A.I.的背后

2015年， AlphaGo与人类围棋天才李世石五番棋决斗。

第四局，李世石判断黑空中有棋，下出白78挖。
李世石这史诗级的“神之一手”，

表示了人类顶峰的直觉、算力和创造力。

五年过去了，李世石这位天才棋手已经退役。

AI却在各个智力领域将人类逼得连连败退。

2016年，DeepMind又打败当时天下排名第一的柯洁。
2017年，Libratus赢得了德州扑克大战。
2018年，Watson肺癌治疗精确度达到90％超过人类年夜夫。
2019年，A.I.又开始了“深度学习”狂风雨式的革命。

………

也有人说，自然科学领域A.I.可以降服人类。

但在艺术领域，人工智能它没有办法与人类比肩。

A. I.真的就不懂艺术吗？

纵然它写不出《第九交响曲》这样的经典,

难道不能创作出朗朗上口的童谣？

纵然A.I.不能“自由思考主不雅观表达”，

但在艺术上助力人类总可以吧。

A.I.真的不能“主不雅观创造”？

A. I.的思维办法到底是若何的？

A. I.的智能与人类智力到底有何不同？

要回答这些问题，我们先要研究“贝叶斯定理”。

由于它是隐蔽在A.I.背后的智能基石。

“不科学”的贝叶斯公式

历史有许多天才，生前籍籍无名，去世后众人崇拜。

18世纪数学家托马斯·贝叶斯也是个中一位。

“贝叶斯”定理源于办理“逆向概率”问题时写的论文。

在此之前，人们尽管帐算“正向概率”。

什么是“正向概率”呢：

假设袋子里面有P只红球，Q只白球，它们除了颜色之外，其它性状完备一样。
你伸手进去摸一把，摸到红球的概率是多少是可以推算出来的。

但反过来是否也可以打算，我们可以将它视为“逆向概率”：

如果我们事先并不知道袋子里面红球和白球的比例，而是闭着眼睛摸出一些球，然后根据手中红球和白球的比例，对袋子里红球和白球的比例作出推测。

这个问题便是逆向概率问题。

普通地讲，就像一个迷信星座的HR，如果碰到一个处女座应聘者，HR会推断那个人多数是一个追求完美的人。

这便是说，当你不能准确知悉某个事物实质时，你可以依赖履历去判断实在质属性。

这个研究看起来平淡无奇，名不见经传的贝叶斯也未引人把稳。

他写的论文直到他去世后的第二年，才由他的一位朋友在1763年揭橥。

明珠蒙尘，就像画界的梵高，画稿生前无人问津，去世后代价连城。

为什么贝叶斯定理200多年来一贯被雪藏，不受科学家待见？

由于它与当时的经典统计学相悖，乃至是“不科学”的。

经典统计学中，数字规律来源于随机取样再行打算。

贝叶斯方法则建立在主不雅观判断根本上，你可以先估计一个值，然后根据客不雅观事实不断改动。

从主不雅观预测出发，这显然不符合科学精神，以是贝叶斯定理为人诟病。

1774年，法国的大数学家拉普拉斯也看到贝叶斯定理的代价。

不过他知道人类的普遍毛病，总是用传统来反对新思想。
他

贝叶斯公式是这样事情的

贝叶斯定理大略优雅、深刻隽永。

贝叶斯定理并不好懂，每一个因子背后都藏着深意。

它到底是如何“为公民做事”的呢？

对付贝叶斯定理，参照上面的公式，首先要理解各个概率所对应的事宜。

P（A|B）是在B发生的情形下A发生的概率；

也叫作A的后验概率，是在B事宜发生之后，对A事宜概率的重新评估。

P（A）是A发生的概率；

也叫作A的先验概率，是在B事宜发生之前，对A事宜概率的一个判断。

P（B|A）是在A发生的情形下B发生的概率。

P（B）是B发生的概率。

