你真的了解人工智能吗?

导读:上一期学习了使用大数据进行图表分析的相关技能,今天我们来了解一下关于人工智能的相关介绍(文末更多往期译文推荐)

科技术语习惯使用简短名称,越短越好。这就是为什么当我们试图理解自动化,机器人,机器学习,聊天机器人等令人困惑的概念时,我们选取“A”和“I”两个字母,并将它们组合到一起来给新事物命名。

一般来说,AI或artificial intelligence被用来指从一个车载信息处理单元到摆在厨房柜台上的蓝牙扬声器的任何东西。 然而,“真正”的人工智能与我们之前一直称之为智能的东西几乎没有什么相似之处 。

麻省理工学院的科学家约翰·麦卡锡(John McCarthy)在1955年创造了“人工智能”一词,当时他为机器设计了七个方面来实现真正的智能。实际上,即使是最复杂的技术也只能实现其中的两个或三个。其余的在技术上是不可能的。

1. 模拟人脑的高级功能

2. 使用通用语言编程计算机

3. 以一种方式排列假设的神经元,以便它们形成概念

4. 确定和度量问题复杂性的一种方法

5. 自我提升

6. 抽象,处理概念而不是事件的质量

7. 随机性和创造力

当公司宣称他们正在“做”人工智能时,他们实际上只是在协力实践它的某一方面。第二方面是给定的——在今天文本和语音中使用的对话式搜索中很容易看到。我们也在第三个(形成概念)和第五个(自我提升)方面取得了进展。我们还在探索其他的,第七方面是我不相信机器会做的事情,因为创造力是一个人的基本特质。

另一个关键点是“智能”的概念。这意味着两件事情中的一件或两件: 一个实体是有感知能力的或有智慧的。

  • 感知能力:对非凡的经历或感受的能力,如感到疼痛和痛苦的能力。
  • 智慧:与高智力有关的一系列能力,如自我意识和理性反应。

两者都是我们认为属于人类和一些动物的东西的特质。迄今为止,还不能说机器是多么灵敏地编程。

正因为如此,作为一家公司,美国人工智能更喜欢使用“智能人工”这个术语。

那么,对于那些想要以智能人工方式来工作的企业,这意味着什么呢? 这意味着要基于约翰·麦卡锡(John McCarthy)提出的五个最适用于机器方面应用便利规则。

1.增加工作,而不是取代工作

机器虽然使数百万人失业,但是并没有掌管世界。 机器能够减轻日常工作中的苦差事,从而使人们得到释放,使他们能够发挥洞察力,并增加更多人的价值,如同情和创造力。

机器学习,属于人工智能的另一个常被滥用的术语,也被认为有一些“秘诀”,可以摆脱对人力投入的需求。但是事实上,不是这样的。机器不能创造性地思考。工作人员需要训练机器,并告诉它什么时候是正确的和什么时候是错误的。有效的人工智能将创造一个工作转移,而不是失业。

2.停止寻找解决办法,找到问题所在

企业应该寻找合适的东西来实现自动化,而不是试图把一切不工作的东西自动化。以PowerPoint为例。 将东西输入演示文稿浪费了多少脑力? 我们已经可以用一个算法来生成内容,那么我们为什么要在PowerPoint中浪费大量的时间来做寻常的工作呢?

3.用户就是人,依其身份对待他们

自动化并不意味着成功,如果它所做的事情从根本上是错误的,并没有与最终消费者产生共鸣。情绪分析,情感分析和机器视觉来推断情绪和/或精神状态都是机器学习/深度学习的例子,它们可以使机器更好地理解某人的心理状态。

4.机器在被人们需要之前,帮助人们

这也许是目前AI可用且真正有用的一点,但也是我们在其他地方频繁使用的一点。

预测性和规范性分析已产生巨大的影响。 投资银行已经使用这种AI来映射,猜测和预测市场以及股票和股份。确定性模型是最简单的预测:做一个确定的事情,有一个确定的结果; 每当第一个输入出现时,结果总是一样的。

