这是一个常见的心理现象：重复任何单词足够多的时间，它最终将失去它所有的意义，像湿透的面巾纸一样分解，变成无意义的声音。对我们中的许多人来说，“人工智能”这个词很久以前就这样用滥了。人工智能现在在科技领域无处不在，可以说它为所有东西都提供了动力，无论是电视还是牙刷，人工智能可以说是最有意义的词语了。

人工智能这个词本不应该被如此滥用

毫无疑问“人工智能”一词被大众误用，但确实该技术发挥的作用是前所未有的—无论在好的方面还是坏的方面。它被用于医疗保健和战争;它帮助人们创作音乐和书籍;它能审查你的简历，判断你的信誉，美化你手机上的照片。简而言之，做决定影响你的生活，不管你喜欢与否，它的应用都影响你的生活。

科技公司和广告商对人工智能的大肆宣传和吹嘘，可能很难与它本身相符。以Oral-B的Genius X牙刷为例，这是今年在CES上发布的众多号称“人工智能”能力的设备之一。但是，从关于它的新闻的最第一行开始，整条新闻都显示它能提供关于你是否在正确的时间刷牙和刷牙位置是否正确的反馈。确实有一些智能的传感器可以计算出牙刷在你嘴里的位置，但称它为人工智能简直是一派胡言。

除了炒作，还有误解。媒体报道可能会夸大研究结果，在所有模糊的人工智能故事上都加上表示结论的图片。通常，这可以归结为对人工智能究竟是什么的困惑。对于非专业人士来说，这可能是一个棘手的问题，人们经常错误地将当代人工智能与他们最熟悉的人工智能混为一谈:即一个比人类聪明许多倍的有意识的计算机系统。

专家们将有具体形态的人工智能称为“一般人工智能”，如果我们真的能创造出这样的东西，可能将来仍然有一段很长的路要走。在那之前，没有人会因为夸大人工智能系统的智能或能力而受益。

AI到底是什么?(一个来自电影Metropolis的模型，Oral-B的人工智能牙刷，一个自动送货机器人。)

因此，谈论“机器学习”比谈论人工智能更好。这是人工智能的一个分支，它包含了目前对世界影响最大的所有学习类型(包括所谓的深度学习)。作为一个短语，它没有“人工智能”的神秘，但它更有助于解释技术的作用。

机器学习是如何工作的?在过去的几年里，我阅读和观看了几十种解释，我发现最有用的解释就在这个名字里:机器学习就是让电脑自己学习。但这意味着什么是一个更大的问题。

让我们从一个难题开始。假设您想创建一个可以识别猫的程序。(出于某种原因，是猫)。你可以尝试用老式的方式来做这件事，通过明确的规则来编程，比如“猫有尖尖的耳朵”和“猫有毛”。“但是当你给程序展示一张老虎的图片时，它会做什么呢?”对每个需要的规则进行编程都是非常耗时的，而且在此过程中必须定义各种各样的困难概念，比如“毛皮”和“某种抗生物质”。最好是让机器自己学习。

所以你给它许多猫的照片，它通过这些照片寻找它自己看到的特征。机器把这些特点联系起来，一开始几乎是随机的，但是你一遍又一遍地测试它，保留最好的版本。随着时间的推移，它将变得非常善于分辨什么是猫，什么不是猫。

到目前为止，一切都是可以预测的。事实上，你可能读过这样的解释，我很抱歉重述一遍。但重要的不是重述它，而是真正思考它的含义。让一个决策系统像这样学习有什么副作用?

嗯，这个方法最大的优点是最明显的:您永远不需要实际地对它进行编程。当然，你需要做大量的修补工作，改进系统处理数据和提出更好的获取信息的方式，而不是你告诉它应该寻找什么。这意味着它可以发现人类可能错过或从未想过的模式。

因为所有的程序需要的是数据1和0（二进制编码），你可以通过许多工作来训练它，因为现代世界充满了数据。有了机器学习锤在手，数字世界充满了随时可以钉入的地方。

自学机器可以产生强大的结果，比如DeepMind的一系列围棋人工智能系统。由谷歌通过盖蒂图片社拍摄

但再想想它的缺点。如果你没有明确地教电脑学习，你怎么知道它是如何做决定的?机器学习系统不能解释它们的思维，这意味着你的算法虽然可能错误但表现良好。

类似地，因为计算机只知道你输入的数据，它可能会片面地了解世界，或者它可能只擅长于看起来与它之前看到的数据相似的狭窄任务。它不具备人类的常识。

你可以建立世界上最好的猫咪识别程序，但它永远不会告诉你小猫不应该开摩托车，或者一只猫更可能被称为“小东西”而不是“永恒的雕塑”。

教计算机自己学习是一种绝妙的捷径——就像所有的捷径一样，它需要投机取巧。

教计算机自己学习是一个聪明的捷径。和所有的捷径一样，它也涉及抄近路。人工智能系统中有智能，如果你想这么称呼它的话。但它不是有机智能，也不像人类那样遵守规则。你不妨问:一本书有多聪明?煎锅有什么技能?

那么，人工智能的现状如何呢?一直以来，头条新闻宣布一个重大突破之后，一些专家总是认为我们已经到达了一个平台。但这并不是进步的真正障碍。在研究方面，在我们现有的知识中有大量的途径可以探索，而在产品方面，我们只看到了算法的冰山一角。

风险投资家、前人工智能研究员李开复将目前的时代描述为“实施时代”，在这个时代，技术开始“走出实验室，走向世界”。另一位风投策略师班尼迪克特·埃文斯(Benedict Evans)将机器学习比作关系数据库。关系数据库是一种企业软件，在上世纪90年代创造了财富，彻底改变了整个行业。这两个人想说的是我们现在正处在人工智能快速恢复正常的阶段。埃文斯说:“最终，几乎所有的东西都会有(机器学习)在里面，没有人会在意。”

他是对的，但我们还没达到这种阶段。

在当下，人工智能——机器学习——仍然是一种经常无法解释或未经充分检验的新事物。所以在本周的科技前沿特刊《人工智能周》中，我们将向你展示这一切是如何发生的，这项技术是如何被用来改变事物的。因为在未来，它会是如此的寻常，你甚至不会注意到。

From The Verge: the State of AI