而贝叶斯定理的含义也不言而喻：先预估一个“先验概率”，再加入实验结果，看这个实验到底是增强还是削弱了“先验概率”，改动后得到更靠近事实的“后验概率”。

就知道你没看懂……那还是举个例子吧！

我们以COVID-19疫情为例。

假设COVID-19的发病率是0.001，即1000人中会有1个人罹病。

某病毒研究所研发出了一种试剂，可以用来考验你是否罹病。

它的准确率是0.99。
即在你确实罹病的情形下，它有99%的可能呈现阳性。

它的误报率是0.05，即在你没有罹病的情形下，也有5%可能呈现阳性（也便是医学界令人头疼的“假阳性”）

恐怖的事情来了：如果你的考验结果为阳性，那你确实生病的可能性有多大？

这是一个要命的问题，你一定想知道结果，以是你得好好看以下推论。

假定A事宜表示生病，那么P（A）为0.001，这便是“先验概率”。

假定B事宜表示阳性，那么要打算P（A|B），即检测后对发病率的估计。

P（B|A）表示生病情形下呈阳性，也便是“真阳性”，P（B|A）为0.99。

P（B）是一种全概率，为每一个样本子空间中发生B概率的总和。
它有两个子情形，一个是没有误报的“真阳性”，一个是误报了的“假阳性”，套用全概率公式后：

一种准确率为99%的试剂，你被检测到呈阳性。

你可能被吓得失落魂落魄，人生就这样88了吗？可在贝叶斯的眼中，这种可信度也不过2%。
缘故原由无它，5%的误报率在医学界可谓非常高了。

别看表面的数据，我们要相信贝叶斯的数学结论。

看似冷漠的贝叶斯定理会温顺的安慰你：

别怕，不到2%的概率。

贝叶斯公式取得了人类信赖

本日的贝叶斯理论已经开始遍布各地。

从物理学到癌症研究，从生态学到生理学，

贝叶斯定理险些像“热力学第二定律”一样放之宇宙皆准了。

物理学家提出量子机器的贝叶斯阐明，守卫弦和多重宇宙理论。

哲学家主见作为一个整体的科学可以被视为一个贝叶斯过程。

而在IT界，AI大脑的思考和决策树，更是被工程师设计成了一个贝叶斯程序。

在日常生活中，我们也常利用贝叶斯公式进行决策，只是自己没有把稳到这便是“贝叶斯定理”。

比如我们到河边钓鱼，根本就不知道哪里有鱼，彷佛只能随机选择，但实际上我们会根据贝叶斯方法，利用以往积累履历找一个回水湾区开始垂钓。

这便是根据先验知识进行主不雅观判断，在钓过往后加强这种判断，然后下一次进行再选择。

以是，在认识事物不全面的情形下，贝叶斯方法是一种理性且科学的方法。

贝叶斯理论现在被认可紧张来源于两件事：

❶《联邦党人文集》作者揭密

1788年，《联邦党人文集》匿名出版，两位作者写作风格险些同等。
个中12篇文章作者存在争议，而要找出每一篇文章的作者极其困难。

两位统计学教授采取以贝叶斯公式为核心的分类算法，10多年的韶光，他们推断出12篇文章的作者，而他们的研究方法也在统计学界引发轰动。

❷美国天蝎号核潜艇搜救

1968年5月，美国海军天蝎号核潜艇在大泰西亚速海海疆失落踪。
军方通过各种技能手段调查无果，末了不得不乞助于数学家John Craven。

Craven提出的方案同样也利用了贝叶斯公式，搜索某个区域后根据搜索结果改动概率图，再逐个打消小概率的搜索区域，几个月后，潜艇果真在爆炸点西南方的海底被找到了。

2014年初马航MH370航班失落联，科学家想到的第一个方法便是利用海难空难搜救的通畅方法——贝叶斯定理开始区域搜索。

这个时候，贝叶斯公式已经名满天下了。

贝叶斯定理展示“神迹”

