人工智能如何改变我们的生活

人工智能（AI）是一门跨学科的科学，涉及构建能够执行需要人类思考任务的智能机器。人工智能实际上将会改变我们生活的每个方面。早在1950年10月，英国技术幻想家艾伦·图灵（Alan Turing）在《 MIND》杂志上发表了一篇名为“计算机与智能的计算机 ”的文章，提出了当时看来在很多人看来像科幻小说的幻想。

“机器是否能执行被描述为思考但与人的行为有很大区别的事情？” 图灵提出了这样的问题。图灵的观点是它们可以。此外，他认为，有可能为数字计算机创建软件，使其能够观察环境并学习新事物，从下棋到理解和说人类语言与人类交流。他认为机器最终可以发展出在没有任何人工指导的情况下自行完成此操作的能力。他预测说：“我们可能希望机器最终将在所有纯知识领域与人类竞争。”

将近70年后，图灵看似古怪的愿景已成为现实。人工智能（通常称为AI）使机器具有从经验中学习和执行认知任务的能力，而这些东西曾经只有人脑才具备。

人工智能正在整个社会文明中迅速传播，它可以通过一系列程序，从而能使自动驾驶汽车能够在街道上导航和为人们做出更准确的天气预测。AI会找出要在网络上向您展示的广告，并为那些访问电子商务网站时会弹出的友好聊天机器人提供帮助，以回答您的问题并提供客户服务。和AI相连接的个人助理语音激活智能家居设备执行各种任务，从而可以控制我们的电视和门铃来达到我们预期的操作目的，并帮助我们可以在智能音箱上找到自己喜欢的歌曲。

但是我们才刚刚开始。麦肯锡全球研究所的预测显示，随着AI技术变得越来越复杂和强大，它将有望极大地促进世界经济的发展，到2030年将创造约13万亿美元的额外活动。SAS是一家全球软件和服务公司，致力于将数据转化为客户的智能，该公司的分析平台策略师Sarah Gates说：“ AI仍处于早期试用阶段，但真正达到日常使用的速度正在加快，并且已经在所有行业中有所使用。”

人工智能如何运作

我们的生活正在悄悄地被我们中许多人几乎不了解的技术所改变（如果有的话），这非常复杂，以至于连科学家甚至都难以理解。宾州州立大学人工智能研究实验室的教授兼主任Vasant Honavar解释说：“ AI是一门执行任务的技术家族，如果被人类执行则需要智能。” 他还说，把人工智能理解为'思想'，那是因为没有人真的很确定什么是智能。”

Vasant Honavar教授描述了有关智能的两个主要观点。一种观点认为，这是在一个狭义定义域所能实现的能力，如在放射学分析从X射线和MRI扫描的图像。相反，还有一种观点是一种类似于人的能力，可以学习任何东西并进行讨论。Vasant Honavar解释说：“一台机器可能擅长放射学的某些诊断，但是如果你问它有关棒球的知识，那将会毫无用处。” 在这一点上，人类的智力多功能性仍然超出了AI的范围。

Vasant Honavar认为，人工智能有两个关键要素。其中之一是工程部分-即构建以某种方式利用智能的工具。另一个是智能科学，或更确切地说，就是如何使机器产生的结果与人脑所能产生的结果相当，即使机器是通过非常不同的过程实现的。用一个比喻来说，“鸟儿飞，飞机飞，但是它们以完全不同的方式飞。”他还说，“尽管如此，它们都利用了空气动力学和物理学。同样电影人工智能 与计算机有关的情节，人工智能也基于这样的观念，即关于智能系统的行为存在一般性原则。”

库尔特·卡格尔，是Semantical公司的创始人。他认为人工智能是“计算机模仿我们试图理解和模仿的结果是大脑工作方式和给机器以大脑般的功能，否则那就不是人工智能，而是自动化系统（例如，应用无人机，机器人和代理）。”

尽管计算机并没有真正像人类那样思考，而是利用电路，半导体和磁性介质（完全不同于人类是用生物细胞）来存储信息，但还是会有一些有趣的相似之处。“我们开始发现的一件事是，当您开始谈论数十亿个节点时，神经网络真的很有趣，而大脑本质上是一个神经网络，尽管您可以通过改变神经元的阻力来控制过程的强度在脑电波传导之前，” Cagle解释说，“单个神经元本身只能为您提供非常有限的信息，但会同时激发出足够多的具有不同强度的神经元，最终您会得到一种仅响应某些种类的刺激而被激发的模式。”

Vasant Honavar说：“人工智能的大多数应用在大量数据的领域中。” 我们再次使用放射学示例，人类放射科医生评估了大型X射线和MRI扫描数据库，这使得训练机器来模拟这种活动成为可能。AI通过将大量数据与智能算法（一系列指令）相结合来工作，这使该软件可以从数据的模式和特征中学习，正如这本《SAS人工智能入门》书中所解释的那样。如这本书所述，在模拟大脑工作方式时，人工智能利用了许多不同的领域。机器学习可自动进行分析模型构建，从而在数据中查找隐藏的见解，而无需进行编程以寻找特定的事物或得出一定的结论。神经网络模仿大脑中相互连接的神经元的阵列，并在各个单元之间传递信息，以找到联系并从大脑存储的记忆中获取所需的知识。深度学习利用真正的大型神经网络和大量计算能力来发现数据查找中的复杂模式，以用于图像和语音识别等应用。正如SAS所说，认知计算是关于创建“自然的，类似于人的交互”，包括使用解释语音并对其做出响应的能力。计算机视觉通过模式识别和深度学习来理解图片和视频的内容，并使机器可以使用实时图像来了解周围的事物。自然语言处理包括分析和理解人类语言并对之作出反应。

