2月16日，职学教育（CinLearn）邀请到美国亚利桑那州立大学（Arizona State University，ASU）艾拉•富尔顿工程学院邓宇立博士（Dr. Yuli Deng），以“走进机器学习和人工智能（ An Introduction of Machine Learning and Artificial Intelligence）”为主题，为在线中文项目的同学们带来了一次精彩分享。

每一次技术创新，都会引起一次或大或小的行业震荡。这个2月，ChatGPT这款智能问答语言机器占据了各个行业的热议。无论是科技领域、商业领域，还是教育领域，一种“全新智能时代”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，我可能不会相信人工智能会达到ChatGPT这样的程度。”邓宇立博士（Dr. Yuli Deng）在本期公开课分享时，也表达了对人工智能（Artificial Intelligence, AI）迅速发展的惊讶：“这4个月，基本上颠覆了大多数这个领域的科学家的预测。突破极限的速度可能比我们预期的要快那么一些。所以我相信，有一天人工智能将有可能成为人类的陪伴者。”

不可否认，人工智能技术的迅速发展引来了越来越多专业领域的关注。ASU的中文在线计算机工程硕士专业，也即将在《统计机器学习》课之外，新开设一门《人工智能》的课程，就人工智能这一领域做更为详尽的介绍与研究。

/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？

从一般定义而言，智能是指感知、理解、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，也就是要让它像人类一样理性思考，并获取在物理世界中移动的行动能力。

在人工智能领域所要研究的，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、机器学习等等。在计算机通过学习可以进行信息储存和处理之后，接下来就要将这些方法运用到具体的课题上，比如说，自然语言处理（Natural Language Processing），也就是使机器能够使用人类语言与人类交流。

要构建机器与人类的交流，首先需要让计算机学习人类的沟通方式，即“机器学习”（Machine Learning）。早在上世纪80~90年代，人们尝试过用逻辑编程的方法，将已知的人类知识作为规则，全部编程到电脑里，然后让机器去做符合这些规则的操作。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电脑中进行运行。对应的解决方法，就是让机器进行学习，自己做知识总结、知识储存，然后将这些知识和规律应用到对新数据的处理和判断中。

公开课上，邓博士也分享了一个计算机通过数学计算识别猫狗图片的案例，“计算机智能通过已知的训练数据去训练平面（识别），寻找到近似的分界线。但这一条近似分界线未必是完美的”。这样的训练模型背后的基础，在ASU的计算机工程硕士项目中，针对机器学习所专门开设的《统计机器学习》课程中有详细介绍。

/02/

人工智能距离人类智能的距离，还有多远？

从无人驾驶汽车到医学辅助机器人，人工智能已经在改善人类生活、辅助社会发展方面逐步得到应用。

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

还有一个比较热门的应用，就是自然语言处理，比如说，语音处理，这需要机器能把人类的语音和文字做相互转化。而更重要、更接近机器学习和人工智能研究核心的，则是语义处理。也就是通过给机器一段文字，机器要从中总结出抽象的概念。在理解了这些抽象概念之后，经过系统升级，它就可以做到智能问答——ChatGPT其实就是这样一个自然语言处理系统——以及机器翻译或是网络搜索。这些具体技术，也都将在日后的课程中做深入的学习。

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

人工智能还能帮助纯理论的数据研究。比如做出AlphaGo的公司Deep Mind就提出了纯数学领域的模型，而这个模型已经帮助到某位教授证明了一个古老的数学猜想。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学教授提出了一项新的猜想。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学理论研究部分。

那么未来，人工智能还可以在哪些领域得以应用呢？从目前的阶段来看，这个答案充满了可能性。在ASU的在线硕士项目中，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-人工智能学习技术站，希望帮助大家通过硕士项目的学习获得完整的技能，获得非常扎实的知识。

/Q&A/

公开课在线答疑区

Q1：通过这个项目，可以学习到类似于ChatGPT这样的AI工具的开发吗？

Dr. Deng: 这个项目会具体教给大家ChatGPT基于的注意力（attention）模型，或者形式，它是如何构建的，但没有办法帮助大家去搭建这样的工具。因为要搭建这样的工具需要海量的数据，同时它也需要海量的处理能力，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心，进行长达数月的模型训练。就目前可能甚至是研究机构级别，像我们大学这样层级的这个数据系统都没办法处理，但是我们会教大家这个系统的具体原理，然后理解这集中背后的具体知识，然后至少能帮助大家去更好地使用这样的工具。

Q2：对于从事数据分析行业的职场人士，这个项目从专业度上是否匹配？课程中包括哪些技能呢？

Dr. Deng: 如果你是要进行这个数据分类，或者是数据Tag或者是数据处理的话，《统计机器学习》这门课程会有很多的实践经历，帮助你去了解各种基于统计的这个数学模型如何去对数据进行分类和分析。

Q3：这个项目关于AI算法方面有哪些进阶的技能训练呢？

Dr. Deng: 因为我们是硕士课程，可能我们比较倾向于理论，可能比较少有具体的技术训练。但会有课程项目去帮助大家进行一个深度模型的网络训练，然后有具体的课程项目。我们更重视的是帮助大家去理解这样的深度学习它背后的具体原理是什么，然后帮助大家更好地理解这个系统是如何运行的，可能想帮助大家做到的是训练一下“内功”吧。

Q4：这门课属于美国的STEM体系吗？如果希望技术移民，是否具有美国本土STEM专业毕业生的相同学历作用呢？

Dr. Deng: 是的，我们这个项目给到的学位肯定是STEM分类里面的，学完之后是认证的STEM人才。然后ASU的最终学历是美国所有企业和所有大学都认可的。如果你学完了这个硕士之后想在美国找工作，或者是想在美国继续深造读博士，所有的学校肯定都是认可，不会有任何的问题。

Q5：要学习人工智能，需要掌握哪些基础知识？必须要有编程基础吗？

Dr. Deng: 编程基础还是比较重要的。因为目前所有的机器学习的这个库，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编程能力，或者是R语言的编程能力才能使用这些我们已经搭建好的库。然后对于完全的理解这个机器学习的过程，其实最重要的是数学，包括线性代数、概率论和数理逻辑。

Q6：目前在线中文项目，大部分课程的通过率怎么样？

Dr. Deng: 根据我的观察，基本上认真学习的学生都能通过。当然每门课都会有不通过的同学，但往往是由于个人原因，比如说工作原因没有好好上课，或者是没有投入足够的时间去完成课程。

Q7：攻读中文硕士项目的学生可能遇到的最大困难是什么？该怎么去克服这种困难呢？

Dr. Deng: 这个其实特别的因人而异。我们的学生大多都是工作的，也有很多有家庭，可能最大的问题就是时间不够，然后没有足够的时间去看所有的视频，了解所有的内容，或者没有足够的时间去进行一个课程项目的搭建。然后，有的学生没有很好的数学基础，或者是很好的编程基础，那可能难点就在于如何学习python，然后如何理解这个python语言。每个人可能会碰到不一样的困难，但是据我目前的观察，认真学习的同学基本上还是都能完成这个项目的学习。

* 新闻转发自ASU在线微信公众号，更多有关美国亚利桑那州立大学（ASU）的在线学位项目，请扫描下方二维码关注公众号获取详细信息。