媒体既喜欢AI的成功故事，又喜欢“人工智能推动的乌托邦：机器取代人类工人，AI超越人类智能，机器人控制一切等等”。
但是如果你在看看这些炒作之外，就会意识到一场真正的革命正在进行。要想理解AI的潜能，只需要看看最近在深度学习等领域的基站以及在计算机视觉和自然语言处理等领域的应用即可。
现在正在出现大规模的颠覆——在多项技术结合的推动下，机器可以利用大姑妈数据并且执行认知功能。
AI正在改变我们的世界，其影响是非常巨大的：会改变我们的工作、生活、协作以及作为社会的决策和行动方式。
什么是AI
人工智能可以定义为“让系统价格认知功能与适配和学习能力封装在一起——从而实现自我改进的技术”。
AI使能的系统能捕捉和“理解”它们的环境，并且针对特定目标做出优化的、实时的决策。
作为AI的典型例子，“计算机视觉”让系统通过复杂的算法(被训练来识别突破或者视频当中的各种地形、人以及对象)可以“看见”东西。
在另一个AI应用的例子里，“自然语言处理”技术使得跟机器进行自由形式的交互成为可能：NLP和相关技术可以“理解”自然语音并且以有意义的方式做出回应：只要机器析取出“自然语音”请求的上下文，它就会合成出恰当的响应，以“自然语音”的方式回应用户。
AI的快速发展是因为有大量有关人类主要活动的数据的支撑——在线通信、社会交互，设备使用情况，搜索，内容消费以及IoT数据流等等。
为了弄清楚海量的各种复杂数据，AI系统借助了云计算以及特殊机器学习算法的力量。世界级的数据中心，大规模的标签数据被用到训练AI算法来执行特定认知功能上。
AI现状
算法能“看见”
计算机能“看”的能力是一项令人吃惊的成就。AI支持的系统能“理解”一幅图像或者一段视频的上下文，其详细程度给人留下了深刻印象：它们能识别许多实体——比如人，认出不同的人、汽车、房屋、街道、树木等等——且成功率越来越高。
只要提供一幅图像或者一段视频，算法就能估计出图中的人数、其性别、年龄或者甚至情绪状态等额外属性。
你只需要提交一张家庭照片给某一项商用识别服务，在毫秒之内对方就能返回识别出来的人，他们的性别，年龄以及占主导的情绪。照片里面的东西也能识别——比方说，AI能识别出汽车及其制造商和型号;然后打上标签用于改进搜分组以及可发现性。
在不久的将来，算法将可以推断场景意味着什么——比如一场儿童聚会，一项体育赛事，一场商业会议或者一个人在公园闲逛等。
计算机视觉的可能应用令人印象深刻：从能够全方位“看清”东西，实时理解周边环境及其动态的无人车，到微软的Seeing AI这样的特殊应用——一个帮助有视障碍的人或者盲人理解环境的力原型系统!
