人工智慧的現狀

　　由於如今在人工智慧和機器學習領域取得了種種進展，市面上似乎不斷開始湧入充分利用認知功能的工具和解決方案。但是這些工具和解決方案是否真正體現了人工智慧的含義呢?下面是小編為你整理的，供大家閱覽!

　　如何?

　　IBM Watson 的平臺經理喬納斯·紐烏克Jonas Nwuke稱，人工智慧或認知計算“旨在幫助人們做出更合理的決定。系統可以大規模學習，通過積累經驗變得更好，並以一種更自然的方式與人類進行互動。”

　　Progress公司的首席宣傳官託德·安格林Todd Anglin稱，如今的軟體開發行業存在的問題是，由於人工智慧是個如此大的統稱，它經常被誤用或濫用。他說：“在某些方面，它會因其性質而被濫用。它代表許多東西，但許多時候它的使用多少有點不當。”

　　安格林解釋，比如說，人工智慧是個很好的營銷術語，開發人員常常將人工智慧新增在解決方案的名稱中，讓它們脫穎而出，即便它們其實並不使用真正的人工智慧功能。他說：“普通的應用程式使用者認為，由於它的名稱中有人工智慧，它肯定智慧化，肯定很出色。”

　　在其他情況下，開發人員會使用這個術語，傳達該應用程式在試圖為使用者做一些事這層意思。比如說，安格林表示，特斯拉使用“自動駕駛汽車”這個術語用於其製造的車輛，因為那樣大眾更容易理解，但實際上，特斯拉的汽車並非完全自動駕駛，因為它們需要人類照看方向盤，以防出什麼岔子。

　　另外還有開發人員根本不明白人工智慧的真正含義。人工智慧最近的成功讓開發人員非常容易的從網站下載軟體包，並針對單一資料集對它進行訓練，比如影象識別、視覺處理或自然語言處理等資料集。據Neurala的執行長馬西米利亞諾·弗塞斯Massimiliano Versace稱，這不是人工智慧的含義。這家公司以“讓軟體更智慧化”為使命。

　　他說：“人工智慧其實是以大腦為原型，試圖用軟體來模仿它。圭腦的本領絕不僅限於識別物體，而在於思考，在於感知，在於行動，在於情感。”

　　弗塞斯聲稱，真正的智慧離不開這三個主要部分：大腦、身體和思維。大腦包括軟體背後的演算法或運算，處理輸入的資料。身體是智慧賴以生存的硬體。而思維是執行演算法的計算能力。

　　弗塞斯表示，如今，這三個部分趨於融合，因而讓人工智慧更容易、更具有成本效益，這個領域因而得以迅速發展起來。

　　他說：“眼下，人工智慧走上了一條康莊大道。挑戰在於開發一種不僅僅侷限於影象識別的應用。”

　　安格林認為，簡單的影象識別、物件檢測和質疑/應答系統確實使用了某種程度的人工智慧，但是開發人員在開發的應用程式中如何給它貼標籤時需要更謹慎一點。相反，開發人員應該專注於底層概念，比如機器學習或深度學習。他說：“我們不得不花更多的時間來關注那些方面，如何將它們運用於軟體中。我們在談論人工智慧時，我們其實是在說什麼?”

　　Gartner的研究人員湯姆·奧斯丁Tom Austin、亞歷山達·林登Alexander Linden和馬丁·雷諾茲Martin Reynolds最近釋出了一份報告，報告的內容圍繞業界應如何有效地定義和使用智慧機器術語。據報告聲稱，人們應該使用區別人類智慧和人工智慧的描述性詞語，忽視‘人工智慧’或‘認知能力’之類的營銷術語。”相反，Gartner認為，“智慧機器”是一個更合適、最不令人反感的術語。

　　Gartner的研究報告聲稱：“將人類特性賦予技術歪曲了我們對於這項技術能真正完成什麼的理解。智慧機器技術可根據經驗來改變行為，並不完全依賴人們下達的指令它們可以自主學習，還能夠得到意料不到的結果。”

　　人工智慧背後的數字大腦

　　Progress的安格林聲稱，人工智慧是開發人員和公司在竭力加入到服務和解決方案中的一項功能;但是那些公司和開發人員不得不充分利用早已到位的數字大腦。

　　他解釋，隨著更多的人開始使用機器學習和基於人工智慧的系統，那些系統會變得越來越智慧化，這讓它們變得更完美，鼓勵更多的人選擇它們。

　　安格林聲稱，這個領域主要的數字大腦包括如下：

　　Facebook：Facebook設有一個人工智慧研究部門，專門推動機器學習，開發智慧機器。最近，該公司開放了代號為Big Sur的人工智慧硬體設計的原始碼，這種硬體可處理大規模的人工智慧計算。它還宣佈了新的演算法，比如DeepMask分割框架;該公司基於深度學習的文字理解引擎 DeepText;分割精煉模型 SharpMask，以及物件檢測解決方案MultiPathNet。此外，Facebook 執行長馬克·扎克伯格宣佈計劃很快向全世界推出個人人工智慧助理。

　　谷歌：谷歌最近開放了TensorFlow機器學習庫的原始碼。安格林稱，TensorFlow 比其他認知服務要複雜一點，它封裝了大量的科學程式設計知識，採用了普通的應用程式開發人員，也能利用並嵌入到應用程式的方式加以包裝。

　　IBM Wastson：IBM Watson 是一種認知系統，旨在理解資料、推理和大規模學習。它提供了認知API，這些API可以充分利用自然語言處理和機器學習及其他方面來分析資料、從資料中學習，並獲得洞察力。IBM的紐烏克說：“可以從超越一般的抽象，並以專門的方式進行推理，從系統中獲得價值。”

