第74章 它不是強(qiáng)不強(qiáng)的問(wèn)題

　　人工智能還是人工智障？

　　這是一個(gè)問(wèn)題。

　　近二十年，人工智能技術(shù)逐漸與計(jì)算機(jī)技術(shù)、互聯(lián)網(wǎng)進(jìn)行深入融合。

　　得益于大規(guī)模并行計(jì)算、大數(shù)據(jù)、深度學(xué)習(xí)算法和人腦芯片這四大催化劑的發(fā)展，以及計(jì)算成本的降低，使得人工智能技術(shù)突飛猛進(jìn)。

　　它利用計(jì)算機(jī)和互聯(lián)網(wǎng)的發(fā)展機(jī)遇，化名為商業(yè)智能、數(shù)據(jù)分析、信息化、自動(dòng)化等等，滲透到社會(huì)發(fā)展的每個(gè)角落。

　　一方面，互聯(lián)網(wǎng)的推廣為人工智能創(chuàng)造了很多落地應(yīng)用的場(chǎng)景，體現(xiàn)出真正的價(jià)值。

　　另一方面，計(jì)算機(jī)軟硬件的升級(jí)為人工智能提供了強(qiáng)大的運(yùn)算力，以前在理論上才能實(shí)現(xiàn)的算法得以落地，讓人工智能在越來(lái)越多賽事上創(chuàng)造奇跡，甚至超越人類。

　　但是到了實(shí)際應(yīng)用中，人工智能被人們?cè)嵅∽疃嗟牡胤绞牵喝斯ぶ悄荏w現(xiàn)不出智能。

　　很多人對(duì)人工智能的認(rèn)知都是分裂的。

　　一方面媒體不斷報(bào)道人工智能又取得了什么樣的新成果、國(guó)外各路大咖讓人們要警惕人工智能的發(fā)展、人工智能被納入我國(guó)發(fā)展規(guī)劃等各種大新聞。

　　另一方面，新聞里也總是傳出自動(dòng)駕駛發(fā)生事故、家里的智能家具表現(xiàn)地像個(gè)智障一樣、資訊平臺(tái)總是傻傻地推同樣類型的新聞……

　　這些現(xiàn)象都讓人們疑惑，人工智能到底智能在哪里？

　　就比如當(dāng)初的無(wú)人駕駛汽車加速撞向翻到的大貨車事件。

　　因?yàn)樨涇囓図敺窗坠?，讓無(wú)人車的攝像頭產(chǎn)生致盲反應(yīng)，在沒(méi)有任何信息的情況下AI是不會(huì)有什么反應(yīng)的，甚至可能給出錯(cuò)誤結(jié)論，錯(cuò)認(rèn)成一片坦途，一個(gè)加速懟上去。

　　而且“反光”什么的也是交通事故發(fā)生后根據(jù)事故過(guò)程推斷的，而不是AI直接得出的結(jié)論。

　　AI可不會(huì)告訴你，“我之所以撞上去，是因?yàn)榇笠饬?，沒(méi)有閃。”

　　還有交通方面的人工智能，只能準(zhǔn)確的識(shí)別到紅綠燈，但是無(wú)法識(shí)別公交車上的廣告海報(bào)，直接把海報(bào)上的明星框了起來(lái)，認(rèn)為他們闖紅燈。

　　還有某網(wǎng)站的智能識(shí)別圖片直接把黑人識(shí)別成了大猩猩，被起訴了種族歧視，還差點(diǎn)引發(fā)零元購(gòu)行動(dòng)。

　　這種圖像識(shí)別技術(shù)，它的工作原理就是將圖案變成數(shù)字編碼，再?gòu)倪@些數(shù)字編碼中找到特征，查找“字典”，找到對(duì)應(yīng)的解釋然后顯示出來(lái)。

　　實(shí)際上，計(jì)算機(jī)壓根不知道自己識(shí)別的到底是黑人還是大猩猩，只是“字典”告訴它這個(gè)特征很大概率對(duì)應(yīng)的是“大猩猩”這個(gè)單詞。

　　絕大部分算法在本質(zhì)上都是在玩概率的游戲，不同的只是在模型訓(xùn)練時(shí)需要的信息不同，以及計(jì)算出來(lái)對(duì)應(yīng)“大猩猩”的判定方式不同。

　　當(dāng)前所有被廣泛應(yīng)用的知名模型，都是通過(guò)矩陣運(yùn)算訓(xùn)練數(shù)據(jù)來(lái)獲得某種概率分布。

　　復(fù)雜模型的概率分布通常是高維的，這里又會(huì)引申出各種數(shù)學(xué)方法，但本質(zhì)的思想依舊是想通過(guò)概率分布來(lái)描述訓(xùn)練數(shù)據(jù)的特征。

　　有了這些，就可以使用相同的概率分布去描述同類的數(shù)據(jù)，從而實(shí)現(xiàn)所謂的“識(shí)別”或“預(yù)測(cè)”。

　　實(shí)際上，并非模型真的像人類一樣理解了什么是“大猩猩”，只是通過(guò)這種方式，模型能夠大概率得把長(zhǎng)得像某些特定目標(biāo)的圖片識(shí)別出來(lái)。

