梁子鑫

?

探討新時代背景下新興技術(shù)在人工智能中的應(yīng)用

梁子鑫

（北京工業(yè)大學(xué)，北京 100124）

近年來隨著移動互聯(lián)網(wǎng)、云計(jì)算、物聯(lián)網(wǎng)、大數(shù)據(jù)以及智能制造技術(shù)的不斷發(fā)展和突破，人工智能技術(shù)得到了迅猛的發(fā)展，各行各業(yè)都開始逐漸出現(xiàn)能夠替代或者輔助人類完成復(fù)雜任務(wù)的一些技術(shù)或機(jī)器，給人們帶來了極大地便利。本文從人工智能基礎(chǔ)理念出發(fā)，對人工只能發(fā)展現(xiàn)狀、主要應(yīng)用領(lǐng)域以及新時代常見的人工智能基礎(chǔ)進(jìn)行了闡述，最后重點(diǎn)針對深度學(xué)習(xí)在人工智能中的應(yīng)用進(jìn)行了分析。

人工智能、深度學(xué)習(xí)，人臉識別，圖像識別

0 引言

2016年，谷歌旗下DeepMind公司開發(fā)的AlphaGo橫掃圍棋界各大高手，將人工智能技術(shù)淋漓盡致展現(xiàn)在公眾面前，成為2016年度熱度最高的科技話題。隨著近幾年科技的迅速提高越來越多人工智能產(chǎn)品走進(jìn)生活方方面面，例如家用機(jī)器人、醫(yī)療機(jī)器人、工業(yè)機(jī)器人等，為生活帶來極大便利同時為人類發(fā)展做出了一定貢獻(xiàn)[1]。

人工智能（Artificial Intelligence, AI）是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)，是指由人工制造出來的系統(tǒng)所表現(xiàn)出來的智能。人工智能目前在計(jì)算機(jī)領(lǐng)域內(nèi)，得到了愈加廣泛的發(fā)揮。并在機(jī)器人、經(jīng)濟(jì)政治決策、控制系統(tǒng)、仿真系統(tǒng)中得到應(yīng)用。通俗來講就是利用計(jì)算機(jī)來模擬人類某部分思維過程的行為，然后通過生產(chǎn)出與人類智能相似的智能機(jī)器學(xué)科。人工智能從誕生以來其應(yīng)用領(lǐng)域在不斷的擴(kuò)大，不難想象未來人工智能的產(chǎn)品將會是人類智慧的容器，將會帶領(lǐng)我們走進(jìn)一個全新的時代，改變生活方方面面[2]。

1 人工智能發(fā)展及應(yīng)用

人工智能真正誕生于20世紀(jì)的40-50年代，這段時間里數(shù)學(xué)類、工程類、計(jì)算機(jī)等領(lǐng)域的科學(xué)家探討著人工大腦的可能性，試圖去定義什么是機(jī)器的智能。在這個背景下，1950年Alan Turing發(fā)表了題為“機(jī)器能思考嗎”的論文，成為劃時代之作，提出了著名的圖靈測試去定義何為機(jī)器具有智能，他說只要有30%的人類測試者在5分鐘內(nèi)無法分辨出被測試對象，就可以認(rèn)為機(jī)器通過了圖靈測試。

圖1 圖靈測試示意圖

到1956年舉辦的達(dá)特矛斯會議，人工智能達(dá)到了第一次發(fā)展黃金時期。會議上，John McCarthy第一次提出了人工智能的概念，會議后大批研究者開始涌向這個研究領(lǐng)域，展開計(jì)算機(jī)、人工智能的研究。到了70年代，由于計(jì)算機(jī)技術(shù)的限制，導(dǎo)致一些大計(jì)算量以及復(fù)雜計(jì)算無法開展，人工智能熱度得到了暫時下降，在這一階段，有一些研究人員將人工智能分為了難以實(shí)現(xiàn)的強(qiáng)人工智能和可以嘗試的弱人工智能。隨著70年代后期，專家系統(tǒng)的實(shí)現(xiàn)，研究人員開始關(guān)注于利用數(shù)字化的知識去推理，模仿某一領(lǐng)域的專家去解決問題，隨后“知識處理”開始變得火熱，成為了人工智能研究重點(diǎn)[3]。

