2月16日，職學(xué)教育（CinLearn）邀請到美國(guó)亞利桑那州立大學(xué)（Arizona State University，ASU）艾拉•富爾頓工(gōng)程學(xué)院鄧宇立博士（Dr. Yuli Deng），以“走進機器學(xué)習和人工(gōng)智能(néng)（ An Introduction of Machine Learning and Artificial Intelligence）”為(wèi)主題，為(wèi)在線(xiàn)中(zhōng)文(wén)項目的同學(xué)們帶來了一次精(jīng)彩分(fēn)享。

每一次技(jì )術創新(xīn)，都會引起一次或大或小(xiǎo)的行業震蕩。這個2月，ChatGPT這款智能(néng)問答(dá)語言機器占據了各個行業的熱議。無論是科(kē)技(jì )領域、商(shāng)業領域，還是教育領域，一種“全新(xīn)智能(néng)時代”開啓的宿命感交錯着“是否即将被取代”的迫切感正悄然蔓延。

鄧宇立博士（Dr. Yuli Deng）

“如果回到4個月前，我可(kě)能(néng)不會相信人工(gōng)智能(néng)會達到ChatGPT這樣的程度。”鄧宇立博士（Dr. Yuli Deng）在本期公(gōng)開課分(fēn)享時，也表達了對人工(gōng)智能(néng)（Artificial Intelligence, AI）迅速發展的驚訝：“這4個月，基本上颠覆了大多(duō)數這個領域的科(kē)學(xué)家的預測。突破極限的速度可(kě)能(néng)比我們預期的要快那麽一些。所以我相信，有(yǒu)一天人工(gōng)智能(néng)将有(yǒu)可(kě)能(néng)成為(wèi)人類的陪伴者。”

不可(kě)否認，人工(gōng)智能(néng)技(jì )術的迅速發展引來了越來越多(duō)專業領域的關注。ASU的中(zhōng)文(wén)在線(xiàn)計算機工(gōng)程碩士專業，也即将在《統計機器學(xué)習》課之外，新(xīn)開設一門《人工(gōng)智能(néng)》的課程，就人工(gōng)智能(néng)這一領域做更為(wèi)詳盡的介紹與研究。

/01/

讓計算機像人一樣思考和行動

在接觸到更複雜的專業概念之前，鄧博士率先明确了一個基本定義，即什麽是智能(néng)？

從一般定義而言，智能(néng)是指感知、理(lǐ)解、預測，并與周遭的環境交互。換言之，若要使機器（或計算機）無限接近人類的智能(néng)，也就是要讓它像人類一樣理(lǐ)性思考，并獲取在物(wù)理(lǐ)世界中(zhōng)移動的行動能(néng)力。

在人工(gōng)智能(néng)領域所要研究的，就是通過将“如何模仿人類”這個寬泛的概念解構成各種子項目（或子目标），比如計算機視覺、機器學(xué)習等等。在計算機通過學(xué)習可(kě)以進行信息儲存和處理(lǐ)之後，接下來就要将這些方法運用(yòng)到具(jù)體(tǐ)的課題上，比如說，自然語言處理(lǐ)（Natural Language Processing），也就是使機器能(néng)夠使用(yòng)人類語言與人類交流。

要構建機器與人類的交流，首先需要讓計算機學(xué)習人類的溝通方式，即“機器學(xué)習”（Machine Learning）。早在上世紀80~90年代，人們嘗試過用(yòng)邏輯編程的方法，将已知的人類知識作(zuò)為(wèi)規則，全部編程到電(diàn)腦裏，然後讓機器去做符合這些規則的操作(zuò)。但問題也随之而來：人類所掌握的浩瀚知識，無法完全總結并編程到電(diàn)腦中(zhōng)進行運行。對應的解決方法，就是讓機器進行學(xué)習，自己做知識總結、知識儲存，然後将這些知識和規律應用(yòng)到對新(xīn)數據的處理(lǐ)和判斷中(zhōng)。

公(gōng)開課上，鄧博士也分(fēn)享了一個計算機通過數學(xué)計算識别貓狗圖片的案例，“計算機智能(néng)通過已知的訓練數據去訓練平面（識别），尋找到近似的分(fēn)界線(xiàn)。但這一條近似分(fēn)界線(xiàn)未必是完美的”。這樣的訓練模型背後的基礎，在ASU的計算機工(gōng)程碩士項目中(zhōng)，針對機器學(xué)習所專門開設的《統計機器學(xué)習》課程中(zhōng)有(yǒu)詳細介紹。

