编程，但在处理庞大的数据流时，机器会建立起自己的业务逻辑，不断改进算法。这个自主改进算法的过程被称为机器的“自主学习”。
[2]
一张图画里，我们能看到靓丽的少女笑靥如花，但是在人工智能看来，它只是一串串数据——三原色、几千个像素点……
一段悠扬的音乐传来，我们不禁仔细聆听欣赏，但是对于人工智能来说，它只是比图画麻烦一些的数据。因为图画是静态的，而旋律却不是。人工智能需要将它采样，转化为数字。
简而言之，人工智能的世界和我們的世界完全不一样。人工智能是由数据和算法搭建的数学模型，它的世界是数学的世界。如果数字推导得不正确，它的世界就会崩塌。所以，想要机器“自主学习”，控制机器的你，首先就要学好数学！
举一个例子，在人工智能数学模型的建立中有一个贝叶斯公式，有人这样解释它：“假设袋子里面有N个白球，M个黑球，你伸手进去摸一把，摸出黑球的概率是多少？如果我们事先并不知道袋子里面黑白球的比例，而是闭着眼睛摸出一个或好几个球，观察已经取出来的球的颜色之后，我们可以对袋子里面的黑白球的比例作出什么样的推测？”
基于贝叶斯公式设计的人工智能，能通过数据和概率定义黑球、白球，并对取出来的球进行分析。当新的数据填充进来时，它能不断抓取信息、修正结果，最终做出最有可能的判断。
但如果搭建这个模型的你事先不懂得概率，不了解公式，就不可能搭建起这样的模型。即便你用了正确的公式搭建，也可能会因为微小的错误导致它的崩溃。例如，人工智能识别图片时，只要在图片上添加一些噪点，这张我们肉眼看起来根本没有变化的照片，就会被人工智能识别为完全不同的照片。
“所以人工智能的成功与否也是一个概率问题。即便产生了这样那样的错误，但只要有大概率能成功，对人工智能的研发来说就是成功了。”任小明说。
但在人工智能的背后，那些从事研究的人的成功并非由概率来决定。研究不会一蹴而就，在人工智能开疆拓土的路上，这些研究者们坚持探索和前行，接续传递着奋斗的力量。他们必将爬过高坡，走过险滩，在人类冲向新科技高峰的路途上，留下自己的脚印。
刘畅：我的梦想是成为一名考古学家，我想让尘封在遗迹中的文物重见天日，向世人解锁人类文明的密码，探索沧海桑田的历史，回望金戈铁马的战争，梦回气魄宏大的盛世王朝，走向继往开来的辉煌。
小编：随着信息科技与交通方式的升级，地理上的远方正在慢慢消解，真正的远方变成了历史长轴上的彼岸。考古学家在一块块小小的探方、一叠叠残碎的瓷片中，带我们开启了那扇通往远方的大门——研究古文字，探秘古器皿，开启尘封的史册，旁观秦皇汉武的风流。无论是沉睡地下还是跃动云端，它们都在向我们诉说那泱泱大国的恢宏与过往，而我们只有知道远方在何处，才能更好地走向通往未来的路。祝福刘畅，在这条通往梦想的路上越走越远;期待刘畅，带我们看向中国的远方和未来！
[1]
和许多人因为社会热度选择人工智能不同，任小明之所以选择人工智能，完全源于他和机器频繁“互动”所产生的真情实感。
大学期间，任小明的专业是电气工程和自动化。这四年里，他经常与机器打交道。他从大二开始学习单片机课程，通过弱电控制强电，让机器按预定的程序或指令自动执行操作。一开始他还觉得挺有意思，但时间久了，他觉得这些事先设定好的程序自动调整处理能力弱，操作起来不够灵活。他想，有什么方法能让机器根据不同的情况作出调整呢？
