本文轉自 easyAI - 人工智能知識庫
文章目錄
- 人工智能的誤解
- 什么是人工智能？
- 人工智能的發展史
- 人工智能的局限性
- 客觀看待人工智能
- 百度百科+維基百科
- 擴展閱讀
最近無意中發現了一個巨牛的人工智能教程，忍不住分享一下給大家。教程不僅是零基礎，通俗易懂，而且非常風趣幽默，像看小說一樣！覺得太牛了，所以分享給大家。點這里可以跳轉到教程。
人工智能和 AI 已經走入了普通大眾的視野，我們在生活中可以看到很多跟 AI 相關的產品。比如 Siri、AI 拍照、AI 修圖…
雖然大家看得多，但是大部分都是一知半解。到底什么是人工智能？他有什么神奇的地方？未來會發展成什么樣？
本篇文章將完整的解答大家的問題。文章內容會讓不懂技術的朋友也能輕松的看懂。
人工智能的誤解
大家都看過或者聽說過類似的言論或者電影：
人工智能很危險！
AI 對人類是威脅！（甚至有人給出了具體的時間點）
機器人會占領的地球，人類將變為機器人的奴隸！
……
請大家放100個心，不要神話人工智能，科幻電影里的劇情以目前的技術發展來看，完全不可能！
這種擔心就好像瑪雅人預測2012年地球將毀滅一樣！
人工智能（AI）本質上是一種工具
那么我們應該如何正確的看待人工智能（AI）？
AI 跟我們使用的錘子、汽車、電腦……都一樣，其本質都是一種工具。
工具必須有人用才能發揮價值，如果他們獨立存在是沒有價值的，就想放在工具箱里的錘子一樣，沒有人揮舞它就沒有任何價值。
雖然錘子、汽車、電腦、AI 都是工具。但是他們還是有差別的。
他們最核心的差別就是效能（更準確的說應該是杠桿率）。我們把上面幾個工具的使用場景對比一下就能理解了：
錘子：
用過錘子的人都知道，為了釘一個釘子，大部分的力還是人出的。
錘子的使用場景中，人出了1份力，得到了2倍的回報。
汽車：
人類跑步20分鐘達到的距離，汽車2分鐘就能搞定！而且這個過程中人類不需要出太多力氣。
汽車的使用場景中，人出了1份力，得到了10倍的回報。
電腦：
人類自己計算一些復雜的問題可能需要花1個月甚至更久的時間（還不一定正確），而電腦可能只需要1秒就完成了，并且精確無誤！而人們使用電腦只需要敲幾下鍵盤，點幾下鼠標就可以了。
電腦的使用場景中，人出了1份力，得到了1,000,000倍的回報。
人工智能：
人工智能其實是超越了之前電腦的邊界，以前電腦無法做的事情 AI 可以做了。所以從杠桿率上講，人工智能和電腦是在一個量級上的，但是它能做的事情更多了，大大超越了傳統電腦的能力范圍，所以大家十分看好。
但是（凡是都有但是），AI 在很多很多場景和領域還是沒有價值，很多能力甚至不如小學生。所以，目前 AI 的局限性依然很大！
所有人都應該知道的關于 AI 的3個重點
- 人工智能（AI）的本質是一種工具，歸根結底還是需要人去使用它。
- 雖然有些場景 AI 已經超越人類了（比如 AlphaGo 下圍棋），但是還是有很多很多的場景，AI 沒什么價值。
- AI 不是萬能（通用）的，擅長下圍棋的 AI 不能跟人聊天，擅長聊天的 AI 不能下圍棋。大家在電影里看到的啥都會的機器人短期內還無法實現。
什么是人工智能？
開門見山的給出人人都能聽懂的解釋：
- 人工智能（AI）是一種高級的計算機程序
- AI 有明確的目標
- AI 可以“看到”或者“聽到”環境的變化，可以感受到環境的變化
- 他會根據不同的環境做出不同的反應，從而實現既定的目標。
下面是書面語的版本，看著更嚴謹（裝逼）一些：
