算法背后的基石：數(shù)據(jù)與規(guī)則

在經(jīng)歷了2016年的火熱之后，許多人已經(jīng)可以感知到人工智能，以及支撐其運行的機器學(xué)習(xí)算法的普遍存在。無處不在的人工智能已經(jīng)開始逐漸影響我們的日常生活，計算設(shè)備在“吞入”海量數(shù)據(jù)的同時，神奇地生產(chǎn)著與你相關(guān)的各種信息、產(chǎn)品與服務(wù)。

但這個過程究竟是如何發(fā)生的？建立在機器學(xué)習(xí)算法基礎(chǔ)上的人工智能是否會不斷進步乃至最終超越人類的控制？要想對這一問題做出回答，我們便不得不回到機器學(xué)習(xí)的算法本身上來。

算法本質(zhì)上就是一系列指令，告訴計算機該做什么。對于傳統(tǒng)算法而言，往往事無巨細地規(guī)定好了機器在既定條件下的既定動作；機器學(xué)習(xí)算法卻是通過對已有數(shù)據(jù)的“學(xué)習(xí)”，使機器能夠在與歷史數(shù)據(jù)不同的新情境下做出判斷。

具體而言，機器學(xué)習(xí)算法的實現(xiàn)方式多種多樣，但就當(dāng)前的技術(shù)發(fā)展而言，主要可被劃分為5個類別：符號學(xué)派、聯(lián)接學(xué)派、進化學(xué)派、類推學(xué)派和貝葉斯學(xué)派。每個學(xué)派都遵循不同的邏輯、以不同的理念實現(xiàn)機器學(xué)習(xí)的過程。

對于“符號學(xué)派”而言，所有的信息處理都可被簡化為對符號的操縱，由此學(xué)習(xí)過程被簡化（抽象）為基于數(shù)據(jù)和假設(shè)的規(guī)則歸納過程。在數(shù)據(jù)（即當(dāng)前事實）和已有知識（即預(yù)先設(shè)定的條件）的基礎(chǔ)上，符號學(xué)派通過“提出假設(shè)—數(shù)據(jù)驗證—進一步提出新假設(shè)—歸納新規(guī)則”的過程訓(xùn)練機器的學(xué)習(xí)能力，并由此實現(xiàn)在新環(huán)境下的決策判斷。符號學(xué)派固然符合經(jīng)驗主義的哲學(xué)認知，但通過其概念模型我們亦可以發(fā)現(xiàn)，其成功的關(guān)鍵在于數(shù)據(jù)的完整性和人為預(yù)設(shè)條件的可靠性。換言之，數(shù)據(jù)的缺失和預(yù)設(shè)條件的不合理將直接影響機器學(xué)習(xí)的輸出（即決策規(guī)則的歸納）。最明顯體現(xiàn)這一問題的例子便是羅素的“歸納主義者火雞”：火雞在觀察10天（數(shù)據(jù)集不完整）之后得出結(jié)論（代表預(yù)設(shè)條件不合理，超過10個確認數(shù)據(jù)即接受規(guī)則），主人會在每天早上9點給它喂食；但接下來是平安夜的早餐，主人沒有喂它而是宰了它。

數(shù)據(jù)和預(yù)設(shè)條件的問題不僅存在于符號學(xué)派，這同樣是其他學(xué)派的共性。“聯(lián)接學(xué)派”試圖模擬人腦的學(xué)習(xí)過程，通過仿真神經(jīng)元的聯(lián)接結(jié)構(gòu)，并借助反向傳播算法（反饋輸出與輸入的對比，并以誤差為基準調(diào)整參數(shù)）自動調(diào)整各個聯(lián)接的權(quán)值，以最終實現(xiàn)學(xué)習(xí)能力。此處的關(guān)鍵仍然是輸入數(shù)據(jù)集的完整性，以及預(yù)設(shè)條件的可靠性（例如停止反饋調(diào)節(jié)的閾值設(shè)定）。“進化學(xué)派”試圖模擬人類的進化過程，在預(yù)先設(shè)定的適應(yīng)度目標（例如過濾垃圾郵件算法的設(shè)計中，某個規(guī)則正確分類郵件的百分比就是適應(yīng)度目標）指引下，通過交叉、實驗不同的規(guī)則集合以找出與測試數(shù)據(jù)適應(yīng)度最高的規(guī)則集（也即形成學(xué)習(xí)能力）。由此仍然可以看出數(shù)據(jù)與預(yù)設(shè)條件（適應(yīng)度目標的設(shè)定）的重要性。“類推學(xué)派”亦是如此，其基本思想是通過判別不同場景的相似程度，來推導(dǎo)新場景中的合理決策。就此而言，參考數(shù)據(jù)集的完整性和不同場景相似程度的閾值設(shè)定（預(yù)設(shè)條件）依然是影響機器學(xué)習(xí)結(jié)果的關(guān)鍵所在。相比于前四個學(xué)派，貝葉斯學(xué)派對于數(shù)據(jù)集的規(guī)模沒有太高要求，因其優(yōu)勢正是對于未來不確定性的學(xué)習(xí)與探索。貝葉斯算法將根據(jù)收到的新數(shù)據(jù)來持續(xù)檢驗既有假設(shè)成立的概率可能性，并對其進行實時調(diào)整。不過即使如此，貝葉斯算法依然受制于輸入數(shù)據(jù)和調(diào)整規(guī)則。換言之，數(shù)據(jù)與人為預(yù)設(shè)條件依然是控制貝葉斯算法的關(guān)鍵。

事實上，如果跳出具體學(xué)派的思維束縛，每種機器學(xué)習(xí)算法都可被概括為由“表示方法、評估、優(yōu)化”這三部分組成。盡管機器可以不斷地自我優(yōu)化以提升學(xué)習(xí)能力，且原則上可以學(xué)習(xí)任何東西，但用以評估的數(shù)據(jù)以及評估的方法和原則都是由人為決定的。也正是從這個角度講，本文開始所提到的“機器取代人類”的可能性其實為零——盡管機器可能會變得異常復(fù)雜以致人類難以理解。