人工智能是一個很大的“謊言”旅择。

它是一個混淆概念，其實真正的內涵是“機器學習”侣姆。所以生真，真正強大的沉噩，每個人都應該為此感到興奮并不是所謂的人工智能。

另一方面柱蟀，人工智能確實為一些好玩的段子提供了特別棒的素材川蒙。所以，戴上你的質疑之帽产弹，是時候來一場人工智能版的“揭秘之旅”了!

在閱讀本文之前派歌，需要明確三點：

1、與AI不同痰哨，機器學習完全合理胶果。雖然獲得了令人興奮的進步。然而斤斧，這些進步幾乎完全來自于有監(jiān)督的機器學習早抠，其只能解決有很多標記數據或實例數據的計算機學習問題。這種形式將機器學習局限在了非常有限的范圍撬讽。

2蕊连、AI什么都不是。AI只不過是一個品牌游昼，一個強大但空洞的承諾甘苍。“智慧”的概念完全是主觀的烘豌，本質上來自于人類自身载庭。

那些支持人工智能有無限可能的人，包括比爾蓋茨和埃隆馬斯克廊佩，都有同樣的假設：人工智能的發(fā)展是一條單行道囚聚。他們表示，技術的進步推動著我們沿著這條單行道發(fā)展标锄，直到計算機達到人類級別的智能顽铸。其實，即便這樣料皇，這條單行道的關鍵點也是“帶標簽的數據”谓松。我們正在快速前進，但是朝著不同的方向發(fā)展践剂，唯一可以確定的是鬼譬，只有在一個非常特殊、有限的能力范圍內才能取得進展舷手。

3拧簸、AI不會殺了你。科幻片中所描述的機器人災難其實是“鬼故事”男窟。機器將按照自己的意志升級并消除人性的想法沒有任何價值盆赤。

1

勝利的神經網絡

在電影《終結者2：審判日》中贾富，機器人說：“我的CPU是神經網絡處理器，一臺可以學習的計算機牺六〔梗”機器人所說的神經網絡實際上是一種機器學習方法。更準確的說是一種描述復雜數學公式的方法淑际。

神經網絡真的可以完成很多不可思議的事畏纲，運用它可以進行圖像識別。通過機器學習春缕，計算機基本上已經可以通過編程來獨立完成這項工作盗胀。就其本身而言，它已經能夠確定要尋找的模式或視覺特征的細節(jié)锄贼。機器學習實現這些目標的能力令人敬畏票灰！

神經網絡的最新改進被稱為深度學習。它使得物體識別的準確度大幅度提高宅荤。深度學習通過增加更多神經網絡層使學習更加深入屑迂。

具有四層的簡單神經網絡的體系結構

2

機器學習需要標記數據

因此，隨著機器在人性化任務中表現得越來越好冯键，這是否意味著他們變得越來越聰明惹盼，越來越智能化？

不惫确。它可以真正地手报、出色地完成某些任務，但只有在有正確的數據可供學習的情況下才可以雕薪。對于上面討論的目標識別昧诱，可以通過從大量打標簽的照片中學習做到這一點晓淀。因為所袁，其中目標已經被正確標記。

深度學習需要這些打標簽的數據凶掰。這稱為有監(jiān)督的機器學習：當有預先標記的訓練數據時燥爷，學習過程由標記的數據引導或“監(jiān)督”。

它不斷調整神經網絡以使它在這些數據上做得更好懦窘，然后逐個改進前翎，這是學習過程。神經網絡改進或“學習”的唯一方法是通過在那些標記的數據上進行測試來實現的畅涂。沒有標記數據港华，神經網絡就無法知道改進的正確與否，也就不會知道在這個過程中要堅持哪些改進午衰。

《危險邊緣》上的沃森

這是另一個例子立宜。2011年冒萄，IBM的沃森在電視智力競賽節(jié)目《危險邊緣》中擊敗了兩屆人類冠軍。

準確地說橙数，計算機并不能真正聽懂問題尊流，而是將每個問題轉換成文本輸入。但是，考慮到《危險邊緣》游戲中的問題都是基于人類的習慣而設計的，采用了復雜而巧妙的措辭簇宽，并且涵蓋了各種對話場景千扶，而沃森能夠一口氣答對一個又一個問題，不得不承認改备，它是非常棒的“類智能”物體。

但是，需要說明的是忿晕，沃森之所以能夠如此聰明，是因為它事先通過大量有標簽的樣例問題進行了學習：它的學習樣本是從過去多年來電視問答節(jié)目上采集的25000個問題银受，且每個問題都給出了正確答案践盼。

