貝葉斯網(wǎng)絡(luò)極大地克服了20世紀60年代和70年代概率推理系統(tǒng)的很多問題，它目前主導(dǎo)著不確定推理和專家系統(tǒng)中的人工智能研究。而且這種方法允許根據(jù)經(jīng)驗進行學(xué)習(xí)，并且結(jié)合了經(jīng)典人工智能和神經(jīng)網(wǎng)絡(luò)最好的部分。所以極大的推動的人工智能領(lǐng)域走向現(xiàn)在我們正處的這個巔峰時代。
（一個簡單的貝葉斯網(wǎng)絡(luò)。雨水影響灑水器是否有動作，且雨水及灑水器二者均可影響草是否濕潤）
除了這種算法上的革新，還有兩個重要推動因素就是互諒網(wǎng)的興起以及極大數(shù)據(jù)集的可用性。就像我們用Siri的時候必須聯(lián)網(wǎng)一樣，人工智能系統(tǒng)基于Web的應(yīng)用變得越來越普遍；我之前在文章《2015年，機器人界發(fā)生了哪些神奇瘋狂的故事？（下）》中介紹的HitchBOT，它可以拍照、自動識別路人的語言，并將回答顯示在屏幕上，這個能力也是通過在網(wǎng)絡(luò)上搜索相應(yīng)的答案而實現(xiàn)的。
由于我們現(xiàn)在采用的方法已經(jīng)基本上變?yōu)槭腔诟怕实姆椒?，所以我們便需要有大量的?shù)據(jù)集對我們的系統(tǒng)進行訓(xùn)練，以完成監(jiān)督學(xué)習(xí)。而現(xiàn)在的互聯(lián)網(wǎng)環(huán)境讓這種極大數(shù)據(jù)集的獲得變得越來越方便和容易。就如我們所熟知的ImageNet，ImageNet是一個帶有標記信息的圖片庫，里面的圖片均已經(jīng)由人對圖片內(nèi)容進行了標記。它就好比是一個用于測試計算機視覺系統(tǒng)識別能力的“題庫”，包含超過百萬道“題目”。 題目由圖像和對應(yīng)的單詞（80%為名詞）組成，考察的方式是計算機視覺系統(tǒng)能否識別圖像中的物體并返回正確的單詞。ImageNet使用訓(xùn)練題對計算機視覺系統(tǒng)進行“培訓(xùn)”，然后用測試題測試其識別能力。
（ImageNet數(shù)據(jù)集）
又如AlphaGo，在DeepMind的主頁里，AlphaGo是這樣被介紹的：它是一種計算機玩圍棋的新方法，這種方法運用了基于深度神經(jīng)網(wǎng)絡(luò)的蒙特卡洛搜索樹，而這個深度神經(jīng)網(wǎng)絡(luò)一方面是通過運用人類專家級圍棋棋局進行監(jiān)督學(xué)習(xí)來訓(xùn)練，另一方面還通過程序通過電腦自己與自己博弈的增強學(xué)習(xí)來進行訓(xùn)練，可見AlphaGo的成果也離不開通過學(xué)習(xí)人類專家級棋譜進行監(jiān)督學(xué)習(xí)的這個大量數(shù)據(jù)集的使用。
（DeepMind的主頁里AlphaGo的頁面）
今天這篇文章，我們從人工智能的萌芽一直到今天AlphaGo打敗擊敗歐洲冠軍樊麾職業(yè)二段這個里程碑式的事件截止，介紹了人工智能能走到今天這個成就的一路的艱難險阻與大風(fēng)大浪。我相信，隨著計算機運算能力以及更加優(yōu)化的算法，以及大數(shù)據(jù)集和數(shù)據(jù)挖掘等技術(shù)的幫助，人工智能的路一定會繼續(xù)高歌猛進。
登陸|注冊歡迎登陸本站，認識更多朋友，獲得更多精彩內(nèi)容推薦！