媒體既喜歡AI的成功故事，又喜歡“人工智能推動的烏托邦：機器取代人類工人，AI超越人類智能，機器人控制一切等等”。
但是如果你在看看這些炒作之外，就會意識到一場真正的革命正在進行。要想理解AI的潛能，只需要看看最近在深度學習等領域的基站以及在計算機視覺和自然語言處理等領域的應用即可。
現在正在出現大規模的顛覆——在多項技術結合的推動下，機器可以利用大姑媽數據并且執行認知功能。
AI正在改變我們的世界，其影響是非常巨大的：會改變我們的工作、生活、協作以及作為社會的決策和行動方式。
什么是AI
人工智能可以定義為“讓系統價格認知功能與適配和學習能力封裝在一起——從而實現自我改進的技術”。
AI使能的系統能捕捉和“理解”它們的環境，并且針對特定目標做出優化的、實時的決策。
作為AI的典型例子，“計算機視覺”讓系統通過復雜的算法(被訓練來識別突破或者視頻當中的各種地形、人以及對象)可以“看見”東西。
在另一個AI應用的例子里，“自然語言處理”技術使得跟機器進行自由形式的交互成為可能：NLP和相關技術可以“理解”自然語音并且以有意義的方式做出回應：只要機器析取出“自然語音”請求的上下文，它就會合成出恰當的響應，以“自然語音”的方式回應用戶。
AI的快速發展是因為有大量有關人類主要活動的數據的支撐——在線通信、社會交互，設備使用情況，搜索，內容消費以及IoT數據流等等。
為了弄清楚海量的各種復雜數據，AI系統借助了云計算以及特殊機器學習算法的力量。世界級的數據中心，大規模的標簽數據被用到訓練AI算法來執行特定認知功能上。
AI現狀
算法能“看見”
計算機能“看”的能力是一項令人吃驚的成就。AI支持的系統能“理解”一幅圖像或者一段視頻的上下文，其詳細程度給人留下了深刻印象：它們能識別許多實體——比如人，認出不同的人、汽車、房屋、街道、樹木等等——且成功率越來越高。
只要提供一幅圖像或者一段視頻，算法就能估計出圖中的人數、其性別、年齡或者甚至情緒狀態等額外屬性。
你只需要提交一張家庭照片給某一項商用識別服務，在毫秒之內對方就能返回識別出來的人，他們的性別，年齡以及占主導的情緒。照片里面的東西也能識別——比方說，AI能識別出汽車及其制造商和型號;然后打上標簽用于改進搜分組以及可發現性。
在不久的將來，算法將可以推斷場景意味著什么——比如一場兒童聚會，一項體育賽事，一場商業會議或者一個人在公園閑逛等。
計算機視覺的可能應用令人印象深刻：從能夠全方位“看清”東西，實時理解周邊環境及其動態的無人車，到微軟的Seeing AI這樣的特殊應用——一個幫助有視障礙的人或者盲人理解環境的力原型系統!
