春兒哥提示您：看后求收藏（詩鼎小說網網m.gzstf.cn），接著再看更方便。

工智能階段來說人工智能是被高估了的，但是在未來的強人工智能階段，人工智能不會被高估。

就像一位知友說的：人工智能完成了太多人類本身不能完成的事情，并且在不斷地刷新紀錄。個人認為，人工智能有它的優勢，目前來說但也存在很大的局限。目前來說，人工智能在某幾個方面具有很大的優勢：無人駕駛，圖像識別（包括人臉識別），自動寫作（前段時間出現的aI采寫的新聞），語音識別，翻譯；但是在情感和藝術（繪畫、音樂）方面，目前的人工智能展的極為有限。比如，聽到小明今年16歲這句話，我們可以判斷出這句話隱含了這樣的信息：小明今年未婚，但是aI就沒辦法判斷出這樣的隱含信息。

以人類的短板去跟工具的優勢比較，那么這將注定是一場敗局：比如在計算方面，人類贏不了一個計算器；在奔跑方面，人類跑不贏自行車、摩托車、汽車、飛機、輪船等；在殺傷力方面，武術大師、拳擊高手可能敵不過一把手槍……

然而，這些人類賦予其特定功能并讓其過人類很多倍的工具都沒有取代人類，只有人類才能賦予他們存在的價值，人工智能也是如此。也許你要說這些工具和人工智能不同，它們不具備“思維”能力，可事實上，人工智能目前所具備的“思維”能力，與真正的人類思維還相去甚遠。

目前關于人類大腦的研究雖然進展迅，但是顛覆性革命還遙遙無期，心理學的研究不過是“無邊黑暗中一支小小蠟燭的微光”，人工智能算法的優化只是加快了其對既定情景做出反應的度，而人們在對自身的思維、心理、智慧等知之甚少的情況下，以此為理論依據研的人工智能注定也只能停留在一個相對局限的階段，離人類真正的思維和學習能力還有相當大的差距。

雖然經過多年的展，目前已經有數百種神經網絡模型被提出，但這其中并沒有一個完美的模型。以Bp神經網絡為例，它使用多層前饋網絡，采用最小均方差的方式，在語音識別、過程控制、模式識別等方面獲得了廣泛的應用，但是它需要大量的輸入輸出數據，需要長時間的訓練才能完成特定的動作和表達。

對于多數神經網絡結構，由于數學基礎不完善，其內部缺陷無法完全消除，泛化能力受到很大限制，簡單點說就是神經網絡遇到它沒見過的東西，還是會懵的。

人工智能目前的展只能說處于初級階段，能做的事情并不多，需要走的路還很長。像其他工具一樣，人工智能有它的優勢，也有它的局限性，遠遠還沒有達到像人類一樣“自主思維”的程度，從這個角度來講，人工智能的確是被“廣大人民群眾”“高估”的。

但是在未來強人工智能時代，相信它會極大的提高人的效率。拿中醫這個領域舉例子，目前的中醫的診療基本上都是靠醫生的經驗來完成，中醫是越老越值錢，想象一下，中醫里的望聞問切的幾個要素，比如，中醫診療的時候都要看大家的舌苔，拿如果我們收集到幾千上萬盡可能多的舌苔樣本，再把這些樣本分類，對應不同的疾病，這樣局限性是不是會少很多？其實在西醫方面，更容易實現，被稱為“醫療界的阿爾法狗”的“騰訊覓影”，實現了aI在醫學領域的應用突破，不僅可以在短短幾秒鐘完成對內鏡檢查的篩查，而且讓鄉村醫生診治大病成為了可能。

人工智能的時代來了，我相信它會帶給人類更多的是驚喜，而不是驚嚇。人工智能本身并不可怕，理性地對待人工智能的展，不要讓人工智能成為惡人的武器才是真正應該考慮的（有感于《8》中僵尸車席卷美國大街小巷的畫面），我想埃隆·馬斯克要表達的也

人工智能是否有可能提升人類能力”，

在人工智能展到一定階段過后，確實可以反過來幫助人類提升技能。

人工智能說具體的話是指機器學習。機器學習的一個核心是supervised　　1earning　　(監督學習），就是每個訓練樣本都有人給出來的標簽，然后機器算法進行訓練分類器。如標定這張圖是貓，這張圖是狗，然后機器學習算法就可以訓練貓狗分類器了，給張新的圖片，這個訓練好的分類器就可以判斷是貓還是狗。但是對沒有標定的類別，比如說狼，就沒法識別了。

假設有個完美的機器學習分類器（深度學習網絡已經接近完美），那么是不是在測試集上的準確度應該是1oo%呢？其實不然，訓練好的算法的準確度還跟數據的標定準確度有關系。大類別大樣本集合的情況下，人標定數據的準確度并不是1oo%。比如說計算機視覺里常用的Imagenet圖片集，包含來自1千類物體的1百多萬的圖片，是通過amT眾包完成，難免有標錯的圖片。卷積神經網絡在兩年前就號稱過人的5%的分類錯誤率（），最近的卷積神經網絡已經達到2.5%的錯誤率。這里之前我netderstanding　　orkshop　　(sun)收錄了一篇還蠻有意思的分析ure　　case的論文()。另外，“過人類分類準確度“其實是公眾號搞大新聞的buzz　　ord，本身其實很難量度，就不展開說了。

所以監督學習的upper　　bound其實是人標定數據的準確度，而且受事先定義好的可以識別的類別限制。

最近機器學習里面大放異彩的一類學習方式是reinfornetg（增強學習）。增強學習算法訓練模型的監督信號只是完成任務的aard，本身并沒有給定怎么樣的策略可以成功獲得aard。這就給予了算法通過不停試錯，在計算資源和計算時間允許的條件下，在廣闊搜索空間里找到完成任務的優秀策略的可能性。最終尋找到的這個優秀的策略可能比人完成任務的策略更優！這也是a1phago通過增強學習提升棋力戰勝人類選手的核心之一。如果人類選手能反過來學習這個機器學習算法通過千萬次試錯尋找到的優秀策略，當然能反過來提升自己的棋力。在a1phago戰勝人類李世石和柯潔之后，很多棋手都表示從對局之中受到了很大啟，對圍棋有了新的感悟。只是目前神經網絡算法并不能很好的解釋自己做出決策的原因，讓人難以理解為什么算法做出了某些神來之筆的策略。關于人工智能算法的可解釋性方面的研究目前還比較少，這也是我自己的研究方向之一。

人工智能打破了人類思維和認知的定式，師夷長技以制夷。

(本章完)

//

天才一秒記住本站地址：。手機版閱讀網址：