半個世紀(jì)以來，人工智能一直是計算技術(shù)發(fā)展的夢想，它總是遙不可及。但是有許多方法可以部署產(chǎn)生實際收益的人工智能。

20世紀(jì)60年代的人們對人工智能充滿了美好的未來愿景，但這一前景在半個世紀(jì)后仍未實現(xiàn)。而人們?nèi)缃翊_信，盡管早期的進(jìn)展比較緩慢，但真正實現(xiàn)了人工智能的應(yīng)用愿景。似乎每一個采用軟件的產(chǎn)品都在聲稱采用了人工智能技術(shù)。面對這些宣傳和炒作，人們必須對人工智能的現(xiàn)實發(fā)展有著清醒的認(rèn)識。

人工智能的下一件大事

人們對人工智能的應(yīng)用正處于興奮的階段。在某些方面，由于處理能力的新發(fā)展，人工智能被吹捧為最終走向現(xiàn)實。人們再一次對生活被徹底顛覆以及工作被智能機(jī)器所取代的愿景充滿了幻想。廉價圖形處理單元的可用性已經(jīng)使卷積神經(jīng)網(wǎng)絡(luò)在某些應(yīng)用（例如圖像識別）方面具有商業(yè)實用性。并且?guī)缀跛惺袌錾系能浖急粡V告宣傳為“由人工智能驅(qū)動”，但在企業(yè)將其業(yè)務(wù)的未來發(fā)展寄托在人工智能之前，對一些現(xiàn)實保持清醒的頭腦是明智的。

長期以來，實用的人工智能一直是“下一個大事件”。它承諾在日常工作中減輕人們的負(fù)擔(dān)，同時幫助人們實現(xiàn)難以想象的科學(xué)和工程成就。也有更多的反烏托邦式的設(shè)想，即人工智能取代了廣大勞動力，導(dǎo)致大量的工作崗位被人工智能驅(qū)動的機(jī)器所取代，甚至有些人得出結(jié)論：人類是多余的和低效的，將會在電影《終結(jié)者》中設(shè)想的那樣發(fā)生人類和機(jī)器之間將會發(fā)生終極戰(zhàn)爭。

這些愿景在很長一段時間內(nèi)都不可能實現(xiàn)。大約20年前，一位專家提出了人工智能代表的是“人工智能不是發(fā)明的”這一觀點，他當(dāng)時的觀點是對的，現(xiàn)在這么說也是對的。人工智能的實際應(yīng)用已經(jīng)成熟。然而，這些應(yīng)用是有限的，值得注意的是，通用人工智能還像以往一樣遙遠(yuǎn)。

定義人工智能

當(dāng)大多數(shù)人聽到“人工智能”一詞時，通常就會想到科幻小說中描述的人工智能，它可以響應(yīng)一些模棱兩可的語音命令，并執(zhí)行復(fù)雜的計算和邏輯行為。這些令人印象深刻的機(jī)器得出的結(jié)論是，人類由于記憶力有限以及推理能力較慢，最終將被人工智能超越，但這是一個不精確的、不正確的定義，其原因很簡單，人們很難定義“智能”。

拋開所謂的智力測驗，例如智商（IQ）測驗或?qū)W術(shù)成就測驗，例如用于大學(xué)入學(xué)的測驗。

大多數(shù)人都知道人們認(rèn)為非常聰明的人由于各種原因在這些測試中得分不高。相反，出于討論目的，需要考慮儲存和回憶、關(guān)聯(lián)和推理，以及將創(chuàng)造性的解決方案應(yīng)用于新情況等能力的組合。

誠然，這個定義是有限和不精確的，但是人們對于人類大腦功能的理解也是如此。事實上，人類的思維遠(yuǎn)遠(yuǎn)超出了自己的理解，以至于人們甚至無法就人類思維意味著什么達(dá)成共識。但是，這種智能定義將滿足隨后討論人工智能功能的需求。

為了理解真正的智能到底離人們有多遠(yuǎn)，建議閱讀行業(yè)專家Douglas Hofstadter關(guān)于這個主題撰寫的一本開創(chuàng)性著作，該著作涉及哥德爾、埃舍爾、巴赫等理論。這本書著于40年前，它分解了最低層次思考的含義，并深入研究了簡單的數(shù)學(xué)概念，以及人們在日常生活中使用算術(shù)時如何思考令人難以置信的抽象概念。人們發(fā)現(xiàn)這是一本很有啟發(fā)性的著作，它使人們認(rèn)識到通用人工智能比想象的要遠(yuǎn)得多?？紤]一下：對計算機(jī)編程以正確執(zhí)行數(shù)學(xué)計算，人們必須以驚人的精確度理解各個方面。如果人們甚至不理解智能是什么，那么怎么可能把計算機(jī)編程成真正的智能？