更有意思的是随机建模,或处理机会。 机器经过训练可以发现随机性,不仅仅是发现它,而是要弄清楚因为它可能会发生什么。就是在他们意识到他们需要帮助之前,机器就开始帮助人。这是强大的东西。

5.交谈

我在前面提到过,在构成真正AI的概念中,我们已经掌握了第二个概念:让机器使用通用语言。把机器已经掌握了,而我们已经忘记的情况除外。

机器现在可以管理自然语言处理——理解人类如何谈话和推断是什么意思,而不是被灌输某种特性。我们必须以实物回应用户。人工智能必须参与其中,而不是控制对话。 最好的会话技术可以取代人类。但是,这只有在它背后的业务行为人性化时才起作用。

文章编辑:田芳

原文发布于微信公众号 - 灯塔大数据(DTbigdata)

原文发表时间:2017-12-13

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

​为什么 2015 是人工智能突破性的一年

人工智能在经过了5年突破性的发展,2015年是人工智能发展的一个里程碑。计算机已经变得更加的精巧并且学习速度比以前更快。 谷歌的高级研究员Jeff Dean说...

3988
来自专栏新智元

Keras作者、谷歌大脑François Chollet:智能爆炸不会发生

来源:Medium 作者:François Chollet 编译:费欣欣 【新智元导读】Keras作者、谷歌大脑研究人员François Chollet在...

36917
来自专栏BestSDK

如何培养“产品感”?

产品界,有一个特别虚幻的名词:“产品感”,这个词经常被人挂在嘴边(呵呵哒,也包括我)。 比如: 面试结束后,HR问你,这个小朋友怎么样啊? 你回答:产品感不好。...

3107
来自专栏PPV课数据科学社区

【案例】Linkedin如何用大数据变现

导读:对Linkedin商业数据分析部门而言,大数据分析不是什么高高在上、复杂枯燥的工作,而是一门化繁为简、高效实用的艺术。 在大数据时代,商业数据分析部门对一...

3205
来自专栏机器人网

人工智能发展锁定新目标:理解视频

人工智能技术发展到现在已经很强大,AlphaGo已经把众多围棋世界冠军踩在脚下,让大家心生恐惧,就算在图像识别这件小事上,也比人类更好更快,然而,科学家认为这还...

3447
来自专栏机器之心

观点 | MSRA副院长周明:未来5到10年是NLP的成熟期

机器之心原创 作者:虞喵喵 「接下来,NLP 将迎来 60 多年来发展最迅速的时期。」 6 月 1 日,在微软亚洲研究院(MSRA)的自然语言处理(NLP)主题...

39011
来自专栏华章科技

大数据的误区:数据统计≠大数据

近两年来,“大数据”被广泛应用到各行各业,而近阶段又有着明显的过热迹象。从央视的春运迁徙图到姚晨看到微博数据的惊呼;从两会期间的两会大数据,到《星星》都叫兽的高...

1302
来自专栏大数据挖掘DT机器学习

数据化和意义提炼将如何推动生活与商业?

? 我们已经毫无疑问地进入大数据时代,借助我们所有彼此互联的设备,计算机正实时捕捉并处理我们的所有细节。商家视之为“圣杯”,因为他们终于可以预测,哪些消费者将...

3609
来自专栏新智元

不止是Google才能创建机器学习团队,收下这份创业公司ML团队宝典

这些人知道充分利用机会学习的话会得到甜头。而这里面每个人的困境都是如何将其转换成现实,如何发挥作用,如何雇用人员并获得成功。

642
来自专栏AI科技评论

业界|搜狗茹立云:AI产品构思指南

我们已经不是第一次提到,AI一方面炒的沸沸扬扬,一方面我们放眼望去,市场上居然看不到一个能让我们心服口服的,用AI技术支撑起来的产品。AI出问题了吗?Alpha...

3508

扫码关注云+社区