有一天，灵感终于来了。那是一场全国大学生“飞思卡尔杯”智能车竞赛，参赛的很多智能车都采用红外线检测路线的设计，可红外线只能扫描到近处的障碍物，一旦车速提升，红外线经常来不及反应。这时，引入图像识别技术的智能车体现出了绝对的优势。不同于红外线有限的作用范围，摄像头可以拍摄到远处的影像，智能车中安装的单片机通过对拍摄到的图像进行读取和识别，让智能车在高速行驶的过程中，能更好地规划行进路线。这项属于人工智能领域的图像识别技术，让任小明产生了浓厚的兴趣——如果把人工智能运用在其他机器上，是否可以让机器根据实际情况更加灵活地进行判断和调整？
大学毕业后，任小明被保研至中国科学技术大学自动化系的模式识别与智能系统专业，正式进入人工智能领域。人工智能软件能够感知、推理、行动和适应，现在在图像识别、语音识别、自然语言处理三个方向表现得尤为突出。
和电影中可以思考、可以交流、可以创作的强人工智能不同，现实的人工智能属于弱人工智能，它既不能和你进行有意义的谈话，也不能独立思考或解决程序里没有的问题。它的逻辑和算法最初只来源于人工编程，但在处理庞大的数据流时，机器会建立起自己的业务逻辑，不断改进算法。这个自主改进算法的过程被称为机器的“自主学习”。
[2]
一张图画里，我们能看到靓丽的少女笑靥如花，但是在人工智能看来，它只是一串串数据——三原色、几千个像素点……
一段悠扬的音乐传来，我们不禁仔细聆听欣赏，但是对于人工智能来说，它只是比图画麻烦一些的数据。因为图画是静态的，而旋律却不是。人工智能需要将它采样，转化为数字。
简而言之，人工智能的世界和我們的世界完全不一样。人工智能是由数据和算法搭建的数学模型，它的世界是数学的世界。如果数字推导得不正确，它的世界就会崩塌。所以，想要机器“自主学习”，控制机器的你，首先就要学好数学！
举一个例子，在人工智能数学模型的建立中有一个贝叶斯公式，有人这样解释它：“假设袋子里面有N个白球，M个黑球，你伸手进去摸一把，摸出黑球的概率是多少？如果我们事先并不知道袋子里面黑白球的比例，而是闭着眼睛摸出一个或好几个球，观察已经取出来的球的颜色之后，我们可以对袋子里面的黑白球的比例作出什么样的推测？”
基于贝叶斯公式设计的人工智能，能通过数据和概率定义黑球、白球，并对取出来的球进行分析。当新的数据填充进来时，它能不断抓取信息、修正结果，最终做出最有可能的判断。
但如果搭建这个模型的你事先不懂得概率，不了解公式，就不可能搭建起这样的模型。即便你用了正确的公式搭建，也可能会因为微小的错误导致它的崩溃。例如，人工智能识别图片时，只要在图片上添加一些噪点，这张我们肉眼看起来根本没有变化的照片，就会被人工智能识别为完全不同的照片。
“所以人工智能的成功与否也是一个概率问题。即便产生了这样那样的错误，但只要有大概率能成功，对人工智能的研发来说就是成功了。”任小明说。
但在人工智能的背后，那些从事研究的人的成功并非由概率来决定。研究不会一蹴而就，在人工智能开疆拓土的路上，这些研究者们坚持探索和前行，接续传递着奋斗的力量。他们必将爬过高坡，走过险滩，在人类冲向新科技高峰的路途上，留下自己的脚印。
刘畅：我的梦想是成为一名考古学家，我想让尘封在遗迹中的文物重见天日，向世人解锁人类文明的密码，探索沧海桑田的历史，回望金戈铁马的战争，梦回气魄宏大的盛世王朝，走向继往开来的辉煌。
小编：随着信息科技与交通方式的升级，地理上的远方正在慢慢消解，真正的远方变成了历史长轴上的彼岸。考古学家在一块块小小的探方、一叠叠残碎的瓷片中，带我们开启了那扇通往远方的大门——研究古文字，探秘古器皿，开启尘封的史册，旁观秦皇汉武的风流。无论是沉睡地下还是跃动云端，它们都在向我们诉说那泱泱大国的恢宏与过往，而我们只有知道远方在何处，才能更好地走向通往未来的路。祝福刘畅，在这条通往梦想的路上越走越远;期待刘畅，带我们看向中国的远方和未来！