可實現(xiàn)的人工智能

人們不可能將計算機(jī)編程視為真正的智能，但可以將計算機(jī)編程看作一種有限的智能，特別是在專業(yè)領(lǐng)域中。IBM公司推出的Watson可能是這種機(jī)器很著名的例子，但是即使Watson也有一些明顯的局限性。無論如何，大多數(shù)企業(yè)沒有安裝和使用Watson規(guī)模的人工智能項目所需的資源。

但是，在有限的技術(shù)范圍內(nèi)，還有另一條途徑可以實現(xiàn)人工智能的一些好處。最基本的第一步是改進(jìn)數(shù)據(jù)建模。正如專家所述，以本體的形式定義數(shù)據(jù)模型是一個好主意，因為它可以幫助人們定義數(shù)據(jù)的語法和語義。

使用Web本體語言（OWL）建模的數(shù)據(jù)以支持機(jī)器推理的格式進(jìn)行記錄，這是一種簡單但功能強大的基本人工智能。因為Web本體語言（OWL）建立在稱為“描述邏輯”的推理分支中，所以它適合許多基于邏輯的推理過程，這些過程都是強大又可解釋的。隨著在醫(yī)療和軍事行動等應(yīng)用中部署基于人工智能的應(yīng)用程序，解釋人工智能過程如何到達(dá)其結(jié)果的能力變得越來越重要。在基于人工智能輔助推薦的基礎(chǔ)上做出任何重要決定之前，用戶正確地希望理解人工智能將如何得出這個結(jié)論。這推動了人們對“可解釋人工智能”的渴望。

卷積神經(jīng)網(wǎng)絡(luò)（CNN）可以執(zhí)行令人印象深刻的圖像識別功能，但是很難準(zhǔn)確地跟蹤它們?nèi)绾巫龀鰶Q定。分類和比較有很多層次，其最終結(jié)果非常準(zhǔn)確并且一致。但這并不意味著人們可以真正解釋卷積神經(jīng)網(wǎng)絡(luò)（CNN）如何得出每個圖像的決定。

與其相反，當(dāng)數(shù)據(jù)模型使用Web本體語言（OWL）或其他形式邏輯表示（例如公共邏輯）形式化時，人們可以編寫推理規(guī)則，并使用形式邏輯規(guī)則應(yīng)用它們?？紤]一個簡單的示例：創(chuàng)建一個簡單的數(shù)據(jù)模型，其中包含一個類“Person”，具有 “name”和“sex” 兩個屬性。在Person類的實例之間可以建立兩種關(guān)系：“has_parent”和“has_sibling ”。通過這個簡單的模型，人們可以存儲諸如PersonA has_sibling PersonB和PersonB has_Parent PersonC之類的數(shù)據(jù)。

采用一個簡單的規(guī)則，例如“如果Person1 has_sibling person2，并且Person2 sex = Female，然后Person1 has_sister Person2”，就可以推斷出數(shù)據(jù)庫中每個人的新知識（請記住，原始數(shù)據(jù)模型不包括sister的概念）。人們可以使用類似的規(guī)則來推斷關(guān)系，例如祖父母、兄弟、表弟以及其他人。而且由于這都是建立在形式邏輯上的，因此其結(jié)果是完全可以解釋的。但其結(jié)果超出了可解釋的范圍，并證明是正確的。

可以使用現(xiàn)成的推理技術(shù)（商業(yè)和開源）進(jìn)行這種推斷。諸如Protégé之類的本體編輯工具可以使用諸如HermiT和Pellet之類的多種推理引擎。有許多數(shù)據(jù)庫和分析產(chǎn)品都支持這種基于邏輯的推理，并且在正確配置它們之后，其性能可與其他數(shù)據(jù)庫技術(shù)相媲美。

基于邏輯的推理無法為人們提供可以討論黑格爾哲學(xué)精髓或編寫鋼琴奏鳴曲的人工智能系統(tǒng)。但是可以為人們提供可以執(zhí)行許多常規(guī)數(shù)據(jù)處理任務(wù)的人工智能系統(tǒng)。

責(zé)任編輯：ct