计算机视觉正在取得巨大进展，在无人车、导航、机器人、模式识别、医疗诊断等领域已经有了大规模的应用。AI系统正在不断学习而且学得越来越快。
与“机器”的对话
只要跟Amazon Alexa、Cortana、Siri或者Google Assistant来一次简短互动，就足以意识到自然语言处理技术取得了巨大进展。微软和IBM宣布，在处理从体育到政治的讨论方面，自己的NLP技术的表现已经跟专业的书记员无异(或者更好)了。Google最近演示的数字助理Duplex，能够通过自然对话的体验完成特定的任务——比方说跟人以自有对话的形式安排会议或者约会。
数字助理变得越来越智能化，语境化和主动。
在不远的将来的一定时候，你的数字助理将会自然地做出响应，以对话的模式进行，可能还会有跟你的性格和当前情绪状态相匹配的风格、态度以及幽默感。
数字助理在不断学习——利用跟用户的每一次互动来学习——并且能更好地跟用户明确指定或者隐含表明的喜好匹配。到了一定时候，DA会通过无缝利用对用户的熟悉，来自用户环境的信号以及全球趋势和动态来主动和自动响应。
应用与影响
AI已经在很多方面影响着我们的社会经济体系。我们已经进入到市场、商业、教育、政府以及社会福利体系急剧变革的阶段——这些作为之呢过技术和自动化的结果很快都会被重塑。人工智能的大规模采用将从根本上改变一切行业——就像以下概括那样。
交通已经处在变革模式——全自动汽车很快就会变成现实——而且还会变得更加安全，更有效率和效能。无人卡车，智能容器，无人的士以及智能城市，这些只是交通业即将到来的现实的例子之一。
交通AI将会推动大规模改变，不仅是车辆的改变，而且也包括整个神态体系——从的士服务，到电子商务，乃至于包裹运送服务。
消费者习惯会受到严重影响，将从拥有汽车转为按需消费汽车服务。
车辆即服务的成本会显著降低，因为运营服务的公司把汽车的利用率提到了很高的程度以及其他因素。
整个由无人车组成的交通网络会通过AI算法进行协调，从而最好地、实时按需地适应交通等情况。这将改变人们的通勤方式以及城市扩张和发展的模式。比方说无人车推动的更廉价、更快速交通时代的到来，可能会触发去都市化的趋势——尤其是如果你考虑到在无人车上度过的时间可以充分利用来进行现代办公的话。
电子商务：因为先进的、AI驱动的个性化，动态定价以及出价生成，消费者体验会变得更加智能。
履约中心会变成自动化——机器人自己会在里面拾取产品，履行客户订单——甚至在某些情况下以自动化的方式进行。无人机及/或无人车在送货流程的最后一个环节也能扮演一定的角色。由于中心化智能会协调整个过程，典型的销售处理、渠道、实体店网络正变得越来越不重要——从而颠覆了这个行业。
需要大量数据处理和内容处理的金融服务，保险以及其他板块也将受益于AI。
金融机构会将大量的流程自动化，比如交易验证、欺诈识别、股票交易、推荐和顾问服务等等。
保险公司会利用大量数据以及预测性和机器学习技术来进行更好的风险评估。因此，它们更有可能提供更好的产品，匹配特定客户的确切需求。汽车保险公司也会受到智能无人车的显著影响。
国家与市民服务：人工智能对于消除官僚主义、改善市民服务，治理与社会计划等都有巨大影响。
法律服务：甚至更多建立在牢固关系基础之上的职业也会为AI所重新定义：在法律背景下典型的支持服务，文书档案处理、分类、发现、摘要、比较以及知识管理等，这些任务都是AI代理已经擅长的。
产品开发：AI引入的新能力改变了典型的产品(虚拟和实体产品)开发流程。随着先进认知技术以及低成本集成场景的普及，AI驱动的创新机会正呈指数式增长。
商业认知API和云令软件开发者开发有先进AI能力支撑的认知应用变得容易。实体产品制造流程也受益于AI驱动的产品线、质控系统以及持续改进流程。产品很快就将以完全不同的方式进行开发;而且还会变得联网化和智能化。
教育：在世界规模的数字化内容、数据以及科学与一般知识的基础上，整个教育体系将因为人工智能而得到极大改善。
智能教育代理将会捕捉学生的需求，组合出优化的个性化教育计划——匹配学生的意图、节奏、喜好的内容类型等参数。
在另一个场景下，AI驱动的应用将能够主动推荐教育机会以及个性化教育内容——这种推荐会考虑当用户职业的现状，教育水平以及过往经验。
这将会采取一种永远在线的、智能的“教育顾问”的形式，为每一位用户发现合适的学习机会。
担忧
AI的大规模采用在社会、政治、道德方面的潜在影响仍存在着严重担忧和未回答的问题。比方说，通过利用人工智能规模实现的“智能自动化”，预计将改变我们的工作方式以及所需要的技能：特定角色将会变得不合时宜，俄日写职业最终将会消失。
致命自动武器：自动机器的概念令人印象深刻——想想看，一辆能够捕捉环境和动态并作出实时决定的无人车，在特定约束下可以实现从A点转移到B点的预定目标。
但在军事的背景下，这种自主决策却是令人恐惧的：将来的机器人系统，所谓的致命自动武器，可以在没有人类干预和许可的情况下击中目标。但是，谁来空子此类“杀手机器人”的设计、操作以及目标设定呢?此类机器人如何能够理解复杂情况下的微妙之处并且做出有生命威胁的决定呢?问题还有很多很多。
偏见的风险以及对透明的需要：AI系统通过分析海量数据来学习，而且它们还不断通过对交互的数据建模以及用户反馈来进行适配。我们如何才能确保对AI算法原先的训练是不带偏见的呢?如果一家公司通过(未必是故意地)倾向于特定类别的客户或者用户的训练数据集而引入了偏见该怎办?比方说，如果负责从简历池中识别有才华的候选人的算法本身具有某种已知或者未知的偏见，导致了多样性相关的问题时该怎么办?
