家里這些智能洗衣機、智能電飯煲、智能電燙斗，是人工智能嗎？

問答開始！

Q1

人工智能是啥？能吃嗎？？？（黑人問號臉.jpg）

不能這么說。

如今的計算機在執(zhí)行大多數(shù)任務的時候根本不會做任何與智能沾邊的事。只需要看看「計算機」這個詞你就明白了：計算機是用來「計算」的，基本上可以說是一個大號計算器了。

計算機只是接受來自人類的輸入——無論是數(shù)字、圖像還是指令——執(zhí)行一系列預定義好的計算，并給出答案。

在談人工智能之前先來看看人是怎么完成任務的吧，看看我們?yōu)槭裁础概c眾不同」。

比如說，我們在街上遇到一只漂亮的狗。就算我們只看到狗的前半身，或者只聽到犬吠，大部分人仍然可以立即辨認出，這是一只狗。無論這些狗長成什么樣——即使它們只是一個卡通形象或是一張潦草的素描，我們?nèi)匀荒軌蛞谎劬桶压氛J出來。而且辨認的過程中我們不需要其他人正襟危坐地逐一給我們展示所有不同種類的狗，卡通的和真實世界的都不能漏下，并且明確地告訴我們，「這是狗」，「這也是狗」。

但是，大多數(shù)的程序都做不到這一點。稍早一些的計算機識別軟件需要人類準確地告訴計算機需要注意什么（邊、角、點、對稱性等），才能正確識別圖像。

這只是一個例子。人工智能背后的基本思想就是看看我們能否讓計算機擁有一些類似人類的決策能力。即使沒有得到明確規(guī)則，且只擁有較少數(shù)據(jù)，人類仍然非常善于理解世界。僅僅通過看著、聽著別人說話，我們自己就能學會說話。

但是，如果沒有明確的指示，任何機器都不具備這種人類生而有之的能力。

人工智能領域已經(jīng)有數(shù)十年歷史，但直到近期，機器學習領域取得了巨大突破，它才變得火熱起來。

機器學習算法有很多種，常見途徑之一就是將收集特別特別大量的數(shù)據(jù)，然后通過一種特殊的算法進行訓練，使其能逐步提取數(shù)據(jù)背后的含義。

回到上面提過的「狗」的例子，你可以將成千上萬個被標記為「狗」的照片展示給一個機器學習算法——如果一切順利的話——最終算法應該能在那些它從未看過的照片里找到含有狗的那些。

目前來說，這項技術尚處于早期階段，但研究者們正努力在各種不同任務當中重建這種方法。

如今，從亞馬遜的語音助手 Alexa 到谷歌的谷歌翻譯，其中都多多少少包含了上述技術。迄今為止，大部分機器學習的實際應用都針對特定任務。機器學習算法已經(jīng)能很好地教會計算機執(zhí)行專門的任務，但是它們現(xiàn)在還沒辦法完成更廣泛的工作。

研究者們真正感興趣的一個領域叫做通用人工智能（AGI）。人類不僅善于學習具體的任務，還善于在不同任務之間完成知識的遷移。例如，一旦我們學會如何拿起一個馬克杯，我們不用從零開始學起就能拿起一本書。

通用人工智能的研究者們有志于創(chuàng)造能將知識從一個領域遷移到另一領域的機器。這就是為什么谷歌每次提起機器學習總要帶出來遛遛的 DeepMind 公司的研究者們實現(xiàn)了 AlphaGo 算法之后這么開心：AlphaGo 既能擊敗頂級圍棋選手，也能學會下國際象棋。

有些人——特別是 Elon Musk——擔心我們正在走向一條超級人工智能的不歸路，最終，機器人可能會意識到，他們懂得比人類更多，并且會運用這種優(yōu)勢把我們這些渣渣消滅掉之類的。

目前來說，還沒有迫在眉睫的威脅，但是 Musk 的觀點或許有一定道理。如果我們堅持要賦予機器類人的能力的花，許多人認為我們應該認真考慮如何確保他們不會最終使用這種能力傷害人類。但是僅僅就目前來說，你的洗衣機還不會秒變科學巨怪然后做掉你全家。

嗯，大概，不會吧。

樹根精選原創(chuàng)TOP