人的大腦并不是生來就會學習的，從出生開始，人的大腦就開始接受各種各樣的事物，并在不斷地認知和學習，從而讓大腦越來越聰明，每個人的大腦都不同，相信絕大多數的普通人大腦都沒法和愛因斯坦的大腦相比，個體的差距其實是蠻大的，這就是接受和學習的方法不同造成的結果。對于機器，通過不同的AI技術讓機器去學習，得到的學習效果也不同，就是研究AI技術的意義了，誰能讓機器學習的更好，誰的AI技術就牛。在我們的人類世界里有科學家、有發明家、有工程師也有教師等等，百行百業里都有各種技術專家和牛人，沒有一個人能成為所有領域里的牛人，因為人的精力是有限的，每個人所經歷的事情也是因人而異的，這就使得AI技術要和百行百業融合，造就每個行業里的AI機器人。就交通工具來講，從汽車、火車、飛機到超級火車，人們不斷追求著速度越高的交通工具，同樣，人們也渴望通過AI技術來提升工作效率，這就是促使AI技術迅速走紅的原因。其實，AI技術提出的很早，幾十年前計算機出現時，就有人提出AI，但并沒有得到人們的關注，原因在于那時的機器計算能力很弱，AI需要大量的數據運算，而現在即便單臺機器的計算能力不高，還可以通過網絡集群，將很多臺機器連接到一起，同時運算，那這樣的計算能力就非常強大了。云計算、大數據、虛擬化等這些新技術為AI技術的發展提供了土壤，要不是這些技術的出現，AI仍然不會得到人們的青睞。
現在，AI技術火了，真的火了。科技企業，無論哪場新品發布會、哪個研討論壇、哪個技術的巡展，不拿出點AI概念的東西就落伍了，這也是當前AI火爆的原因。不過，冷靜下來觀瞧，你會發現真正落地的產品還比較少，大家更多的還是處于炒作階段。我們看到了百度機器人小度，走進百度大廈就能在明顯的位置看到它，我們看到了京東的機器人，騰訊的機器人等等，它們都在一定程度上具備了學習的能力，可以完成一部分簡單的指令性工作，但和人的大腦相比，還是有一定差距，這也是要在AI技術上仍需不斷投入的原因。在AI技術上做投入，更看重的是AI的未來。最熱的東西總是會有一些泡沫產生，AI技術也不例外，就像這兩年的共享單車，一時間出現了上百家的單車公司，很快大部分單車都消亡了，只留下少數幾個公司，瓜分大部分市場，AI技術也要經歷這樣的過程，任何的投入都是需要有回報的，AI是一個投資周期長，回報風險高的技術。所以，很多短跑者就要被落下，最終被淘汰，就看誰能堅持到最后，無論是資金層面，還是技術積累方面都要堅持下去才行。
曾有不少科技巨擎大談AI取代人類的事情，以現有的AI技術儲備，取代人類是天方夜譚。只能說，在某些方面，AI利用計算機強大的計算和記憶能力，可以取代人類，取代部分人的工作，但是要讓AI來代替人來學習，很難，至少現在短期內還看不到這樣的AI技術。其實道理很簡單，我們現在對人的大腦內部如何學習和運轉仍是一個迷，這個不研究清楚，就無法利用AI技術去模仿人的大腦，那些利用大量數據，反復認知學習，其實是讓機器逐漸形成一定規則，然后就可以按照既定規則來完成后續的工作，若一旦數據有變化，機器并不識別，立即就不會繼續工作了。當我們搞清楚大腦是如何學習和運轉的，并通過AI技術實現，自然我們也就知道如何來控制這些AI機器人，不會出現教會徒弟，餓死師傅的情況。那些擔憂AI技術會完全取代人類，甚至會消滅人類的想法恐怕只在科幻片里才有，現在討論這個命題實在太早，未來誰也無法預知。
AI技術不過是一個輔助性工具，并不是事情全部，百行百業通過利用AI技術提升自身的生產效率無可厚非，值得提倡。但我們也不能過于依賴AI，不能想當然把什么事都交給AI，AI的作用畢竟還是很有限，哪些工作適合AI，哪些工作不適合AI，要做甄別，不然到頭來，向AI技術上的投資很可能是竹籃打水一場空。另外，并不是誰都有實力做AI的，要有雄厚的資金支撐，這是一場馬拉松式的長跑，很可能投資短期無法收回，創業型的企業進入AI要慎重，雖現在AI是受投資資金的青睞，是眾人眼里的香餑餑，可一旦短期內收不到回報，就會陷入泥潭、無法自拔。
京公網安備 11010502049343號