專家系統(tǒng)之后，人工智能的研究開始轉(zhuǎn)向機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)的目的就在于讓機(jī)器具備自動學(xué)習(xí)的能力，通過算法使得機(jī)器從大量歷史數(shù)據(jù)中學(xué)習(xí)規(guī)律并對新的樣本作出判斷識別或預(yù)測[4]。在這一階段IBM成為了全世界研究人工智能技術(shù)的領(lǐng)袖，1996年深藍(lán)（基于窮舉搜索樹）戰(zhàn)勝了國際象棋世界冠軍卡斯帕羅夫，2011年Watson（基于規(guī)則）在電視問答節(jié)目中戰(zhàn)勝人類選手，特別是后者涉及到放到現(xiàn)在仍然是難題的自然語言理解，成為機(jī)器理解人類語言的里程碑的一步。

2000年之后，深度學(xué)習(xí)的理念開始逐漸出現(xiàn)在人工智能研究中，尤其是2013年，麻省理工學(xué)院技術(shù)評論將深度學(xué)習(xí)評為十大突破性技術(shù)之首后，全世界開始掀起了深度學(xué)習(xí)的人工智能浪潮。在這一方面，谷歌的DeepMind站在了人工智能深度學(xué)習(xí)的前沿，其旗下AlphaGo更是人工智能的代表性產(chǎn)品[5]。

當(dāng)前，人工智能無異于互聯(lián)網(wǎng)行業(yè)最熱的詞匯，其在無人駕駛、智能機(jī)器人、圖像識別以及語音識別領(lǐng)域的廣泛應(yīng)用全方位的改變著我們的生活方式，為接下來科技的革新以及經(jīng)濟(jì)發(fā)展帶來了新的挑戰(zhàn)和機(jī)遇。

2 深度學(xué)習(xí)在人工智能中應(yīng)用

2.1 深度學(xué)習(xí)基本概念

機(jī)器學(xué)習(xí)的發(fā)展分位兩個階段，起源于上世紀(jì)20年代的淺層學(xué)習(xí)（Shallow Learning）和最近幾年才火起來的深度學(xué)習(xí)（Deep Learning）。淺層學(xué)習(xí)的算法中，最先被發(fā)明的是神經(jīng)網(wǎng)絡(luò)的反向傳播算法（back propagation）主要是因?yàn)楫?dāng)時的訓(xùn)練模型是只含有一層隱含層（中間層）的淺層模型，淺層模型有個很大的弱點(diǎn)就是有限參數(shù)和計(jì)算單元，特征表達(dá)能力弱。目前制約機(jī)器學(xué)習(xí)的幾大條件包括算法速度以及易用性和系統(tǒng)性能等。目前國際以及國內(nèi)很多組織都開展了公眾機(jī)器學(xué)習(xí)平臺，例如百度的“深盟”以及騰訊阿里等都相繼展開深度學(xué)習(xí)技術(shù)的研究。目前，典型的深度學(xué)習(xí)模型結(jié)構(gòu)上可以分位3類：

（1）生成性深度結(jié)構(gòu)

