[[286906]] 

人工智能(AI)是一門跨學科的科學，涉及到構(gòu)建能夠執(zhí)行典型的需要人類思維的任務的智能機器。

早在1950年10月，英國技術(shù)幻想家阿蘭 · 圖靈(Alan Turing)在《MIND》雜志上發(fā)表了一篇名為《計算機器與智能》(Computing Machinery and Intelligence)的文章，這篇文章提出的問題在當時看來一定像是科幻幻想。

[[286907]] 

艾倫·麥席森·圖靈(英語：Alan Mathison Turing)，被稱為計算機科學之父，人工智能之父。(圖片來自網(wǎng)絡)

“難道機器不能執(zhí)行一些應該被描述為思考但卻與人類的思考完全不同的東西嗎? ” 圖靈問道。

圖靈認為他們可以。此外，他相信，可以為數(shù)字計算機創(chuàng)造軟件，使其能夠觀察環(huán)境并學習新的東西，從下棋到理解人類語言。他認為機器最終可以在沒有人類指導的情況下，自己發(fā)展出這種能力。他預言機器最終能在智力領(lǐng)域與人類競爭。

近70年后，圖靈看似古怪的愿景成為了現(xiàn)實。人工智能，賦予機器從經(jīng)驗中學習和執(zhí)行認知任務的似乎只有人類大腦才能做到的能力。

人工智能正迅速在整個文明世界傳播開來。

[[286908]] 

人工智能正迅速在整個文明世界傳播開來。(圖片來自網(wǎng)絡)

在日常生活中，人工智能會計算出你對什么廣告感興趣，當你訪問電子商務網(wǎng)站時，那些友好的聊天機器人會彈出來回答你的問題并提供客戶服務。

聲控智能家居設備中，人工智能助理會執(zhí)行無數(shù)的任務，從控制我們的電視和門鈴到回答瑣事問題再到幫助我們找到我們最喜歡的歌曲。

根據(jù)麥肯錫全球研究所的預測，隨著人工智能技術(shù)變得越來越復雜，人工智能有望極大地促進世界經(jīng)濟的發(fā)展，到2030年將創(chuàng)造約13萬億美元的財富。

人工智能是如何工作的?

分析 x 光圖像和放射學的核磁共振掃描可以狹義的理解為“智能”。但是，一臺機器可能在放射科的某些診斷上很有用，但是如果你問它關(guān)于棒球的問題，它就毫無用處了。

所以，人類的智力多樣性在這一點上仍然超出了人工智能的范圍。

[[286909]] 

人工智能與真正的人類智慧相去甚遠。(圖片來自網(wǎng)絡)

按照科學家的說法，人工智能有兩個關(guān)鍵部分。

• 其中之一是工程部分：也就是說，建造能用某種方式利用智能的工具。
• 另一個是智能科學，或者更確切地說，如何使一臺機器得出一個可以與人類大腦得出的結(jié)果相媲美的結(jié)果，即使這臺機器通過一個非常不同的過程得到這個結(jié)果。打個比方，鳥類飛行，飛機飛行，但他們飛行的方式完全不同，但它們都利用了空氣動力學和物理學。同樣，人工智能也是基于這樣一個概念，即智能系統(tǒng)的行為存在一些一般準則。人工智能基本上是我們試圖理解和模仿大腦工作方式的結(jié)果，并將其應用于其他自主系統(tǒng)(如無人機、機器人)中。

目前大多數(shù)人工智能的應用都是在擁有大量數(shù)據(jù)的領(lǐng)域。

人工智能的工作原理是將大量數(shù)據(jù)與智能算法(一系列指令)結(jié)合起來，使軟件能夠從數(shù)據(jù)的模式和特征中學習。

[[286910]] 

人工智能程序與人類大腦有一定的有趣的相似之處。(圖片來自網(wǎng)絡)

在模擬大腦的工作方式時，人工智能使用一系列不同的子領(lǐng)域：

• 機器學習使分析模型的建立自動化，從數(shù)據(jù)中發(fā)現(xiàn)隱藏的見解，而不需要編程去尋找某些特定的東西或得出某種結(jié)論。
• 神經(jīng)網(wǎng)絡模仿大腦中相互連接的神經(jīng)元陣列，并在不同單元之間傳遞信息，以發(fā)現(xiàn)聯(lián)系并從數(shù)據(jù)中推導出意義。
• 深度學習利用非常大的神經(jīng)網(wǎng)絡和大量的計算能力來發(fā)現(xiàn)數(shù)據(jù)中的復雜模式，用于圖像和語音識別等應用。
• 認知計算是關(guān)于創(chuàng)造一種“自然的、類似人的交互” ，包括使用解釋語音和對語音作出反應的能力。
• 計算機視覺利用模式識別和深度學習來理解圖片和視頻的內(nèi)容，并使機器能夠使用實時圖像來理解周圍的事物。
• 自然語言處理包括對人類語言的分析和理解以及對人類語言的響應。