人工智能起源与发展

人工智能的概念可以追溯到多半的世纪以前，1956年在达特茅斯学院的一次会议上引入了 “人工智能”一词。在接下来的二十年中，研究人员开发了进行简单模式识别和机器学习的程序。康奈尔大学的科学家弗兰克·罗森布拉特（Frank Rosenblatt）开发了Perceptron，这是第一个人工神经网络，它运行在装有重5吨（4.5公吨）的IBM计算机上。

但据Honavar称，直到1980年代中期，第二波更复杂的多层神经网络才问世，以应对更高级别的任务。在1990年代初，另一项突破使AI能够推广到培训经验之外的领域。

在1990年代和2000年代，其他技术创新（网络和功能日益强大的计算机）帮助加速了AI的发展。Honavar说：“随着网络的出现，大量的数据以数字化形式变得可用。 基因组测序和其他项目开始生成大量数据，并且计算机技术的进步使存储和访问这些数据成为可能。我们可以训练机器完成更复杂的任务。我们不可能在三十年以前拥有深度学习模型，因为当时没有数据和计算能力。”

>人工智能与机器人技术

AI与机器人技术不同电影人工智能 与计算机有关的情节，但与之有关，在机器人中，机器可以自己或在人的指导下感知环境，执行计算并执行各种动作，从工厂工作，烹饪到降落在其他星球上。霍纳瓦尔（Vasant Honavar）认为，这两个领域在许多方面会有交集。

霍纳瓦尔说：“您可以想象没有人工智能技术的机器人技术，如自动化纺织机那样的纯机械设备。这些机器就是不太聪明的例子。相反，在机器人技术中，智能是不可或缺的部分，例如在充满人类驱动的汽车和行人的街道上引导自动驾驶汽车等。”霍纳瓦尔还说：“要实现真正的人工智能，一定程度上需要机器人技术，这是一个合理的论据，因为在某种程度上，与世界的互动是人工智能的重要组成部分。要理解扔球意味着什么，您必须能够扔球。”

人工智能无处不在

Cagle说：“尽管物联网技术已经比较成熟，但许多属于物联网（IoT）技术的设备都可以使用某种自我强化的人工智能技术。巡航控制是一种早期的人工智能，它的工作原理比大多数人意识到的要复杂得多。任何具有语音识别功能的东西，例如大多数现代电视遥控器、社交媒体过滤器、垃圾邮件过滤器等。如果要扩展人工智能涵盖机器学习，这就要包括拼写检查器和文本推荐系统。几乎任何智能家电系统，如洗衣机和烘干机、微波炉、洗碗机等，实际上都是2017年之后生产的电子产品；扬声器、电视等任何电子设备车、现代摄像机和大多数游戏都在许多不同的级别使用着人工智能技术。

霍纳瓦尔说，在“某些特别领域”中，人工智能已经可以胜过人类，就像“飞机可以飞更长的距离，胜过鸟”一样。例如，AI能够处理数百万个社交媒体网络互动，并获得影响用户行为的见解，如我国的媒体网站推荐信息。专家担心的这种能力可能会产生“不太好的后果”。

人工智能特别擅长处理大量信息。例如，可以使互联网公司能够分析他们收集的有关用户的大量数据，并以各种方式来影响我们的行为。霍纳瓦尔指出，尽管到目前为止，人工智能在复制人类创造力方面还没有取得太大进展，尽管该技术已被用于根据财务报告和选举结果的数据创作作品和撰写新闻报道。

人工智能如何改变经济

鉴于人工智能具有快速完成以前需要人类很长时间才能完成任务的潜力，人们很容易担心人工智能的传播会使我们大多数人失去工作。但是一些专家认为，虽然人工智能和机器人技术的结合可以替换某些职位的工人，但它将为精通计算机技术的工人创造更多的新工作。

“人工智能快速发展背景下，面临最大失业风险的职位是那些在零售、金融和制造业中执行例行和重复性任务的人，” 技术创新中心副总裁兼创始董事Darrell West在位于华盛顿的公共政策组织布鲁金斯学会（Brookings Institution）的一份电子邮件中的解释，“在医疗保健中的工作也将受到影响，而且随着人们离职的频率越来越高，工作流失率将会增加，这将会创造新的工作机会。但是很多人没有这些职位所需的技能。因此，风险是工作失去平衡，使人们无法向数字经济过渡；随着技术的发展，各国将不得不在工作期间再培训和劳动力发展方面投入更多的资金；需要终身学习，以便人们可以定期升级自己的技能和工作技巧。”