人工智能（Artificial Intelligence，簡稱AI）是計算機科學下的一個分支。某些方面像人一樣，AI 可以“看到”和“聽到”環境的變化，同時可以根據環境的變化做出合理的判斷和行動，從而實現某些目標。
下面就針對“環境感知”、“合理判斷”和“實現目標”3個層面來詳細對比一下普通的計算機程序和人工智能：
雖然上面的對比讓 AI 看上去很強大，但是實際上并非如此，AI 在某些場景表現的很好，但是在某些場景表現的很不理想。
AI 并沒有想象中強大，它也會犯低級錯誤
AI 的確具備了理解圖片、視頻和語音（非結構化數據）的能力，但并不代表這些能力已經很強大的。AI 經常犯一些低級錯誤，下面就是一個具體的案例：
左：摩托車的遮擋讓 AI 把一只猴子誤認為人類。中：自行車的遮擋讓 AI 把猴子誤認為人類，同時叢林背景導致 AI 將自行車把手誤認為是鳥。右：吉他把猴子變成了人，而叢林把吉他變成了鳥
上圖顯示了在一張叢林猴子的照片中 ps 上一把吉他的效果。這導致深度網絡將猴子誤認為人類，同時將吉他誤認為鳥，大概是因為它認為人類比猴子更可能攜帶吉他，而鳥類比吉他更可能出現在附近的叢林中。
AI 對數據的依賴相當于人類對空氣的依賴
目前（截止到2019年）是深度學習最流行的時代，深度學習在各個領域雖然表現出了很強大的能力，但是并不是人人都能玩轉深度學習的，因為它需要海量的帶標注的數據，這種條件不是人人都具備的。
簡單的做一個類比，獅子的力量很強大，狗的力量相比較就弱小很多。雖然獅子的戰斗力很強，但是獅子需要吃很多東西才能保持戰斗力。而狗就不需要吃那么多的東西。如果不給獅子吃足夠的東西，他可能會躺在地上完全喪失戰斗力。
深度學習就類似獅子，想讓他發揮出戰斗力，就需要給他喂養大量的數據（相當于獅子的食物）。不然再出色的深度學習模型都無法發揮任何價值。
獅子對食物也是比較挑剔的，不是給他吃啥都行的，而深度學習更是如此！
數據是否有標注、數據是否“干凈”、數據是否有多樣性……都對深度學習的學習結果影響巨大！
總結一下的話：
- 深度學習時代的 AI 對數據量級要求極高
- 深度學習時代的 AI 對數據規范要求極高
像 Google 這種擁有海量數據的公司最容易在 AI 領域有較大的突破和優勢，而一般的小公司很難跨越數據的門檻。
人工智能的發展史
AI 不是什么全新的東西，他已經發展了大幾十年了！下面我們介紹一下最具代表性的3個發展階段。
上圖是從1950年至2017年之間，人工智能領域出現的一些里程碑式的事件。總結下來會分為3大階段：
第一次浪潮（非智能對話機器人）
20世紀50年代到60年代
1950年10月，圖靈提出了人工智能（AI）的概念，同時提出了圖靈測試來測試 AI。
圖靈測試提出沒有幾年，人們就看到了計算機通過圖靈測試的“曙光”。
1966年，心理治療機器人 ELIZA 誕生
那個年代的人對他評價很高，有些病人甚至喜歡跟機器人聊天。但是他的實現邏輯非常簡單，就是一個有限的對話庫，當病人說出某個關鍵詞時，機器人就回復特定的話。
第一次浪潮并沒有使用什么全新的技術，而是用一些技巧讓計算機看上去像是真人，計算機本身并沒有智能。
第二次浪潮（語音識別）
20世紀80年代到90年代
在第二次浪潮中，語音識別是最具代表性的幾項突破之一。核心突破原因就是放棄了符號學派的思路，改為了統計思路解決實際問題。
在《人工智能》一書中，李開復詳細介紹了這個過程，他也是參與其中的重要人物之一。
第二次浪潮最大的突破是改變了思路，摒棄了符號學派的思路，轉而使用了統計學思路解決問題。
第三次浪潮（深度學習+大數據）
21世紀初
