看完这篇人工智能的文章，能帮你超越90%的人
文章目录
人工智能的误解
什么是人工智能？
人工智能的发展史
人工智能的局限性
客观看待人工智能
百度百科+维基百科
扩展阅读
人工智能和 AI 已经走入了普通大众的视野，我们在生活中可以看到很多跟 AI 相关的产品。比如 Siri、AI 拍照、AI 修图…
虽然大家看得多，但是大部分都是一知半解。到底什么是人工智能？他有什么神奇的地方？未来会发展成什么样？
本篇文章将完整的解答大家的问题。文章内容会让不懂技术的朋友也能轻松的看懂。
人工智能的误解
大家都看过或者听说过类似的言论或者电影：
人工智能很危险！
AI 对人类是威胁！（甚至有人给出了具体的时间点）
机器人会占领的地球，人类将变为机器人的奴隶！
……
请大家放100个心，不要神话人工智能，科幻电影里的剧情以目前的技术发展来看，完全不可能！
这种担心就好像玛雅人预测2012年地球将毁灭一样！
人工智能（AI）本质上是一种工具
那么我们应该如何正确的看待人工智能（AI）？
AI 跟我们使用的锤子、汽车、电脑……都一样，其本质都是一种工具。
工具必须有人用才能发挥价值，如果他们独立存在是没有价值的，就想放在工具箱里的锤子一样，没有人挥舞它就没有任何价值。
虽然锤子、汽车、电脑、AI 都是工具。但是他们还是有差别的。
他们最核心的差别就是效能（更准确的说应该是杠杆率）。我们把上面几个工具的使用场景对比一下就能理解了：
锤子：
用过锤子的人都知道，为了钉一个钉子，大部分的力还是人出的。
锤子的使用场景中，人出了1份力，得到了2倍的回报。
汽车：
人类跑步20分钟达到的距离，汽车2分钟就能搞定！而且这个过程中人类不需要出太多力气。
汽车的使用场景中，人出了1份力，得到了10倍的回报。
电脑：
人类自己计算一些复杂的问题可能需要花1个月甚至更久的时间（还不一定正确），而电脑可能只需要1秒就完成了，并且精确无误！而人们使用电脑只需要敲几下键盘，点几下鼠标就可以了。
电脑的使用场景中，人出了1份力，得到了1,000,000倍的回报。
人工智能：
人工智能其实是超越了之前电脑的边界，以前电脑无法做的事情 AI 可以做了。所以从杠杆率上讲，人工智能和电脑是在一个量级上的，但是它能做的事情更多了，大大超越了传统电脑的能力范围，所以大家十分看好。
但是（凡是都有但是），AI 在很多很多场景和领域还是没有价值，很多能力甚至不如小学生。所以，目前 AI 的局限性依然很大！
所有人都应该知道的关于 AI 的3个重点
人工智能（AI）的本质是一种工具，归根结底还是需要人去使用它。
虽然有些场景 AI 已经超越人类了（比如 AlphaGo 下围棋），但是还是有很多很多的场景，AI 没什么价值。
AI 不是万能（通用）的，擅长下围棋的 AI 不能跟人聊天，擅长聊天的 AI 不能下围棋。大家在电影里看到的啥都会的机器人短期内还无法实现。
什么是人工智能？
开门见山的给出人人都能听懂的解释：
人工智能（AI）是一种高级的计算机程序
AI 有明确的目标
AI 可以“看到”或者“听到”环境的变化，可以感受到环境的变化
他会根据不同的环境做出不同的反应，从而实现既定的目标。
下面是书面语的版本，看着更严谨（装逼）一些：
人工智能（Artificial Intelligence，简称AI）是计算机科学下的一个分支。某些方面像人一样，AI 可以“看到”和“听到”环境的变化，同时可以根据环境的变化做出合理的判断和行动，从而实现某些目标。
下面就针对“环境感知”、“合理判断”和“实现目标”3个层面来详细对比一下普通的计算机程序和人工智能：
虽然上面的对比让 AI 看上去很强大，但是实际上并非如此，AI 在某些场景表现的很好，但是在某些场景表现的很不理想。
AI 并没有想象中强大，它也会犯低级错误
AI 的确具备了理解图片、视频和语音（非结构化数据）的能力，但并不代表这些能力已经很强大的。AI 经常犯一些低级错误，下面就是一个具体的案例：
左：摩托车的遮挡让 AI 把一只猴子误认为人类。中：自行车的遮挡让 AI 把猴子误认为人类，同时丛林背景导致 AI 将自行车把手误认为是鸟。右：吉他把猴子变成了人，而丛林把吉他变成了鸟
上图显示了在一张丛林猴子的照片中 ps 上一把吉他的效果。这导致深度网络将猴子误认为人类，同时将吉他误认为鸟，大概是因为它认为人类比猴子更可能携带吉他，而鸟类比吉他更可能出现在附近的丛林中。
AI 对数据的依赖相当于人类对空气的依赖
