AI熱門應用案例集：學會工程化思維

來自專欄混沌大學

這是一份關於AI熱門應用的案例集，包含了難點、竅門以及最新的研發方向，非常珍貴而又接地氣，值得你反覆研讀和收藏。

? 機器學習未來的發展路徑和前景就是從模塊出發，構建一個複雜系統。

——邢波

邢波，師從機器學習泰斗級學術大咖 Michael Jordan ，卡耐基梅隆大學機器學習和醫療中心主任，2017年機器學習學術水平排名世界第一。

同時，他還是生物化學與計算機科學的雙料博士，創立了通用機器學習平台Petuum，並獲得了軟銀投資。

授課老師｜邢波卡耐基梅隆大學計算機科學學院教授

通用機器學習平台 Petuum 創始人

翻跟頭、倒著飛、倒著轉圈……

想像一下，一個直升飛機駕駛員，他敢這麼飛嗎？

事實上，如今，最好的直升機駕駛員其實是計算機，依靠的就是機器學習。

那麼，怎樣寫一個程序，讓直升機這麼飛？

我很好的朋友，加州伯克利大學的同學吳恩達博士，他的畢業論文就是用增強學習的演算法，寫出了飛行的程序。

他在模擬機上，不斷隨機模擬各種各樣飛行的可能性、環境的可能性，用一個增強學習的程序，對模擬出來的環境和動作進行適應，然後不斷評估、修正，並最終部署在真正的飛機上，實現神奇的特技動作。

其實，這個增強學習的演算法，就是一個典型的機器學習的應用：有學習能力，可以根據大量的場景數據，不斷修正方程里的參數，最後達到一個穩定的狀態。

所以，從本質上講，機器學習是傳統編程的第二曲線，它是一個寫動作的程序，而不是描述動作本身的程序。它是在學習一個方程，而這個方程的X和Y是一個函數、變數，並不是一個確定的值。