我们必须确保此类系统在决策和处理环节是透明的。这是更好地处置极端情况，以及争取到一般的理解以及更广发受众和社会的接受的关键。
对数据、知识以及技术的访问：在我们这个相互交织在一起的世界里，相当少量的公司正在收集着海量的数据;我们每个人的数据。访问这一数据可以对我们的日常生活进行活动、交互以及显性或者隐性兴趣的复盘;某人(或者某个东西)访问了这一数据，就会“知道”我们的行动历史，我们的在线搜索以及社交媒体活动、聊天、邮件等在线微行为和交互。
AI系统将会“理解”任何在线用户——此人的兴趣、日常习惯以及将来需求;可以做出令人印象深刻的估计和预测，包括购买兴趣以及用户的情绪状态等。
考虑到这种AI输出的规模——以人口级别来分析数据——这些预测和洞察能够描述整个人群的状态和动态。这显然会为那些控制着掌握了海量数据的系统的公司赋予极其强大的力量。不妨回顾一下Cambridge Analytica这个例子：特定用户的数据价值也许不大，但如果分析上规模之后——也就是利用先进分析和推断模型对足够大的用户群进行分析——就有可能推动大规模的社会政治影响。
隐私权：如果对一个人的在线历史(或其他)数据进行未授权访问的话，隐私权显然就有风险了。但即便是离线用户——故意保持“断线”状态的某人——其隐私权也仍然处在威胁之中。
想象一下，一位离线用户(没有智能手机或其他能感知用户位置的设备)在未来的“智能城市”中移动。在几条主街上行走可能就足以让安保摄像头捕捉到用户的行踪，甚至通过可靠的面部识别(通过中心数据存储)认出他。很显然，谁在什么情况下可以访问这些数据是个大问题。
非法访问和控制：安全和访问控制非常关键——如果有人入侵了一个智能系统，比方说无人车，其后果将是灾难性的。针对非法反问的智能连接系统和机器的安全是最高优先。
技术性失业：其定义是由新技术的原因所“解释”的失业——在AI时代这指的是被智能自动化替代的工作。在将来，我们将见证劳动力和市场的显著变化——角色和工作将会变得过时，行业会发生根本性的改变，就业模式和关系将会被重新定义。
比方说，与客户关怀/呼叫中心、文档管理、内容审核相关的任务和活动将越来越依赖技术和智能系统。生产线和工厂运营和支持相关的角色也是如此：人类正在被能够安全在空间内走动、寻找和搬动物体(比如产品、部件或者工具等)并执行复杂装配操作的智能机器人所替代。
但是，AI已被证实在处理甚至更加复杂的活动上也非常高效——那些需要实时处理多个信号，数据流以及积累知识的活动。一个典型例子是能够捕捉和“理解”其环境和动态的无人车——它们能事实地“看”，决定和行动。职业司机(的士、卡车等)将会看到对自己的技能的需求急剧下挫。
道德、社会责任以及困难决定：AI可以在实时模式下做出优化决定。尽管大多数情况下这种优化决定是客观决定并且受到普遍接受，但也有些例子引起了道德和伦理方面的问题。比方说，知道自己就要撞上行人的无人车必须决定是够要通过(对乘客)危险的机动避开易受影响的行人。而且这个决定需要在数毫秒之内做出。
这些关键决策背后的逻辑必须事先定义好，得到很好的理解和接受;与此同时，在特定数据保护规则的约束下，无人车活动和决策的详细历史必须能访问到并且提供给大家进行分析。