2006年是深度學習發展史的分水嶺。杰弗里辛頓在這一年發表了《一種深度置信網絡的快速學習算法》，其他重要的深度學習學術文章也在這一年被發布，在基本理論層面取得了若干重大突破。
之所以第三次浪潮會來主要是2個條件已經成熟：
2000年后互聯網行業飛速發展形成了海量數據。同時數據存儲的成本也快速下降。使得海量數據的存儲和分析成為了可能。
GPU 的不斷成熟提供了必要的算力支持，提高了算法的可用性，降低了算力的成本。
在各種條件成熟后，深度學習發揮出了強大的能力。在語音識別、圖像識別、NLP等領域不斷刷新紀錄。讓 AI 產品真正達到了可用（例如語音識別的錯誤率只有6%，人臉識別的準確率超過人類，BERT在11項表現中超過人類…)的階段。
第三次浪潮來襲，主要是因為大數據和算力條件具備，這樣深度學習可以發揮出巨大的威力，并且 AI 的表現已經超越人類，可以達到“可用”的階段，而不只是科學研究。
人工智能3次浪潮的不同之處
- 前兩次熱潮是學術研究主導的，第三次熱潮是現實商業需求主導的。
- 前兩次熱潮多是市場宣傳層面的，而第三次熱潮是商業模式層面的。
- 前兩次熱潮多是學術界在勸說政府和投資人投錢，第三次熱潮多是投資人主動向熱點領域的學術項目和創業項目投錢。
- 前兩次熱潮更多時提出問題，第三次熱潮更多時解決問題。
想進一步了解 AI 的歷史，推薦閱讀李開復的《人工智能》，上面關于3次浪潮的內容都摘抄自這本書，想看這本書的可以點擊下面的購買鏈接。
人工智能的局限性
在探尋 AI 的邊界時，我們可以先簡單粗暴的把 AI 分為3類：
- 弱人工智能
- 強人工智能
- 超人工智能
弱人工智能
弱人工智能也稱限制領域人工智能（Narrow AI）或應用型人工智能（Applied AI），指的是專注于且只能解決特定領域問題的人工智能。
例如：AlphaGo、Siri、FaceID……
強人工智能
又稱通用人工智能（Artificial General Intelligence）或完全人工智能（Full AI），指的是可以勝任人類所有工作的人工智能。
強人工智能具備以下能力：
- 存在不確定性因素時進行推理，使用策略，解決問題，制定決策的能力
- 知識表示的能力，包括常識性知識的表示能力
- 規劃能力
- 學習能力
- 使用自然語言進行交流溝通的能力
- 將上述能力整合起來實現既定目標的能力
超人工智能
假設計算機程序通過不斷發展，可以比世界上最聰明，最有天賦的人類還聰明，那么，由此產生的人工智能系統就可以被稱為超人工智能。
我們當前所處的階段是弱人工智能，強人工智能還沒有實現（甚至差距較遠），而超人工智能更是連影子都看不到。所以“特定領域”目前還是 AI 無法逾越的邊界。
人工智能未來的邊界是什么？
如果在深入一點，從理論層面來解釋 AI 的局限性，就要把圖靈大師搬出來了。圖靈在上世紀30年代中期，就在思考3個問題：
- 世界上是否所有數學問題都有明確的答案？
- 如果有明確的答案，是否可以通過有限的步驟計算出答案？
- 對于那些有可能在有限步驟計算出來的數學問題，能否有一種假象的機械，讓他不斷運動，最后當機器停下來的時候，那個數學問題就解決了？
圖靈還真設計出來一套方法，后人稱它為圖靈機。今天所有的計算機，包括全世界正在設計的新的計算機，從解決問題的能力來講，都沒有超出圖靈機的范疇。
（大家都是地球人，差距怎么就這么大呢？？？）
通過上面的3個問題，圖靈已經劃出了界限，這個界限不但適用于今天的 AI ，也適用于未來的 AI 。
下面我們再進一步把邊界清晰的描述一下：
