【揭秘】人工智能技術是基于大數據吃飯的？
自從谷歌的人工智能 “AlphaGO” 成為圍棋界的百勝將軍開始，人工智能（AI）這四個字，剎那間就成為科技業中最熱門的關鍵詞。而就在今年初，早在AI領域打下深厚基礎的IBM Watson也開始進軍一些數據服務公司，甚至踏入醫療領域，用人工智能為患者判定其病因，準確率高達92%。
現在，我們已經進入了逐漸取代人類工作的智能科技年代，在不知不覺中，“人工智能”開始滲透到每一個家庭中，從谷歌和臉書依照個人喜好投放的廣告，可以查詢到已設定的日歷語音助理，其背后都有“人工智能”的概念。所以，隨處可見的“人工智能”正悄無聲息的改變我們的生活習慣。
是什么讓AI從“科幻”變“科技”？
人工智能其實是個龐大而復雜的概念，但萬變不離其宗的是都基于一項很關鍵的技術，而這個技術就叫做“機器學習 Machine Learning”。
說起機器學習技術，其實就是讓機械擁有自主學習的能力，雖然在當今這個社會說起來好像很容易的樣子，但在90年代時，機器學習技術還是處于一個萌芽階段，相對的演算法和硬體條件都不夠完善，直到近年來才讓機器學習的能力有了個突破性的進展，而其中發展最快的一項關鍵技術，就是“深度學習”。
我們來看看這個數據：2015年機器學習的周邊市場規模約3.6億美元，至2020年預估將突破29億美元，并在人工智能這個市場的50億美元中占了約6成比重！可以說機器學習的技術突破，就是人工智能的市場發展原動力。
既然機器學習重要，那它究竟是什么？為何能進展神速？
“大數據”提高了深度學習精準度
演算法和硬件條件大幅度的躍進為機器學習提供了優良條件，再加上數字化聯網的蓬勃下帶來的“大數據”，便引爆了深度學習技術的浪潮。目前，無論是NVIDIA這類的芯片商，還是擅長演算法的谷歌和臉書，最常提到的機器學習技術，就是“深度學習”。
舉個例子描述深度學習如何進行。想像一下，如果要讓一臺搭載深度學習能力的機器進行自動駕駛，面對陌生的路線和隨時都可能有行人沖出馬路的危險路況，機器應該進行怎樣的判斷？其實，只要透過深度學習，便可先將周圍的數據資訊輸入到機器中，這樣機器就擁有了辨識環境中的物體，可有助在行駛當中能精準的躲避障礙物，最后找出一條合適的路徑到達目的地。所以，只要數據越完整，機器就能夠辨識周圍一切的物體，從而加強自身的判斷能力。
這么說來，要能讓人工智能靠“深度學習”發展思考能力，很大程度是依賴大數據，不過，這時候我們就會遇到一個問題，那就是：如果沒有大數據，深度學習就毫無用武之地了嗎？
“小數據”的機器學習方案也蓄勢待發
雖然，大數據可以為“深度學習”加強判斷能力，但真的要讓機器做到“學習”這件事，其實方法有很多，并不是只有深度學習這唯一的方法。
我們再回到自動駕駛的例子，倘若這次先不將周圍的環境數據提供給機器，而且告訴它避免碰撞和到達目的地這兩個指令，那么機器就會在不斷的失敗中以吸取經驗，從而達到學習的效果，最后也能到達目的地。所以在開始階段中不依賴大數據的學習方式，可以歸類為“強化學習”。
而強化學習的方法能補足機器在突發狀況下的應變能力，AlphaGO的開發商也深知這個道理，所以讓AlphaGO借著深度學習和強化學習的相融合，在對手下出意料之外的棋步時，重新建立新的經驗，以便在未來可以做重要判斷的依據。
為什么我們需要“小數據”的人工智能培養方案？
其實，獲取足夠大量的數據是一個很耗成本的一件事。此外，有些數據如罕見疾病的病歷、癥狀等本身就具稀有性，因此像是強化學習等低數據依賴度機器學習方案便逐漸開始受到青睞，很多公司與研究機構也以此作為研發的方向。
日前，就有一家新創公司的企業Gamalon就發表了一個新技術，該公司表示人工智能系統可用小數據來對機器進行訓練，到最后達到的精準辨識能力也是非常高的。
當然，除了一般依賴大數據的深度學習外，其他可降低數據量依賴度的機器學習方案也正在不斷的醞釀中。我相信在未來，人工智能將會為我們的生活中必不可少的一部分。
知名風險投資公司
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
創業聯合網是創業者和投資人的交流平臺。平臺擁有5000+名投資人入駐。幫助創業企業對接投資人和投資機構，同時也是創業企業的媒體宣傳和交流合作平臺。
熱門標簽
精華文章