其實，最核心的技巧是把每個問題轉換成“是/否”的預測結果宾巍。對諸如“某某是這個問題的正確答案嗎咕幻？”的問題，回答“是”還是“否”顶霞。

如果你能回答一個這樣的問題肄程，那么就能回答所有類似的問題，你要做的只是不停地嘗試上千種選項直到有足夠的自信回答正確选浑。舉個例子蓝厌，“亞伯罕·林肯是美國的第一任總統(tǒng)嗎？”不是古徒⊥靥幔“喬治·華盛頓呢？”是的隧膘！現在代态，機器就對這個問題有了自己的答案并且能夠回答出來了。

3

能像人類一樣交談的計算機

同樣疹吃，語言應用的另一個領域也需要大量的標簽數據蹦疑，那就是“機器翻譯”。機器學習是通過學習大量有標注的數據實現的萨驶，例如英文翻譯到日文的過程歉摧，計算機會學習到英文標注的語句文本，以及每個語句對應的日文翻譯。

近年來叁温，每個人都能在線使用的谷歌翻譯豆挽，通過深度學習驅動的架構取代原來的底層方案，實現了翻譯質量的進一步改善券盅。

另一方面帮哈，掌握像英語這樣的自然語言是人性化的標志，但也僅僅是人性化锰镀。對于我們的“硅谷兄弟姐妹”來說娘侍，如何流利地說出自然語言仍然是一個問題。而當我們人類理解別人的話時泳炉，在所有的單詞以及一些邏輯語法規(guī)則的表象下憾筏，往往帶有“常識和推理”。如果沒有這個人類特有的技能花鹅，你就無法使用語言氧腰。

所以，人類和計算機交談的希望和夢想會終將破滅刨肃。因為古拴，很不幸，沒有“像人一樣交談”這樣的標簽數據真友。你可以針對一個受限的黄痪、具體的任務獲取正確的數據，像電視問答盔然，或者回答一些人們希望Siri回答的有限范圍的問題桅打。

但是，“像人一樣交談”的一般性概念是一個無法被很好地定義的問題愈案，計算機能夠解決的只是能夠被準確定義的問題挺尾。

所以，我們無法利用機器學習實現我們在很多科幻電影里看到的那些能夠正常交談的計算機站绪，像終結者遭铺，或者星際迷航中友善的飛船電腦。你可以用英語和這些機器交談崇众，就像和正常人交談一樣掂僵。這很容易航厚，你只需要成為科幻電影里的人物就行顷歌。

出自電影《2001太空漫游》

4

智能是主觀的，什么是AI真正的定義幔睬？

現在眯漩，如果你覺得自己對人工智能還不夠了解，那你錯了。其實沒什么好了解的赦抖，因為它很不真實舱卡，沒有任何有意義的明確定義。人工智能作為一個領域队萤，只是一個被幻想存在的東西而已轮锥。作為一個假定的領域，人工智能有許多矛盾的定義要尔，其中大部分可以歸結為“智能計算機”舍杜。我必須提醒你，不要在字典里查“自我參照”（self-referential）赵辕，否則會陷入死循環(huán)既绩。

“蝙蝠”電腦

如果有些定義真的可能的話，它們比“智能計算機”更讓人摸不著頭腦还惠。它們只是直截了當地在AI的定義里使用了“智能”這個詞而已饲握，比如“由機器展現出來的智慧”（intelligence demonstrated by a machine）。

如果你認為這些定義里存在更深的隱含意義蚕键，那么可能會讓你驚訝救欧，因為并沒有。無法解釋“智能”是一個多么主觀的詞匯锣光。對于計算機與工程行業(yè)來說颜矿，“智能”可以是一個任意的概念，和任何精確的目標都不相關嫉晶。所有試圖定義AI的行為都因為無法解決模糊性而失敗骑疆。

令人困惑的是，在如今的實踐中替废，“智能”這個詞被作為機器學習的同義詞使用箍铭。但是就人工智能本身的定義而言，大部分提出的定義都是以下三種定義的變體：

1椎镣、人工智能是讓計算機像人一樣思考诈火，模擬人的認知。現在状答，我們對自己的大腦任何運轉尚且知之甚少冷守。而試圖通過一個神經元接一個神經元的復制大腦，就如同科幻小說中用到“倘若”這個詞一樣惊科，純屬白日做夢拍摇。內省（當你思考自己如何思考的時候）是一件有趣并且重要的事情馆截，但是最終我們也無法得知自己的頭腦中究竟發(fā)生了什么充活。