目前（截止到2019年）是深度学习最流行的时代，深度学习在各个领域虽然表现出了很强大的能力，但是并不是人人都能玩转深度学习的，因为它需要海量的带标注的数据，这种条件不是人人都具备的。
简单的做一个类比，狮子的力量很强大，狗的力量相比较就弱小很多。虽然狮子的战斗力很强，但是狮子需要吃很多东西才能保持战斗力。而狗就不需要吃那么多的东西。如果不给狮子吃足够的东西，他可能会躺在地上完全丧失战斗力。
深度学习就类似狮子，想让他发挥出战斗力，就需要给他喂养大量的数据（相当于狮子的食物）。不然再出色的深度学习模型都无法发挥任何价值。
狮子对食物也是比较挑剔的，不是给他吃啥都行的，而深度学习更是如此！
数据是否有标注、数据是否“干净”、数据是否有多样性……都对深度学习的学习结果影响巨大！
总结一下的话：
深度学习时代的 AI 对数据量级要求极高
深度学习时代的 AI 对数据规范要求极高
像 Google 这种拥有海量数据的公司最容易在 AI 领域有较大的突破和优势，而一般的小公司很难跨越数据的门槛。
人工智能的发展史
AI 不是什么全新的东西，他已经发展了大几十年了！下面我们介绍一下最具代表性的3个发展阶段。
上图是从1950年至2017年之间，人工智能领域出现的一些里程碑式的事件。总结下来会分为3大阶段：
第一次浪潮（非智能对话机器人）
20世纪50年代到60年代
1950年10月，图灵提出了人工智能（AI）的概念，同时提出了图灵测试来测试 AI。
图灵测试提出没有几年，人们就看到了计算机通过图灵测试的“曙光”。
1966年，心理治疗机器人 ELIZA 诞生
那个年代的人对他评价很高，有些病人甚至喜欢跟机器人聊天。但是他的实现逻辑非常简单，就是一个有限的对话库，当病人说出某个关键词时，机器人就回复特定的话。
第一次浪潮并没有使用什么全新的技术，而是用一些技巧让计算机看上去像是真人，计算机本身并没有智能。
第二次浪潮（语音识别）
20世纪80年代到90年代
在第二次浪潮中，语音识别是最具代表性的几项突破之一。核心突破原因就是放弃了符号学派的思路，改为了统计思路解决实际问题。
在《人工智能》一书中，李开复详细介绍了这个过程，他也是参与其中的重要人物之一。
第二次浪潮最大的突破是改变了思路，摒弃了符号学派的思路，转而使用了统计学思路解决问题。
第三次浪潮（深度学习+大数据）
21世纪初
2006年是深度学习发展史的分水岭。杰弗里辛顿在这一年发表了《一种深度置信网络的快速学习算法》，其他重要的深度学习学术文章也在这一年被发布，在基本理论层面取得了若干重大突破。
之所以第三次浪潮会来主要是2个条件已经成熟：
2000年后互联网行业飞速发展形成了海量数据。同时数据存储的成本也快速下降。使得海量数据的存储和分析成为了可能。
GPU 的不断成熟提供了必要的算力支持，提高了算法的可用性，降低了算力的成本。
在各种条件成熟后，深度学习发挥出了强大的能力。在语音识别、图像识别、NLP等领域不断刷新纪录。让 AI 产品真正达到了可用（例如语音识别的错误率只有6%，人脸识别的准确率超过人类，BERT在11项表现中超过人类…)的阶段。
第三次浪潮来袭，主要是因为大数据和算力条件具备，这样深度学习可以发挥出巨大的威力，并且 AI 的表现已经超越人类，可以达到“可用”的阶段，而不只是科学研究。
人工智能3次浪潮的不同之处
前两次热潮是学术研究主导的，第三次热潮是现实商业需求主导的。
前两次热潮多是市场宣传层面的，而第三次热潮是商业模式层面的。
前两次热潮多是学术界在劝说政府和投资人投钱，第三次热潮多是投资人主动向热点领域的学术项目和创业项目投钱。
前两次热潮更多时提出问题，第三次热潮更多时解决问题。
想进一步了解 AI 的历史，推荐阅读李开复的《人工智能》，上面关于3次浪潮的内容都摘抄自这本书，想看这本书的可以点击下面的购买链接。
人工智能的局限性
在探寻 AI 的边界时，我们可以先简单粗暴的把 AI 分为3类：
弱人工智能
强人工智能
超人工智能
弱人工智能
弱人工智能也称限制领域人工智能（Narrow AI）或应用型人工智能（Applied AI），指的是专注于且只能解决特定领域问题的人工智能。
例如：AlphaGo、Siri、FaceID……
强人工智能
又称通用人工智能（Artificial General Intelligence）或完全人工智能（Full AI），指的是可以胜任人类所有工作的人工智能。
强人工智能具备以下能力：
存在不确定性因素时进行推理，使用策略，解决问题，制定决策的能力
知识表示的能力，包括常识性知识的表示能力
规划能力
学习能力
使用自然语言进行交流沟通的能力
