来源：信风智库
作者：James Vincent
本文作者：
James Vincent，人工智能领域资深记者，为《边缘》杂志报道了大量报道。
这是一个很常见的心理现象：任何字眼重复足够多的时间，它将失去所有的意义，最终瓦解。
对于我们许多人来说，“人工智能”一词很久以前就是以这种方式瓦解的。人工智能现在在技术中无处不在，据说可以为从电视到牙刷的所有功能提供动力。
毫无疑问，虽然我们滥用了“人工智能”一词，但这项技术的成败比以往任何时候都好。它被部署在医疗保健和战争中；它帮助人们制作音乐和书籍；它会仔细检查您的简历，判断您的信誉，并调整您在手机上拍摄的照片。简而言之，无论您是否喜欢，它都会影响您的生活。
科技公司和广告商讨论AI时可能会大肆宣传，但很难与之相提并论。
以Oral-B的Genius X牙刷为例，该牙刷是今年在CES上亮相的众多设备之一，吹捧所谓的“ AI” 功能。但是，仔细研究一下你会发现，它只是提供如何在正确的时间和位置刷牙的简单反馈。有一些聪明的传感器可以弄清刷子在嘴里的位置，但是称它为人工智能是胡言乱语，仅此而已。
当不涉及炒作时，就会产生误解。新闻报道可能会夸大研究，在任何模糊的AI故事上贴上终结者的照片。
对于非专家而言，这可能是一个棘手的话题，人们经常错误地将当代AI与他们最熟悉的版本相混淆：一种有意识的计算机的科学构想，它比人类聪明很多。
如果我们曾经创造这样的事情，它很可能是一个在未来很长的路要走。在那之前，没有人通过夸大AI系统的智能或功能而得到帮助。
反正什么是AI？（从上顺时针方向：电影《都市》中的模型，Oral-B的AI牙刷，自动交付机器人。）
因此，我们最好谈论“机器学习”而不是人工智能。这是人工智能的一个子领域，几乎涵盖了目前对世界影响最大的所有方法（包括所谓的深度学习）。简而言之，它没有“ AI”的奥秘，但在解释该技术的作用时更有用。
机器学习如何工作？在过去的几年中，我已经阅读并观看了数十种解释，而我发现最有用的区别就是这个名称：机器学习就是使计算机能够自行学习。但是，什么是手段是一个更大的问题。
让我们从一个问题开始。假设您要创建一个可以识别猫的程序，您可以通过按照“猫有尖耳朵”和“猫有毛茸茸”之类的明确规则进行编程，来尝试以老式的方式进行操作。
但是，当您向其显示老虎的图片时，该程序会做什么？用所需的每条规则进行编程将很耗时，并且您必须在此过程中定义各种困难的概念，例如“狂暴”和“尖锐性”。
最好让机器自学。因此，您给它提供了大量的猫照片，它会通过观察猫的照片来寻找自己所看到的图案。首先，它几乎随机地连接点，但是您要反复测试它，并保持最佳版本。随着时间的流逝，它变得非常擅长说什么是猫，什么不是猫。
实际上，您以前可能已经阅读过这样的解释，对此我感到抱歉。但是重要的不是阅读光泽，而是真正考虑光泽的含义。像这样的决策系统学习会有什么副作用？
嗯，这种方法的最大优点是最明显的：您无需实际编程。当然，您需要做很多事情，改善系统处理数据的方式，并提出更智能的方式来吸收信息，但是您没有告诉要寻找什么。
这意味着它可以发现人类可能会错过或从未想到的模式，而且由于程序的所有需求都是数据（1和0），所以有很多工作可以训练，因为现代世界中充斥着数据。手里拿着机器学习锤，数字世界里到处都是钉子，随时可以被钉牢。
专业的“围棋”选手李世多开始玩Google的AlphaGo，与DeepMind的围棋AI系统系列一样，自学的机器可以产生强大的结果。
但是，我们还需要考虑一下缺点。如果您没有明确教导计算机，您怎么知道它是如何做出决定的？机器学习系统无法解释他们的想法，这意味着您的算法由于错误的原因可能表现良好。
同样，由于计算机所知道的只是您提供的数据，因此它可能会偏向于世界，或者只适合于看起来类似于以前看到的数据的狭窄任务。它没有您期望的人类常识。
您可以建立世界上最好的猫识别器程序，而且它永远也不会告诉您小猫不应该开摩托车，或者说猫比“永生巨人”更可能被称为“小猎犬”。
教计算机自己学习是一个绝妙的捷径——像所有捷径一样，它涉及偷工减料。如果您想将其称为AI系统中的智能，但这不是有机情报，它不能像人类一样发挥作用。
那么，我们现在站在人工智能的什么位置？一些专家认为我们已经达到了一个平稳的阶段，但这并不是进步的真正障碍。在研究方面，在我们现有的知识范围内有大量的途径可以探索，而在产品方面，我们只看到了算法的冰山一角。
风险投资家和前AI研究员Lee Kai-Fu Lee 将当前时刻形容为“实施时代”，即技术开始“从实验室扩散并进入世界的时刻。”
另一位风险投资策略师Benedict Evans 比较了机器学习到关系数据库，这是一种企业软件在90年代发了大财，并彻底改变了整个行业的趋势延伸。
这两个人都在指出，我们现在正处于AI将快速成长的时刻，当前人工智能（机器学习）仍然是一种新事物，常常无法解释或未得到充分审查。
但最终，几乎所有东西都将在内部拥有机器学习，它会变得如此正常，你甚至都不会注意到。
原文发布时间：2019-11-25
文章来源：James Vincent
本文来自
信风智库，了解相关信息可以关注“
”