2蜂莉、人工智能是讓計算機像人一樣行動，模擬人的行為混卵。想象一下它像鴨子一樣走路映穗，像鴨子一樣交談……但是，它不會幕随，也不可能會蚁滋。我們太過復雜以至于我們無法完全理解自己，更不用說將這些理解轉換為計算機代碼了赘淮。此外枢赔，讓人們誤以為聊天室里的電腦是一個正常人（也就是人工智能領域著名的圖靈測試），在這個定義里就變成了一個不成熟的論斷拥知。因為機器是一個移動的目標踏拜，正如我們人類會通過辨別用來欺騙我們的行為才能變得更聰明。

3低剔、人工智能是讓電腦解決困難的問題速梗，讓它們真正能夠完成那些看起來需要“智能”或者“人類級別的能力”才能完成的任務，比如駕車襟齿，識別人臉或者下棋姻锁。但是，既然計算機能做這些事情猜欺，那這些事情就看起來不那么智能了位隶。計算機能夠做的所有事情僅僅是那些機械的，容易理解的并且行為簡單的工作开皿。一旦計算機能夠做到這件事情涧黄，它就不會再給人留下很深的印象了，自然也就失去了魅力赋荆。計算機科學家拉里·特斯勒建議將“智能”定義為“機器還不能做的事情”笋妥。這聽起來像在開玩笑，因為這是在用一個不斷變化的定義去定義本身就不存在的東西窄潭。

5

相信人工智能的必然性的謬論

事實是春宣，“人工智能”本身就是一個謊言。只要使用這個流行語嫉你，就像在說技術的進步正在向人們預料的方向發(fā)展月帝。為了獲得像人一樣的“常識”，這是一個非常誘人的目標幽污，但也只不過是一個不切實際的承諾嚷辅。

你是獨一無二的，你抽象思考的能力和理解周圍世界的能力油挥，在每時每刻的經歷中潦蝇，你可能會覺得非常簡單款熬，但其實它復雜得我們無法想象深寥。這種簡單的體驗攘乒，可能是因為人類獨特的大腦對這些的感受已經非常熟練了，也可能是因為人類固有的錯覺惋鹅，或者兩者兼而有之则酝。

現在，有些人可能會回應闰集，“沒有靈感的時候沽讹，有遠見的雄心是一件好事嗎？

想象力鼓勵了我們武鲁，未知的世界向我們招手爽雄！《2001太空漫游》的作者亞瑟克拉克提出了一個很好的觀點：“任何足夠先進的技術都與魔術無法區(qū)分°迨螅”

然而挚瘟，這并不意味著我們可以想象的可能包含在科幻小說中的“魔法”最終都可以通過技術實現。因為它在電影中存在并不意味著它會發(fā)生饲梭。

人類的獨特性和機器學習的真正進步都已經令人驚嘆和激動乘盖，讓我們樂在其中。但我們不需要童話故事憔涉，尤其是誤導性的故事订框。

6

索菲亞：人工智能最臭名昭著的欺詐性宣傳特技

這部童話故事的明星——“公主”的主角，由索菲亞飾演兜叨，這是漢森機器人的產物穿扳，也是人工智能最臭名昭著的欺詐性宣傳噱頭。這個機器人運用她的人造優(yōu)雅和魅力來欺騙媒體国旷。Jimmy Fallon和其他采訪者“主持”了她纵揍。當和它“交談”時，它的回復是預先設置的對話议街，卻被誤傳為自發(fā)對話泽谨，在某些情況下，只是基本的聊天機器人級別的響應特漩。

三大時尚雜志中有一本封面上是機器人索菲亞吧雹。

不管你信不信，三大時尚雜志都將索菲亞列入封面涂身，沙特阿拉伯國家正式授予其公民身份雄卷，使其成為第一個機器人公民。

索菲亞是一個現代機械土耳其人（Mechanical Turk）蛤售，這曾是一個18世紀的騙局丁鹉，騙了拿破侖和本杰明富蘭克林這樣的人妒潭，這個騙局使他們相信他們只是在一臺機器上輸了一盤棋。你可以在桌子后面看到的人體模型會移動棋子揣钦，受騙者不會注意到實際上有一個隱藏在櫥柜內的人類象棋專家雳灾。

機械土耳其人（Mechanical Turk）

在現代，亞馬遜有一個在線服務冯凹，用來雇傭工人執(zhí)行許多需要人類判斷的小任務谎亩，比如選擇最好看的幾張照片。它被命名為亞馬遜機械土耳其人（Mechanical Turk）宇姚，它的口號是“人工的人工智能”匈庭。這讓我想起這個菜單上有“模擬假鴨”的優(yōu)質素食餐廳，它的味道與模擬鴨子完全一樣浑劳。如果它像鴨子一樣說話阱持，它的味道就像一只鴨子......