将上述能力整合起来实现既定目标的能力
超人工智能
假设计算机程序通过不断发展，可以比世界上最聪明，最有天赋的人类还聪明，那么，由此产生的人工智能系统就可以被称为超人工智能。
我们当前所处的阶段是弱人工智能，强人工智能还没有实现（甚至差距较远），而超人工智能更是连影子都看不到。所以“特定领域”目前还是 AI 无法逾越的边界。
人工智能未来的边界是什么？
如果在深入一点，从理论层面来解释 AI 的局限性，就要把图灵大师搬出来了。图灵在上世纪30年代中期，就在思考3个问题：
世界上是否所有数学问题都有明确的答案？
如果有明确的答案，是否可以通过有限的步骤计算出答案？
对于那些有可能在有限步骤计算出来的数学问题，能否有一种假象的机械，让他不断运动，最后当机器停下来的时候，那个数学问题就解决了？
图灵还真设计出来一套方法，后人称它为图灵机。今天所有的计算机，包括全世界正在设计的新的计算机，从解决问题的能力来讲，都没有超出图灵机的范畴。
（大家都是地球人，差距怎么就这么大呢？？？）
通过上面的3个问题，图灵已经划出了界限，这个界限不但适用于今天的 AI ，也适用于未来的 AI 。
下面我们再进一步把边界清晰的描述一下：
世界上有很多问题，只有一小部分是数学问题
在数学问题里，只有一小部分是有解的
在有解的问题中，只有一部分是理想状态的图灵机可以解决的
在后一部分（图灵机可解决的部分），又只有一部分是今天的计算机可以解决的
而 AI 可以解决的问题，又只是计算机可以解决问题的一部分。
担心人工智能太强大？你想多了！
在一些特定场景中， AI 可以表现的很好，但是在大部分场景中，AI 并没有什么用。
客观看待人工智能
技术总是在短期内被高估，但是在长期又被低估。
PEGA 做过一项调查，涉及了全球 6000 多个普通消费者，询问他们对 AI 的看法，有下面一些结果：
34%的人认为自己使用过 AI ，这些人中84%的人实际使用过
50%以上的人搞不清楚 AI 到底有哪些能力
60%的人并不知道 Amazon Alexa 和Google Home 使用了 AI 技术
72%的人惧怕 AI 技术对人类的威胁，24%的人担心机器人会从人类手里接管地球
AI 已经来了，并且会飞速发展
我们每天都在使用的输入法就使用了很多 AI 相关的技术，但是很多人并不知道。不要小看输入法里使用的这些技术，它能使我们的打字效率大大提高，如果没有这些技术，我们会多花数百年的时间在打字上！
除了输入法，大家都使用过的 AI 产品还有：
美颜相机里的一键美颜功能
抖音里的道具功能
微信里的语音转文字
今日头条里的推算算法
垃圾短信及垃圾邮件的过滤功能
智能手机里的操作系统
……
如果我不说相信大家并不知道 AI 已经进入我们生活的方方面面了。而且 AI 在未来几十年还会对各行各业产生巨大的影响。
我们需要以开放的心态拥抱 AI，大部分情况下它都是人类的朋友，而不是敌人。
AI 并没有我们想象中那么厉害
AlphaGo 战胜李世石，这个热点几乎所有人都知道。很多人通过这件事情开始担心 AI 未来对人类的威胁。
而现实是 AlphaGo 不管下围棋有多厉害，对我们的生活都没有半毛钱的关系，那只是一场秀。但是大众会根据这件事做对 AI 产生偏见：
AI 的能力已经超越了人类
AI 未来会无所不能
AI 对人类是威胁，我们要限制 AI 的发展
……
不要担心 AI 会取代你的工作
在“人工智能威胁论”里，大家最担心的是 AI 会取代大量的工作岗位，导致大量普通老百姓失业。
这件事的确会发生：
蒸汽机出现后，机器取代了大量的底层劳动力；
电话出现后，不再需要那么多的邮递员了；
互联网出现后，更是影响了各行各业；
但是，这是一件好事：
每一项新技术都会让一部分人下岗，而这些人现在有了更好的岗位上
一些职业消失了，但是会诞生更多的新职业（如果让你选择“美甲”和“耕地”，你会如何选择？）
简单总结一下：
可见的未来，AI 还是一种工具
AI 跟计算机、互联网一样，是历史潮流，我们要了解它、适应它、利用它
AI 的确会取代部分岗位，但是会出现更多新职业，不用担心下岗问题
谁能更高效的跟 AI 协作，谁的价值就会越大
人工智能资料获取方式：
看完这篇人工智能的文章，能帮你超越90%的人相关推荐
- 面试还在被红-黑树虐？看完这篇动图文章轻松反虐面试官
网上有很多红-黑树的段子,很多人都说,红-黑树只会存在于段子里,不会在面试中或者实际项目中让你实现.来看看网友都是怎么说的: 通常,如果有面试官问我红黑数这种问题. 我一般扭头就走. 不是因为,这个职 ...
