2月16日，职學(xué)教育（CinLearn）邀请到美國(guó)亚利桑那州立大學(xué)（Arizona State University，ASU）艾拉•富尔顿工(gōng)程學(xué)院邓宇立博士（Dr. Yuli Deng），以“走进机器學(xué)习和人工(gōng)智能(néng)（ An Introduction of Machine Learning and Artificial Intelligence）”為(wèi)主题，為(wèi)在線(xiàn)中(zhōng)文(wén)项目的同學(xué)们带来了一次精(jīng)彩分(fēn)享。

每一次技(jì )术创新(xīn)，都会引起一次或大或小(xiǎo)的行业震荡。这个2月，ChatGPT这款智能(néng)问答(dá)语言机器占据了各个行业的热议。无论是科(kē)技(jì )领域、商(shāng)业领域，还是教育领域，一种“全新(xīn)智能(néng)时代”开启的宿命感交错着“是否即将被取代”的迫切感正悄然蔓延。

邓宇立博士（Dr. Yuli Deng）

“如果回到4个月前，我可(kě)能(néng)不会相信人工(gōng)智能(néng)会达到ChatGPT这样的程度。”邓宇立博士（Dr. Yuli Deng）在本期公(gōng)开课分(fēn)享时，也表达了对人工(gōng)智能(néng)（Artificial Intelligence, AI）迅速发展的惊讶：“这4个月，基本上颠覆了大多(duō)数这个领域的科(kē)學(xué)家的预测。突破极限的速度可(kě)能(néng)比我们预期的要快那么一些。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)人类的陪伴者。”

不可(kě)否认，人工(gōng)智能(néng)技(jì )术的迅速发展引来了越来越多(duō)专业领域的关注。ASU的中(zhōng)文(wén)在線(xiàn)计算机工(gōng)程硕士专业，也即将在《统计机器學(xué)习》课之外，新(xīn)开设一门《人工(gōng)智能(néng)》的课程，就人工(gōng)智能(néng)这一领域做更為(wèi)详尽的介绍与研究。

/01/

让计算机像人一样思考和行动

在接触到更复杂的专业概念之前，邓博士率先明确了一个基本定义，即什么是智能(néng)？

从一般定义而言，智能(néng)是指感知、理(lǐ)解、预测，并与周遭的环境交互。换言之，若要使机器（或计算机）无限接近人类的智能(néng)，也就是要让它像人类一样理(lǐ)性思考，并获取在物(wù)理(lǐ)世界中(zhōng)移动的行动能(néng)力。

在人工(gōng)智能(néng)领域所要研究的，就是通过将“如何模仿人类”这个宽泛的概念解构成各种子项目（或子目标），比如计算机视觉、机器學(xué)习等等。在计算机通过學(xué)习可(kě)以进行信息储存和处理(lǐ)之后，接下来就要将这些方法运用(yòng)到具(jù)體(tǐ)的课题上，比如说，自然语言处理(lǐ)（Natural Language Processing），也就是使机器能(néng)够使用(yòng)人类语言与人类交流。

要构建机器与人类的交流，首先需要让计算机學(xué)习人类的沟通方式，即“机器學(xué)习”（Machine Learning）。早在上世纪80~90年代，人们尝试过用(yòng)逻辑编程的方法，将已知的人类知识作(zuò)為(wèi)规则，全部编程到電(diàn)脑里，然后让机器去做符合这些规则的操作(zuò)。但问题也随之而来：人类所掌握的浩瀚知识，无法完全总结并编程到電(diàn)脑中(zhōng)进行运行。对应的解决方法，就是让机器进行學(xué)习，自己做知识总结、知识储存，然后将这些知识和规律应用(yòng)到对新(xīn)数据的处理(lǐ)和判断中(zhōng)。

公(gōng)开课上，邓博士也分(fēn)享了一个计算机通过数學(xué)计算识别猫狗图片的案例，“计算机智能(néng)通过已知的训练数据去训练平面（识别），寻找到近似的分(fēn)界線(xiàn)。但这一条近似分(fēn)界線(xiàn)未必是完美的”。这样的训练模型背后的基础，在ASU的计算机工(gōng)程硕士项目中(zhōng)，针对机器學(xué)习所专门开设的《统计机器學(xué)习》课程中(zhōng)有(yǒu)详细介绍。