/02/

人工(gōng)智能(néng)距離人類智能(néng)的距離，還有(yǒu)多(duō)遠(yuǎn)？

從無人駕駛汽車(chē)到醫(yī)學(xué)輔助機器人，人工(gōng)智能(néng)已經在改善人類生活、輔助社會發展方面逐步得到應用(yòng)。

首先，計算機視覺技(jì )術的應用(yòng)。這項技(jì )術發展至今已經非常成熟，例如日常生活中(zhōng)的人臉識别等等，就是這項技(jì )術的應用(yòng)。其原理(lǐ)就是計算機将數字信号轉化成知識，對客觀事物(wù)儲備充分(fēn)的知識，然後用(yòng)這些模闆在獲取的圖像畫面中(zhōng)進行套取，來尋找數據結果。

還有(yǒu)一個比較熱門的應用(yòng)，就是自然語言處理(lǐ)，比如說，語音處理(lǐ)，這需要機器能(néng)把人類的語音和文(wén)字做相互轉化。而更重要、更接近機器學(xué)習和人工(gōng)智能(néng)研究核心的，則是語義處理(lǐ)。也就是通過給機器一段文(wén)字，機器要從中(zhōng)總結出抽象的概念。在理(lǐ)解了這些抽象概念之後，經過系統升級，它就可(kě)以做到智能(néng)問答(dá)——ChatGPT其實就是這樣一個自然語言處理(lǐ)系統——以及機器翻譯或是網絡搜索。這些具(jù)體(tǐ)技(jì )術，也都将在日後的課程中(zhōng)做深入的學(xué)習。

雖然和人類對抽象概念的理(lǐ)解相比，計算機很(hěn)容易顯得略遜一籌，但在大規模數據處理(lǐ)方面，計算機則占據了絕對的優勢。如果想要做一個日程安(ān)排，計算機通過卓越的大數據篩選、多(duō)樣化的排列組合等等處理(lǐ)，最終一定能(néng)給到一個最優解的方案。這也是目前計算機在生活中(zhōng)最廣泛的應用(yòng)。

人工(gōng)智能(néng)還能(néng)幫助純理(lǐ)論的數據研究。比如做出AlphaGo的公(gōng)司Deep Mind就提出了純數學(xué)領域的模型，而這個模型已經幫助到某位教授證明了一個古老的數學(xué)猜想。同時，這個模型通過大規模的數據比對、規律總結，幫助了另外兩位牛津大學(xué)教授提出了一項新(xīn)的猜想。盡管還無法幫忙證明這一猜想，但目前的這個階段已經達到非常深的數學(xué)理(lǐ)論研究部分(fēn)。

那麽未來，人工(gōng)智能(néng)還可(kě)以在哪些領域得以應用(yòng)呢(ne)？從目前的階段來看，這個答(dá)案充滿了可(kě)能(néng)性。在ASU的在線(xiàn)碩士項目中(zhōng)，我們的課程也是自從上到下，幫助大家構建一個完整的大數據-人工(gōng)智能(néng)學(xué)習技(jì )術站，希望幫助大家通過碩士項目的學(xué)習獲得完整的技(jì )能(néng)，獲得非常紮實的知識。

/Q&A/

公(gōng)開課在線(xiàn)答(dá)疑區(qū)

Q1：通過這個項目，可(kě)以學(xué)習到類似于ChatGPT這樣的AI工(gōng)具(jù)的開發嗎？

Dr. Deng: 這個項目會具(jù)體(tǐ)教給大家ChatGPT基于的注意力（attention）模型，或者形式，它是如何構建的，但沒有(yǒu)辦(bàn)法幫助大家去搭建這樣的工(gōng)具(jù)。因為(wèi)要搭建這樣的工(gōng)具(jù)需要海量的數據，同時它也需要海量的處理(lǐ)能(néng)力，它需要像谷歌、微軟這樣的企業完全投入一個完整的數據中(zhōng)心，進行長(cháng)達數月的模型訓練。就目前可(kě)能(néng)甚至是研究機構級别，像我們大學(xué)這樣層級的這個數據系統都沒辦(bàn)法處理(lǐ)，但是我們會教大家這個系統的具(jù)體(tǐ)原理(lǐ)，然後理(lǐ)解這集中(zhōng)背後的具(jù)體(tǐ)知識，然後至少能(néng)幫助大家去更好地使用(yòng)這樣的工(gōng)具(jù)。