权力和对数据的控制不成比例：技术公司对人工智能投入了重金，这些投资不仅包括科学/过程方面，也包括商业和产品开发方面。相对于任何有野心的竞争对手，这些企业的优势都是难以匹敌的：各种格式(文字、图像、音频、视频)的，描述了各种人类活动(搜索、沟通、内容创造、社会化互动等等)的大规模数据集。
为了维系其领先的市场地位，技术企业往往会收购那些颠覆市场的有前途的技术/AI初创企业。独特的AI技术作用于大规模的累积用户和机器数据上，这会导致超级强权的产生。
“希望”
在物联网的背景下，数十亿连接设备会不断发送事件、操作性数据等，然后由先进的大数据、机器学习和人工智能技术加以处理。
丰富的数据，加上利用大规模负责数据集的能力不断增强，正在给健康、生活方式、交通、教育以及几乎所有的人类活动的改善带来空前的机会。在特定假设下，这一技术革命会导致繁荣创新与幸福新时代的到来。
是的，技术性失业是个风险，但在大多数情况下，人工智能对人类都是支持性的角色——赋予人为因素更好地处理需要判断和创造性思维的复杂和关键情况。
在将来，人类不再需要执行常规的、价值有限的工作。劳动力和底层就业模型会从长期、全职的就业协议转移到灵活、选择性的服务提供。
会有一系列新的商业机会为创业、创造和创新的文化赋能。
与此同时，会有无数的新角色和专业被创造出来——这主要集中在科学和技术方面，让大家从单调、低架子的工作中解放出来，去做更有创造性的活动。
教育体系将会发展为个性化计划以及终身学习模式。创新和创造性思维将会因为对全球积累知识、想法和创造性能量的智能访问而被赋能。
有了AI在交通行业的应用，我们将见证道路事故和灾难的显著减少。此外，大家将会受益于交通成本的下降以及服务水平的提升。
通过智能发现工具，大家对全球的数字化知识会有更好的访问。“假新闻”问题，以及内容质量，阿全预计在线安全——将会因为只能组件和AI驱动服务而获得改善。
人工智能还改善了我们的健康体系：更准确的医疗诊断，个性化医疗，更短的药物发现周期会显著改善整体效率、对病人的服务水平以及对医疗服务的普遍访问。
做好准备
但是如何才能确保对人工智能的恰当使用——让它符合个人和社会的利益呢?如何才能最好地适应正在发生的技术变革呢?
大家需要对这项技术及其潜能、好处和相关风险的普遍意识和理解。社会需要适应这一新技术版图，把人工智能作为一项帮助大家实现更多的“智能工具”来看待。我们都需要意识到它对人类的价值，但也要看到对AI不好利用的威胁。
国家需要通过现代法律、框架、社会计划以及教育体系来适应这种形势。需要有新的战略，要聚焦教育，加上给市场、商业和色会体系制订新的框架;他们需要反思市场、公司和就业协议应该如何在智能自动化的新时代下工作;他们需要重新设计社会机制来覆盖新的场景和情况。
大家需要切换到终身学习模式——对于这种新秩序来说，学习获取新技能和发掘新人才会变得更加重要。
思想领袖需要推动正确的规则、框架和全球协定来缓解权力集中化和对数据和技术的控制所产生的风险。
这场技术革命为繁荣发展带来了巨大的机会——我们只是需要确保这项技术被应用到正确的方向上。我们需要一个框架，提供一些基本规则和规范来引导AI驱动应用的开发，确保可靠性、透明性以及道德遵从。
正确方向的关键举措已经在进行当中——包括取缔ALW(自动致命武器)以及“可解释AI”与“解释权”(必须能够理解人工智能所用的模型，以及AI是如何做出决定的——欧盟的GDPR对此就有要求)的讨论。
京公网安备 11010502049343号