從代碼蛻變成人工智能，AlphaGo在圍棋界證明了自己后，已經(jīng)向游戲《星際爭霸2》正式發(fā)起挑戰(zhàn)。對我們的生活而言，競賽只是他嶄露頭角的第一步。

電腦 人腦 VS 2016年3月，科技界的TOP 1熱詞非“AlphaGo”莫屬了。AlphaGo這個圍棋人工智能程序以4：1的總比分戰(zhàn)勝世界圍棋冠軍、職業(yè)九段選手李世石。雖然只是一次測試賽，但可以說在一定程度上，代表著人工智能最新成果的“機器”打敗了“人腦”。

大多數(shù)人腦海里不禁陸續(xù)涌現(xiàn)出美國好萊塢電影里各種機器人大戰(zhàn)的橋段，像《機械公敵》里的NS-5型機器人，有著酷似人類的外形，可以取代人類的各種工作，從保姆、廚師、快遞、遛狗到管理家庭收支，簡直無所不能；又如帥酷的施瓦辛格主演的《終結(jié)者》系列電影，機器人統(tǒng)治了地球，而“落后”的人類奮起反抗；又如《黑客帝國》里的男主穿梭于虛擬與現(xiàn)實世界不斷與機器人PK……

這些故事在AlphaGo戰(zhàn)勝李世石事件后似乎即將發(fā)生，于是大量文科畢業(yè)的編輯們開始撰文“機器要統(tǒng)治人類”“人工智能就是人類的終點”云云，以吸引網(wǎng)友們無辜的眼球，獲取大量點擊率。

現(xiàn)在，讓我們通過“AlphaGo”來看看：

?什么是人工智能？? 人工智能如何影響我們的生活？? Maker們又可以做些什么？

1 什么是人工智能

AlphaGo是一款圍棋人工智能程序，由位于英國倫敦的谷歌（Google）旗下DeepMind公司的戴維·西爾弗、艾佳·黃和戴密斯·哈薩比斯與他們的團隊開發(fā)，據(jù)說AlphaGo的主要算法是利用“價值網(wǎng)絡(luò)”計算局面，用“策略網(wǎng)絡(luò)”選擇下子，可以說AlphaGo是用上面兩個算法去“思考”的。

人工智能，說簡單點，就是機器能夠自主學(xué)習(xí)、自主判斷，就像AlphaGo一樣“思考”。那么，人工智能如何學(xué)習(xí)便是其中關(guān)鍵。

在說人工智能如何學(xué)習(xí)之前，我們解釋一個名詞“人工神經(jīng)網(wǎng)絡(luò)”。人類的大腦是好多好多的神經(jīng)元組成的，就好比公路上的十字路口（神經(jīng)元實際有多個路口），路口多了，選擇的路線也就多了，走不同的路線，兩旁的內(nèi)容與風(fēng)景也是不同的，這也就影響了人們的思考，形成了不同人對于同一個事物的不同看法?！叭斯ど窠?jīng)網(wǎng)絡(luò)”就是模擬生物神經(jīng)網(wǎng)絡(luò)，建立某種簡單模型，根據(jù)不同的連接方式組成不同的網(wǎng)絡(luò)。其由大量的神經(jīng)元之間相互聯(lián)接構(gòu)成，每個神經(jīng)元代表一種特定的輸出函數(shù)；每兩個神經(jīng)元間的連接都代表一個對于通過該連接信號的加權(quán)值，這就相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶。雖然，人工神經(jīng)網(wǎng)絡(luò)提出已經(jīng)六七十年，但最近幾年才興起，其典型應(yīng)用的模式識別技術(shù)、自動控制，在相關(guān)領(lǐng)域解決了大量實際問題，表現(xiàn)出良好的智能特性。

人工神經(jīng)網(wǎng)絡(luò)是一個過于龐大的概念，對于AlphaGo來說，它使用了“深度學(xué)習(xí)”算法具體實現(xiàn)?！吧疃葘W(xué)習(xí)”是指多層的人工神經(jīng)網(wǎng)絡(luò)和訓(xùn)練它的方法。一層神經(jīng)網(wǎng)絡(luò)會把大量矩陣數(shù)字作為輸入，通過非線性激活方法取權(quán)重，再產(chǎn)生另一個數(shù)據(jù)集合作為輸出。這就像生物神經(jīng)大腦的工作機理一樣，通過合適的矩陣數(shù)量，多層組織鏈接一起，形成神經(jīng)網(wǎng)絡(luò)“大腦”，進行精準(zhǔn)復(fù)雜的處理，就像人們識別物體標(biāo)注圖片一樣。

