“人工智能”這個術(shù)語是在1955年才出現(xiàn)，但是能夠執(zhí)行我們指令的智能機(jī)器的概念有著更深的根源，可以追溯到希臘、印度和中國的古代神話。也許這就是為什么人工智能對我們的想象力有如此大的影響，也是為什么近年來，圍繞這項技術(shù)有如此多的炒作。

但AI不是神話，也不是神奇的機(jī)器。這項技術(shù)和其他任何技術(shù)一樣，經(jīng)過數(shù)十年的研究，已經(jīng)達(dá)到了新的生產(chǎn)力平臺。廉價的處理能力和豐富的數(shù)據(jù)使這成為可能，人工智能和機(jī)器學(xué)習(xí)現(xiàn)在成為各種領(lǐng)域的有用工具，包括天文學(xué)、醫(yī)療保健、交通運輸和音樂。

經(jīng)過多年的承諾，AI終于變得有用了。但通常有用的技術(shù)會消失。我們忘記了那些只會起作用的事情，我們不應(yīng)該讓這種事情發(fā)生在AI身上。任何注定要改變世界的技術(shù)都需要審查，而人工智能，憑借其巨大的想象力和非常真實、非常危險的缺陷，比大多數(shù)技術(shù)更需要審查。

因此，對于即將到來的人工智能問題，我們正在仔細(xì)研究人工智能和機(jī)器學(xué)習(xí)目前正在影響技術(shù)的一些方式——畢竟，在它改變了世界之后再去理解它，就為時已晚了。

這是一種常見的心理現(xiàn)象：任何一個單詞重復(fù)足夠多次，最終就會失去所有的意義，像沉悶的組織一樣分解成語音上的虛無。對于我們許多人來說，“人工智能”這個詞很久以前就以這種方式土崩瓦解了。人工智能現(xiàn)在在科技領(lǐng)域無處不在，據(jù)說它可以為從電視到牙刷的所有東西提供驅(qū)動力，但從來沒有哪個詞本身的意義更小。

人工智能不應(yīng)該這樣。

盡管“人工智能”這個詞毫無疑問是被誤用了，但這項技術(shù)的作用比以往任何時候都要強(qiáng)大——無論是好是壞。它被用于醫(yī)療保健和戰(zhàn)爭;它幫助人們制作音樂和書籍;它會仔細(xì)審查您的簡歷，判斷你的信譽(yù)，并調(diào)整你在手機(jī)上拍攝的照片。簡而言之，無論你喜歡與否，它都會做出影響你生活的決定。

科技公司和廣告客戶討論人工智能時，很難將大肆宣傳和咆哮劃清界限。以O(shè)ral-B的Genius X牙刷為例，這是今年在CES上推出的眾多設(shè)備之一，它們吹捧了所謂的“AI”能力。但是仔細(xì)研究一下新聞稿的最上面一行，所有這些都意味著它會給出非常簡單的反饋，告訴你是否在正確的時間和正確的位置刷牙。有一些聰明的傳感器可以幫助你找出牙刷在嘴里的位置，但稱之為人工智能根本就是在胡言亂語，僅此而已。

如果沒有涉及炒作，就會產(chǎn)生誤解。而新聞報道往往夸大研究，在任何模糊的AI故事上貼上《終結(jié)者》的照片。例如，麥肯錫等咨詢公司曾發(fā)布調(diào)查或者報告，到2030年，全球?qū)⒂?億到8億人將被自動化取代，相當(dāng)于今天全球勞動力的五分之一。普華永道則表示，在未來20年，29個國家超過20萬個現(xiàn)有工作涉及的任務(wù)將出現(xiàn)三種自動化浪潮;;第一次浪潮中，預(yù)計現(xiàn)有工作崗位的流失率相對較低，到21世紀(jì)20年代初可能只有3%左右，而到了到第三次浪潮，21世紀(jì)30年代中期，高達(dá)30%的就業(yè)機(jī)會將自動化。

這常常歸結(jié)為對人工智能究竟是什么的困惑。對于非專業(yè)人士來說，這可能是一個棘手的問題，而且人們經(jīng)常錯誤地將當(dāng)代人工智能與他們最熟悉的版本混為一談：一臺科幻小說中的有意識的計算機(jī)，比人類聰明許多倍。專家們把這個人工智能的具體例子稱為人工通用智能(AI)，如果我們真的創(chuàng)造出這樣的東西，在未來很可能還有很長的路要走。在此之前，沒有人會因為夸大人工智能系統(tǒng)的智能或能力而受益。

因此，談?wù)摗皺C(jī)器學(xué)習(xí)”比談?wù)撊斯ぶ悄芤谩?/strong>這是人工智能的一個子領(lǐng)域，包含了幾乎所有對世界影響最大的方法(包括所謂的深度學(xué)習(xí))。作為一個短語，它沒有“AI”的神秘感，但它更有助于解釋技術(shù)的作用。

