苏宁金融研究院▲魔力背后的秘密是什么？，人工智能助力抗疫 ?随着人工智能技术的发展

文章图片
?随着人工智能技术的发展，在一些场景的应用也越来越成熟，人工智能正在逐步渗透进人们生活的各个角落，甚至在这次的抗击新冠疫情中也扮演了重要角色。
新技术的应用
对比2003年的非典，此次新冠疫情在症状上潜伏期更长，传染性更强，而且还碰上了流感爆发以及春运流动的节点，因此病情人数不断上升，在防治上面临了更大的困难。
正因如此，在大规模传染之后，现有的医疗资源难以满足不断增长的病患用户。为了实现更好的管控防治效果，提高效率，不少企业纷纷应用诸多技术手段来抗击疫情。比如有些地方推出了智能机器人，通过语音识别、自然语义理解等技术，针对疫情问题、就医注意、防护措施进行回答。对于正常用户、轻症用户来说，人工智能可以起到一定的答疑作用，避免医疗资源紧缺以及交叉感染的风险。
其实，人工智能还被应用于疫苗研发，比如使用深度学习技术，可以协助科研人员进行数据分析、快速筛选文献以及相应的测试工作。此外，人工智能还可以应用于建立模型以观察疫情传播。早前，国内基于AI和大数据的流感实时预测模型便登上了《柳叶刀》的子刊，为传染病预测提供了更加精准的逻辑框架。
神奇的算法
人工智能技术为何能发挥出如此大的作用，魔力的来源究竟是什么？
人工智能在这些年的快速发展主要得益于算力提升、数据积累和算法创新。其中，算法是人工智能的灵魂，是魔力的主要来源，今天我们就一起来看一看这些算法的本来模样。
算法（Algorithm）这个概念比较抽象，是指一个准确而完整的关于解题方案的描述，用系统的方法描述解决问题的策略。简单地说，算法就是解决问题的处理步骤，一个生活中的例子就是我们烹饪的时候往往需要食谱的帮助，食谱描述了美味料理的制作方法，对制作料理这个问题给出了方案，并将操作步骤规范地描述出来。
算法一词来源已久，截止目前，网上不完全统计有2000多个算法，如果考虑到每个算法的各类变种，数量极其巨大。但是这些算法按照模型训练方法的差异，总体上可以分为四个类别：有监督学习（SupervisedLearning）、无监督学习（UnsupervisedLearning）、半监督学习（Semi-supervisedLearning）和强化学习（ReinforcementLearning）。这些算法是如何让机器具备了“智能” ，它们作用的原理是什么？今天，我们尝试用几个样例来揭开背后的秘密。
1、有监督学习
有监督学习被称为“有老师的学习” ，所谓的老师就是标签。通过标注好的样本（即训练样本以及其对应的目标）训练得到一个最优模型，再利用这个模型对输入的数据进行判断给出结果，从而具备对未知数据进行预测的能力。
在建立预测模型的时候，监督式学习建立一个学习过程，将预测结果与“训练数据”的实际结果进行比较，不断的调整预测模型，直到模型的预测结果达到一个预期的准确率。这也比较符合我们的认知习惯，比如我们通过图片或实物学习什么是猫、什么是狗等。
经典的有监督学习算法有：反向传播神经网络、波尔兹曼机、卷积神经网络、多层感知器、循环神经网络、朴素贝叶斯、高斯贝叶斯、多项朴素贝叶斯、分类和回归树、ID3算法、C4.5算法、C5.0算法、随机森林、线性回归、逻辑回归、支持向量机等。
这些专业名称不重要，我们以大名鼎鼎的AlphaGo为例来了解一下有监督学习的原理。从2016年到2017年，这个围棋机器人在多种场合以绝对优势战胜了数十位顶尖的人类棋手。围棋界公认AlphaGo围棋的棋力已经超过人类职业围棋顶尖水平，在GoRatings网站公布的世界职业围棋排名中，其等级分曾超过排名人类第一的棋手。