第74章 它不是強不強的問題(第1/2頁)

人工智慧還是人工智障？

這是一個問題。

近二十年，人工智慧技術逐漸與計算機技術、網際網路進行深入融合。

得益於大規模平行計算、大資料、深度學習演算法和人腦晶片這四大催化劑的發展，以及計算成本的降低，使得人工智慧技術突飛猛進。

它利用計算機和網際網路的發展機遇，化名為商業智慧、資料分析、資訊化、自動化等等，滲透到社會發展的每個角落。

一方面，網際網路的推廣為人工智慧創造了很多落地應用的場景，體現出真正的價值。

另一方面，計算機軟硬體的升級為人工智慧提供了強大的運算力，以前在理論上才能實現的演算法得以落地，讓人工智慧在越來越多賽事上創造奇蹟，甚至超越人類。

但是到了實際應用中，人工智慧被人們詬病最多的地方是：人工智慧體現不出智慧。

很多人對人工智慧的認知都是分裂的。

一方面媒體不斷報道人工智慧又取得了什麼樣的新成果、國外各路大咖讓人們要警惕人工智慧的發展、人工智慧被納入我國發展規劃等各種大新聞。

另一方面，新聞裡也總是傳出自動駕駛發生事故、家裡的智慧傢俱表現地像個智障一樣、資訊平臺總是傻傻地推同樣型別的新聞……

這些現象都讓人們疑惑，人工智慧到底智慧在哪裡？

就比如當初的無人駕駛汽車加速撞向翻到的大貨車事件。

因為貨車車頂反白光，讓無人車的攝像頭產生致盲反應，在沒有任何資訊的情況下AI是不會有什麼反應的，甚至可能給出錯誤結論，錯認成一片坦途，一個加速懟上去。

而且“反光”什麼的也是交通事故發生後根據事故過程推斷的，而不是AI直接得出的結論。

AI可不會告訴你，“我之所以撞上去，是因為大意了，沒有閃。”

還有交通方面的人工智慧，只能準確的識別到紅綠燈，但是無法識別公交車上的廣告海報，直接把海報上的明星框了起來，認為他們闖紅燈。

還有某網站的智慧識別圖片直接把黑人識別成了大猩猩，被起訴了種族歧視，還差點引發零元購行動。

這種影象識別技術，它的工作原理就是將圖案變成數字編碼，再從這些數字編碼中找到特徵，查詢“字典”，找到對應的解釋然後顯示出來。

實際上，計算機壓根不知道自己識別的到底是黑人還是大猩猩，只是“字典”告訴它這個特徵很大機率對應的是“大猩猩”這個單詞。

絕大部分演算法在本質上都是在玩機率的遊戲，不同的只是在模型訓練時需要的資訊不同，以及計算出來對應“大猩猩”的判定方式不同。

當前所有被廣泛應用的知名模型，都是透過矩陣運算訓練資料來獲得某種機率分佈。

複雜模型的機率分佈通常是高維的，這裡又會引申出各種數學方法，但本質的思想依舊是想透過機率分佈來描述訓練資料的特徵。

有了這些，就可以使用相同的機率分佈去描述同類的資料，從而實現所謂的“識別”或“預測”。

實際上，並非模型真的像人類一樣理解了什麼是“大猩猩”，只是透過這種方式，模型能夠大機率得把長得像某些特定目標的圖片識別出來。

現在很多人把人工智慧分為強人工智慧和弱人工智慧。

其中強人工智慧就是“傳說中”的人工智慧，甚至不少人追求讓計算機擁有人類的心智與意識，具有自主選擇行為。