這是一只鴨子。

是的魔熏，最好的假AI是人類衷咽。1965年，當NASA捍衛(wèi)將人類送入太空的想法時道逗，他們就是這樣說的：“人類是成本最低兵罢，重150磅，非線性滓窍，通用的計算機系統(tǒng)卖词，可由非熟練勞動力大規(guī)模生產。

NASA認為人類是人工智能的良好替代品吏夯。確實此蜈，我的大多數朋友都是人。

7

危險超級智能的神話

對于索菲亞噪生，人們集體聲討裆赵，事實上情況變得更糟：人們聲稱人工智能對人類構成了生存威脅。最看似可靠的消息表明跺嗽，最精英的科技名人都相信存在殺人機器人和殺手電腦的世界末日战授。除了比爾蓋茨，埃隆馬斯克桨嫁，甚至已故的偉大的斯蒂芬霍金都沒有跳出“超級智能奇點”的潮流植兰。

他們相信機器將達到一定程度的能力，使機器能夠自我提高璃吧，甚至將迅速升級過去的人類智能楣导，并以計算機的閃電般速度實現這一目標。計算機本身的速度通過他們的超級智能繼續(xù)提高畜挨，以至于輕微的目標錯位可能會消滅人類筒繁。就像我們天真地命令它制造盡可能多的橡膠雞一樣噩凹，它可能會發(fā)明一個全新的高速工業(yè)，可以生產40萬億只橡膠雞毡咏，但這會以人類的滅絕為代價驮宴。

這個理論存在兩個問題。首先血当，它是如此引人注目的戲劇性幻赚，它會破壞電影禀忆。如果最好的壞人總是機器人而不是人類臊旭，那么Nurse Ratched（恐怖片《比利小姐的決定》角色）和Norman Bates（恐怖片《驚魂序曲》角色）呢？我需要我的漢尼拔箩退！順便說一下离熏，“最好的壞人”是矛盾的。 “人工智能”也是如此戴涝。

漢尼拔

但確實如此：《機器人啟示錄》肯定會到來滋戳。基于同名小說的《變形金剛》導演邁克爾貝爾講話時說到啥刻，如果《機器人啟示錄》沒有到來奸鸯，那么你出生在了錯誤的平行宇宙中。

人工智能世界末日理論的第二個問題是：AI是如此聰明可帽，它會意外殺死所有人娄涩？成為很愚蠢的超級智能？這聽起來是一個矛盾映跟。

更確切地說蓄拣，真正的問題是該理論假設技術進步使我們沿著人類“思考”的道路前進。但他們并不是像人類一樣“思考”努隙。我將稍后繼續(xù)探討這一點∏蛐簦現在進一步談一下關于這個世界末日理論的輻射范圍。

8

超級智能的廣泛信仰

牛津大學應用倫理學教授Nick Bostrom的紐約時報暢銷書《超級智能（Superintelligence）》是奠定基礎的首選書籍荸镊。如果這本書沒有為人類開火咽斧，那么這本書就會扼殺恐懼并煽動火焰。它探討了我們如何“使AI爆炸成為可能躬存≌湃牵”《衛(wèi)報》報道了一篇文章《人工智能：我們就像孩子們玩炸彈》，《新聞周刊》也報道了《人工智能即將到來优构，它可以淘汰人類》诵叁，這兩個標題都乖乖地引用了博斯特羅姆本人的話。

比爾蓋茨對此書有很高的評價钦椭；馬斯克曾說過：人工智能的危險程度甚于朝鮮拧额”撸霍金一直堅持他自己的觀點：人工智能是人類的終結......

