这是一种常见的心理现象：重复任何单词多次，最终失去所有含义，像浸湿的纸巾一样分解为语音虚无。对于我们许多人来说，“人工智能”一词很久以前就以这种方式瓦解了。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，但从来没有单词本身意味着更少。
毫无疑问，虽然毫无疑问地滥用了“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；它会仔细检查您的履历，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。
“无论您是否喜欢，人工智能都可以用来决定您的生活”
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，仔细研究一下新闻稿的第一行，这意味着它可以提供有关您是否在正确的时间和正确的位置刷牙的非常简单的反馈。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，就会产生误会。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。通常这归结为关于什么是人工智能的困惑。对于非专业人士而言，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，它比人类要聪明很多。专家将这种特定的AI实例称为人工智能，如果我们确实创造了类似的东西，那么将来可能还有很长的路要走。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。
因此，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，涵盖了几乎所有对当今世界产生最大影响的方法（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会更有帮助。
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字：机器学习就是使计算机能够自行学习。但这意味着一个更大的问题。
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。 （由于某种原因，它总是猫。）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？按照所需的每条规则进行编程将非常耗时，并且您必须在此过程中定义各种困难的概念，例如“疲劳性”和“指向性”。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，它变得非常擅长说猫是什么，什么不是猫。
到目前为止，如此可预测。实际上，您以前可能已经阅读过类似的说明，对此我感到抱歉。但是重要的不是阅读光泽，而是真正思考光泽的含义。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，您需要进行大量修改，以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，但您并未告诉要查找的内容。这意味着它首先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。
但是，也要考虑一下缺点。如果您没有明确教导计算机，您如何知道计算机如何做出决定？机器学习系统无法解释他们的想法，这意味着由于错误的原因，您的算法可能表现良好。同样，由于计算机所知道的只是您输入的数据，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，并且它永远不会告诉您小猫不应该开摩托车，或者说猫比“不死的梅加洛斯”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”
教计算机自己学习是一个绝妙的捷径。像所有快捷方式一样，它涉及偷工减料。如果您想将其称为人工智能系统中的智能。但这不是有机的情报，它不能像人类一样发挥作用。您可能会问：一本书有多聪明？煎锅编码什么专业知识？
那么，我们现在站在人工智能的什么位置？经过多年的头条新闻宣布了下一个重大突破（嗯，他们还没有完全停止），一些专家认为我们已经达到了平稳的水平。但这并不是进步的障碍。在研究方面，在我们现有的知识范围内有大量的探索途径，而在产品方面，我们只看到了算法冰山一角。
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，但这真是太平凡了，您可能只看了这两个字就使眼前一亮。这两个人都在指出，我们现在正处于AI迅速恢复正常的时刻。 “最终，几乎所有东西都将在内部拥有[机器学习]，没有人会在意，”埃文斯说。
他是对的，但我们还没有到那儿。
在当前和现在，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。因此，在本周的AI Week The Verge特刊中，我们将向您展示一切现在如何发生，如何利用这项技术来改变事物。因为在将来，这会很正常，您甚至都不会注意到。
毫无疑问，虽然毫无疑问地滥用了“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；它会仔细检查您的履历，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。
“无论您是否喜欢，人工智能都可以用来决定您的生活”
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，仔细研究一下新闻稿的第一行，这意味着它可以提供有关您是否在正确的时间和正确的位置刷牙的非常简单的反馈。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，就会产生误会。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。通常这归结为关于什么是人工智能的困惑。对于非专业人士而言，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，它比人类要聪明很多。专家将这种特定的AI实例称为人工智能，如果我们确实创造了类似的东西，那么将来可能还有很长的路要走。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。
因此，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，涵盖了几乎所有对当今世界产生最大影响的方法（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会更有帮助。
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字：机器学习就是使计算机能够自行学习。但这意味着一个更大的问题。
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。 （由于某种原因，它总是猫。）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？按照所需的每条规则进行编程将非常耗时，并且您必须在此过程中定义各种困难的概念，例如“疲劳性”和“指向性”。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，它变得非常擅长说猫是什么，什么不是猫。
到目前为止，如此可预测。实际上，您以前可能已经阅读过类似的说明，对此我感到抱歉。但是重要的不是阅读光泽，而是真正思考光泽的含义。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，您需要进行大量修改，以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，但您并未告诉要查找的内容。这意味着它首先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。
但是，也要考虑一下缺点。如果您没有明确教导计算机，您如何知道计算机如何做出决定？机器学习系统无法解释他们的想法，这意味着由于错误的原因，您的算法可能表现良好。同样，由于计算机所知道的只是您输入的数据，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，并且它永远不会告诉您小猫不应该开摩托车，或者说猫比“不死的梅加洛斯”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”
教计算机自己学习是一个绝妙的捷径。像所有快捷方式一样，它涉及偷工减料。如果您想将其称为人工智能系统中的智能。但这不是有机的情报，它不能像人类一样发挥作用。您可能会问：一本书有多聪明？煎锅编码什么专业知识？
那么，我们现在站在人工智能的什么位置？经过多年的头条新闻宣布了下一个重大突破（嗯，他们还没有完全停止），一些专家认为我们已经达到了平稳的水平。但这并不是进步的障碍。在研究方面，在我们现有的知识范围内有大量的探索途径，而在产品方面，我们只看到了算法冰山一角。
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，但这真是太平凡了，您可能只看了这两个字就使眼前一亮。这两个人都在指出，我们现在正处于AI迅速恢复正常的时刻。 “最终，几乎所有东西都将在内部拥有[机器学习]，没有人会在意，”埃文斯说。
他是对的，但我们还没有到那儿。
在当前和现在，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。因此，在本周的AI Week The Verge特刊中，我们将向您展示一切现在如何发生，如何利用这项技术来改变事物。因为在将来，这会很正常，您甚至都不会注意到。
打赏
-
支付宝扫一扫
-
微信扫一扫