?Tips：

回看整個科學史，機器學習變革意義重大

牛頓定律，怎麼發現的？靠的是「人肉智能」：開普勒和第谷積攢了很多行星運行的圖表、數據，然後伽利略和牛頓分析以後，發現規律；

同樣的道理，元素周期表是如何發現的？

16世紀、17世紀的時候，出現了對分子光譜的描述，某幾個物理學家根據這些數據分析發現，氫族、氧族、硫族等都會有同樣的光譜分布，從而發現了規律。

而現在，機器學習的出現，讓數據分析變得非常高效，從而出現了非常多有價值的應用，計算引擎成了無名英雄。比如：

自動駕駛汽車可以實現自我導航；通過遺傳信號可以推斷人類祖先的長相……

機器學習這麼厲害，我在哪裡能買到呢？很不幸，機器學習現在更像一套秘籍，買不到。

接下來，我用一些具體的例子，再詳細分享一下它的難點、竅門。

案例集一：自然語言處理

人讀書，會有兩個基本動作，能讀懂，還能講出來，同理，自然語言處理也包含兩大類工作：理解自然語言和生成自然語言。

理解自然語言

理解是怎麼回事？背誦下來，是不是理解了呢？

因此，需要把理解劃分為不同的具體任務，一旦具體以後，機器就可以找到切入點。

由淺入深，包括以下內容：

• 文本分類

從分好類、有標註的訓練數據出發，採用不同演算法，訓練一個分類器。

舉個例子，分析一個文章，假如「白宮」出現多次，就可以判斷，文章是講政治的。防垃圾郵件的軟體，用的就是這個原理。

• 文本檢索

這是Google等搜索引擎里的常用功能：通過關鍵字輸入，輸出根據相關度排序的結果，再高級點，還有個性化匹配。

舉個例子，搜索蘋果，結果可能是水果，或是手機。

如果搜索引擎對你一無所知，兩個結果都可能靠譜。如果你是一位果農或者一位高科技白領，那麼就能猜出你想要搜的東西。

也就是說，要實現個性化匹配，需要考慮你的生活習慣、行為特徵、以及搜索場景。

• 語音識別

將聲音信號轉化為文本信號的技術，涉及隱馬爾科夫鏈、遞歸神經網路等機器學習模型，智能音箱、Siri等，都屬於這類的應用。

?難點

在嘈雜，或是前後關聯破碎的場景下，機器很難識別清晰，但是人可以，因為有常識、背景知識，比如人在信號很差的電話環境里，連蒙帶猜，也能理解對方的話。

因此，人和機器要有一些互補。

• 知識問答

幾年前，IBM沃森在知識問答遊戲Jeopardy里戰勝了人，很轟動。

其實這個系統並不難，因為知識競賽里的對話很簡單，比如——

誰是美國的第一任總統？——喬治·華盛頓

所以，這個系統是一個純工程，它跟人類智能不一樣。

舉個例子，比如問這樣一個問題：中國不在大河邊上的第二大城市是什麼？

小學生很容易就能回答，但你去Google或者百度，卻找不到答案。為什麼？

不是知識庫里沒有內容，而是它聽不懂你問的是什麼，於是它就懵了！

所以，在這裡面，有一些關鍵問題需要大家特別重視：

?竅門

機器理解人的語言，相當有限，所以，如何提出更好的問題，非常關鍵。

大家天天在講的問題，到底有沒有價值？到底能不能體現出工程的進步、應用或者市場的需要？

• 標準測試

什麼是高級的理解？標準測試，比如，大學的入學考試，托福、GRE等

為什麼人工智慧不去做這種測試？因為比較難，比如：

①得真正看懂測試的問題；

②訓練的時候，不能人為輸入規則，而是直接把教科書交給機器學習，讓它自己把規則、定理、原理、作業題都完全看懂；

③最後自訓練，吃透了以後去考試；

④演算法要能夠給學生解答這個答案的意思。

? 竅門：

教育里最難的一點就是出題庫，然後訓練學生做題。如果有一個人工智慧系統，既能出題，也可以跟學生一起做題，甚至還可以給他解釋，就會有很多價值。

在這樣的做題程序中，深度學習的方法已經被淘汰，其他的機器學習手段得分也不高。下一步，再怎麼往上走？還不知道。

換句話說，既能回答問題，又能提問題，這是人工智慧最弱的方面，也是一個未知的空間。

我們現在正在做這樣的嘗試，讓機器自動的問一些問題，從而達到自訓練或者訓練用戶的目的。

自然語言生成

這是人機界面中，主動來自機器的動作，是一個很好玩的題目，我重點介紹兩個領域的應用：

• 機器翻譯

人在做翻譯的時候，通常先聽完好幾句話，理解後，再用另外一種語言說出來，但是，機器翻譯的主要手段是對齊，把兩個語句做一一對應，很機械。

• 機器對話

在對話系統中，也會有機器味。那麼，什麼才是有人味的對話呢？

一方面是對感情的把握，和對對方感情的理解；另一方面是對相關常識的引用和理解。

這在目前對話系統里，十分困難，因為沒有一個很好的數學模型，對這些任務做清晰的定義。