不管怎么說，這個對“智能”錯誤的定義才是問題所在侥锦。在很多訪談和演講中进栽，幾乎所有的信徒都在錯誤的假設下，“聰明”或“智慧”或多或少被弱化恭垦。他們認為快毛，機器會在一些具有挑戰(zhàn)性的任務中的排名會變得越來越高，最終超過了人類番挺。

但機器學習讓我們沿著不同的道路前進唠帝。我們正在快速前進，我們可能會走得很遠玄柏，但我們正走進一個不同的方向襟衰，這個方向與人類能力相關。

人類非常聰明粪摘，對個人經歷思考正在讓我們進入思想陷阱瀑晒。正如一些表面非常簡單的事情，其實非常復雜徘意。人類的一些獨特的能力被被隱藏在了一種有意識的面紗下苔悦。“常識”對我們來說非常簡單椎咧，但是沒有任何技術和方式能夠復制玖详。

抽象思維往往感覺很簡單。我們在腦海中畫出視覺效果邑退，就像我們正在模擬的一座城市的非比例地圖竹宋，或者兩家大公司正在競爭銷售的“空間”，每家公司在某些領域占據主導地位地技，但在另一些地區(qū)則不占主導地位蜈七。或者莫矗，當考慮到人工智能時飒硅，越來越熟練的能力-智力和計算能力-的錯誤視野都沿著同一條路走，有點狹窄作谚。

我們不應該把智能機器未來的樣子擬人化三娩。它不是人類的，所以很難推測它的具體細節(jié)妹懒。既然有些人相信技術是沿著包括并超越人類認知的領域前進的雀监，那么他們所設想的本身就是擬人化的，它具有人性的特質。

現在会前，在你看來好乐，你的常識推理似乎是任何一種智力發(fā)展必經的“自然階段”，但這是一個以人為中心的觀點瓦宜。常識是復雜的蔚万，非常特別。對任何人來說临庇，正式定義包括人類認知在內的“智力范圍”是遠遠無法控制的反璃。

9

機器沿著不同的方向前進

機器學習實際上只適用于標記了數據的任務，比如圖像中的目標識別假夺。有了標簽數據淮蜈，可以比較和排序各種嘗試來解決這個問題。計算機用這些數據來衡量它做得有多好侄泽。例如礁芦，一個神經網絡可以正確識別圖像中90%的卡車蜻韭，然后經過一些改進可能達到95%悼尾。

但是在特定的任務上做得越來越好，顯然并不能產生一般的常識推理能力肖方。機器不會達到像人類一樣的水平闺魏，它只會越來越好地識別物體，僅此而已俯画。

智力對人類來說并不是獨立存在的柏拉圖式的理想析桥，它一直等待被發(fā)現的。并且不會隨著越來越好的技術自發(fā)地出現艰垂。

人們往往很容易相信復雜性的增加會導致智力的增長泡仗。畢竟，計算機是非常通用的猜憎，它們基本上可以完成任何任務娩怎，只要把智力定義為一項任務就好了。我們讓他們做越來越復雜的事情胰柑，但僅僅因為我們讓它做事情截亦，而不是自發(fā)的做事情。

到目前為止柬讨，機器學習方面的任何進步都沒有提供任何提示或暗示崩瓤，說明什么讓計算機可以獲得“一般常識推理”。夢想讓機器擁有這種能力踩官。不過只是我們的一廂情愿罷了却桶。

經過了幾十年的創(chuàng)新，其實現在和過去也沒有本質的不同蔗牡。

10

讓術語“AI”終止

機器基本上仍在我們的控制之下颖系。計算“犯錯”或許會導致死亡畴嘶，正如人們會在自動駕駛和醫(yī)療自動化中死亡，但不會是災難性的級別集晚，除非是有人故意設計程序攻擊人類窗悯。其實，當出現錯誤時偷拔，我們可以將系統(tǒng)脫機并修復它蒋院。

是時候讓術語“AI”終止了。確實莲绰，流行詞“AI”弊大于利欺旧。在一定程度上，它有時可能有助于宣傳蛤签，但至少在同樣程度上辞友，它誤導了公眾。

最重要的是震肮，不要對“AI”進行監(jiān)管称龙！技術非常需要某些領域的監(jiān)管，例如戳晌，解決算法決策和自主武器開發(fā)中的偏見鲫尊。因此在這些討論中，“清晰”是絕對關鍵的沦偎。使用“人工智能”這一不精確疫向、具有誤導性的術語，嚴重損害了任何管制技術的舉措的效力和可信度豪嚎。監(jiān)管已經夠嚴格了搔驼，而且目前還沒把水弄混。

為了幫助大家讓學習變得輕松侈询、高效舌涨，給大家免費分享一大批資料，讓AI越來越普及妄荔。在這里給大家推薦一個人工智能Python學習交流群：705673780歡迎大家進群交流討論泼菌，學習交流，共同進步啦租。

當真正開始學習的時候難免不知道從哪入手哗伯，導致效率低下影響繼續(xù)學習的信心。

但最重要的是不知道哪些技術需要重點掌握篷角，學習時頻繁踩坑焊刹，最終浪費大量時間，所以擁有有效資源還是很有必要的。