機(jī)器學(xué)習(xí)如何運作?在過去的幾年里，我們已經(jīng)閱讀并觀看了幾十種解釋，你會發(fā)現(xiàn)最有用的區(qū)別就在于名稱：機(jī)器學(xué)習(xí)就是讓計算機(jī)能夠自己學(xué)習(xí)。但這意味著一個更大的問題。

讓我們從一個問題開始吧。假設(shè)你想要創(chuàng)建一個可以識別貓的程序。 (由于某種原因，總是以貓為例)。你可以嘗試用老式的方式來做，通過編程在明確的規(guī)則中編寫，比如“貓有尖耳朵”和“貓是毛茸茸的?！钡钱?dāng)你向程序展示一只老虎的照片時，它會怎么做?在所有需要的規(guī)則中進(jìn)行編程將是耗時的，并且你必須在此過程中定義各種困難的概念，例如“毛茸茸”和“狡猾”。最好的解決方法是讓機(jī)器自己學(xué)習(xí)。因此，你可以為它提供大量的貓照片，并通過這些照片查看它所看到的自己的圖案。它首先連接點幾乎隨機(jī)，但經(jīng)過你反復(fù)測試它，保持最好的版本。隨著時間的推移，它會很擅長分辨什么是貓，什么不是貓。

到目前為止，一切都是可預(yù)測的。事實上，你之前可能已經(jīng)閱讀過這樣的解釋。但重要的不是閱讀注釋而是真正思考注釋的含義。像這樣學(xué)習(xí)決策系統(tǒng)的副作用是什么?

嗯，這種方法的最大優(yōu)點是最明顯的：你永遠(yuǎn)不必實際編程。當(dāng)然，你做了很多修補(bǔ)工作，改進(jìn)了系統(tǒng)處理數(shù)據(jù)的方式，并提出了更聰明的方法來提取這些信息，但你并沒有告訴它要尋找什么。這意味著它可以發(fā)現(xiàn)人類可能會錯過或從未想到的模式。而且因為所有的程序需求都是數(shù)據(jù)-1和0，所以有很多工作你可以訓(xùn)練它，畢竟現(xiàn)代世界充滿了數(shù)據(jù)。有了機(jī)器學(xué)習(xí)這樣一把錘子在手，數(shù)字世界仿佛充滿了釘子，隨時可以用錘子砸入合適的位置。

但是，也要考慮它們的缺點。如果你沒有明確地教計算機(jī)，你如何知道它是如何做出決定的呢?機(jī)器學(xué)習(xí)系統(tǒng)無法解釋它們的想法，這意味著你的算法可能因錯誤的原因而表現(xiàn)良好。同樣地，因為計算機(jī)所知道的只是你輸入的數(shù)據(jù)，它可能會對世界產(chǎn)生偏見，或者它可能只擅長于與之前看到的數(shù)據(jù)相似的狹窄任務(wù)。它沒有你所期望的人類的常識。你可以建立世界上最好的貓識別器程序，它永遠(yuǎn)不會告訴你小貓不應(yīng)該駕駛摩托車，或者貓更可能被稱為“小橘”、“小白”或者“Hello Kitty”。

教計算機(jī)自學(xué)是一條絕妙的捷徑。就像所有的捷徑一樣，它需要走捷徑。AI系統(tǒng)中有智能，如果你想這么稱呼它的話。但它不是有機(jī)智能，也不遵循人類的游戲規(guī)則。你不妨問:一本書有多聰明?什么樣的專業(yè)技能被編碼在煎鍋里?

那么我們現(xiàn)在在人工智能方面處于什么位置呢?經(jīng)過多年的頭條新聞宣布下一個重大突破(好吧，它們還沒有完全停止)，一些專家認(rèn)為我們已經(jīng)達(dá)到了一個穩(wěn)定的狀態(tài)。但這并不是進(jìn)步的障礙。在研究方面，我們現(xiàn)有的知識中有大量的途徑需要探索，而在產(chǎn)品方面，我們只看到了算法的冰山一角。

風(fēng)險資本家，前人工智能研究員李開復(fù)將當(dāng)前時刻描述為“實施時代”，技術(shù)開始“從實驗室滲透到世界之外?！绷硪晃伙L(fēng)險投資策略師本尼迪克特·埃文斯將機(jī)器學(xué)習(xí)比作關(guān)系數(shù)據(jù)庫，這是一種企業(yè)軟件，在上世紀(jì)90年代大賺了一筆，徹底改變了整個行業(yè)。這個詞是如此平凡，你的眼睛可能只是呆滯地看著這幾個字。兩個人的觀點都是，我們現(xiàn)在正處于AI快速恢復(fù)正常的階段?！白罱K，幾乎所有東西都會在[機(jī)器學(xué)習(xí)]的某個地方進(jìn)行，沒有人會在意?！卑Ｎ乃拐f。

他是對的，但我們還沒走到那一步。

在此時此地，人工智能——機(jī)器學(xué)習(xí)——仍然是一種經(jīng)常無法解釋或未得到充分檢驗的新事物。我們也在不斷思考這一切是如何發(fā)生的，這項技術(shù)是如何被用來改變事物的。因為在未來，這將是如此的正常，你甚至都不會注意到。