目前生成性深度結(jié)構(gòu)中研究比較廣泛的深度學(xué)習(xí)結(jié)構(gòu)有深度信念網(wǎng)絡(luò)（Deep belief network）等。如圖2所示，深度信念網(wǎng)絡(luò)結(jié)構(gòu)是由一系列受限制的玻爾茲曼機(jī)（RBM）組成，玻爾茲曼機(jī)是一個隨機(jī)無向圖模型，模型內(nèi)可見層和隱藏層單元彼此互相連接，然后層內(nèi)沒有連接，，隱層單元可獲取輸入可視單元的高階相關(guān)性，為了得到生成性權(quán)值，在模型預(yù)訓(xùn)練中采用了無監(jiān)督貪心逐層實(shí)現(xiàn)的算法來實(shí)現(xiàn)。深度信念網(wǎng)絡(luò)可以得到觀測數(shù)據(jù)以及各節(jié)點(diǎn)的聯(lián)合概率分布，有利于先驗(yàn)概率和后驗(yàn)概率的估計(jì)[6]。深度信念網(wǎng)絡(luò)具有應(yīng)用廣泛而且靈活性較強(qiáng)和易于拓展的優(yōu)點(diǎn)，但是深度信念網(wǎng)絡(luò)的輸入只是簡單的圖像矩陣一維向量化，沒有考慮到圖像的二維結(jié)構(gòu)。

（2）區(qū)分性深度結(jié)構(gòu)

卷積神經(jīng)網(wǎng)絡(luò)（CNN）是已知公認(rèn)的第一個成功訓(xùn)練多層網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)算法，利用了BP算法進(jìn)行設(shè)計(jì)并訓(xùn)練。卷積神經(jīng)網(wǎng)絡(luò)是一種適應(yīng)二維人臉圖像識別場景的有用算法，近幾年被廣泛應(yīng)用在人臉識別問題上。主要用于識別位移以及縮放和其他一些形式扭曲不變性的二維圖像。因?yàn)榫矸e神經(jīng)網(wǎng)絡(luò)特征監(jiān)測層是利用訓(xùn)練數(shù)據(jù)進(jìn)行學(xué)習(xí)因此可以避免顯式的特征提取，可以隱式的利用訓(xùn)練數(shù)據(jù)進(jìn)行學(xué)習(xí)[7]。尤其是多維輸入向量的圖像可以直接輸入網(wǎng)絡(luò)，避免了特征提取和分類過程中數(shù)據(jù)重建的復(fù)雜度。圖3所示為圖像分類的兩層卷積神經(jīng)網(wǎng)絡(luò)示意圖。

（3）混合型結(jié)構(gòu)

混合型結(jié)構(gòu)的學(xué)習(xí)過程包含生成性部分和區(qū)分性部分，通常會利用最優(yōu)化和區(qū)分性深度網(wǎng)絡(luò)模型來進(jìn)行解決。區(qū)分性網(wǎng)絡(luò)尋優(yōu)過程通常是由是附加一個頂層變量來估計(jì)任何深度生成模型或者非監(jiān)督深度網(wǎng)絡(luò)中的參數(shù)?？梢岳肂P算法來對深度信念網(wǎng)絡(luò)的權(quán)值進(jìn)行優(yōu)化，初始權(quán)值可以通過玻爾茲曼機(jī)和深度信念網(wǎng)絡(luò)預(yù)訓(xùn)練中得到，而不用進(jìn)行隨機(jī)產(chǎn)生[8]。這種混合型網(wǎng)絡(luò)通常要比僅使用BP算法單獨(dú)訓(xùn)練的網(wǎng)絡(luò)性能要優(yōu)越很多，此外，與與前饋神經(jīng)網(wǎng)絡(luò)相比，其訓(xùn)練和收斂時間得到了很大提高。

圖2 深度信念網(wǎng)絡(luò)結(jié)構(gòu)

2.2 深度學(xué)習(xí)重要應(yīng)用領(lǐng)域

深度學(xué)習(xí)首先在圖像、聲音和語義識別取得了長足的進(jìn)步，特別是在圖像和聲音領(lǐng)域相比傳統(tǒng)的算法大大提升了識別率，深度學(xué)習(xí)是仿人來大腦神經(jīng)感知外部世界的算法，而最直接的外部自然信號莫過于圖像、聲音和文字（非語義）[9]。