計算機視覺正在取得巨大進展，在無人車、導航、機器人、模式識別、醫療診斷等領域已經有了大規模的應用。AI系統正在不斷學習而且學得越來越快。
與“機器”的對話
只要跟Amazon Alexa、Cortana、Siri或者Google Assistant來一次簡短互動，就足以意識到自然語言處理技術取得了巨大進展。微軟和IBM宣布，在處理從體育到政治的討論方面，自己的NLP技術的表現已經跟專業的書記員無異(或者更好)了。Google最近演示的數字助理Duplex，能夠通過自然對話的體驗完成特定的任務——比方說跟人以自有對話的形式安排會議或者約會。
數字助理變得越來越智能化，語境化和主動。
在不遠的將來的一定時候，你的數字助理將會自然地做出響應，以對話的模式進行，可能還會有跟你的性格和當前情緒狀態相匹配的風格、態度以及幽默感。
數字助理在不斷學習——利用跟用戶的每一次互動來學習——并且能更好地跟用戶明確指定或者隱含表明的喜好匹配。到了一定時候，DA會通過無縫利用對用戶的熟悉，來自用戶環境的信號以及全球趨勢和動態來主動和自動響應。
應用與影響
AI已經在很多方面影響著我們的社會經濟體系。我們已經進入到市場、商業、教育、政府以及社會福利體系急劇變革的階段——這些作為之呢過技術和自動化的結果很快都會被重塑。人工智能的大規模采用將從根本上改變一切行業——就像以下概括那樣。
交通已經處在變革模式——全自動汽車很快就會變成現實——而且還會變得更加安全，更有效率和效能。無人卡車，智能容器，無人的士以及智能城市，這些只是交通業即將到來的現實的例子之一。
交通AI將會推動大規模改變，不僅是車輛的改變，而且也包括整個神態體系——從的士服務，到電子商務，乃至于包裹運送服務。
消費者習慣會受到嚴重影響，將從擁有汽車轉為按需消費汽車服務。
車輛即服務的成本會顯著降低，因為運營服務的公司把汽車的利用率提到了很高的程度以及其他因素。
整個由無人車組成的交通網絡會通過AI算法進行協調，從而最好地、實時按需地適應交通等情況。這將改變人們的通勤方式以及城市擴張和發展的模式。比方說無人車推動的更廉價、更快速交通時代的到來，可能會觸發去都市化的趨勢——尤其是如果你考慮到在無人車上度過的時間可以充分利用來進行現代辦公的話。
電子商務：因為先進的、AI驅動的個性化，動態定價以及出價生成，消費者體驗會變得更加智能。
履約中心會變成自動化——機器人自己會在里面拾取產品，履行客戶訂單——甚至在某些情況下以自動化的方式進行。無人機及/或無人車在送貨流程的最后一個環節也能扮演一定的角色。由于中心化智能會協調整個過程，典型的銷售處理、渠道、實體店網絡正變得越來越不重要——從而顛覆了這個行業。
需要大量數據處理和內容處理的金融服務，保險以及其他板塊也將受益于AI。
金融機構會將大量的流程自動化，比如交易驗證、欺詐識別、股票交易、推薦和顧問服務等等。
保險公司會利用大量數據以及預測性和機器學習技術來進行更好的風險評估。因此，它們更有可能提供更好的產品，匹配特定客戶的確切需求。汽車保險公司也會受到智能無人車的顯著影響。
國家與市民服務：人工智能對于消除官僚主義、改善市民服務，治理與社會計劃等都有巨大影響。
法律服務：甚至更多建立在牢固關系基礎之上的職業也會為AI所重新定義：在法律背景下典型的支持服務，文書檔案處理、分類、發現、摘要、比較以及知識管理等，這些任務都是AI代理已經擅長的。
產品開發：AI引入的新能力改變了典型的產品(虛擬和實體產品)開發流程。隨著先進認知技術以及低成本集成場景的普及，AI驅動的創新機會正呈指數式增長。
商業認知API和云令軟件開發者開發有先進AI能力支撐的認知應用變得容易。實體產品制造流程也受益于AI驅動的產品線、質控系統以及持續改進流程。產品很快就將以完全不同的方式進行開發;而且還會變得聯網化和智能化。
教育：在世界規模的數字化內容、數據以及科學與一般知識的基礎上，整個教育體系將因為人工智能而得到極大改善。
智能教育代理將會捕捉學生的需求，組合出優化的個性化教育計劃——匹配學生的意圖、節奏、喜好的內容類型等參數。
在另一個場景下，AI驅動的應用將能夠主動推薦教育機會以及個性化教育內容——這種推薦會考慮當用戶職業的現狀，教育水平以及過往經驗。
這將會采取一種永遠在線的、智能的“教育顧問”的形式，為每一位用戶發現合適的學習機會。
擔憂
AI的大規模采用在社會、政治、道德方面的潛在影響仍存在著嚴重擔憂和未回答的問題。比方說，通過利用人工智能規模實現的“智能自動化”，預計將改變我們的工作方式以及所需要的技能：特定角色將會變得不合時宜，俄日寫職業最終將會消失。
致命自動武器：自動機器的概念令人印象深刻——想想看，一輛能夠捕捉環境和動態并作出實時決定的無人車，在特定約束下可以實現從A點轉移到B點的預定目標。
但在軍事的背景下，這種自主決策卻是令人恐懼的：將來的機器人系統，所謂的致命自動武器，可以在沒有人類干預和許可的情況下擊中目標。但是，誰來空子此類“殺手機器人”的設計、操作以及目標設定呢?此類機器人如何能夠理解復雜情況下的微妙之處并且做出有生命威脅的決定呢?問題還有很多很多。
偏見的風險以及對透明的需要：AI系統通過分析海量數據來學習，而且它們還不斷通過對交互的數據建模以及用戶反饋來進行適配。我們如何才能確保對AI算法原先的訓練是不帶偏見的呢?如果一家公司通過(未必是故意地)傾向于特定類別的客戶或者用戶的訓練數據集而引入了偏見該怎辦?比方說，如果負責從簡歷池中識別有才華的候選人的算法本身具有某種已知或者未知的偏見，導致了多樣性相關的問題時該怎么辦?