/02/

人工(gōng)智能(néng)距离人类智能(néng)的距离，还有(yǒu)多(duō)遠(yuǎn)？

从无人驾驶汽車(chē)到医(yī)學(xué)辅助机器人，人工(gōng)智能(néng)已经在改善人类生活、辅助社会发展方面逐步得到应用(yòng)。

首先，计算机视觉技(jì )术的应用(yòng)。这项技(jì )术发展至今已经非常成熟，例如日常生活中(zhōng)的人脸识别等等，就是这项技(jì )术的应用(yòng)。其原理(lǐ)就是计算机将数字信号转化成知识，对客观事物(wù)储备充分(fēn)的知识，然后用(yòng)这些模板在获取的图像画面中(zhōng)进行套取，来寻找数据结果。

还有(yǒu)一个比较热门的应用(yòng)，就是自然语言处理(lǐ)，比如说，语音处理(lǐ)，这需要机器能(néng)把人类的语音和文(wén)字做相互转化。而更重要、更接近机器學(xué)习和人工(gōng)智能(néng)研究核心的，则是语义处理(lǐ)。也就是通过给机器一段文(wén)字，机器要从中(zhōng)总结出抽象的概念。在理(lǐ)解了这些抽象概念之后，经过系统升级，它就可(kě)以做到智能(néng)问答(dá)——ChatGPT其实就是这样一个自然语言处理(lǐ)系统——以及机器翻译或是网络搜索。这些具(jù)體(tǐ)技(jì )术，也都将在日后的课程中(zhōng)做深入的學(xué)习。

虽然和人类对抽象概念的理(lǐ)解相比，计算机很(hěn)容易显得略逊一筹，但在大规模数据处理(lǐ)方面，计算机则占据了绝对的优势。如果想要做一个日程安(ān)排，计算机通过卓越的大数据筛选、多(duō)样化的排列组合等等处理(lǐ)，最终一定能(néng)给到一个最优解的方案。这也是目前计算机在生活中(zhōng)最广泛的应用(yòng)。

人工(gōng)智能(néng)还能(néng)帮助纯理(lǐ)论的数据研究。比如做出AlphaGo的公(gōng)司Deep Mind就提出了纯数學(xué)领域的模型，而这个模型已经帮助到某位教授证明了一个古老的数學(xué)猜想。同时，这个模型通过大规模的数据比对、规律总结，帮助了另外两位牛津大學(xué)教授提出了一项新(xīn)的猜想。尽管还无法帮忙证明这一猜想，但目前的这个阶段已经达到非常深的数學(xué)理(lǐ)论研究部分(fēn)。

那么未来，人工(gōng)智能(néng)还可(kě)以在哪些领域得以应用(yòng)呢(ne)？从目前的阶段来看，这个答(dá)案充满了可(kě)能(néng)性。在ASU的在線(xiàn)硕士项目中(zhōng)，我们的课程也是自从上到下，帮助大家构建一个完整的大数据-人工(gōng)智能(néng)學(xué)习技(jì )术站，希望帮助大家通过硕士项目的學(xué)习获得完整的技(jì )能(néng)，获得非常扎实的知识。

/Q&A/

公(gōng)开课在線(xiàn)答(dá)疑區(qū)

Q1：通过这个项目，可(kě)以學(xué)习到类似于ChatGPT这样的AI工(gōng)具(jù)的开发吗？

Dr. Deng: 这个项目会具(jù)體(tǐ)教给大家ChatGPT基于的注意力（attention）模型，或者形式，它是如何构建的，但没有(yǒu)办(bàn)法帮助大家去搭建这样的工(gōng)具(jù)。因為(wèi)要搭建这样的工(gōng)具(jù)需要海量的数据，同时它也需要海量的处理(lǐ)能(néng)力，它需要像谷歌、微软这样的企业完全投入一个完整的数据中(zhōng)心，进行長(cháng)达数月的模型训练。就目前可(kě)能(néng)甚至是研究机构级别，像我们大學(xué)这样层级的这个数据系统都没办(bàn)法处理(lǐ)，但是我们会教大家这个系统的具(jù)體(tǐ)原理(lǐ)，然后理(lǐ)解这集中(zhōng)背后的具(jù)體(tǐ)知识，然后至少能(néng)帮助大家去更好地使用(yòng)这样的工(gōng)具(jù)。