（1）圖像識別

圖像識別是深度學(xué)習(xí)最早嘗試的領(lǐng)域，Yann LeCun教授早在1989年就開始了卷積神經(jīng)網(wǎng)絡(luò)關(guān)于圖像識別的研究，最開始，用來識別一些小規(guī)模（手寫字）的圖像，并取得了一定的成果，但是接下來幾年關(guān)于大規(guī)模圖片也就是像素豐富的圖片上一直沒有突破口。隨后，直到2012年，Hinton教授和他的團(tuán)隊(duì)成員在ImageNet取得了突破性成果，圖像識別的精度提高了很多。2014年，香港中文大學(xué)教授湯曉鷗教授領(lǐng)導(dǎo)的計(jì)算機(jī)視覺研究團(tuán)隊(duì)開發(fā)了名為DeepID的深度學(xué)習(xí)模型，并在LFW（Labeled Faces in the Wild）數(shù)據(jù)庫上進(jìn)行了識別驗(yàn)證，最終驗(yàn)證結(jié)果為獲得了99.15%的識別率，其中人類用肉眼在LFW上的識別率為97.52%，也就是說深度學(xué)習(xí)在圖像識別的學(xué)術(shù)研究層面上精確度已經(jīng)超過了人用肉眼的識別的精確度。

（2）語音識別

語音識別的建模方面，從最初到現(xiàn)在基本上都是利用混合高斯模型來進(jìn)行建模，隨便利用混合高斯模型可以降低語音識別的錯誤率，但是由于其復(fù)雜的建模程序以及實(shí)際環(huán)境的不可控因素使得模型面向商業(yè)級別的應(yīng)用仍然困難，也就是說在實(shí)際由噪音的環(huán)境下語音識別程度并不高，還未達(dá)到可使用級別。隨著深度學(xué)習(xí)在語音識別建模中的應(yīng)用，識別錯誤率在以往最好的基礎(chǔ)上相對下降30%以上，已達(dá)到商業(yè)可用的水平。在將深度學(xué)習(xí)應(yīng)用到語音識別中去最早是由微軟的俞棟博士和鄧力博士提出，并取得了成功。隨后科大訊飛、云知聲、思必馳等相繼開發(fā)語音識別技術(shù)并投入使用。

（3）自然語言處理

目前，深度學(xué)習(xí)在自然語言處理方面取得的成績還達(dá)不到在圖像識別以及語音識別的技術(shù)。目前關(guān)于自然語言處理模型的主流讓然是基于統(tǒng)計(jì)的模型。首先通過語義分析提取關(guān)鍵詞，接下來進(jìn)行關(guān)鍵詞匹配，然后利用算法判定句子功能，最后再從提前準(zhǔn)備的數(shù)據(jù)庫里提供用戶輸出結(jié)果。很明顯，在自然語言處理上還談不上智能，只能說是搜索功能比較強(qiáng)大，而缺乏真正的語言能力。目前，蘋果的Siri、微軟的小冰、圖靈機(jī)器人、百度度秘等巨頭都在發(fā)力智能聊天機(jī)器人領(lǐng)域，相信在未來幾年，深度學(xué)習(xí)在自然語言處理方面將會取的跟圖像識別以及語音識別一樣的成績。

圖3 圖像分類的兩層卷積神經(jīng)網(wǎng)絡(luò)

3 深度學(xué)習(xí)在人臉識別技術(shù)中的應(yīng)用

傳統(tǒng)的人臉識別方法主要有主動形狀模型（ASM）以及主動表觀模型（AAM），此外有基于局部和全局的一些方法，如利用局部描述子Gabor，局部二值模式（LBP）進(jìn)行識別以及特征臉方法和線性判別分析（LDA）等。但是由于眾多外界環(huán)境或圖片自身因素，例如拍照時光照、臉部姿態(tài)、表情變化、臉部遮擋等，使得傳統(tǒng)的人臉識別方法由于模型局限性大大降低了識別的精度和準(zhǔn)確度。