小結：

新研究方向

大數據即使再大，還是體現不出人類語言中不言而喻的內容，該怎麼辦？

目前，比較新的研究方向是把生成模型和人的背景知識，進行數學層面上嚴格和自洽的融合，把深度學習的技術和人類邏輯學的知識，結合在統一的數學模型里。

這樣就可以把人的感情因素融入生成模型，從而讓對話看上去更有人味。

案例集二：計算機視覺

計算機視覺是現在相當火爆的方向，大致可以分成兩大類問題：圖像感知與視覺推理。

圖像感知

它包含的是一些比較原始和低級的任務，比如：

• 圖像分割：

把不同的色塊，從背景裡面識別出來。

比如一個花花綠綠的人，機器看到的只是幾塊顏色。

• 語義分割：

把不同的色塊重新整合起來，構成有完整單元含義的目標。

比如，人和車，會被分割在比較自洽的邊界內部，然後做標註。行人檢測、安防里的刷臉等，用的就是這個道理。

• 應用案例：

醫療圖像識別

比如對X光、CT等做一個自動的診斷，實現精準醫療。

目前，在實踐中，最大的困難不是對標準圖片的識別，而是在自然工作環境下，對於自然圖片內容的判斷和理解。

比如，醫療影像中的噪音，誤差，還有設備之間不同的標準，會造成很多演算法的失靈，但這些問題很少被提及。

最近的一個有名的例子是，IBM沃森的癌症治療軟體，在美國最好的癌症研究所部署後，就遭遇了比較不幸的失敗。所以，人工智慧在醫療領域的應用，還是應該謹慎些。

智能監控

現在，很多場合都安裝了攝像頭，但應用時，卻總是在「事後諸葛亮」的場景：發生案件後，調集警察，人力檢查攝像頭，發現線索，抓到犯人。

這不是最理想的情況，最好是案件發生的時候，就能夠找出情況，短時間，就能收集大量信息。

比如，從幾小時長度的航空展覽錄像中，自動剪輯出飛機的起飛、動作、降落等畫面；將幾小時的行車記錄儀數據，自動抽取出幾分鐘不一樣的片段，這都是機器學習比較擅長的。

視覺推理

同語言推理相似，視覺也可以進行推理。

舉個例子，圖中有人和帆板，那我們不單單能做標註，還可以猜想物體之間的關係，如這個人喜歡帆板，準備去海邊運動。

人感覺這樣的理解很簡單，但對機器來說，非常複雜。

比如將物體識別出來，需要一套演算法；然後把物體分類，又得需要一套演算法；識別物體間的關係，又是一套演算法……

但人類並不是用30個不同的大腦來發揮作用，我們就是一個人，一雙眼睛就可以很清晰做理解。

? 竅門

所以，人工智慧跟人的思路其實不太一樣，它是一個高度模塊化，然後邊界也很局限的工作，需要嚴格的定義任務，分開來單獨做訓練和調試。

小結：新研究方向

計算機視覺2.0，模型結構自主學習

所謂視覺推理2.0指的是，一方面依靠圖片內容，另一方面依靠從大數據以及背景環境裡面，獲得的先驗知識。

當這些先驗知識，進入圖像識別的機制里後，機器對圖像理解的水平就會提高很多，就不是一個很愚蠢的圖像標註了。

實際上，圖像標註是很假的功能，為什麼需要機器去告訴人類，這個圖裡哪個是貓？哪個是狗？哪個是車？

人對這些東西都可以無視，但如果能夠把圖裡面的內容和話外的內容搞清楚，更接近人的需求，這樣的功能才會產生真正的價值。

比如這個圖裡，有一個女孩兒，穿著牛仔褲，拿著飛碟，後面在一個建築物里，還站著一些人，最後推斷，這可能是一個學校。

這是目前研究和研發很重要的方向，但很可惜，在公司或者媒體報道里，你很少見到類似的工作。

最後的最後，你需要深刻理解的未來AI發展路徑

從模塊出發，構建複雜系統

未來的AI應用大概會是這樣的一個場景：

它會融合不同領域裡面的很多基礎知識或者先驗知識，把不同的學習內容和演算法整合起來。

對於實際的開發和生產環境，我們其實不是在談某一個演算法或是某一套數據，而是一個相當綜合的體系。

現在，很多公司都面臨著這樣一個瓶頸：如果用封閉式的黑匣子來打造一個系統，它的延展能力很弱。一旦面對新任務，就會面臨著開發周期的困境，或者進行部署的困境。

該怎麼辦？

我的建議是，機器學習未來路徑和前景應該是：從模塊出發，構建一個複雜系統。

這個複雜系統的方向不能是手工作坊的方法，從造一個小船變成造一個大船，而是要轉變到更加工程化和科學化的方向——

模塊化和標準化。

同一個演算法應該有標準的實現途徑，同一個數據應該有單一的供應源進行處理方法。

只有這樣做，你的AI研發，才能更穩健，更靠譜。

本文根據邢波在混沌大學研習社的課程整理而成，內容有刪減。關注知乎機構號「混沌大學」，私信關鍵詞「邢波」，即可聽取完整課程。

推薦閱讀：