Q2：对于从事数据分(fēn)析行业的职场人士，这个项目从专业度上是否匹配？课程中(zhōng)包括哪些技(jì )能(néng)呢(ne)？

Dr. Deng: 如果你是要进行这个数据分(fēn)类，或者是数据Tag或者是数据处理(lǐ)的话，《统计机器學(xué)习》这门课程会有(yǒu)很(hěn)多(duō)的实践经历，帮助你去了解各种基于统计的这个数學(xué)模型如何去对数据进行分(fēn)类和分(fēn)析。

Q3：这个项目关于AI算法方面有(yǒu)哪些进阶的技(jì )能(néng)训练呢(ne)？

Dr. Deng: 因為(wèi)我们是硕士课程，可(kě)能(néng)我们比较倾向于理(lǐ)论，可(kě)能(néng)比较少有(yǒu)具(jù)體(tǐ)的技(jì )术训练。但会有(yǒu)课程项目去帮助大家进行一个深度模型的网络训练，然后有(yǒu)具(jù)體(tǐ)的课程项目。我们更重视的是帮助大家去理(lǐ)解这样的深度學(xué)习它背后的具(jù)體(tǐ)原理(lǐ)是什么，然后帮助大家更好地理(lǐ)解这个系统是如何运行的，可(kě)能(néng)想帮助大家做到的是训练一下“内功”吧。

Q4：这门课属于美國(guó)的STEM體(tǐ)系吗？如果希望技(jì )术移民(mín)，是否具(jù)有(yǒu)美國(guó)本土STEM专业毕业生的相同學(xué)历作(zuò)用(yòng)呢(ne)？

Dr. Deng: 是的，我们这个项目给到的學(xué)位肯定是STEM分(fēn)类里面的，學(xué)完之后是认证的STEM人才。然后ASU的最终學(xué)历是美國(guó)所有(yǒu)企业和所有(yǒu)大學(xué)都认可(kě)的。如果你學(xué)完了这个硕士之后想在美國(guó)找工(gōng)作(zuò)，或者是想在美國(guó)继续深造读博士，所有(yǒu)的學(xué)校肯定都是认可(kě)，不会有(yǒu)任何的问题。

Q5：要學(xué)习人工(gōng)智能(néng)，需要掌握哪些基础知识？必须要有(yǒu)编程基础吗？

Dr. Deng: 编程基础还是比较重要的。因為(wèi)目前所有(yǒu)的机器學(xué)习的这个库，包括谷歌提供的库、百度提供的库，它们都是基于python的。你需要基本的python编程能(néng)力，或者是R语言的编程能(néng)力才能(néng)使用(yòng)这些我们已经搭建好的库。然后对于完全的理(lǐ)解这个机器學(xué)习的过程，其实最重要的是数學(xué)，包括線(xiàn)性代数、概率论和数理(lǐ)逻辑。

Q6：目前在線(xiàn)中(zhōng)文(wén)项目，大部分(fēn)课程的通过率怎么样？

Dr. Deng: 根据我的观察，基本上认真學(xué)习的學(xué)生都能(néng)通过。当然每门课都会有(yǒu)不通过的同學(xué)，但往往是由于个人原因，比如说工(gōng)作(zuò)原因没有(yǒu)好好上课，或者是没有(yǒu)投入足够的时间去完成课程。

Q7：攻读中(zhōng)文(wén)硕士项目的學(xué)生可(kě)能(néng)遇到的最大困难是什么？该怎么去克服这种困难呢(ne)？

Dr. Deng: 这个其实特别的因人而异。我们的學(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)最大的问题就是时间不够，然后没有(yǒu)足够的时间去看所有(yǒu)的视频，了解所有(yǒu)的内容，或者没有(yǒu)足够的时间去进行一个课程项目的搭建。然后，有(yǒu)的學(xué)生没有(yǒu)很(hěn)好的数學(xué)基础，或者是很(hěn)好的编程基础，那可(kě)能(néng)难点就在于如何學(xué)习python，然后如何理(lǐ)解这个python语言。每个人可(kě)能(néng)会碰到不一样的困难，但是据我目前的观察，认真學(xué)习的同學(xué)基本上还是都能(néng)完成这个项目的學(xué)习。

* 新(xīn)闻转发自ASU在線(xiàn)微信公(gōng)众号，更多(duō)有(yǒu)关美國(guó)亚利桑那州立大學(xué)（ASU）的在線(xiàn)學(xué)位项目，请扫描下方二维码关注公(gōng)众号获取详细信息。