說了這么多高深的學(xué)術(shù)知識，相信不少人會認(rèn)為人工智能離我們普通人的生活比較遠，其實不然。

2 人工智能如何影響我們的生活？

生活在帝都，筆者每天開車出入小區(qū)、學(xué)校，行駛在道路上都會遇到攝像頭，它們忠誠地識別我的車牌，而這個識別的過程就是應(yīng)用了人工神經(jīng)網(wǎng)絡(luò)的算法的人工智能。如果我們的車牌濺上泥點或者污漬導(dǎo)致車牌缺劃，亦或未能保持完整水平，是否會影響識別進程？如果人眼識別，非常容易完成，我們的大腦會根據(jù)筆畫的方向與趨勢評估可能的數(shù)字，但是在人工智能未發(fā)展前，電腦僅能保證與樣本完全一致才會正確識別，這個顯然不符合日?？焖佟⒛：袛嗟膽?yīng)用。而現(xiàn)在應(yīng)用了人工智能的車牌識別系統(tǒng)，車牌在少量污濁情況下準(zhǔn)確識別成功率已經(jīng)接近100%。

3 Maker們又可以做些什么？

AlphaGo只有一個，還屬于谷歌公司。

話題還要轉(zhuǎn)回來，對于我們這些Maker們來說，想玩這么高大上的人工智能也是挺容易的。我們就拿這個車牌識別系統(tǒng)的人工智能來說，在我們的英特爾開發(fā)板上，例如Edison，安裝OpenCV模塊，用來進行圖形圖像處理，這里提示一下，要將有關(guān)GUI的代碼全部注釋掉，因為英特爾開發(fā)沒有GUI。然后，我們再從github上面獲取有關(guān)車牌識別的代碼，https:\github.com/liuruoze/easyPR。之后，我們創(chuàng)建一個項目，并在項目中添加OpenCV的支持，參考示例代碼如下：

//添加OpenCV頭文件 ${DEVKIT_HOME}/devkit-x86/sysroots/i586-poky-linux/usr/include/opencv ${DEVKIT_HOME}/devkit-x86/sysroots/i586-poky-linux/usr/include/ ${DEVKIT_HOME}/devkit-x86/sysroots/i586-poky-linux/usr/include/c++ ${DEVKIT_HOME}/devkit-x86/sysroots/i586-poky-linux/usr/include/c++/i586-poky-linux ${DEVKIT_HOME}/devkit-x86/sysroots/i586-poky-linux/usr/include/c++/bits //添加鏈接庫 ${LDFLAGS} lopencv_calib3d –lopencv_contril –lopencv_core –lopencv_features2d –lopencv_flann –lopencv_gpu –lopencv_highgui –lopencv_imgproc –lopencv_legacy –lopencv_ml –lopencv_nonfree –lopencv_objdetect –lopencv_ocl –lopencv_photo –lopencv_stitching –lopencv_superres –lopencv_video –lopencv_videostab –lrt –lpthread –lm –ldl //主函數(shù) Int main(int argc, char *argv[]){ Input_carmera = cvCaptureFromCAM(-1);//打開攝像頭 Signal(SIGINT, sigroutine); While(1){ Frame = cvQueryFrame(input_carmera);//讀入一幀圖像 If(frame != NULL){ cvSaveImage(“car_detect.png”, frame); } Mat src = imread(“car_detect.png”); CPlateRecognize pr; Pr.LoadANN(“model/ann.xml”); Pr.LoadSVM(“model/svm.xml”); Pr.setLifemode(true); Pr.setDebug(true); Vertor plateVec; Result = pr.plateRecognize(src, plateVec); }

Result里存儲的便是我們利用人工智能識別出來的車牌號了。如果顯示出來？利用什么顯示出來？限于篇幅的原因不再一一講述。

AlphaGo的出現(xiàn)帶動了人工智能產(chǎn)業(yè)，人工智能的前景將非常樂觀。對于科學(xué)家們要努力的還有很多，任重道遠；對于我們普通民眾，只需要安心享受人工智能帶給我們的舒適、便捷即可。