57
机器人
人工智能时代来临，你怕了么？——与AI先生的一场对话
导 读
通过学习累计的交易数据，人工智能可以提供智能客服、风险防控、精准营销、量化交易等方面的服务，而且，在这些领域，它们都可以比人脑更快更轻松接受宏观信息，进行技术性分析，从而进一步优化应用效果。
上海又双叒叕高温，周末我不敢出门，躲在家里吹空调看电视新闻，发了一条信息给老同学AI先生，他是人工智能专业硕士毕业。
▎我：请问下专业人士，如何看待国务院印发的2万多字的《新一代人工智能发展规划》？
▎AI先生：哦，我爸以前一直认为我硕士学的“人工制冷”没啥前途，这新闻一播出呢，现在他终于知道那四个字是“人工智能”。
1
是什么？
电话打过来了
▎我：看了国务院鸿篇巨着，顶礼膜拜，想起你当年的英明抉择。我只知道直译是AI,就是Artificial Intelligence人造智能？具体就不太懂了，给我扫个盲呗？
▎AI先生：哈哈哈，你真有兴趣？那我就给你叨叨。其实人工智能字面意思呢，就是人造的人类智力，初衷是希望用机器来模拟人的思维方式。
日本有位记忆天才靠概率知识赢遍欧洲赌场，
中国有会计高手可双手打算盘，
有“影届王维”之称的香港摄影大师陈复礼对景色有超乎常人的判断力，
看到某景时往往会迅速判断该如何取景，立刻让同行助手拿出合适的镜头和胶卷，拍出的多是杰作。
理想中的人工智能正是类似这三者的混合体。
▎我：那……超级酷炫啊，也挺难啊，人的大脑具体怎么运作也没有办法完全理解吧，为什么这些人会这么厉害，谁也解释不了。
▎AI先生：嗯，人类对大脑没有研究透，很多构造和功能都是没法理解的，更别提造出一模一样的了。
要说人工智能在怎么模拟么，你学过一点编程么？
▎我：学过一点，if else语句，其他就不知道了。
▎AI先生：额。。。这样解释吧，要让机器解决问题，就要给它清晰的指令。
比如，如果下雨，那么收衣服，如果不下雨，就晒衣服。
你绝对不能给它模糊的指令。
比如: 你不能跟机器说：如果下小雨，就收衣服，如果下大雨，就呆在屋里。
这样机器估计就会懵cry了，因为没有分辨大雨和小雨的这个程序设置，它会不知道如何继续下去。
但是你可以告诉他界定大雨和小雨的方法，并且输入相应数据或者案例给它，这样机器就可以快速做出判断，而且保证非常高的正确率。
▎我：哇，我居然听懂了……
▎AI先生：是的，这个原理还是比较容易理解的。
2
包括什么？
▎AI先生：不过人工智能比较厉害的地方就在于，它会自学。但怎么自学，就复杂了，我就跟你说两个概念，神经网络和深度学习。
人脑有几百亿个神经细胞，相互之间又盘根错节，极其复杂。
要从千姿百态的照片中分辨出生气的表情，人只要瞄一眼就可以，但机器要琢磨分析好久好久，才能得出结论，而且不一定对。
因为判断一个人开心和不开心，没有特定的规则。要让机器像人一样思考和学习，就要让机器也建立这样的网络。
所以就有了“神经网络”这种算法，模拟人脑结构，让机器在资料库里面自主学习。
▎我：好腻害的样子……那是不是有了神经网络，机器就可以和人一样思考了呢？
▎AI先生：没那么简单。它很难主动思考，而且做出正确的判断需要海量的数据作为基础。
人的思维优势在于，宏观思维，灵活运用所有的积累，自己会总结规律，会判断。
而机器的优势，则在于执行的速度和精确度。所以，科幻电影都是作家写的，而不是科学家。
▎我：慢慢来嘛，总需要一个发展的过程嘛。
▎AI先生：这过程太坎坷了，人工智能这个想法在我们父辈出生的年纪就有啦，算来也60多年了，但发展得大起大落，中间还好几次普遍被人们认为是个骗局，因为这个话题吸引力大，也太难了……
▎我：还好吧，我这两年经常被震惊到，比如AlphaGo战胜了柯洁。
▎AI先生：AlphaGo用的正是我刚才提到的另一个重要方法，深度学习。
AlphaGo会自学。其实，有人工智能之前，机器和人类大脑解决问题的方法的最大区别，简单来说，就是会不会“自学”。
人工智能的概念很宽泛，甚至没有完全明确的边界，其中包括比较传统的机器学习，就是你提到的if else模式，包括精确的指令。
还有一种最近因为表现不错而很受关注的方法, 就是深度学习（Deep Learning）。
举个例子，你想用传统机器学习方法教机器钓鱼，你必须给它明确的步骤和指令，怎么打窝、投饵、装饵、下钩、提杆，然后让它开始练习。
而深度学习中，必要的是足够多的案例和数据，而且越多案例越能帮助机器给出正确的判断。
▎我：那这个深度学习，是不是就是越发展就越接近人脑了？
▎AI先生：它只能在厚度和广度上可以算越来越优秀，但毕竟它需要依赖自身的库存信息量，而不像人脑，有类似举一反三的能力，可以累积经验，而不是每次都而今迈步从头越。
这个类似举一反三的方法，就叫迁移学习（Transfer Learning），而不用每一次都从头开始训练。但目前，迁移学习的总体发展水平还很低。
3
害怕了吗？
▎我：既然这样，我还看到好多名人在说要提防人工智能？
