AI中国网 https: //www.cnaiplus.com
有一种常见却无意识的心理现象：任何一个词语，重复的次数超过一个数量级时，便会失去全部的意义，就像浸湿在水中的组织一样被分解，最终剩下的只有发音。而对于我们大多数人而言，“人工智能”这个词在很早以前就被无数人提及，早已土崩瓦解。目前，人工智能已在科技领域不断渗透，甚至于身边的电视牙刷都有着它的影子，但是它的内涵却不断外延。
这便与心理现象形成悖论了。
尽管“人工智能”这个词无疑是被误用了，但是这项技术在这个时代的现实意义被不断放大——无论是正面还是负面。AI目前已在医疗保健和战争、音乐和书籍创作、简历的审阅、信用度判定、美化照片等不同领域产生着作用。总而言之，无论你喜欢与否，它都会做出影响你生活的决定。
然而有趣的是，很多科技公司和广告商在宣传人工智能时常常会言过其实。以欧乐b (Oral-B)的Genius X牙刷为例，它是今年在CES上发布的众多号称具有“人工智能”能力的设备之一。但是，在仔细阅读首段文字之后，我们发现它仅仅能够给予我们非常简单的反馈，告知我们正确的刷牙时间和地点。当然也有一些传感器会帮助我们正确的判断刷牙的位置。然而，认为这就是“人工智能”，还为时尚早。
在炒作中，误解被逐渐加深。媒体报道不断的夸大研究成果，在概念尚且模糊的文章中加入“终结者”的照片，强行拔高内容深度。这反映的便是人们对于“人工智能”最基本的不理解。对于普通大众来说，他们常常将当代人工智能的成果与影视作品中的版本混为一谈：一台比人类聪明许多倍的有意识的计算机。专家们把这个人工智能的具体例子称为人工通用智能(AI)，然而想要真正实现它，我们还有很长的路要走。那么，在此之前，我们即便过分夸大人工智能系统的智能或能力，也不会让我们受益。
因此，谈论具体的“机器学习”会比夸大人工智能更好。它人工智能的一个子领域，涵盖了目前对世界影响最大的各种方法（包括所谓的深度学习）。仅作为一个短语而言，它没有“人工智能”的神秘感，但它更有助于解释这项技术的作用。
机器学习是如何发挥作用的呢？在过去的数年里，我接触到各种不同的解释，但是最核心的区别在于：机器学习就是让计算机自己学习。但这意味着一个更大的问题的开始。
这个问题的开始，需要做一个简单的假设。假设你想创建一个能够识别猫的程序（又是猫）。你可以试着用老式的编程方法来做，比如用“猫有尖尖的耳朵”和“猫是毛茸茸的”这样的明确规则来编程。“但是当你给它看一张老虎的照片时，程序会怎么判定呢?”在每个需要的规则中进行编程都是非常耗时的，你必须在此过程中定义各种困难的概念，比如“furriness”和“pointiness”。“最好让机器自学。”所以你给它一个大量的猫的照片集合，它通过这些数据来寻找它所看到的特征集。它把这些点连接起来，一开始是随机的，但是人为的不断进行测试，保持最新的版本。随着时间的推移，它就会很擅长分辨什么是猫，什么不是猫。
到目前为止，都是很简单易懂的。当然，你可能早就读过类似的解释。但重要的不是阅读注释而是真正思考注释的含义。像这样学习决策系统的副作用是什么?
这个方法最大的优点是：解放了程序员。当然，你还需要做大量的修补工作，改进系统处理数据的方式，想出更聪明的方法来获取信息，但你并没有告诉它应该寻找什么。这意味着它可以发现人类可能会错过或从未想过的模式。因为所有的程序需要的是数据—1和0—有很多方式可以训练它，因为现代世界充满了数据。有了机器学习的锤子在手，数字世界就充满了钉子，随时可以用锤子砸入合适的位置。
但是，瑕疵也同时产生。如果你没有丰富的计算机知识，你又如何知道它的决策呢？机器学习系统无法解释它们的思维，这意味着你的算法可能因为错误的原因而表现良好。类似地，因为计算机所知道的只是你输入的数据，它可能会对世界产生偏见，或者它可能只擅长于与之前看到的数据相似的狭窄任务。它没有你所期望的人类的常识。你可以建立世界上最好的”猫“识别程序，它永远不会告诉你小猫不应该骑摩托车，或者一只猫更可能被称为“Tiddles”，而不是“Megalorth the不死猫”。
如果计算机能够自学，这无疑是最明智的捷径。但是，和所有快捷方式一样，它涉及到偷工减料。AI系统中有智能，但它不是有机智能，它不会遵循人类的规则。你也可以问：一本书有多聪明？在煎锅中编码了什么专业知识？但它不会。
那么我们现在的人工智能在哪里？经过多年的头条新闻的积累下，一些专家认为人工智能已经达到了一个稳定的状态。但这并不不会再突破了，在研究方面，我们现有的知识中有大量的盲区，而在产品方面，我们只看到了算法冰山的一角。
风险资本家，前人工智能研究员李开复将当前时刻描述为“实施时代” - 技术开始“从实验室渗透到世界之外。”另一位风险投资策略师本尼迪克特·埃文斯比较机器学习关系数据库（这是一种企业软件），它在90年代创造了财富并彻底改变了整个行业。我们现在正处于人工智能正常快速发展的地步。“最终，几乎所有的东西都会在内部某个地方(以机器学习的方式展开)，但那时候没有人会在意”埃文斯说。
他是对的，但我们还没有发展到那一步。
更多科技领域趣闻，来自矩阵数字经济智库。
参考资料：：https://www.theverge.com/2019/1/28/18197520/ai-artificial-intelligence-machine-learning-computational-science
AI中国网 https: //www.cnaiplus.com
本文网址：