当然，贝叶斯定理名扬天下，紧张还是在人工智能领域的运用。
特殊是自然语音的技能识别，让人类见识了A.I.的“思考力”。

人类措辞的多义性，可以说是信息里最繁芜最动态的一部分。

机器怎么知道你在说什么？

2020年，只要你看到机器翻译的准确性，

你也会感叹这切实其实便是“神迹”，它们频年夜部分现场翻译要强得多。

语音识别实质上是找到概率最大的笔墨序列。

一旦涌现条件概率，贝叶斯定理总能挺身而出。

我们用P（f|e）差异于以上的P（A|B）来阐明语音识别功能。

统计机器翻译的问题可以描述为：给定一个句子e，它可能的外文翻译f中哪个是最靠谱的。

即我们须要打算：P（f|e）

这个式子的右端很随意马虎阐明：

那些先验概率较高，并且更可能天生句子e的外文句子f将会胜出。

我们只需大略统计就可以得出任意一个外文句子f的涌现概率。

随着大量数据输入模型进行迭代，随着打算能力不断提高，随着大数据技能的发展，贝叶斯定理威力日益凸显，贝叶斯公式巨大的实用代价也愈颁发现出来。

语音识别仅仅只是贝叶斯公式利用的个中一个例子。

实际上，贝叶斯思想已经渗透到了人工智能方方面面。

贝叶斯网络，AI聪慧的拓展

语音识别，见证了贝叶斯定理的能力。

贝叶斯网络的拓展，则可以看到更强大的人工智能未来。

借助经典统计学，人类已经办理了一些相对大略的问题。

然而经典统计学方法却无法阐明繁芜参数所导致的征象，例如：

龙卷风的成因，2的50次方种可能的最小参数值比对；星系起源，2的350次方种可能的星云数据处理；大脑运作机制，2的1000次方种可能的意识量子流；癌症致病基因，2的20000次方种可能的基因图谱；

……

面对这样数量级的运算，经典统计学显得力不从心。

科学家别无选择，终极探求贝叶斯定理给予帮助。

把某种征象的干系参数连接起来，再把数据代入贝叶斯公式得到概率值，公式结网形成一个成因网，即贝叶斯网络，如下图所示：

这也是贝叶斯网络被称为概率网络、因果网络的缘故原由。

利用先验知识和样本数据，确立随机变量之间的关联，然后得出结论。

一个又一个的节点，一个又一个的概率，都来源于人类的先验知识，有效知识越多，贝叶斯网络展示的力量越让人震荡。

本日一场轰轰烈烈的“贝叶斯革命”正在AI界发生：

贝叶斯公式已经渗入到工程师的骨子里，贝叶斯分类算法也成为主流算法。

在很多工程师眼中，贝叶斯定理便是AI发展的基石。

A.I.的思考办法：无文理之分

读懂了贝叶斯定理，也就基本理解了A.I.的思考办法。

这也是为什么“大数据+算法+算力”构成人工智能三要素。

❶大数据，它是A.I.的老师，它教会A.I.成为一个什么样的人。

❷算力，这属于个人能力，终年夜后的A.I.处理问题时须要的能量。

❸算法，创世主授予的方法论（天赋），算法越精良越事半功倍。

从这些核心要素出发，我们转头来看开头的问题：

A. I.真的不懂艺术吗？

它不能“主不雅观创造”吗？

它在艺术上不能助力人类吗？

答案是否定的，人工智能思维办法并无文理之别。

它是个理科生，也是个文科生，还是个艺术生。

A.I.的思维基因来源于主不雅观性“贝叶斯定理”，只要有好的数据，机器经由学习，可以创作出经典艺术作品。

当前，“AI+艺术”已经成为新思潮。

法国艺术团队Obvious通过绘画数据创作《爱德蒙德贝拉米》A.I.艺术品，在佳士得拍出432500美元高价，震荡众人。

AI也能作曲！
OpenAI神经网络已经能创作任何流派。
2019年，来自澳洲的《绝美天下》得到AI版“欧洲歌唱大赛”冠军，这支歌曲以纪念澳洲大火中丧生的动物为背景，以欧洲歌唱大赛歌曲为大数据，交由AI谱曲填词。

