不做标题党：AI大热之中的自我清醒认识

从各大手机厂商推出的语音助手到Google的AlphaGO再到汽车厂商必争的无人驾驶，火热的智能家居物联网，这些无不跟AI（人工智能）有着莫大的联系。AI正在全面开花，悄然影响着人们的生活。

AI（Artificial Intelligence 人工智能的英文缩写），人工没有什么争议，通俗来讲只要是人生产的都是人工的。关于智能就有很大的争议了，不同时期对于智能有着不同的定义，比如人类进化史中的“智人”，是相对于原始人类的智能；智能手机，是相对于过去无法安装应用程序的手机的智能；智能家居，是相对于的无法联网家具的智能；智能从这些层面上看，更像是一种进步的过程，而不是一个名词。

言归正传，回到当前历史阶段的智能，比如智能手机，智能家居，深蓝，AlphaGO等都是计算机学科的产物，更准确的说都是“软件+硬件”功劳，而软件是算法的实现。提到算法，就开始云里雾里了，其实只是一个名字而已，算法就是解决问题的方法和步骤，没错就是这么简单。洗衣服的步骤是算法，扫地的步骤是算法，计算机实现起来就是软件和硬件，如扫地机器人，全自动洗衣机，人执行起来就是体力活。现在所谈的智能，更多的是指算法，模仿人类的操作。AI也是模仿人类的操作，也是一种算法，是学习人类的思考过程，是一种学习算法，比如深度学习算法。相对于前者是更高程度上的模拟，更对得起智能二字。AI本质上是一种算法，表现在计算机上就是软件。与传统算法不同的是AI的学习算法，需要海量数据训练。机器也开始学会思考了……

如同人类的学习过程，不断地认识新事物，进而创造新事物。AI技术需要用庞大的数据不断训练，进而发现数据背后的本质。AI算法工程师根据算法的学习情况，进行迭代完善学习算法。文字识别举例：给AI算法输入尽可能多的数字“2”的图片，以后遇到地球上某个国家某个地区的人写的数字“2”，才可以正确认识。那么多少算多啊，多少也不算多，文字识别算法可能永远无法实现正确率百分之百，当然文字识别也许并不一定需要学习算法来实现，但是如果把数字”2”换成别的事物，如鸡蛋，猫等呢。识别数字“2”的传统算法可能就要推翻重来，但是AI算法只需要用换个训练对象即可。AI给人们解决问题提供了全新的思路。

AI既然需要大数据进行训练，训练AI算法就需要就面临耗时与费力两个问题。AI如果使用传统的通用型处理器，那么将需要很长的时间去训练，真成了“养孩子”，而且消耗的硬件也价格不菲，AI便失去了其应用价值。而GPU的强大并行运算能力，让AI有了成长的动力。GPU即图形处理器，渲染图像本身就是大量的运算，是GPU的强项，同样是处理器，便可以进行编程，将AI算法运行在可以并行运算的GPU上运算就可以大大缩短训练的时间，进而变得实用。以显卡著称的NVIDA也成为AI迅速发展背后最大的赢家。GPU也成为手机SoC的标配，用以完成语音识别，人脸识别等需要大量运算的AI操作。GPU也不是AI的唯一选择，将AI算法用硬件实现，软件和硬件具有逻辑等价性，同样的功能用软件实现，也可以用硬件实现，AI用软件实现成本不再低于硬件的时候，就可以考虑使用硬件实现，至少可以将其中部分用硬件来代替，进而提高性价比，更有利于商用。比如摄像头使用的专门用于人脸识别的AI芯片，语音识别芯片等，都是软硬结合的代表。降低成本的同时，也将AI芯片的功能将变得专一，失去灵活性。总之，无论是增加主频，并行，还是软件硬化，都是因为AI需要强大的运算能力作为支撑。

大量GPU或者专用AI芯片（FPGA，ASIC等形式）配合CPU组成超级计算机，来提供并行运算能力。如此巨大的AI大脑，可作为云端使用，利用网络与终端进行交互，需要运算的东西交给云端来完成，本地只作为简单的输入和输出，类似于网络中B/S（浏览器/服务器）模式，大大减轻了对于终端的硬件要求。例如手机中语音助手，聊天工具中客服机器人都是典型的云端AI，云端AI受限于网络和连接数量，当网络情况恶劣或者同时连接数量巨大时，延时问题就变得突出了。对于算力要求不是太高或者AI的功能专一化之后，配合单个GPU或者AI芯片或NPU（嵌入式神经网络处理器）就能完成，这样的便可以在终端实现。比如手机中人脸识别，文字语音识别也属于AI的范畴，但是终端的存储和处理速度有限，正确率要低于云端，同时带来的是低延时。二者结合是目前最广泛应用的AI解决方案。在网络情况良好时云端处理，在网络情况欠佳时先本地处理。

当AlphaGO战胜人类后，AI太厉害了！自己做的工作是不是哪天也会被面临被AI取代的。其实大可不必有这样的担心。基于深度学习算法的AI技术，主要应用在有规则可循的领域，如AlphaGo要遵循围棋的规则，这是AI解决问题的关键。如果某个问题可以用数学来建模，都不要用AI来完成，直接将模型用算法实现，那么问题也就解决了。对于人类来说繁琐甚至重复的工作，其实并没有规则可循，会出现各种突发状况，AI最有可能是帮助人们工作，至于取代人类工作，恐怕会让人失望了。

无人驾驶技术，也成了各大汽车厂商的必争之地，笔者以为使用AI技术应用在无人驾驶领域的方向是中央控制的方式。基于深度学习算法的AI技术，是模拟人类的思考过程。是人就难免犯错，而且AI技术其学习算法本质就决定了不能达到百分之一百的的正确性，在马路上同时有无人驾驶和司机驾驶的情况下，出现事故的可能性不会降低，虽然无人驾驶不会出现疲劳驾驶的情况，但是依然会有判断失误的概率；但是如果全部是无人驾驶，由控制中心统一支配和调度，完全取代司机驾驶，确是非常可取的。在真正无人驾驶来临之前，可能会先出现小范围无人驾驶示范区（只允许无人驾驶的区域），不断完善无人驾驶系统，最后范围不断扩大，最终实现真正的无人驾驶，而不太可能会出现无人驾驶与司机驾驶同时出现的马路上的情况。

当然AI技术在辅助医疗，风险预测，资源的合理分配等等只要是积累了大量数据并且有一定规律可循的领域，一旦成功运用，就可以发挥意想不到作用。AI技术的三大关键技术：大数据、算法和高性能并行处理处理器。算法和高性能处理器已经被成熟的算法和GPU/FPGA/ASIC突破，大数据成为得以进一步发展和完善的关键，谁掌握了大数据，谁就掌握了AI的成长的沃土。