隨著深度學(xué)習(xí)技術(shù)的成熟以及應(yīng)用，使得學(xué)習(xí)算法可以直接從原始圖像開始就進(jìn)行判別性的人臉特征的學(xué)習(xí)，而且得益于現(xiàn)代大量人臉數(shù)據(jù)的支持，使得基于深度學(xué)習(xí)的人臉識別精度已經(jīng)超過了人類自身眼睛的識別精度。深度學(xué)習(xí)通過借助圖形處理器組成的運(yùn)算系統(tǒng)然后進(jìn)行大數(shù)據(jù)分析，而圖像識別中人臉識別則是人工智能的一個重要評價標(biāo)準(zhǔn)，充分證明了深度學(xué)習(xí)對人工智能發(fā)展的推動作用。

通過對近幾年國際上以及國內(nèi)一些成功的將深度學(xué)習(xí)應(yīng)用到人臉識別案列分析，例如DeepFace、DeepID、FaceNet等，這些算法都是用大量的訓(xùn)練數(shù)據(jù)進(jìn)行算法訓(xùn)練，讓算法從數(shù)據(jù)中學(xué)習(xí)光照、特征、表情等一些特性，最后這些算法都在LFW數(shù)據(jù)庫中進(jìn)行了驗(yàn)證，其中準(zhǔn)確率最高的FaceNet其識別準(zhǔn)確度達(dá)到了99.63%，超過了人眼的識別結(jié)果。其中具體算法識別情況如表1所示。

表1 深度學(xué)習(xí)在LFW中識別率

Tab.1 Recognition rate of deep learning in LFW

深度學(xué)習(xí)的出現(xiàn)使得人臉識別的人工智能技術(shù)獲得了突破性進(jìn)展，目前應(yīng)用在人臉識別的深度學(xué)習(xí)算法主要用7種，分別為：基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的人臉識別方法，深度非線性人臉形狀提取方法，基于深度學(xué)習(xí)的人臉姿態(tài)魯棒性建模，有約束環(huán)境中的全自動人臉識別，基于深度學(xué)習(xí)的視頻監(jiān)控下的人臉識別，基于深度學(xué)習(xí)的低分辨率人臉識別及其他基于深度學(xué)習(xí)的人臉相關(guān)信息的識別[10]。

盡管目前深度學(xué)習(xí)在人工智能中獲得了巨大的推廣和應(yīng)用，但是目前仍然存在不少急需解決的問題。首先深度學(xué)習(xí)面臨著大數(shù)據(jù)訓(xùn)練的問題，眾所周知，目前性能較好的深度學(xué)習(xí)算法其訓(xùn)練數(shù)據(jù)量已經(jīng)達(dá)到了百萬、千萬級別甚至更高。而現(xiàn)有的一些技術(shù)在大數(shù)據(jù)中已經(jīng)不太適用，因此下一步如何進(jìn)行處理這些大量訓(xùn)練數(shù)據(jù)的大規(guī)模集群設(shè)備高效的構(gòu)建成為了深度學(xué)習(xí)一個必須研究的方向；其次，目前廣泛應(yīng)用的深度學(xué)習(xí)算法常常依賴大數(shù)據(jù)的訓(xùn)練樣本，但是在實(shí)際應(yīng)用中，有很多問題沒有眾多標(biāo)簽數(shù)據(jù)，因此，接下來有必要進(jìn)行深度學(xué)習(xí)小數(shù)據(jù)訓(xùn)練樣本的研究，構(gòu)建能夠動態(tài)自主學(xué)習(xí)的深度學(xué)習(xí)方法同樣是未來需要研究的方向；第三，理論問題，跟傳統(tǒng)的一些淺層學(xué)習(xí)算法（例如支持向量機(jī)、隨機(jī)森林等）比起來，深度學(xué)習(xí)還有這不少理論問題沒有解決，例如如何通過理論進(jìn)行最優(yōu)的超參數(shù)選擇；如何采用理論指導(dǎo)的快速訓(xùn)練方式；如何針對不同實(shí)際問題設(shè)計(jì)出最佳的網(wǎng)絡(luò)結(jié)構(gòu)等。

