人工智能的工作流程

現在的人工智能技術發展的前沿就是將經典的人工智能和最新的深度學習、人工神經網絡進行完美的融合。這種融合不僅可以讓人工智能程序能夠進行比較“深”的思考能力，而且又可以具備一定的柔性和適應能力。

最近，人工智能再一次刷屏了！

學霸君的人工智能程序Aidam以134分的成績拿下了2017年的數學高考，而且更令人吃驚的是，Aidam僅僅用不到10分鐘就完成了所有的考題。這是繼AlphaGo挑戰柯潔之后人工智能再一次成功吸引了大眾的眼球，所有這些觸動我們神經的事件都在一次次地向我們表明，人工智能的確已經取得了突飛猛進的發展。

接下來，就讓我透過這些熱點事件，說說AI下棋與AI高考背后的人工智能技術。

Aidam是如何工作的？

首先，讓我們來看看Aidam是如何工作的。整個Aidam的工作可以分成如下三個流程：

首先，在讀題階段，Aidam需要讀取試卷上的題目。而試卷上所有題目的表述都是運用我們人類的自然語言，但是這對于機器來說卻是一個很大的挑戰，他需要能夠將自然語言轉述成計算機能夠理解的符號語言。事實上，這是整個解題過程最大的挑戰。Aidam之所以還是有16分的失分，就是因為它沒有讀懂題意。

其次，在讀題完成之后，所有的數學題就全部變成了機器可以理解的形式符號語言了。接下來，機器就開始進行它非常擅長的自動推理階段。其實，自動推理、自動定理證明雖然在我們普通人看來是一件非常困難的事情，但是對于機器來說卻是相對容易的。

我們知道，早在1956年人工智能誕生的時候，機器已經可以進行數學定理的自動證明了。當時，Newell和Simon等人編制的程序“邏輯理論家”可以自動證明羅素的數學經典著作《數學原理》第二章中的38條定理；而到了1958年，美籍邏輯學家王浩在IBM 704計算機上以3-5分鐘的時間證明了《數學原理》中的370條定理。可以說，自動定理證明是人工智能發展最早的一個領域。那么，相比較《數學原理》中的艱澀定理，高考數學題自然也是不在話下的。

最后一個環節就是要把機器自動推理得到的結論再次轉換成人類能夠理解的自然語言輸出出來，它相當于把形式語言再次轉化成人類的自然語言。這種自然語言的合成相對來說也并不算特別困難，因為形式語言不像人類語言那樣具有任意性，而回答問題的自然語言本身也不過是對形式語言進行描述，并讓閱卷人能夠讀懂回答，因此即使輸出的話不太像我們人類的表述也并不妨礙整個結果。

所以，總體來說，真正的難點就是在第一步，即把題目的自然語言表述轉化成機器能夠理解的形式化語言。