我們必須確保此類系統在決策和處理環節是透明的。這是更好地處置極端情況，以及爭取到一般的理解以及更廣發受眾和社會的接受的關鍵。
對數據、知識以及技術的訪問：在我們這個相互交織在一起的世界里，相當少量的公司正在收集著海量的數據;我們每個人的數據。訪問這一數據可以對我們的日常生活進行活動、交互以及顯性或者隱性興趣的復盤;某人(或者某個東西)訪問了這一數據，就會“知道”我們的行動歷史，我們的在線搜索以及社交媒體活動、聊天、郵件等在線微行為和交互。
AI系統將會“理解”任何在線用戶——此人的興趣、日常習慣以及將來需求;可以做出令人印象深刻的估計和預測，包括購買興趣以及用戶的情緒狀態等。
考慮到這種AI輸出的規模——以人口級別來分析數據——這些預測和洞察能夠描述整個人群的狀態和動態。這顯然會為那些控制著掌握了海量數據的系統的公司賦予極其強大的力量。不妨回顧一下Cambridge Analytica這個例子：特定用戶的數據價值也許不大，但如果分析上規模之后——也就是利用先進分析和推斷模型對足夠大的用戶群進行分析——就有可能推動大規模的社會政治影響。
隱私權：如果對一個人的在線歷史(或其他)數據進行未授權訪問的話，隱私權顯然就有風險了。但即便是離線用戶——故意保持“斷線”狀態的某人——其隱私權也仍然處在威脅之中。
想象一下，一位離線用戶(沒有智能手機或其他能感知用戶位置的設備)在未來的“智能城市”中移動。在幾條主街上行走可能就足以讓安保攝像頭捕捉到用戶的行蹤，甚至通過可靠的面部識別(通過中心數據存儲)認出他。很顯然，誰在什么情況下可以訪問這些數據是個大問題。
非法訪問和控制：安全和訪問控制非常關鍵——如果有人入侵了一個智能系統，比方說無人車，其后果將是災難性的。針對非法反問的智能連接系統和機器的安全是最高優先。
技術性失業：其定義是由新技術的原因所“解釋”的失業——在AI時代這指的是被智能自動化替代的工作。在將來，我們將見證勞動力和市場的顯著變化——角色和工作將會變得過時，行業會發生根本性的改變，就業模式和關系將會被重新定義。
比方說，與客戶關懷/呼叫中心、文檔管理、內容審核相關的任務和活動將越來越依賴技術和智能系統。生產線和工廠運營和支持相關的角色也是如此：人類正在被能夠安全在空間內走動、尋找和搬動物體(比如產品、部件或者工具等)并執行復雜裝配操作的智能機器人所替代。
但是，AI已被證實在處理甚至更加復雜的活動上也非常高效——那些需要實時處理多個信號，數據流以及積累知識的活動。一個典型例子是能夠捕捉和“理解”其環境和動態的無人車——它們能事實地“看”，決定和行動。職業司機(的士、卡車等)將會看到對自己的技能的需求急劇下挫。
道德、社會責任以及困難決定：AI可以在實時模式下做出優化決定。盡管大多數情況下這種優化決定是客觀決定并且受到普遍接受，但也有些例子引起了道德和倫理方面的問題。比方說，知道自己就要撞上行人的無人車必須決定是夠要通過(對乘客)危險的機動避開易受影響的行人。而且這個決定需要在數毫秒之內做出。
這些關鍵決策背后的邏輯必須事先定義好，得到很好的理解和接受;與此同時，在特定數據保護規則的約束下，無人車活動和決策的詳細歷史必須能訪問到并且提供給大家進行分析。
