撇开炒作进入正常阶段 谈AI不如谈机器学习

“人工智能”这个术语是在1955年才出现，但是能够执行我们指令的智能机器的概念有着更深的根源，可以追溯到希腊、印度和中国的古代神话。也许这就是为什么人工智能对我们的想象力有如此大的影响，也是为什么近年来，围绕这项技术有如此多的炒作。

但AI不是神话，也不是神奇的机器。这项技术和其他任何技术一样，经过数十年的研究，已经达到了新的生产力平台。廉价的处理能力和丰富的数据使这成为可能，人工智能和机器学习现在成为各种领域的有用工具，包括天文学、医疗保健、交通运输和音乐。

经过多年的承诺，AI终于变得有用了。但通常有用的技术会消失。我们忘记了那些只会起作用的事情，我们不应该让这种事情发生在AI身上。任何注定要改变世界的技术都需要审查，而人工智能，凭借其巨大的想象力和非常真实、非常危险的缺陷，比大多数技术更需要审查。

因此，对于即将到来的人工智能问题，我们正在仔细研究人工智能和机器学习目前正在影响技术的一些方式——毕竟，在它改变了世界之后再去理解它，就为时已晚了。

这是一种常见的心理现象：任何一个单词重复足够多次，最终就会失去所有的意义，像沉闷的组织一样分解成语音上的虚无。对于我们许多人来说，“人工智能”这个词很久以前就以这种方式土崩瓦解了。人工智能现在在科技领域无处不在，据说它可以为从电视到牙刷的所有东西提供驱动力，但从来没有哪个词本身的意义更小。

人工智能不应该这样。

尽管“人工智能”这个词毫无疑问是被误用了，但这项技术的作用比以往任何时候都要强大——无论是好是坏。它被用于医疗保健和战争;它帮助人们制作音乐和书籍;它会仔细审查您的简历，判断你的信誉，并调整你在手机上拍摄的照片。简而言之，无论你喜欢与否，它都会做出影响你生活的决定。

科技公司和广告客户讨论人工智能时，很难将大肆宣传和咆哮划清界限。以Oral-B的Genius X牙刷为例，这是今年在CES上推出的众多设备之一，它们吹捧了所谓的“AI”能力。但是仔细研究一下新闻稿的最上面一行，所有这些都意味着它会给出非常简单的反馈，告诉你是否在正确的时间和正确的位置刷牙。有一些聪明的传感器可以帮助你找出牙刷在嘴里的位置，但称之为人工智能根本就是在胡言乱语，仅此而已。

如果没有涉及炒作，就会产生误解。而新闻报道往往夸大研究，在任何模糊的AI故事上贴上《终结者》的照片。例如，麦肯锡等咨询公司曾发布调查或者报告，到2030年，全球将有4亿到8亿人将被自动化取代，相当于今天全球劳动力的五分之一。普华永道则表示，在未来20年，29个国家超过20万个现有工作涉及的任务将出现三种自动化浪潮;;第一次浪潮中，预计现有工作岗位的流失率相对较低，到21世纪20年代初可能只有3%左右，而到了到第三次浪潮，21世纪30年代中期，高达30%的就业机会将自动化。

这常常归结为对人工智能究竟是什么的困惑。对于非专业人士来说，这可能是一个棘手的问题，而且人们经常错误地将当代人工智能与他们最熟悉的版本混为一谈：一台科幻小说中的有意识的计算机，比人类聪明许多倍。专家们把这个人工智能的具体例子称为人工通用智能(AI)，如果我们真的创造出这样的东西，在未来很可能还有很长的路要走。在此之前，没有人会因为夸大人工智能系统的智能或能力而受益。

因此，谈论“机器学习”比谈论人工智能要好。这是人工智能的一个子领域，包含了几乎所有对世界影响最大的方法(包括所谓的深度学习)。作为一个短语，它没有“AI”的神秘感，但它更有助于解释技术的作用。

机器学习如何运作?在过去的几年里，我们已经阅读并观看了几十种解释，你会发现最有用的区别就在于名称：机器学习就是让计算机能够自己学习。但这意味着一个更大的问题。

让我们从一个问题开始吧。假设你想要创建一个可以识别猫的程序。 (由于某种原因，总是以猫为例)。你可以尝试用老式的方式来做，通过编程在明确的规则中编写，比如“猫有尖耳朵”和“猫是毛茸茸的。”但是当你向程序展示一只老虎的照片时，它会怎么做?在所有需要的规则中进行编程将是耗时的，并且你必须在此过程中定义各种困难的概念，例如“毛茸茸”和“狡猾”。最好的解决方法是让机器自己学习。因此，你可以为它提供大量的猫照片，并通过这些照片查看它所看到的自己的图案。它首先连接点几乎随机，但经过你反复测试它，保持最好的版本。随着时间的推移，它会很擅长分辨什么是猫，什么不是猫。

到目前为止，一切都是可预测的。事实上，你之前可能已经阅读过这样的解释。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?

嗯，这种方法的最大优点是最明显的：你永远不必实际编程。当然，你做了很多修补工作，改进了系统处理数据的方式，并提出了更聪明的方法来提取这些信息，但你并没有告诉它要寻找什么。这意味着它可以发现人类可能会错过或从未想到的模式。而且因为所有的程序需求都是数据-1和0，所以有很多工作你可以训练它，毕竟现代世界充满了数据。有了机器学习这样一把锤子在手，数字世界仿佛充满了钉子，随时可以用锤子砸入合适的位置。

但是，也要考虑它们的缺点。如果你没有明确地教计算机，你如何知道它是如何做出决定的呢?机器学习系统无法解释它们的想法，这意味着你的算法可能因错误的原因而表现良好。同样地，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器程序，它永远不会告诉你小猫不应该驾驶摩托车，或者猫更可能被称为“小橘”、“小白”或者“Hello Kitty”。

教计算机自学是一条绝妙的捷径。就像所有的捷径一样，它需要走捷径。AI系统中有智能，如果你想这么称呼它的话。但它不是有机智能，也不遵循人类的游戏规则。你不妨问:一本书有多聪明?什么样的专业技能被编码在煎锅里?

那么我们现在在人工智能方面处于什么位置呢?经过多年的头条新闻宣布下一个重大突破(好吧，它们还没有完全停止)，一些专家认为我们已经达到了一个稳定的状态。但这并不是进步的障碍。在研究方面，我们现有的知识中有大量的途径需要探索，而在产品方面，我们只看到了算法的冰山一角。

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·埃文斯将机器学习比作关系数据库，这是一种企业软件，在上世纪90年代大赚了一笔，彻底改变了整个行业。这个词是如此平凡，你的眼睛可能只是呆滞地看着这几个字。两个人的观点都是，我们现在正处于AI快速恢复正常的阶段。“最终，几乎所有东西都会在[机器学习]的某个地方进行，没有人会在意。”埃文斯说。

他是对的，但我们还没走到那一步。

在此时此地，人工智能——机器学习——仍然是一种经常无法解释或未得到充分检验的新事物。我们也在不断思考这一切是如何发生的，这项技术是如何被用来改变事物的。因为在未来，这将是如此的正常，你甚至都不会注意到。