▎AI先生：我个人觉得人工智能其实就是一种新技术趋势，就像过去几个世纪的蒸汽动力、电力以及电脑那样，没必要那样惊慌失措。
人工智能如果要说危险，我觉得只要可控就不危险。
▎我：目前还是可控的吧，还没发展到危险的程度，而且即使能，为什么一定非要造出能威胁人类的那种人工智能呢？
▎AI先生：没错，我们圈内也基本觉得还是可控的，因为目前还没发展到强人工智能的阶段。
人工智能可以分为两种：
弱人工智能（weak AI）
强人工智能（strong AI）
弱的，只能够解决一类问题，强的，则可以跟人脑完全媲美，甚至更好更强。
目前我们所见到应用还都是弱人工智能，都是一些不牵涉“推理”的查询类信息服务。
它实质和我们报账用的计算器是没有区别的。
既然可控，而且人工智能运行过程中不会觉得累，也不会有情绪低落，那么完全可以帮人类做很多事嘛。
为什么有工具放着不利用呢，就好像有汽车，不肯坐，而非要坐马车或者步行一样。
▎我：可能很多人怕失业吧，机器人来了，很多人都要下岗。
▎AI先生：这个呢，我觉得确实是个趋势问题，但应该不会导致大规模失业，而是未来经济结构和就业结构可能会重新调整。
人可以去发掘更多只有人脑才可以做得更好的工作，从而把自己从可以安排给人工智能去做的任务中解放出来。
人也许可以因此转而去做自己更喜欢做的事情，或者更有创造性的、更需要宏观思维能力的事情。总体来讲，人工智能的发展会使就业结构从手工性偏向认知性工作发展。
回头看，AlphaGo战胜柯洁其实是迟早的事，它本质是因为预期和事实错位引发心理冲击。
就好像，人类原本以为AlphaGo只能考60分，而AlphaGo一下子考了120分，连附加分都得到了，人们一下子有点惊到了。
接受了这个事实就好了，就好比，你说现在还有人去跟计算器比速算么？就是这个逻辑。因为两者，根本不是一个系统的。
其实AlphaGo赢才是人类的胜利，因为人类要它赢啊。
如果AlphaGo能赢，但是故意输给人类，你想想，是不是那才可怕？
4
未来会怎么样？
▎我：以后到底会怎样呢，你觉得，人工智能会如何发展？
▎AI先生：我认为还是会获得大力发展的，尤其现在国家牵头了，很多国内外知名企业都设立了相关研发部门，高校和研究机构的相关课题也非常多。
未来一段时间，人工智能的发展速度，可能会超过过去任何一项科技。
▎我：是啊，对了，我侄子马上读高三了，要不要让他大学报人工智能专业啊，这么火。
▎AI先生：男孩子数学好的话，学这个挺好的啊。不过国内目前本科还没有这个专业，大的方向呢，是属于计算机科学（Computer Science, 简称CS），可以关注一下。
▎我：估计我哥就想让他找个好工作。
▎AI先生：找工作应该没问题的，不管毕业之后去搞研究或者去企业，只要孩子喜欢，就都是好的选择。
人工智能其实渗透性很强，它与机器人、经济学、医学等很多学科都可以结合起来。
目前人工智能应用很多，Siri算你比较熟悉的吧，它的语音识别正确率已经很高。翻译也是，近年来已经越来越精确。
智能制造领域的人工智能机器人目前也很普遍。物联网、大数据、云计算、社会化媒体、VR/AR这些方面发展也很受关注。
至于金融行业，金融机构拥有成熟的交易信息系统，大量的交易数据就好像燃料一样，让整个金融系统鲜活地运转着。金融行业非常适合开展人工智能应用。
通过对累积的大量规范的金融账户和历史交易数据进行消化，人工智能可以学习提供智能客服、风险防控、精准营销、量化交易等方面的服务。
而且，在这些领域，它们都可以比人脑更快更轻松在短时间接受宏观信息，进行技术性分析，从而进一步优化应用效果。
金融机构可以通过专用服务器来执行我刚才讲到的机器学习和神经网络等技术，在100毫秒内找到风险交易，这就是依据大数据技术的风险防控方案。
▎我：确实，如果能像你说的那样，金融行业一定有很大发展，很多隐患都可以第一时间解决掉。
▎AI先生：嗯，所以人工智能绝对可以给各行各业带来许多好处。不过，总体来讲，人工智能整体市场太大，一般的企业都只能做其中很小很小的一部分。
全世界来说，从人工智能企业数量、融资规模、投资机构数量看，目前中国都是仅次于美国的，位列全球第二，而且中国人工智能行业发展的速度非常快。
未来一段时间，由于深度学习等方式都需要依赖批量数据，而中国的各行各业最不缺的就是海量数据，所以，中国人工智能行业很可能会发展得更快。
▎我：哈哈哈，因为中国人多。
▎AI先生：对，加上政府关注、人才也会逐步加速培养起来，这是占尽了天时地利人和的，所以中国的人工智能，我个人觉得，未来相当长一段时间，还是会有很大发展空间的。
总体来讲，从好的方面说，人工智能会成为很有用的工具，帮人们做一些做不好的事，或者帮人们把有些事做得更好。
从不好的方面讲，人工智能确实会取代一部分人的技能。
这意味着，大家需要学习新的技能，可以与时俱进，学会做更多更有趣的，更依赖你独特大脑的事，其实，未必是坏事，你说呢？
最后更新：2017-10-07 23:24:56