- 世界上有很多問題，只有一小部分是數學問題
- 在數學問題里，只有一小部分是有解的
- 在有解的問題中，只有一部分是理想狀態的圖靈機可以解決的
- 在后一部分（圖靈機可解決的部分），又只有一部分是今天的計算機可以解決的
- 而 AI 可以解決的問題，又只是計算機可以解決問題的一部分。
擔心人工智能太強大？你想多了！
在一些特定場景中， AI 可以表現的很好，但是在大部分場景中，AI 并沒有什么用。
客觀看待人工智能
技術總是在短期內被高估，但是在長期又被低估。
PEGA 做過一項調查，涉及了全球 6000 多個普通消費者，詢問他們對 AI 的看法，有下面一些結果：
- 34%的人認為自己使用過 AI ，這些人中84%的人實際使用過
- 50%以上的人搞不清楚 AI 到底有哪些能力
- 60%的人并不知道 Amazon Alexa 和Google Home 使用了 AI 技術
- 72%的人懼怕 AI 技術對人類的威脅，24%的人擔心機器人會從人類手里接管地球
查看更多調查結果，可以訪問《What consumers really think about AI: A global study》【附帶1分鐘視頻】
AI 已經來了，并且會飛速發展
我們每天都在使用的輸入法就使用了很多 AI 相關的技術，但是很多人并不知道。不要小看輸入法里使用的這些技術，它能使我們的打字效率大大提高，如果沒有這些技術，我們會多花數百年的時間在打字上！
除了輸入法，大家都使用過的 AI 產品還有：
- 美顏相機里的一鍵美顏功能
- 抖音里的道具功能
- 微信里的語音轉文字
- 今日頭條里的推算算法
- 垃圾短信及垃圾郵件的過濾功能
- 智能手機里的操作系統
- ……
如果我不說相信大家并不知道 AI 已經進入我們生活的方方面面了。而且 AI 在未來幾十年還會對各行各業產生巨大的影響。
我們需要以開放的心態擁抱 AI，大部分情況下它都是人類的朋友，而不是敵人。
AI 并沒有我們想象中那么厲害
AlphaGo 戰勝李世石，這個熱點幾乎所有人都知道。很多人通過這件事情開始擔心 AI 未來對人類的威脅。
而現實是 AlphaGo 不管下圍棋有多厲害，對我們的生活都沒有半毛錢的關系，那只是一場秀。但是大眾會根據這件事做對 AI 產生偏見：
- AI 的能力已經超越了人類
- AI 未來會無所不能
- AI 對人類是威脅，我們要限制 AI 的發展
- ……
不要擔心 AI 會取代你的工作
在“人工智能威脅論”里，大家最擔心的是 AI 會取代大量的工作崗位，導致大量普通老百姓失業。
這件事的確會發生：
- 蒸汽機出現后，機器取代了大量的底層勞動力；
- 電話出現后，不再需要那么多的郵遞員了；
- 互聯網出現后，更是影響了各行各業；
但是，這是一件好事：
- 每一項新技術都會讓一部分人下崗，而這些人現在有了更好的崗位上
- 一些職業消失了，但是會誕生更多的新職業（如果讓你選擇“美甲”和“耕地”，你會如何選擇？）
簡單總結一下：
- 可見的未來，AI 還是一種工具
- AI 跟計算機、互聯網一樣，是歷史潮流，我們要了解它、適應它、利用它
- AI 的確會取代部分崗位，但是會出現更多新職業，不用擔心下崗問題
- 誰能更高效的跟 AI 協作，誰的價值就會越大
百度百科+維基百科
百度百科版本
人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。
維基百科版本
在計算機科學中，人工智能有時也稱為機器智能，是機器所展示的智能。
來自：