權力和對數據的控制不成比例：技術公司對人工智能投入了重金，這些投資不僅包括科學/過程方面，也包括商業和產品開發方面。相對于任何有野心的競爭對手，這些企業的優勢都是難以匹敵的：各種格式(文字、圖像、音頻、視頻)的，描述了各種人類活動(搜索、溝通、內容創造、社會化互動等等)的大規模數據集。
為了維系其領先的市場地位，技術企業往往會收購那些顛覆市場的有前途的技術/AI初創企業。獨特的AI技術作用于大規模的累積用戶和機器數據上，這會導致超級強權的產生。
“希望”
在物聯網的背景下，數十億連接設備會不斷發送事件、操作性數據等，然后由先進的大數據、機器學習和人工智能技術加以處理。
豐富的數據，加上利用大規模負責數據集的能力不斷增強，正在給健康、生活方式、交通、教育以及幾乎所有的人類活動的改善帶來空前的機會。在特定假設下，這一技術革命會導致繁榮創新與幸福新時代的到來。
是的，技術性失業是個風險，但在大多數情況下，人工智能對人類都是支持性的角色——賦予人為因素更好地處理需要判斷和創造性思維的復雜和關鍵情況。
在將來，人類不再需要執行常規的、價值有限的工作。勞動力和底層就業模型會從長期、全職的就業協議轉移到靈活、選擇性的服務提供。
會有一系列新的商業機會為創業、創造和創新的文化賦能。
與此同時，會有無數的新角色和專業被創造出來——這主要集中在科學和技術方面，讓大家從單調、低架子的工作中解放出來，去做更有創造性的活動。
教育體系將會發展為個性化計劃以及終身學習模式。創新和創造性思維將會因為對全球積累知識、想法和創造性能量的智能訪問而被賦能。
有了AI在交通行業的應用，我們將見證道路事故和災難的顯著減少。此外，大家將會受益于交通成本的下降以及服務水平的提升。
通過智能發現工具，大家對全球的數字化知識會有更好的訪問。“假新聞”問題，以及內容質量，阿全預計在線安全——將會因為只能組件和AI驅動服務而獲得改善。
人工智能還改善了我們的健康體系：更準確的醫療診斷，個性化醫療，更短的藥物發現周期會顯著改善整體效率、對病人的服務水平以及對醫療服務的普遍訪問。
做好準備
但是如何才能確保對人工智能的恰當使用——讓它符合個人和社會的利益呢?如何才能最好地適應正在發生的技術變革呢?
大家需要對這項技術及其潛能、好處和相關風險的普遍意識和理解。社會需要適應這一新技術版圖，把人工智能作為一項幫助大家實現更多的“智能工具”來看待。我們都需要意識到它對人類的價值，但也要看到對AI不好利用的威脅。
國家需要通過現代法律、框架、社會計劃以及教育體系來適應這種形勢。需要有新的戰略，要聚焦教育，加上給市場、商業和色會體系制訂新的框架;他們需要反思市場、公司和就業協議應該如何在智能自動化的新時代下工作;他們需要重新設計社會機制來覆蓋新的場景和情況。
大家需要切換到終身學習模式——對于這種新秩序來說，學習獲取新技能和發掘新人才會變得更加重要。
思想領袖需要推動正確的規則、框架和全球協定來緩解權力集中化和對數據和技術的控制所產生的風險。
這場技術革命為繁榮發展帶來了巨大的機會——我們只是需要確保這項技術被應用到正確的方向上。我們需要一個框架，提供一些基本規則和規范來引導AI驅動應用的開發，確保可靠性、透明性以及道德遵從。
正確方向的關鍵舉措已經在進行當中——包括取締ALW(自動致命武器)以及“可解釋AI”與“解釋權”(必須能夠理解人工智能所用的模型，以及AI是如何做出決定的——歐盟的GDPR對此就有要求)的討論。
京公網安備 11010502049343號