从机器人学习到毁灭人类只有三步

　　在未来100年内的某个时间，计算机人工智能将超过人类。这一切发生时我们一定要确保计算机的目标和人类的目标是一致的。世界著名宇宙学家霍金在2015年抛出这一论点后，最近从李世石到柯洁的人机大战又把人工智能推到了风口浪尖。那么人工智能为什么能够有这样神奇的能力呢？人工智能真的会是人类的灭顶之灾吗？
　　霍金的预言会成为现实吗？
　　第一步，机器学习从模仿起步
　　从冷冰冰的机器到肩负起毁灭人类的使命，这恐怖变化的关键便是机器学习（MachineLearning）。机器学习是人工智能的核心，其应用遍布于人工智能的各个领域。机器学习在不少高等院校中也有开设，但是其并非单一学科，而是概率论、统计学、神经生理学、自动化等多门学科的多个领域的交叉存在。可以说，没有机器学习，就没有人工智能。
　　机器学习给了人工智能腾飞的机会
　　机器学习的宗旨是让机器学会人识别事物的方法，这个方法的核心便在于经验。我们从小到大所受到的教育，简单来讲便是一种经验的累积，从呱呱坠地的那一刻起我们就在学习，把对外界的认知转化为经验，量变达到后便会质变为思考、推理等更高层次的行为。机器学习可以理解为让机器模仿人类的学习过程，最终实现智能化。
　　人工智能师从人类，能青出于蓝吗？
　　这个过程说起来简单，但是现实操作中却并不容易。首先，人类大脑中有无数个神经元，而机器却没有这样的神经构造，数据交互和处理方式完全不同；其次，人类大脑具有的意识能力并非仅仅是依靠经验而得来的，尤其是潜意识层次的思维，这点很难让机器做到；第三，人类只要在生活，无时无刻不处于学习的状态，机器学习却需要通过一定的帮助才能做到。这也是在过去人工智能发展的主要障碍所在，那么发展都成问题，毁灭人类的使命又从何说起呢？
　　机器毕竟与大脑不同，如何学习？
　　第二步，借大数据兴风，欲无监督作浪
　　人工智能毁灭人类的流言再度四起，原因便在于大数据。随大数据而来的一系列变革在众多领域发生，人工智能在大数据的带动下也开始兴风作浪。
　　大数据的崛起对机器学习意义非凡
　　大数据的核心在于数据挖掘，机器学习便是数据挖掘时最常用的方法之一。因此，机器学习技术不断的完善，原本模仿人类大脑的三点先天不足已经逐渐不再重要。
　　首先，机器学习处理大量数据时所采取的分布式处理技术已经成熟，也就是说在处理大量的任务时，并非集中处理，而是将任务分块，采取多个组件同时处理运算，这样就大幅提升了计算效率，计算能力远远超过人类的大脑；其次，我们在机器学习时会给予其大量的样本，并设置相应的处罚函数，然后通过训练逐步减少处罚函数出现的概率，提高的机器的智能水平；
　　机器学习不再仅仅是一种数据挖掘的算法
　　最后，机器学习的方法也更加成熟，现在一般分为三种：监督学习，半监督学习和无监督学习。监督学习是指利用一组已知标注类别的样本调整分类器的参数，使其达到所要求性能的过程。简单来说就是给机器一堆有标记的数据，然后让机器学习后，推测得出新的未知的信息。这其中的代表方法就有神经网络、SVM、NaveBayes、KNN和决策树等，目前与韩国棋手李世石挑战的谷歌AlphaGo采用的便是神经网络的学习方法。
　　半监督学习是指介于监督学习和无监督学习之间，利用少量的标注样本和大量的未标注样本进行训练，以得出新的位置信息的办法。这种方法更多的像是两种方法的结合，也是现在正在兴起的一种方法。
　　无监督学习则指设计分类器时，不给样本参数任何标签，让机器自行分析处理。目标便是让机器学会自主学习。曾经有人设计过一项电脑程序，让其利用无监督学习的方法玩一款游戏，在进行了多次游戏以后，这项程序的游戏水平不仅超过了使用监督学习方法学习的机器，比之人类最好的玩家也要出色许多。
　　逐渐脱离监督进行学习，是谁的愿望？
　　但是目前，由于无监督学习还处于起步状态，因此半监督学习和监督学习的改进版是现在人工智能的主流方法。无监督学习既然已经开始，这种更为优秀也更智能的方法必然会成为未来发展的主流，机器学习的自主性提升后，似乎已经比人类更胜一筹，毕竟我们小时候被老师打着都不学的情景依然历历在目
　　第三步，毁灭人类额，有点早
　　其实，从无监督学习这个方法出现的时候，人们难免就会感到背部的一丝寒意。这个方法的出现就像是人工智能逆天的起步，人类作为地球上有史以来智商最高的种族，最引以为傲的智慧却被机器无情碾压，数十万年建立起来的自信就这样的消失，肯定是难以接受的。那么人工智能要想完全超越人类，甚至像终结者一样毁灭人类，有可能吗？
　　终结者才是机器学习的最高境界！
　　很多人认为，机器始终是人类创造的，要想超越人类是不可能的。这种说法对于不会学习的机器来讲无疑是正确的，但是当机器具备了学习能力，情况就完全不一样了。因为机器通过学习会成长到什么程度，连他的设计者也不能确定。所以我们担心它们会对人类造成威胁也不完全是杞人忧天，他们的学习系统如何帮助机器成长也值得让我们担心。
　　机器学习的学习系统基本架构可以分为三部分：环境、知识库和执行部分。环境就相当于我们的感知系统，而机器会通过环境收集信息，利用这些信息来修改自己的知识库；相应的，知识库就相当于人类的大脑，存储信息，思考处理方法；而执行部分就相当于我们做事情的手脚，做完了以后还会得到新的信息再次被收集，重新记忆。
　　学习系统完备，人工智能踏上超越人类的征途
　　通过这三者的构成我们不难发现，如果环境给予机器一些简单的信息，机器完全可以通过学习得到正确的处理方法和执行方式，但是如果给予了一大堆复杂的信息，这些信息有真有假，那么知识库所修改得到的信息就未必是正确的了。尽管系统通过执行可能发现这些问题进行修改，但是这样不仅导致学习任务加重，由于修改也可能导致其所得规则产生偏差。这也就是为什么人工智能下棋很厉害的原因，因为棋类项目有着明确的规则，而在规则之内进行预测和执行，进行大量的计算恰好便是人工智能的长处。如果脱离了这些规则，选择越多，人工智能的能力与人类相差越远。
　　无论李世石还是柯洁，人工智能终有一天会超越人类
　　人之所以能成为人，便在于我们常常不按套路出牌，我们没有翅膀却能够飞翔，没有腮鳍却可以远航，脚踏地球却在仰望太空。也许在未来，机器也能得到想象的能力，能够对我们的生存构成威胁。但是就目前来看，人工智能毁灭人类怎么看也是在背黑锅，而这口黑锅它们却背的很有价值，只要人工智能不断发展，我们必须不断的敲响合理发展科技的警世钟。