第22章 人工智能（第1页）

请退出浏览器阅读模式，否则将导致章节内容缺失及无法阅读下一章。🎁黑料不打烊看片

人工智能这个词华峰在大学时就知道，但没有研究过，现在华峰越想越觉得人工智能是解决自已当前困难的唯一方案，既然人的大脑处理不了庞大的数据信息，那就让人工智能代替大脑来工作，最后只要由人工智能告知结论就行。

说干就干，华峰打开电脑，在国外技术网站发了一个关于人工智能的求助帖。

没过2个小时，就有5，6个人回复了邮件，华峰仔细阅读了每封邮件，其中老朋友汉耶茨的邮件对华峰的帮助最大。

嗨，亲爱的卢克，你是不知道当我看到你的求助帖时我是多么的高兴，之前lc编程你帮了我大忙，我正不知道怎么感谢你那，现在机会来了，我大学的专业方向就是人工智能，工作后，也一直从事人工智能方面的研究，下面我将向你介绍人工智能的知识，你有问题可以随时问我。

……

汉耶茨的邮件内容很多，详细讲述了人工智能的发展史，从最早的图灵测试开始，讲到首台人工智能机器人Shakey诞生，再到战胜国际象棋世界冠军卡斯帕罗夫的电脑“深蓝”，以及卷积神经网络和深度学习。汉耶茨重点讲了卷积神经网络背后用到的各种技术：梯度下降算法，反向传播算法，卷积核，激励函数等等，邮件还有很多附件，里面有详尽的各种参考资料以及卷积神经网络的demo。

华峰看完邮件又继续看附件中的参考资料，时间不知不觉过去了3个小时，此时已经凌晨3点多，是一天中最黑暗的时刻，大多数人早已进入梦乡，但华峰被人工智能的内容深深吸引了，丝毫没有感到困倦，华峰对人工智能越看兴趣越大，有种相见恨晚的感觉，终于，华峰把附件中的参考资料全都看完了，华峰长出一口气，脑中梳理着人工智能的知识脉络。

所谓人工智能，概念很好理解，就是让计算机拥有人类的智慧，这事说起来容易，但实现起来很难，拿大家容易理解的图灵测试来说，从1950年图灵提出概念，直到现在（2009年），都没有一台计算机通过此测试（第一台通过图灵测试的计算机是在2014年），但经过50多年的发展，人工智能领域也有了长足的发展，其中最具代表性的就是计算机视觉。

人看到一只动物，如何判断是不是狗？经过生物学家的研究，发现是人类的神经网络在起作用，具体来说，当人看到一只动物时，动物的影像会通过眼睛传到神经系统，神经系统从影像中概括出这个动物的一系列特征，如毛发的颜色，长短，脸的形状，鼻子，嘴的形状，叫声，等等等等，然后再和脑海中已知狗的特征进行比对，从而判断出眼前的这个动物是不是狗。

计算机视觉原理也是如此，核心思想也是从一个图片中概括出动物的一系列特征，然后与已知狗的图片进行比对，从而判断出图片中的动物是不是狗。

计算机视觉应用的技术就是卷积神经网络，这是一个很复杂的技术，包含如梯度下降算法，反向传播算法很多算法，又分为输入层，卷积层，输出层等很多层，卷积层又有如卷积核，激励函数等等一系列概念。

华峰有非常深厚的C语言编程能力，看卷积神经网络的参考资料完全没有问题，华峰现在想的是如何将卷积神经网络技术应用到超声探测仪中。

首先，从本质上来说，用超声探测仪来探测翡翠原石内部情况，也是提取相应的特征，但与计算机视觉不同，计算机视觉提取的是图片的特征，而超声探测仪需要提取的是超声透射波与反射波的特征信号，通过提取的特征信号来判断翡翠原石内部的种，水，色，裂，棉，脏等信息。这类专属设备是没有现成的卷积神经网络模型的，华峰需要根据现有的卷积神经网络模型进行大量修改才能用。

其次，卷积神经网络需要有标准的输入输出，计算机视觉标准的输入数据是大小一致的图片，那么超声探测仪标准输入数据是什么那？华峰想了很长时间，初步定了标准输入：用相控阵超声探测仪扫描长宽高3个面，每个面按1度间隔，共提取180条数据，3个面加起来就是540条数据，每条数据中包含1000个频率数据（频率从1MHZ到40万MHZ），每个频率数据包含此频率下的弹性模量，泊松比，反射波波形，幅度，强弱，角度，透射波波形，幅度，强弱，角度等信息，如果按照频率来算，确定一块翡翠原石，总共要输入54万条频率的数据，华峰在设计2代超声探测仪时，虽然所有数据都保存了下来，但分析数据时，是通过计算芯片自动过滤出一个最大透射频率，只用这一个频率的数据来进行分析，说白了，就是舍弃了999个频率的数据，舍弃的原因不是这999个频率数据没用，而是因为人脑根本无法处理540000条数据，不得不舍弃，现在华峰在设计卷积神经网络时，将原本舍弃的999个频率数据又恢复使用，通过1000个频率数据间的比对，能更准确的判断翡翠原石内部特征。

华峰接着想标准输出，他将一块翡翠原石按1立方毫米为一个基本单元，分成很多个单元，拿一块20厘米见方的石头为例，其基本单元就有800万个，石头越大，基本单元就越多，每个基本单元都有长，宽，高3个维度的数据，然后通过提取到的540000条数据的特征，来计算每个基本单元的种，水，色，裂，棉，脏等信息。由于每个基本单元都有3个维度的数据，如果3个维度的数据判断结果一致时，说明此时判断准确率极高，如果3个维度数据判断不一致时，则根据3个维度的具体情况综合评判。

这一步需要大量的计算，也是人脑无法完成的工作。

最后，再将所有基本单元的情况汇总分析，最终得出一个结论：此块原石是什么种水，里面有多少棉，棉块大小，位置，有多少条裂，裂的长度，走向，是否有脏进到翡翠内部等等。

华峰尝试将此神经网络植入自已的手机中，可是令华峰无语的是，当他将汉耶茨发的卷积神经网络的demo植入自已手机中测试时，发现运行速度奇慢无比，一顿分析后，华峰找到了原因所在，一个原因是手机的cu运算能力太低（2009年的智能手机），另一个原因是汉耶茨使用ython编写的demo，ython是计算机编程语言中运行速度最慢的，没有之一。

解决第一个问题，华峰想到的办法是在手机中植入电脑的cu芯片，这需要设计相应的辅助电路以及编写驱动程序，这个工程量很大。

而要想解决第二个问题，唯一的办法是用c++语言重构神经卷积网络，这个工程量不比第一个小。

想到这里，华峰叹了一口气，想将人工智能引入超声探测仪，怎么这么难呀，没有一年半载，是完不成了，但是难也得去做！

华峰困意涌现，将电脑关机，上床睡觉，此时已经早上6点，天空已经泛起鱼肚白。

🎁黑料不打烊看片请退出浏览器阅读模式，否则将导致章节内容缺失及无法阅读下一章。