学贯中西(4)：AI的时序性推论技能

2022-03-22高焕堂

电子产品世界 2022年2期

高焕堂

1 复习：ML的智慧表达形式

上一期说明了人工智能（AI）（ML，机器学习）的推论技能，和其基于事物或现象之间的关联性（或称相关性）。例如，大家都熟悉气候的运行规律：春暖 → 夏暑 → 秋凉 → 冬寒 → 春暖 → …。四季更替、周而復始，如图1所示。这项人类已知的智慧（即关联性），就可以让机器（计算机）来学习、记忆它，然后依据它进行推论或预测。

于是，我们把这项关联性（知识）排列在Excel画面上，从X对应到Y（参见图2）。在上一期里已经介绍过独热编码（OHE，One-Hot Encoding），这样就可以让机器来学习人类已知的智慧了。

此时，机器会建立两组神经元之间的连结（Connection），并且赋予一个权重（Weight）值来表示它所学习到的关联性，参见图3。接下来，按下“学习”按钮，就展开机器学习，来记春暖（[1000]）与夏暑（[0100]）之间的相生关系。于是权重（值）就会发生变化，如图4所示。

图4里的线条宽度表示权重（值）的大小。这样就记住了春暖与夏暑之间的关联性了。那么，ML就藉此神经网络就继续学习更多关联性，例如学习并记住了上述的所有关联性了，如图5所示。并且输出于Excel画面上，如图6所示。

以上帮您复习了，如何展开机器学习，来记住事物之间的关联性。

2 扩大：欣赏ML的时序性推论技能

在本节里，来举大家也熟悉的唐诗韵律，说明其时序性的关联性。例如，最典型的五言诗韵律：“仄仄平平仄，平平仄仄平”。其中具有时间顺序性的关联性，所以称之为韵律。此韵律里包含两项名目：“平”和“仄”。于是就采取OHE编码：以 [10]代表“平”；并以[01]代表“仄”。接下来，我们可以观察到其中的各种时间顺序性的关联性。例如，从连续两个字的韵律，就能推论出第3个字的韵律（平或仄）。例如，连续两字的韵律是“仄仄”，其后续字的韵律是“平”。再如，连续两字的韵律是“平仄”，其后续字的韵律是“仄”，如图7所示。

于是，我们把上述的关联性排列在Excel画面上，从X[]对应到Y[]。并且按下“学习”按钮，机器就迅速学习，以权重值来表示其关联性，如图8所示。

这些权重代表这些相关事物的连结，如图9所示。 ML利用这个神经网络（NN）模型，来记住其关联性。基于这个模型里的权重，就能进行推论。例如，您问它：连续两字的韵律是“平仄”的话，其后续字的韵律是什么呢？此时，ML立即取出记忆中的权重来计算，其计算公式是：X[] * W[] = Y[]。就计算出Y[] 值是：[0.5， 1.5]，最接近于[0， 1]，意味了是韵律“仄”，如图10所示。

由于“平仄仄”是有时序性的关联，我们就称之为时序性的推论。同样地，一个句子“寒江雪”三个字之间也有时序性关联。ML也能利用神经网络（NN）模型，来记住其关联性。这句子里包含三项名目：“寒”、“江”和“雪”。于是就采取OHE编码：以 [100]代表“寒”；以[010]代表“江”；以[001]代表“雪”。其中最基本的时序性关联是：

● 第1个字是“寒” → 后续的字是“江”；

● 第1个字是“寒”，且第2个字是“江” → 后续的字是“雪”。

于是，我们把上述的关联性排列在Excel画面上，从X[]对应到Y[]。并且按下“学习”按钮，机器就迅速学习，以权重值来表示其关联性，如图11所示。