4 結(jié)論

科技的迅猛發(fā)展使得人工智能在我們生活中扮演者的角色越來越重要，而且已經(jīng)開始滲透生活的方方面面。目前，人工智能發(fā)展開始進(jìn)入了一個全新的時期，人工智能帶來的意義可能遠(yuǎn)超第一次與第二次工業(yè)革命，改變?nèi)祟愇磥淼纳?。本文從人工智能基礎(chǔ)理念出發(fā)，對人工只能發(fā)展現(xiàn)狀、主要應(yīng)用領(lǐng)域以及新時代常見的人工智能基礎(chǔ)進(jìn)行了闡述，最后重點(diǎn)針對深度學(xué)習(xí)在人工智能中的圖像識別、語音識別以及自然語言處理方面應(yīng)用進(jìn)行了分析，最后對深度學(xué)習(xí)在圖像識別中的應(yīng)用進(jìn)行了詳細(xì)分析。我們應(yīng)該緊緊抓住人工智能發(fā)展的機(jī)遇，加大人工智能學(xué)科投資與研發(fā)力度，讓人工智能更好的服務(wù)我們的生活。

[1] 閆德利. 2016年人工智能產(chǎn)業(yè)發(fā)展綜述[J]. 互聯(lián)網(wǎng)天地, 2017(2): 22-27.

[2] 張彬. 探討人工智能在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中的應(yīng)用[J]. 軟件, 2012, 33(11): 265-266.

[3] 鄧曄. AI數(shù)據(jù)中心成為人工智能應(yīng)用的重要基石[J]. 中國公共安全, 2017(10): 59-64.

[4] 李君. 互聯(lián)網(wǎng)信息時代的人工智能應(yīng)用[J]. 電子技術(shù)與軟件工程, 2017(9): 250-250.

[5] 尹寶才, 王文通, 王立春. 深度學(xué)習(xí)研究綜述[J]. 北京工業(yè)大學(xué)學(xué)報(bào), 2015(1): 48-59.

[6] 鄭胤, 陳權(quán)崎, 章毓晉. 深度學(xué)習(xí)及其在目標(biāo)和行為識別中的新進(jìn)展[J]. 中國圖象圖形學(xué)報(bào), 2014, 19(2): 175-184.

[7] 池燕玲. 基于深度學(xué)習(xí)的人臉識別方法的研究[D]. 福建師范大學(xué), 2015.

[8] 楊巨成, 劉娜, 房珊珊, 等. 基于深度學(xué)習(xí)的人臉識別方法研究綜述[J]. 天津科技大學(xué)學(xué)報(bào), 2016, 31(6): 1-10.

[9] 2017世界機(jī)器人大會: 機(jī)器人與人工智能深度結(jié)合有待推進(jìn)[J]. 軟件, 2017, 38(08): 141+175.

[10] 人工智能5件大事: 能給工業(yè)4.0帶來什么? [J]. 新型工業(yè)化, 2017, 7(12): 71-73.

Application of New Technologies in Artificial Intelligence under New Era Backgroud

LIANG Zi-xin

(Beijing University of Technology, Chaoyang District, Beijing 100124)

Abstract: in recent years, with continuous development and breakthrough of mobile Internet, cloud computing, Internet of things, big data and intelligent manufacturing technology, artificial intelligence technology has been developed rapidly. Some technologies or machines have emerged to replace or assist human to complete complicated tasks in all walks of life, which brings great convenience for people. Based on concept of artificial intelligence, the article summarizes development and main application of artificial intelligence, then analyzes application situation of deep learning in image recognition, speech recognition and natural language processing. Finally, it analyzes application of deep learning in face recognition for reference.

Artificial intelligence; Deep learning; Face recognition; Image recognition

TP18

A

10.3969/j.issn.1003-6970.2018.07.035

梁子鑫(1997-)，男，本科。研究方向：人工智能，信息安全。

本文著錄格式：梁子鑫. 探討新時代背景下新興技術(shù)在人工智能中的應(yīng)用[J]. 軟件，2018，39（7）：166-169