　　微軟：微軟提供的認知服務讓開發人員可以使用功能強大的智慧演算法，構建安卓、iOS和Windows應用程式。服務包括視覺、語音、語言和知識等方面的 API。

　　安格林說：“我們可以享用來自這些大公司的非常高效的數字大腦，而選擇單幹的公司想真正競爭會很難。”

　　然而弗塞斯表示，儘管Neurala是家小公司，但已經在構建自己的數字大腦，領先同行。他說：“我們在研發人工大腦的構建模組方面有著悠久的歷史，小至單個的神經元，大至擁有數億個、甚至數十億個由突觸連線的神經元的龐大系統。”

　　該公司最近釋出了Neurala機器人大腦SDK，讓其他公司得以將深度學習整合到開發的應用程式中。據弗塞斯聲稱，該SDK是那些大公司迄今還無力提供的工具。

　　這項技術目前針對無人機，讓無人機能夠學習、識別、查詢和跟蹤物件。但是弗塞斯解釋，它還可以應用到電腦、手機及其他機器。他說：“我們不會打造垂直領域。我們會搭建一個平臺，讓人們去打造垂直領域。”

　　我們應該擔心人工智慧嗎?

　　有人擔心，人工智慧將來不僅會取代我們的工作，機器還會變得高度智慧，掌管世界、毀滅文明。IBM的紐烏克說：“一些人在詆譭人工智慧;他們認為，這項技術在以某種方式挑戰或危及我們所知道的這個世界。”但是他認為，人工智慧的未來只是意味著機器能夠為企業、專業人士和消費者帶來更多的價值。

　　他說：“這項技術在人與機器之間提供了一定程度的合作，可增強和擴充套件人類所做的工作。”

　　Progress的安格林聲稱，之所以社會有這樣的詆譭，歸因於我們有時描繪人工智慧的方式。電影中經常出現人工智慧惡棍掌管世界的這種經典場景，他認為，這種觀念有點誇大了。社會上的大多數人對於這項技術缺少足夠的瞭解。

　　安格林說：“工程界的開發人員不大擔心，因為他們對這項技術有更切身的瞭解。人工智慧沒那麼魔幻，它在更大程度上是一種機器。”

　　安格林並不懷疑人工智慧在未來有可能被濫用或用來幹壞事，但他解釋，任何工具和技術都存在這種可能性。他說：“我要說，籠統地講，把我們帶到何處的不是人工智慧，而是人類。”

　　安格林解釋，畢竟，人們將製造和訓練機器，他們要對這項技術負責。開發人員的工作就是，確保已落實合適的防範措施，向人們宣講這項技術具有的好處。

　　Gartner的奧斯丁說：“人們對人工智慧抱有許多幻想，首先是想當然地以為我們能製造人工智慧，我們實則不能。如果太多的高層主管相信對話介面方面的擬人化假設――比如說，它們與人類無從區別，或者它們能通過觀察一切來學習，從而取代呼叫中心裡面的所有人，那麼太多的專案會失敗和關閉。”

　　未來

　　格林聲稱，如今，雖然人工智慧最常用於影象識別、自然語言處理和語音識別，但這只是學習的起點。

　　他說：“目前人工智慧所處的狀態相當於學步的孩子。它能理解看到和聽到的東西，然後告訴你它看到了什麼。這只是人工智慧的早期階段，如果企業真正想得益於人工智慧，下一步將是建立更多的關係，並推理物件之間的關係。”

　　安格林說：“我們正沿著從學步的孩子向能力更強一點的學習機器這條道路前進。”

　　Neurala的弗塞斯想看到業界超越人們對於人工智慧的認識。他說：“人工智慧意味著能夠擁有一款功能上與人類難分上下的軟體。人工智慧可以應用到無數領域。”

　　由於平臺和感測器遍地開花，弗塞斯表示，現在人工智慧比以往任何時候都來得重要。他說：“凡是人類盯著螢幕的工作，我們都可以改由人工智慧來處理工作，那樣人類可以去做其他事情。”

　　在此基礎上，開發人員和資料科學家要分析我們如何理解物件之間的概念，並不僅限於挑出物件和理解圖片中的一切這些很基礎的方面。

　　安格林說：“到時候，我們軟體開發社群的所有成員都要抬頭說‘我們可以開始把什麼樣的模式運用於使用者軟體，並以不同的方式加以運用?’後兩三年，我們會看到這一幕頻頻出現，到時人們其實會暫停下來，考慮他們要創造的下一個軟體時代，搞清楚那些場景看起來是什麼樣。”

　　IBM 的紐烏克已經看到公司的客戶身上出現了這一幕。他說：“開發人員已開始在零售、醫療、銀行、體育及更多行業把他們的想法商業化。我們的靈感來自這個社群創造的東西，我們在共創美好未來，到時認知技術會積極影響我們生活的方方面面，包括工作和家庭。”

　　Edge Up Sports 的創始人利伊亞·塔巴克Ilya Tabakh預計，在短期內，我們會看到更好的語音識別，更準確地理解身體姿勢，能夠理解使用者的情感狀態，以及改善我們生活的更多技術。

　　據安格林聲稱，這一切的目的是為使用者解決難題。他說：“開發人員一定要留神，如果某項技術實際上不能使使用者的生活變得更好，開發人員不要匆忙將它做入到應用到程式中，或者放在使用者面前。關鍵是我們如何巧妙地運用這項技術，而不是隨隨便便地運用。”