我們應(yīng)該害怕人工智能嗎？對人類來說，這是一個簡單的問題，答案肯定是不會。但不是每個人都同意 這一觀點，包括已故的物理學(xué)家斯蒂芬霍金，已經(jīng)提出擔(dān)心強大的人工智能系統(tǒng)的興起可能會為人類帶來終結(jié)。

顯然，你對人工智能是否將接管世界的觀點將取決于你是否認(rèn)為它可以發(fā)展超越人類的智能行為，被稱為“超級智能”。那么讓我們來看看它有多可能，以及為什么人們對AI的未來有很多關(guān)注。人類往往害怕他們不理解的東西。所以難怪它也適用于新技術(shù) 。一些技術(shù)成就似乎幾乎不切實際，明顯超出了預(yù)期，在某些情況下甚至超過了人類的表現(xiàn)。

但讓我們揭開人工智能技術(shù)的神秘面紗，統(tǒng)稱為機器學(xué)習(xí)。這些允許機器學(xué)習(xí)任務(wù)而無需使用明確的指令進(jìn)行編程。這可能聽起來很怪異，但事實是，這完全取決于一些相當(dāng)普通的統(tǒng)計數(shù)據(jù)。機器是程序，或者說是算法，其設(shè)計具有發(fā)現(xiàn)所提供數(shù)據(jù)內(nèi)的關(guān)系的能力。有許多不同的方法可以讓我們實現(xiàn)這一目標(biāo)。例如，我們可以一個接一個地向機器呈現(xiàn)手寫字母（az）的圖像，并要求它告訴我們每次按順序顯示哪個字母。我們已經(jīng)提供了可能的答案， 它只能是（az）中的一個。

機器隨機寫了一封信，我們通過提供正確答案來糾正它。我們還對機器進(jìn)行了編程以重新配置，以便下次如果出現(xiàn)相同的字母，則更有可能為下一個提供正確的答案。結(jié)果，機器隨著時間的推移改善了其性能并“學(xué)習(xí)”識別字母表。本質(zhì)上，我們已經(jīng)對機器進(jìn)行了編程，以利用數(shù)據(jù)中的常見關(guān)系來實現(xiàn)特定任務(wù)。例如，所有版本的“a”看起來結(jié)構(gòu)相似，但與“b”不同，算法可以利用它。有趣的是，在訓(xùn)練階段之后，機器可以將所獲得的知識應(yīng)用于新的字母樣本，例如由機器從未見過的手寫的。

然而，人類善于閱讀。也許一個更有趣的例子是Google Deepmind的人工Go玩家，它在游戲性能方面超越了每個人類玩家。它清楚地以一種與人類不同的方式學(xué)習(xí)，與自己一起進(jìn)行一些人類無法在其長時間所完成的游戲。它被特別指示贏得并告訴它所采取的行動決定它是否勝利。也被告知游戲規(guī)則。通過一次又一次地玩游戲，它可以在每種情況下發(fā)現(xiàn)什么是最好的策略動作，發(fā)明以前沒有人執(zhí)行過的動作。

現(xiàn)在這會讓AI Go玩家比人類更聰明嗎？當(dāng)然不是。AI非常專注于特定類型的任務(wù)，并且不顯示人類所做的多功能性。AI被稱為“智能”的事實最終歸結(jié)為它可以學(xué)習(xí)的事實。但即使在學(xué)習(xí)方面，它也無法與人類相提并論。事實上，幼兒可以通過觀看他人的解決問題方式來學(xué)習(xí)。

另一方面，人工智能需要大量數(shù)據(jù)和大量嘗試才能在非常具體的問題上取得成功，而且很難將其知識概括為與受過訓(xùn)練的人完全不同的任務(wù)。因此，雖然人類在生命的最初幾年迅速發(fā)展出令人驚嘆的智力，但機器學(xué)習(xí)背后的關(guān)鍵概念與一二十年前的情況并無太大差別。

ck現(xiàn)代人工智能的成功較少是由于新技術(shù)的突破，更多是由于可用的大量數(shù)據(jù)和計算能力。但重要的是，即使無限量的數(shù)據(jù)也無法提供類似AI的人類智能，我們需要首先在開發(fā)人工“通用智能”技術(shù)方面取得重大進(jìn)展。這樣做的一些方法涉及構(gòu)建人類大腦的計算機模型， 我們甚至都沒有實現(xiàn)這一模型。

最終，僅僅因為人工智能可以學(xué)習(xí)，它并不真正意味著它將學(xué)習(xí)人類智能的各個方面并且超越我們。人類智能甚至沒有簡單的定義，我們當(dāng)然也不知道智能是如何在大腦中體現(xiàn)的。但即使我們能夠解決它然后創(chuàng)建一個可以學(xué)會變得更聰明的人工智能，這并不一定意味著它會更成功。

就個人而言，我更關(guān)注人類如何使用人工智能。機器學(xué)習(xí)算法通常被認(rèn)為是黑盒子，并且在精確定位我們的算法所發(fā)現(xiàn)的解決方案的細(xì)節(jié)方面做出的努力較少。這是一個重要且經(jīng)常被忽視的方面，因為我們經(jīng)常沉迷于表現(xiàn)而不是理解。了解這些系統(tǒng)發(fā)現(xiàn)的解決方案非常重要，因為我們還可以評估它們是否是正確或理想的解決方案。

例如，如果我們以錯誤的方式訓(xùn)練我們的系統(tǒng)，最終它已經(jīng)學(xué)會了一般不具備的關(guān)系。比如說我們想設(shè)計一臺機器來評估潛在學(xué)生的工程能力?？赡苁且粋€可怕的想法，但讓我們?yōu)榱苏撟C而遵循它。在傳統(tǒng)角度上，這是一個男性主導(dǎo)的學(xué)科，這意味著培訓(xùn)樣本很可能來自以前的男學(xué)生。例如，如果我們不確定培訓(xùn)數(shù)據(jù)是否平衡，那么機器最終可能會得出工程學(xué)生是男性的結(jié)論，并且錯誤地將其應(yīng)用于未來的決策。

機器學(xué)習(xí)和人工智能是工具。它們可以以正確或錯誤的方式使用，就像其他一樣。這是他們使用的方式，應(yīng)該關(guān)注我們，而不是方法本身。人類的思想和人類的非智能化遠(yuǎn)遠(yuǎn)超過人工智能。