人工智能的工作流程

现在的人工智能技术发展的前沿就是将经典的人工智能和最新的深度学习、人工神经网络进行完美的融合。这种融合不仅可以让人工智能程序能够进行比较“深”的思考能力，而且又可以具备一定的柔性和适应能力。

最近，人工智能再一次刷屏了！

学霸君的人工智能程序Aidam以134分的成绩拿下了2017年的数学高考，而且更令人吃惊的是，Aidam仅仅用不到10分钟就完成了所有的考题。这是继AlphaGo挑战柯洁之后人工智能再一次成功吸引了大众的眼球，所有这些触动我们神经的事件都在一次次地向我们表明，人工智能的确已经取得了突飞猛进的发展。

接下来，就让我透过这些热点事件，说说AI下棋与AI高考背后的人工智能技术。

Aidam是如何工作的？

首先，让我们来看看Aidam是如何工作的。整个Aidam的工作可以分成如下三个流程：

首先，在读题阶段，Aidam需要读取试卷上的题目。而试卷上所有题目的表述都是运用我们人类的自然语言，但是这对于机器来说却是一个很大的挑战，他需要能够将自然语言转述成计算机能够理解的符号语言。事实上，这是整个解题过程最大的挑战。Aidam之所以还是有16分的失分，就是因为它没有读懂题意。

其次，在读题完成之后，所有的数学题就全部变成了机器可以理解的形式符号语言了。接下来，机器就开始进行它非常擅长的自动推理阶段。其实，自动推理、自动定理证明虽然在我们普通人看来是一件非常困难的事情，但是对于机器来说却是相对容易的。

我们知道，早在1956年人工智能诞生的时候，机器已经可以进行数学定理的自动证明了。当时，Newell和Simon等人编制的程序“逻辑理论家”可以自动证明罗素的数学经典著作《数学原理》第二章中的38条定理；而到了1958年，美籍逻辑学家王浩在IBM 704计算机上以3-5分钟的时间证明了《数学原理》中的370条定理。可以说，自动定理证明是人工智能发展最早的一个领域。那么，相比较《数学原理》中的艰涩定理，高考数学题自然也是不在话下的。

最后一个环节就是要把机器自动推理得到的结论再次转换成人类能够理解的自然语言输出出来，它相当于把形式语言再次转化成人类的自然语言。这种自然语言的合成相对来说也并不算特别困难，因为形式语言不像人类语言那样具有任意性，而回答问题的自然语言本身也不过是对形式语言进行描述，并让阅卷人能够读懂回答，因此即使输出的话不太像我们人类的表述也并不妨碍整个结果。

所以，总体来说，真正的难点就是在第一步，即把题目的自然语言表述转化成机器能够理解的形式化语言。