編者按：本文作者 Alex Kantrowitz 是 BuzzFeed 的新聞記者，通過採訪，探究人工智能的確切定義和意義。
如今科技圈都在談人工智能。好像突然之間有一股莫名的力量，從圖像識別，到虛擬助手聊天機器人。最近，在 Google 的 I/O 大會上，AI 成為了討論的前沿科技和中心，參會的 7,000 名開發者和媒體都期望 Google 成為未來的巔峰。Google CEO Sundar Pichai 沒有打消人們的熱情，最後在 AI 部分結束時，他直接引用了《星際迷航》中的台詞：“以前以為不可能的事情，事實上會變為可能。”
AI 在我們日常生活中發揮的作用越來越重要，但是關於 AI 的發展最有趣的方面是我們對它是幹什麼的知之甚少。如果 AI 真的能夠改變世界，我們首先要做的是看一下它的定義，Google I/O 大會之外，我們還能從哪裏了更好地了解它呢？
當我採訪別人 “你會如何定義 AI” 時，他們這樣回答：
“這個問題，你最好去採訪一下別人吧。”
“我不太確定，我還沒有使用 AI 處理過事情。”
“不好意思，你去採訪下別人吧，祝你好運。”
“對不起，我在打電話。”
“我對 AI 不太了解。”
“它是機器學習。”
“我不清楚，你問別人吧。”
“我在雅虎工作……”
但是，並不是所有人對 AI 都一無所知。票務大師的一名領導 Dan Cernoch 説到，他認為真正的 AI 就像電腦複製了人類大腦中的功能，但是距離實現這一目標還有很遠的距離。Cernoch 説人們稱之為 AI 的產品實質上是 “機器學習”。很多人把機器學習類的產品統稱為 AI。我們稍後再做詳細解釋。
另一個人這樣説：“AI 是指機器開始變得比他們預設的程序更加智能。” 除了可以反饋人們之前給它灌輸的知識外，AI 還可以有個人的見解。它可以自己了解事情，不僅僅是被告知如何去做。
我們發現很難找到關於 AI 的定義，於是找到了 Google 的高級研究研究員 Greg Corrado，尋求專家的建議。Greg Corrado 解釋道：“人工智能是讓機器更加智能的藝術和科學。” 但是這個定義太寬泛了，他很快就聚焦到機器學習上，他認為機器學習是 AI 最大的增長領域。Corrado 説：“我們不是直接編寫程序讓計算機變得更加聰明，我們編寫程序，讓計算機自己學習。”
解釋機器學習這個抽象概念最好的方法是通過具體的案例，Corrado 從圖像識別開始介紹。你可以向計算機提供大量已經識別出的圖像，然後教計算機識別特定事物的圖像。舉例來説，向計算機提供很多貓的照片，計算機可以學習如何識別含有貓的新圖像。
計算機通過所謂的 “神經網絡” 識別圖像，Corrado 説 “神經網絡” 是仿照人類的大腦設計的，大腦中數十億的神經都會根據信息作出決策，但是所有的神經一起工作的話可以處理高級的思維任務。“智能是指這些數十億個單個神經出現了協同一致的行為。”
人工智能也有神經。在介紹神經網絡時，Corrado 説：“我們在每個功能之上創建新的功能，然後他們會學會共同協作處理任務。”
我們再回到剛才提到的圖像識別案例，Corrado 解釋道，這些人工神經會掃描每個圖像的小像素塊，並對此進行判斷。“它都是白色的嗎? 它都是黑色的嗎？它有邊界嗎？哪裏邊界點？” 大量的人工神經可以掃描圖像，並且將他們的結論傳遞給另外的神經，機器會根據已有的數據做出自己的決策。最終，神經網絡可以決定圖像是一張面孔、一輛汽車或者是一輛卡車。
機器學習和圖像識別的工作原理相似。這種原理同樣適用於語言翻譯，它們使用相同的方法通過分析語音推斷出文字。當它識別出文字之後，它就可以通過翻譯程序進行翻譯。Corrado 説 “它會在音頻流裏尋求信號，然後進行猜測，翻譯這個詞時該輸出什麼？”
當談到使用機器學習預定電影票時，Corrado 解釋道其中的部分工作不是 AI 做的。“當你創建整個產品時，有各種各樣的子系統，例如，當你在當地電影院查看電影播放時間時，你想要獲得的是對新的直接的、完美的檢索。你可以寫一個程序幫你做到這一點，但是沒有必要試着學習如何以一種更軟的方式進行處理。機器學習最適合用在這種有很多直觀步驟的地方。”
Google 基於 AI 的產品不會進行自我創造，至少現在不會。
資料來源：36Kr
請按此登錄後留言。未成為會員? 立即註冊