我們生活在一個紛繁復雜的世界，充滿著無盡的未知和期待。在人類發(fā)展的歷史長河中，歷經千年的探尋，但仍有大量客觀邏輯等待進一步的探究和挖掘。AI技術的崛起加速了整個人類文明的進程，它不只是數字或算法，也附著了人類對未知世界的開拓與想象。
作為數值計算和系統(tǒng)工程建模的軟件工具，MathWorks旗下的MATLAB在科學計算，金融，工程等多個領域發(fā)揮著重要作用，Simulink作為系統(tǒng)仿真的軟件平臺是許多科學家和工程師的必備日常，隨著人工智能技術的崛起，MathWorks把AI提升為企業(yè)戰(zhàn)略的重要組成部分。
據統(tǒng)計，2018年中國人工智能市場規(guī)模突破200億元大關，達到238.2億元，相比2017增長率達到56.6%，隨著技術的逐漸成熟，科技、制造業(yè)等行業(yè)巨頭已經開始在相關領域中實施AI布局，這也從另一方面導致了AI應用場景的快速擴展。2019年，人工智能已經不再是下圍棋的小娛樂，在多維度的實體經濟中逐步走上了歷史的舞臺，作為驅動經濟增長的新工具，AI正在成為與電力比肩的通用資源。
MathWorks首席戰(zhàn)略師Jim Tung先生在MathWorks “超越智‘我’”主題會議的演講中也提到，人工智能是一項革命性的技術，將深刻影響了整個世界經濟的走向。
MathWorks首席戰(zhàn)略師Jim Tung
MATLAB AI算法三大方向
深度學習、機器學習、增強學習是MATLAB歸納和引入的三種算法，針對這三段趨勢對應的不同的挑戰(zhàn)，MathWorks相對采用了不同的策略。機器學習會涉及到很多不同的方法和工具，客戶可能會很熟悉每一個算法，但最大的困難是如何快速選擇合適的算法，或合適的技術。MATLAB工具可以輔助開發(fā)者快速地選擇最合適的應用和算法。
深度學習對于很多工程師并不像機器學習那么熟悉，其挑戰(zhàn)在于如何幫助客戶認識到深度學習擅長的工作。深度學習的潛力巨大，但是如何更適宜的應用這些技術，或者合適地選擇技術參數，是重要的問題。
增強學習是另外一個不同的領域，雖然存在時間比較久，但是沒有一個特別合適的工具來實現增強學習的應用。
三種技術在成熟度，或一些應用上會有不一樣的理解。 目前，這三個AI方向對MathWorks而言都很重要，由于MATLAB的用戶群很廣泛，學校和科研人員，會更關注軟件前沿技術的進展，而大多數的公眾會關注產品的具體應用情況，所以如何落地應用才是問題的關鍵，而MATLAB作為工具不會只關注在其中的一個點上。
增強型AI算法
針對工業(yè)與機器人控制領域打造的增強型AI技術，是MathWorks MATLAB推出的全新的功能，相比深度學習與機器學習，雖然誕生時間較早，但流傳的廣度卻相對較低。增強型AI技術是控制行業(yè)內所強調的應用訓練型AI，Jim解釋?？梢园堰@項技術想象為訓練一只狗，或者一只動物。
由設計者決定什么樣的行為是好行為，當算法做出一次好的行為后，可以給予肯定的鼓勵，由此推動算法的升級。相對也可以設計懲罰路線。長時間的訓練后，算法會理解如何實施正確的行為。
實際上是工程師逐漸地有意識地訓練這套算法，指引算法執(zhí)行正確的決定。這是增強學習工具箱里面最基本的理念。MATLAB并不去設定行為的正確與否。這個工具箱是訓練對象去符合某一種行為的規(guī)范。目前大部分競爭者的AI屬于比較狹窄應用領域的AI，而增強學習工具箱就是希望能夠把這種AI，應用到工控領域中去。
實際上增強型AI基本上是一個優(yōu)化工具。對于特別應用場景或者特定條件下進行算法的優(yōu)化。根據一個系統(tǒng)的表現，去決定是否應該去鼓勵它繼續(xù)這樣表現，或者表示期待改變。
可以把這個增強AI工具箱用在一個真實的系統(tǒng)里面，但是會花很長的時間去糾正系統(tǒng)的行為。目前增強型AI工具箱提供基于仿真提高、改變的工具，通過仿真會比在真實系統(tǒng)里調整速度快很多，這也是增強AI工具箱的最大優(yōu)勢。
此外，通過仿真即使在沒有真實系統(tǒng)的情況下，依然可以通過軟件產生出來百萬、千萬的數據，在大規(guī)模的集成運算的環(huán)節(jié)里面去進行仿真，即使在真實條件不夠充分的情況下，依然可以把控制器訓練出來。
學習模型的方式
增強學習并不是要把機器學習或者深度學習的算法做一個更強化的版本，它是機器學習的一個分支。機器學習和深度學習都需要大量的數據，用數據+標簽的方式，最后選舉出一個模型，人工準備數據和標簽在這兩種算法中不可避免。
但增強AI的場景之下，很多情況是很難去做類似的準備。比如簡單的圖像可以進行處理，但是做復雜的行為的時候，很難對行為做標簽，來補充足夠的數據。增強學習其實本質上是一個反饋系統(tǒng)，只是另外一種AI算法升級的手段，可以認為是必行的手段，而不是深入的手段。
所以增強學習可以是增強的通用機器學習算法，也可以是增強的深度學習的算法，有專門增強深度學習，有針對普通的增強學習，增強學習不用再去準備大量的數據訓練模型，而是在一個確定的環(huán)境下，懲罰與獎勵交替，對場景模型優(yōu)化，本質上來說，無論是哪種學習都是數學上的優(yōu)化，但這種優(yōu)化跟通用的優(yōu)化又不是一個概念，所以在增強學習的場景之下，可以根據外界的輸入調整，根據懲罰或者獎勵，去優(yōu)化最終的目標。從這個角度來說，增強學習是一種學習模型的方式。
實現增強AI，加速工程應用落地
工程師可以通過MATLAB或者Simulink達到增強學習的目的，引入一段場景建模，經過不停地訓練，達到算法最佳狀態(tài)。
MATLAB建立了龐大的數據庫，通過本地和云端數據庫進行訪問，或者從數據流中直接訪問，方便模型場景的搭建。在訓練的過程中，不同類型的數據，包括信號、聲音、圖像和文本數據，需要進行個別處理。采集后的數據往往大的驚人，需要大量處理工作。MATLAB提供了豐富的工具去幫助工程師處理這些數據。使用MATLAB還有一個巨大的好處，可以把采集到的數據和算法結合在一起，在電腦上或者在云端進行處理，使用起來非常方便。
盡管技術在不停進步，但AI終究需要場景來進行落地，Jim認為這是MathWorks或者整個AI行業(yè)面臨的最大的挑戰(zhàn)也是最大的機遇，如何把AI算法技術和實際工程應用結合，是未來俘獲更多市場的關鍵。
很多公司中，AI團隊和工程團隊是兩個不同的團隊，如何協(xié)同兩個團隊的工作更是目前MathWorks這種工具企業(yè)需要提前去理解的問題。而在沒有單獨AI團隊的公司里，工程師團隊就需要去研習AI技術，在一定程度上掌握AI應用。此時，MATLAB這樣的工具就會發(fā)揮其應有的作用，幫助工程師釋放其想象力與研發(fā)潛能。
