關於人工智慧，你所知道的可能都是錯的

本文約1800字 | 建議閱讀6分鐘

文 | 秦曾昌，北京航空航天大學自動化學院副教授

編輯 | 陳俊伶

今年8月8日21時19分，九寨溝縣發生7.0級地震，確認消息後，21時37分，中國地震台網的機器人僅用25秒便完成了出稿，540字並配發4張圖片。內容包括速報參數、震中地形、熱力人口、周邊村鎮、周邊縣區、歷史地震、震中簡介、震中天氣8大項。

對於人類記者，25秒能做什麼？

我們或許還處在地震發生之後的驚愕之中，而機器人就已經迅速完成了數據挖掘、數據分析、自動寫稿的全過程。

從無人機到無人駕駛再到無人商店，這一兩年里，人工智慧不僅是商業領域裡的強IP，更是我們生活中的新貴，各種智能設備接踵而來，不斷更新迭代。當大家都還在驚嘆於科技的進步時，那些不曾預見的未來早已悄然無息地走進了我們生活。

不久前，韓國科學家將全息顯微鏡與人工智慧技術相結合，創建了一種能快速發現炭疽病的演算法。這種演算法可以分析細菌芽孢的圖像，在一秒鐘內確定它們是否屬於炭疽病原體芽孢，準確率已達96%。

不得不說，人工智慧越來越智能了。單純從人工智慧的英譯來說，它其實是指用人工的方法來實現智能。但在這種簡單解釋的背後，卻包含了眾多的誤解和不為大眾所知的外延。在通俗文化中，機器人甚至成為了人工智慧的代名詞。實際上，兩者還是有著明顯的差別。

人工智慧更關注機器人是如何「思考」的，主要涉及如何編製聰明的自動演算法來實現複雜的功能。這種演算法主要基於計算機的基本工作原理，也許並不適合人類這種由有機物組成的複雜系統。更重要的是，我們其實還沒有真正弄清楚「智能」的基本工作原理。

想像一下，人類和計算機都存在於一個客觀的、遵循物理規律的世界中，裡面有很多難題，人類進化出了一些解決方案。但計算機也可以在人類的幫助下，實現另外一種以0-1邏輯變換為基礎的解決方案，而兩者未必要相同。只是在行為上，兩者實現的功能是相似的。

早在2001年，以機器學習為代表的人工智慧技術就已經在發展了。包括微軟、谷歌在內的大公司，從那時起就開始關注機器學習並開始布局。

經過了16年，當時被我們認為晦澀和深奧的演算法開始讓資本所追逐，成為了社會新的技術發展力量。我們驚嘆於新技術的發展，也不免擔心人們對於這項技術的誤解。在這裡，我想按個人的理解來澄清幾個關於人工智慧的誤區。

1.人工智慧並不是簡單地將人類智能機器化

雖說機器學習的方法都是類似的思路，深度神經網路利用了大量的數據，也的確完成了以前我們沒有解決的任務，在某些領域把準確率提高了一個或幾個量級。但我想澄清的是，我們目前的深度神經網路並不是在模擬人腦，也不是通過使網路更像人腦的神經工作原理來提高準確率。嚴格來說，人工智慧的發展是由於在演算法、數據利用和硬體使用上提升到了新的技術高度，而非我們看破了人類「智能」的玄機。

2.人工智慧中的大數據不是萬能的

通過對數據的認知，甚至通過利用複雜的深度模型，來自動提取和發現數據中的特徵。我們也許能夠在以前的研究基礎上更進一步，但這不代表數據就是一切。因為很多解決問題的鑰匙不見得就在這些大量的數據中。如何獲得有效的數據，如何對問題進行理解，這些都是解決問題的關鍵。

比如，一個人在超市購物的數據能說明這個人的財務狀況和對物品的偏好，但如果想要通過這些數據來判斷一個人的受教育程度，遠遠不如直接拿到他購買書籍的數據。我們深信數據中那些神秘和潛在的規律，但也不能迷信和將未知數據神化。

3.人工智慧不只是深度學習

雖然今天人工智慧技術的代表是深度學習技術，但很多其他領域的研究在過去數10年中也都在不斷進步和發展。人工智慧可以幫助我們整理人類的知識，變成可溝通或問答的「聰明」資料庫；可以指導無人機或機器人編隊完成一個協作任務，比如踢足球；也正在幫助我們實現工業控制中的優化，提高供應鏈的效率，自動為貨品定價，給廣告排名；或者輔助人機交互，識別我們的意圖，通過問答來增強對我們意圖的理解。

信息技術在當今時代的發展如同20世紀初物理學的發展一樣，在不斷地進步與迭代。更重要的是，新發明與新技術在以更短的周期改變人類的生活。這本書講述的正是人工智慧技術會對各個行業產生的深遠影響與升級。這個升級遵循我們在一開始提到的樸素的技術發展規律。各個行業的人工智慧+技術升級將用聰明的演算法，儘可能地利用信息來為人類服務，提高各個行業的生產效率。

未來人工智慧是否會統治人類，我不敢斷言，但這個問題還很遙遠，還不是一個可被解答的科學問題。目前人類有限的知識範圍能畫出的這個圈子還很小，我們需要通過大量的工作來提高自身對於智能的認知，才能對這個問題有更好的認知。

本文源自微信公眾號商業模式觀察家（moshiguancha）

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！