- 怎么把一张暗的照片调亮_拍摄一张好照片有哪些步骤？看完这篇实操文章你就懂了...
上周,旅行君去大英帝国休了个年中假. 今天凌晨才抵京,现在,正在和时差作斗争更新这篇推送. 提到英国,你一定会想到伦敦. 提到伦敦,你没准会想到伦敦塔桥. 毕竟,在帝都的世界公园里,这儿也是标志性的一 ...
- java与python难度对比_Python和Java的区别，看完这篇文章你就清楚啦
众所周知,在数不清的编程语言中Java自诞生之日起长盛不衰,可谓是神话般的存在.随着人工智能时代的到来,Python迅速席卷全球,作为当下最热门的编程语言,因其简单实用且应用场景广泛备受青睐. 一个是 ...
- 看完这篇文章知道有什么英语录音翻译成中文的软件
英语是我们从小到大九年义务必学的科目,但是到了上大学的时候不同专业学习大学英语的时间并不一样,可能是一学期也可能是两个学期,所以很多人都开始通过网课来学习英语或者听外国英语录音,从而帮助我们通过雅思. ...
- python装饰器原理-看完这篇文章还不懂Python装饰器？
原标题:看完这篇文章还不懂Python装饰器? 1.必备 2.需求来了 初创公司有N个业务部门,1个基础平台部门,基础平台负责提供底层的功能,如:数据库操作.redis调用.监控API等功能.业务部门 ...
- 看完这篇文章之后，终于明白了编译到底怎么回事。
看完这篇文章之后,终于明白了编译到底怎么回事. 1 对于同一个语句,有如下三种:高级语言.低级语言.机器语言的表示 C语言 a=b+1; 汇编语言 mov -0xc(%ebp),%eax add ...
- 看完这篇文章之后，终于明白了编译到底怎么回事
看完这篇文章之后,终于明白了编译到底怎么回事. 1 对于同一个语句,有如下三种:高级语言.低级语言.机器语言的表示 C语言 a=b+1; 汇编语言 mov -0xc(%ebp),%eax add ...
- html5 游戏前景怎么样,独家 HTML5游戏目前究竟怎么样？看完这篇文章，你或许会清晰很多...
原标题:独家 HTML5游戏目前究竟怎么样?看完这篇文章,你或许会清晰很多 文/DataEye CEO 汪祥斌 从5月份白鹭的10亿估值,到最近悟空间.山水地.火缘步甲的千万级以上的融资,我们可以感受 ...
- 手把手教你完成CSDN对接百度统计 看完这篇文章你还不会对接 欢迎您提刀顺着网线来砍我！！！！
大家好,我是:じ☆ve朽木,开发经验都是一步一步慢慢积累的,没有谁生来就具有的,只要我们付出了努力,肯定就会有收获!进入我的博客,带你了解Java知识,js小技巧,带你玩转高端物联网.博客地址为:じ☆ ...
最新文章
- 什么时候会执行viewDidLoad方法
- 高可用集群技术之RHCS应用详解(一)
- Python 3基础教程15-读文件内容
- nginx + openssl 搭建需要身份验证的文件下载服务器
- 217. Contains Duplicate
- Angular应用双向绑定的语法糖
- 导出数据生成excel
- Java编写代理服务器(Burp拦截Demo)一
- android外置sd大小,android 读取外置和内置存储卡路径和大小
- Hadoop系列-YARN RM HA 高可用集群
- FineBI与FineReport对比
- java.io.StreamCorruptedException: invalid stream header: 00000000
- Java学习之接口概念
- Lesson2.2 2.3 Maya command reference quick help
- 实验三十三、标准访问控制列表的配置
- 【每天学点Python】案例一：汇率换算
- [每日一氵] python string format按照索引ID失效
- echarts pie legend设置 （自定义文本）
- 小程序实现漂亮的个人中心版面
- Computer：计算机测试理论(开发/测试/上线)之DEV、SIT、UAT、PRD四套环境(测试环境/开发环境/生产环境)详细介绍之详细攻略