Q2：對于從事數據分(fēn)析行業的職場人士，這個項目從專業度上是否匹配？課程中(zhōng)包括哪些技(jì )能(néng)呢(ne)？

Dr. Deng: 如果你是要進行這個數據分(fēn)類，或者是數據Tag或者是數據處理(lǐ)的話，《統計機器學(xué)習》這門課程會有(yǒu)很(hěn)多(duō)的實踐經曆，幫助你去了解各種基于統計的這個數學(xué)模型如何去對數據進行分(fēn)類和分(fēn)析。

Q3：這個項目關于AI算法方面有(yǒu)哪些進階的技(jì )能(néng)訓練呢(ne)？

Dr. Deng: 因為(wèi)我們是碩士課程，可(kě)能(néng)我們比較傾向于理(lǐ)論，可(kě)能(néng)比較少有(yǒu)具(jù)體(tǐ)的技(jì )術訓練。但會有(yǒu)課程項目去幫助大家進行一個深度模型的網絡訓練，然後有(yǒu)具(jù)體(tǐ)的課程項目。我們更重視的是幫助大家去理(lǐ)解這樣的深度學(xué)習它背後的具(jù)體(tǐ)原理(lǐ)是什麽，然後幫助大家更好地理(lǐ)解這個系統是如何運行的，可(kě)能(néng)想幫助大家做到的是訓練一下“内功”吧。

Q4：這門課屬于美國(guó)的STEM體(tǐ)系嗎？如果希望技(jì )術移民(mín)，是否具(jù)有(yǒu)美國(guó)本土STEM專業畢業生的相同學(xué)曆作(zuò)用(yòng)呢(ne)？

Dr. Deng: 是的，我們這個項目給到的學(xué)位肯定是STEM分(fēn)類裏面的，學(xué)完之後是認證的STEM人才。然後ASU的最終學(xué)曆是美國(guó)所有(yǒu)企業和所有(yǒu)大學(xué)都認可(kě)的。如果你學(xué)完了這個碩士之後想在美國(guó)找工(gōng)作(zuò)，或者是想在美國(guó)繼續深造讀博士，所有(yǒu)的學(xué)校肯定都是認可(kě)，不會有(yǒu)任何的問題。

Q5：要學(xué)習人工(gōng)智能(néng)，需要掌握哪些基礎知識？必須要有(yǒu)編程基礎嗎？

Dr. Deng: 編程基礎還是比較重要的。因為(wèi)目前所有(yǒu)的機器學(xué)習的這個庫，包括谷歌提供的庫、百度提供的庫，它們都是基于python的。你需要基本的python編程能(néng)力，或者是R語言的編程能(néng)力才能(néng)使用(yòng)這些我們已經搭建好的庫。然後對于完全的理(lǐ)解這個機器學(xué)習的過程，其實最重要的是數學(xué)，包括線(xiàn)性代數、概率論和數理(lǐ)邏輯。

Q6：目前在線(xiàn)中(zhōng)文(wén)項目，大部分(fēn)課程的通過率怎麽樣？

Dr. Deng: 根據我的觀察，基本上認真學(xué)習的學(xué)生都能(néng)通過。當然每門課都會有(yǒu)不通過的同學(xué)，但往往是由于個人原因，比如說工(gōng)作(zuò)原因沒有(yǒu)好好上課，或者是沒有(yǒu)投入足夠的時間去完成課程。

Q7：攻讀中(zhōng)文(wén)碩士項目的學(xué)生可(kě)能(néng)遇到的最大困難是什麽？該怎麽去克服這種困難呢(ne)？

Dr. Deng: 這個其實特别的因人而異。我們的學(xué)生大多(duō)都是工(gōng)作(zuò)的，也有(yǒu)很(hěn)多(duō)有(yǒu)家庭，可(kě)能(néng)最大的問題就是時間不夠，然後沒有(yǒu)足夠的時間去看所有(yǒu)的視頻，了解所有(yǒu)的内容，或者沒有(yǒu)足夠的時間去進行一個課程項目的搭建。然後，有(yǒu)的學(xué)生沒有(yǒu)很(hěn)好的數學(xué)基礎，或者是很(hěn)好的編程基礎，那可(kě)能(néng)難點就在于如何學(xué)習python，然後如何理(lǐ)解這個python語言。每個人可(kě)能(néng)會碰到不一樣的困難，但是據我目前的觀察，認真學(xué)習的同學(xué)基本上還是都能(néng)完成這個項目的學(xué)習。

* 新(xīn)聞轉發自ASU在線(xiàn)微信公(gōng)衆号，更多(duō)有(yǒu)關美國(guó)亞利桑那州立大學(xué)（ASU）的在線(xiàn)學(xué)位項目，請掃描下方二維碼關注公(gōng)衆号獲取詳細信息。