人工智能數(shù)十年的研究歷程

• 人工智能的概念可以追溯到20世紀40年代，“人工智能”一詞是在1956年美國達特茅斯學院的一次會議上提出的。
• 在接下來的二十年里，研究人員開發(fā)了玩游戲、做簡單模式識別和機器學習的程序?？的螤柎髮W的科學家 Frank Rosenblatt 開發(fā)了感知器，這是第一個人工神經(jīng)網(wǎng)絡，它運行在一個 IBM 計算機上。
• 直到20世紀80年代中期，第二波更復雜、多層次的神經(jīng)網(wǎng)絡才被開發(fā)出來處理更高級別的任務。
• 在20世紀90年代和21世紀初，其他技術(shù)創(chuàng)新——網(wǎng)絡和功能日益強大的計算機——幫助加速了人工智能的發(fā)展。隨著網(wǎng)絡的出現(xiàn)，大量的數(shù)據(jù)以數(shù)字形式出現(xiàn)?；蚪M測序和其他項目開始產(chǎn)生大量數(shù)據(jù)，計算機技術(shù)的進步使得存儲和訪問這些數(shù)據(jù)成為可能。我們可以訓練機器去做更復雜的工作。30年前你不可能有深度學習模型，因為你沒有數(shù)據(jù)和計算能力。

人工智能與機器人

人工智能不同于機器人，但與機器人有關(guān)，機器人能感知環(huán)境，自己或在人的指揮下進行計算和物理任務。人工智能與機器人這兩個領(lǐng)域在許多方面相互交叉。

你可以想象機器人沒有太多的智能，純機械設備，如自動織機。有些機器人在很大程度上并不聰明。然而，在機器人領(lǐng)域，智能是不可或缺的一部分，例如引導無人機繞過滿是人類駕駛的汽車和行人的街道。

[[286911]] 

人工智能不同于機器人(圖片來自網(wǎng)絡)

如果你把人工智能擴展到機器學習領(lǐng)域，這也包括拼寫檢查器，文本推薦系統(tǒng)，任何推薦系統(tǒng)，洗衣機和烘干機，微波爐，洗碗機，2017年以后生產(chǎn)的大多數(shù)家用電子產(chǎn)品，揚聲器，電視，防抱死制動系統(tǒng)，任何電動車，現(xiàn)代閉路電視攝像頭。大多數(shù)游戲在許多不同層面上使用人工智能網(wǎng)絡。

人工智能已經(jīng)可以在一些狹窄的領(lǐng)域勝過人類，例如，人工智能能夠處理數(shù)以百萬計的社交媒體網(wǎng)絡互動，并獲得能夠影響用戶行為的洞察力——人工智能專家擔心這種能力可能會帶來“不那么好的后果”因為它特別擅長理解海量的信息，而這些信息足以淹沒人類的大腦。這種能力使互聯(lián)網(wǎng)公司能夠分析他們收集的關(guān)于用戶的大量數(shù)據(jù)，并以各種方式利用洞察力來影響我們的行為。

[[286912]] 

人工智能能夠處理海量的數(shù)據(jù)，而這些信息足以淹沒人類的大腦。(圖片來自網(wǎng)絡)

但是到目前為止，人工智能在復制人類創(chuàng)造力方面還沒有取得太大進展。

人工智能如何改變經(jīng)濟?它的傳播會讓我們大多數(shù)人失業(yè)嗎?

考慮到人工智能有潛力完成過去需要人類完成的任務，我們很容易擔心它的傳播會讓我們大多數(shù)人失業(yè)。

• 一些專家預測，盡管人工智能和機器人技術(shù)的結(jié)合可能使一些職業(yè)消失，但它將為精通技術(shù)的工人創(chuàng)造更多新的就業(yè)機會。最危險的是那些在零售業(yè)、金融業(yè)和制造業(yè)從事日常和重復性工作的人。
• 隨著人們更頻繁地從一個崗位跳槽到另一個崗位，工作機會流失將會增加。

[[286913]] 

人工智能使一些職業(yè)消失，也必然使新的職業(yè)出現(xiàn)。(圖片來自網(wǎng)絡)

• 新的工作崗位將會被創(chuàng)造出來，但是許多人將不具備這些崗位所需要的技能。因此，風險在于技能與工作不匹配，導致人們在向數(shù)字經(jīng)濟過渡的過程中落后。
• 隨著技術(shù)的普及，各國將不得不在就業(yè)再培訓和勞動力發(fā)展方面投入更多的資金。我們需要終身學習，這樣人們才能定期提升他們的工作技能。
• 人工智能可能被用來提高智力能力，而不是取代人類。
• 人工智能將有可能進入人類大腦來增強記憶，將使用者變成人機混合體。