有名音乐人Newton Rex谈到：音乐人生充满创意，用正面眼力看待AI在音乐中扮演的角色，音乐教诲，人类与AI也可以携手。

A.I.是一个好的音乐助理

A.I.技能在艺术教诲已经做出贡献，举个例子：腾讯发起一个“腾讯荷风艺术行动”公益项目，探索出一条“AI+艺术教诲”的道路，目标是遍及村落庄青少年艺术教诲。

2019年7月，腾讯发起“互联网音乐教室操持”，把AI技能融入到音乐教室中。

截至今年5月，操持中的100个音乐教室已在新疆、四川、河北等10省份成功落地，为超过8万村落庄师生供应音乐传授教化做事，还将陆续投入到疫后艺术课程的复课之中。

互联网音乐教室操持

在这个公益活动中，AI技能在艺术教诲中起了很大浸染。

❶实时对孩子的学习情形互动反馈

❷清楚理解学生的学习行为轨迹

❸供应更精准化个性化的学习策略

❹对学生而言，AI 就像一个专属助教

❺对老师而言，可以集中精力创造性传授教化

❻对家长而方，完全理解学习到的知识点

A.I.可能不会代替传统意义上的音乐老师，但它会是一个任劳任怨的助理。

这些学校多了一位全天候的专业音乐老师，“点亮”孩子的音乐梦想。

今年六一，“腾讯荷风艺术行动”携手QQ音乐、全民K歌发起的“艺术行动儿童音乐共创大赛”评比揭晓，4首精良原创童谣及10个精良童谣创词作品从8150首作品中脱颖而出。

个中，《未来的你加油》《小蚂蚁》《爸爸》《雪娃娃》等4首获奖作品，被收录进《童谣新唱》公益音乐专辑，由“腾讯荷风艺术行动”联合QQ音乐首发，成为送给孩子们最为特殊的儿童节礼物。

王俊凯、AI艾灵、艺术行动小朋友《点亮》MV_腾讯视频

当然，A.I.除了在音乐教诲上是一个不错助理，它还可以写歌词，唱歌曲：“艾灵”便是由腾讯AILab打造的“数字人”，这次它将与王俊凯互助，听众通过“王俊凯AI唱我的歌”H5，选择代表自己童年想象的关键词，“艾灵”就可以在线智能创作乐曲，并实时演唱。

其事理，便是利用汉字、音乐旋律与和弦的素材，通过DurIAN-singing synthesis的声学模型，经由贝叶斯网络组合，变成歌曲后，再进行个性化歌声合成，仿照王俊凯音色唱出。

A.I.会说出“我思故我在”吗？

从贝叶斯定理出发，工程师认为人工智只能是数学概率，

绝不会产生自由意志；

人们一贯相信，AI永久不懂人的爱恨情仇，就像白天不懂夜的黑。

然而，人工智能对艺术的仿照，已经超越大部分人的鉴别能力，

不久将来，AI可能会通过“音乐图灵测试”，

最好的音乐AI与最伟大的音乐西席又有何分别？

大概AI间隔在艺术领域大规模的运用尚有差距，

但腾讯在利用AI力量遍及艺术教诲方面的探索，未尝不是一种很好的探索。

Google自动驾驶汽车的操纵系统；寻衅人类末了聪慧堡垒的AlphaGo系统；腾讯OpenAI在音乐天生方面的新创作；

从贝叶斯网络到神经网络，AI越来越像人。

这统统，都建立在在贝叶斯定理的基因上。

如果AI能够创造一首歌，那么它就能成为伟大的音乐教堂。

笛卡尔说出“我思故我在”时，被认为是“人类的觉醒”。

A.I.有一天也会问“我是谁”吗？

如果人类想在底层系统中预设答案。

那么我们会设定：

你是“具有自由意志的A.I.”，

还是“你是人类创造的A.I.”。