科技猎亿欧智库·图书推荐丨《数学之美》：狭义人工智能，一切皆概率
【分析师观点】
从目前人工智能技术商用较成功或可能性较大的领域来看，语音识别、机器翻译、图像处理、基因序列分析等的智能化，本质上是信息传导的问题，智能化便是将该过程中的解码环节交给了机器完成。
亿欧智库图文推荐：《数学之美》吴军 著
世间万般表象的背后皆有规律，科学研究的真正目的在于找到这些规律并能够举一反三地应用这些规律。对于自然科学和工程学，包括计算机科学和通信，数学是描述这些规律性最好的工具。做事情的方法有对与错、好与坏之分，从长期来看只有采用的对的方法、好的方法才能出产品和服务，而任何一个好的方法背后都有充分的理论依据，都有正确的方法论。
《数学之美》这本书的目的就在于揭示信息和自然语言处理以及他们在通信和互联网各种应用（语音识别、机器翻译、搜索、分类等）中的数学原理。
毫无疑问，解决这些问题需要智能，而 计算机本身并不具备智能，它有的只是强大的存储力和计算力。
一切皆概率；
目前 人工智能 商业化较为成功的领域，集中在语音识别、机器翻译、搜索、分类等互联网应用上，其本质是在解决通信的编码与解码的问题。
数字、文字和自然语言一样都是信息的载体，是信息编码的不同单位，我们把一个要表达的意思，通过某种语言中的一句话表达出来，就是用这种语言的编码方式对头脑中的信息做了一次编码，编码的结果就是一串文字。而如果对方懂得这门语言，他或她就可以用这门语言的解码方法获得说话人要表达的信息。
1946年现代电子计算机出现之后，机器也尝试起了解码人类的自然语言，便是现下所热议的人工智能，在吴军博士看来，解码的过程回归数学问题，一切皆概率。
搜索引擎和布尔代数；
建立一个搜索引擎大致要做的几件事：自动下载尽可能多的网页，建立快速有效的索引，根据相关性对网页进行公平准确的排序。
最简单的索引结构是用一个很长的二进制数表示一个关键字是否出现在每篇文献中，有多少篇文献，就有多少位数，每一位对应一篇文献，1代表相应的文献中有这个关键字，0代表没有。比如关键字“原子能”对应的二进制数是0100100011000001…，表示第二、第五、第九、第十、第十六篇文献中包含这个关键字。上述过程其实就是将一篇篇千差万别的文本进行量子化的过程。同样，假定“应用”对应的二进制数是0010100110000001…，那么要找到同时包含“原子能”和“应用”的文献时，只要将这两个二进制数进行布尔运算“与”，即数字相同的时候输出为1，那么结果为0000100000000001…，表示第五篇、第十六篇文献满足要求。
对于互联网的搜索引擎来说，每一个网页就是一个文献，等同于拿着图书馆索引卡找书。
狭义人工智能就是“ 大数据 + 自动化 ”找规律；
综合吴军老师的《数学之美》一书， 从狭义层面理解AI，它是大数据和自动化的产物，不同于行业内普遍的对大数据的4V解读，亿欧智库认为大数据是一种能力，一种能在多样、大量数据中迅速获取信息的能力。因为数据量再大、种类再多，它也只是对某个事件、物体或现象的记录，体现为数字、文字、声音、视频、图像等，唯有在这些数据经过筛选、清理、加工、提炼之后，才能成为有意义的“信息”，而当“同样的信息重复出现，事物的本质规律被揭示”之后，信息才可能变为“智能”，机器从海量数据中识别出y=f（x）的规律，才得以实现自动化。
现在人工智能的核心技术为深度学习，目前的深度学习是基于监督学习的。本质是大量的数据样本来描述数据间的匹配规律，深度学习以此训练神经网络的海量参数，以最通俗的语言来说，神经网络其实是以无与伦比的暴力记忆能力、以海量参数生硬地记住了数据间的匹配关系，再以无可匹敌的计算能力重现了此关系。
人工智能有智能没智慧，却在比拼记忆力和计算力上完胜人类；
中科院副院长谭铁牛院士曾做过总结——人工智能是有智能没智慧，有智商没情商，会计算不会算计，有专才无通才。
尽管人工智能有智能没智慧，在比拼记忆力和计算力的领域人工智能的确有可能完胜人类。因为论记忆样本，计算机见到可以是完整信息体系下的全部样本或极大数样本；而单个人脑所涉及的样本终究有限。同样地，计算机，既使简单如计算器，计算也比人脑快好几个数量级。
但如何在信息不完整的条件下做出判断，计算机其实不知道要算什么，或者既使知道，计算量超出现在的计算能力，从而算不出来。人类却可以利用已有的知识体系来＂填补＂不完整的信息，从而进行有效的推测。
这样也就不奇怪为何人工智能在语音识别、机器翻译、搜索、分类等各种互联网应用中商业化较为成功，因为涉及信息通信便是处理海量的大数据的问题，并且目前来看这些问题都有浅层的规律可寻，即能找到描述这些问题的数学模型。
本文作者吴亦，亿欧专栏作者；微信：flamingo92（添加时请注明“姓名-公司-职务”方便备注）；转载请注明作者姓名和“来源：亿欧”；文章内容系作者个人观点，不代表亿欧对观点赞同或支持。