　　現(xiàn)在很多人把人工智能分為強(qiáng)人工智能和弱人工智能。

　　其中強(qiáng)人工智能就是“傳說(shuō)中”的人工智能，甚至不少人追求讓計(jì)算機(jī)擁有人類的心智與意識(shí)，具有自主選擇行為。

　　但是強(qiáng)人工智能的研究難度較大，市面上還沒(méi)有成熟的應(yīng)用。

　　而弱人工智能更像是一個(gè)解決特定問(wèn)題的工具。

　　這類問(wèn)題的特點(diǎn)是可以通過(guò)統(tǒng)計(jì)，歸納出經(jīng)驗(yàn)并形成解決方案，而這種解決問(wèn)題的實(shí)現(xiàn)方法被稱為“機(jī)器學(xué)習(xí)”。

　　并且數(shù)據(jù)越精確越好，越單一越好，一旦數(shù)據(jù)出現(xiàn)模糊和復(fù)雜程度增加，那它立刻就會(huì)從弱人工智能變成人工智障。

　　例如量化交易、人臉識(shí)別和阿爾法狗都是擅長(zhǎng)于單個(gè)方面的機(jī)器學(xué)習(xí)模型。

　　在訓(xùn)練模型時(shí)，技術(shù)人員只教會(huì)阿爾法狗下圍棋的技巧，所以它只能會(huì)下圍棋。

　　如果你把一道數(shù)學(xué)題丟給它，它立刻懵逼。

　　就像現(xiàn)在的訪問(wèn)團(tuán)成員，他們也有點(diǎn)懵。

　　訪問(wèn)團(tuán)里大多都是技術(shù)人員，不是技術(shù)人員也仔細(xì)了解過(guò)實(shí)用科技的資料，有些技術(shù)人員的研究領(lǐng)域還跟人工智能有些交叉，多多少少都知道一些人工智能方面的知識(shí)。

　　他們可從來(lái)沒(méi)見(jiàn)過(guò)這么牛批的人工智能。

　　智能苿來(lái)……它不是強(qiáng)不強(qiáng)的問(wèn)題，而是很特別，反正一點(diǎn)也不弱，目前也沒(méi)聽說(shuō)像智障。

　　李偉只是說(shuō)了一聲備車，沒(méi)說(shuō)他們有多少人，苿來(lái)竟然就準(zhǔn)備好了這么精確的車輛，這個(gè)公司管理AI是怎么在走廊里確定他們的人數(shù)的？

　　怎么沒(méi)有把旁邊路過(guò)的員工也算進(jìn)去？

　　不過(guò)這次相關(guān)專業(yè)的人不夠多，而且這還是下次合作的議題，所以他們就沒(méi)怎么說(shuō)。

　　倒是車輛行進(jìn)的時(shí)候，李偉稍微介紹了一下。

　　“公司級(jí)別的輔助管理AI功能不多，但它就像機(jī)器里的潤(rùn)滑劑，能充分的潤(rùn)滑龐大機(jī)器的各種關(guān)節(jié)，讓機(jī)器運(yùn)行的更加順暢?！?p>　　“比如我們現(xiàn)在坐的車，它們?cè)戎皇瞧胀ǖ膱@區(qū)巡邏車，我們對(duì)它進(jìn)行了改裝，但是它依舊是常規(guī)的無(wú)人車，甚至是比世面上的無(wú)人車還要簡(jiǎn)陋一些?！?p>　　“不過(guò)不要緊，它自己能力不足，我們可以加上苿來(lái)的輔助，苿來(lái)掌控了公司所有的攝像頭，所以無(wú)人車不僅可以自己識(shí)別路線，苿來(lái)還可以利用公司的攝像頭幫它提供額外的信息?！?p>　　“你們看車上的屏幕，”李偉指著車上的屏幕說(shuō)道：“這邊的畫面是車輛自己拍攝到的，旁邊則是苿來(lái)提供的?！?p>　　“前邊有個(gè)拐角，有不少員工在向著這里走過(guò)來(lái)，對(duì)于車輛來(lái)說(shuō)，拐角處的員工是突然出現(xiàn)的，非?？简?yàn)車輛AI的緊急情況處理能力，一個(gè)處理不好就會(huì)發(fā)生車禍。”

　　“但是有個(gè)苿來(lái)的輔助，車輛早就知道有人要過(guò)來(lái)，所以能提前一步做出正確的反應(yīng)，避免車禍的發(fā)生?！?p>　　“它對(duì)公司內(nèi)部的統(tǒng)籌合作非常有幫助……”

　　一邊說(shuō)著，電動(dòng)車就載著他們到了研發(fā)部，而他們剛進(jìn)研發(fā)部就見(jiàn)李未來(lái)在指揮一個(gè)“鋼鐵戰(zhàn)士”走路。

　　“你什么也別動(dòng)，就當(dāng)是癱瘓了，讓機(jī)器帶著你走。”

　　“可我不由自主的就走了??！李顧問(wèn)，我沒(méi)癱瘓，但我的腿就是不聽大腦指揮，它、他有自己的想法?！?p>　　“……”