华青创新：关于人工智能你需要知道的内容

什么是人工智能?每一个人的心里都有一个属于自己的答案。亦或许有些朋友对于人工智能并没有多了解。那么在这里为大家奉上人工智能的相关知识，希望大家能够更加了解人工智能。

人工智能的用途是什么?

如今，人工智能几乎无处不在，例如推荐人们应该在网上购买的物品，了解对虚拟助手(例如亚马逊的Alexa和苹果的Siri)所说的内容，识别照片中的人物和内容，识别垃圾邮件，或者检测信用卡欺zha。

亚马逊的Alexa

人工智能有哪些不同类型?

人工智能可以分为两大类：狭义人工智能和通用人工智能。

所谓的狭义的人工智能是指可以在计算机系统中工作，针对某一方面或多方面的特定任务的智能化系统。

Siri虚拟助手

这样的智能系统其实我们日常生活中遇到的很多，比如苹果的Siri、智能视觉识别系统、千人千面推荐引擎等等。

称这些为狭义人工智能的原因就是因为它们都从事与定性的或者说被预先设计好的任务。

狭义人工智能能做什么?

说起狭义人工智能的应用领域那就很广泛了：无人机的视频馈送、对基础设施(如输油管道)进行视觉检查、组织个人和企业日历、响应简单的客户服务查询、帮助放射线医师发现X光片中的潜在肿瘤、在线标记不当内容、从物联网设备收集的数据中检测电梯的磨损，以及通过卫星生成世界3D模型图像等。

据悉，显卡设计厂商Nvidia公司最近推出了一种基于人工智能的Maxine系统，它可以让人们进行高质量的视频通话，并且不用考虑其互联网连接速度。该系统的连接不通过互联网传输完整的视频流，而是以实时再现通话者的面部表情和动作将通话所需的带宽减少了10倍。

当然，这些系统的发展潜力很大，但是人们对于这些技术的期望可能会过高。

通用人工智能可以做什么?

所谓通用人工智能和狭义的人工智能完全不同的，它是一种在人类身上发现的适应性智能，是一种灵活的智能形式，能够学习如何执行完全不同的任务。

这种人工智能我们经常在电影中看到，如电影《终结者》中的Skynet、《生化危机》中的红后，但现在并不存在，人工智能学家们对于何时能够实现也有分歧。

人工智能研究人员Vincent CMüller和哲学家Nick Bostrom在2012年对四组专家进行的一项调查显示，到2040年至2050年，通用人工智能(AGI)的开发机会将达到50%，到2075年将上升到90%。一些激进的人士甚至认为可以在30年内完成。

现代人工智能研究领域的先驱者认为没有理由担心通用人工智在不久的将来能为社会带来影响。

也就是说，一些人工智能专家认为，鉴于人们对人脑的了解有限，这样的预测是非常乐观的，并且相信通用人工智能(AGI)的出现还需要数百年的时间。

现还需要数百年的时间。

人工智能发展的最新里程碑是什么?

所谓术业有专攻，虽然狭义人工智能可能仅限于执行特定任务，但在它们的专业领域内，这些系统有时能够表现出超人的表现，而这种特质通常是人类固有的。

2011年，IBM Watson在美国智力竞赛节目《危险边缘》中获胜，击败了该节目有史以来最好的两位人类选手，成为全球头条新闻。为了获胜，Watson采用自然语言处理和分析技术对海量数据进行处理，以回答人类提出的问题，通常其处理的速度不到1秒钟。

2012年，另一项突破性进展预示着人工智能有能力处理许多以前认为对任何机器来说过于复杂的新任务。那一年，AlexNet系统在ImageNet大规模视觉识别挑战赛中取得了决定性的胜利。在图像识别比赛中，与竞争对手相比，AlexNet的错误率降低了一半。

2016年Google DeepMind 公司的AlphaGo 战胜了一位围棋冠军。围棋是一款古老的中国棋类游戏，每回合的步数有200步之多，其复杂性让计算机系统困扰了几十年。AlphaGo通过在3000万个围棋游戏案例中模仿人类专家的动作，并将其输入深度学习神经网络来训练如何玩这个游戏。

人工智能技术不断实现新的里程碑：OpenAI训练的人工智能系统在在线多人游戏Dota 2的一对一比赛中击败了世界顶级玩家。

2020年，人工智能系统似乎获得了像人类一样写作和交谈的能力，其中包括人们可以想到的任何话题。

这个系统名为Generative Pre-training Transformer 3，简称GPT-3，是一个神经网络，它使用开放式网络上数十亿篇英语文章进行训练。

什么是机器学习?

上述内容中，我们提到的每一个成就，基本上都来自机器学习。机器学习输入人工智能领域的一部分，现阶段只要谈论人工智能，就离不开机器学习。

对机器学习的描述可以追溯到1959年，当时它是该领域的先驱Arthur Samuel发明的，他开发了世界上第一个自学习系统之一，即Samuel 跳棋程序。

为了自学习，这些系统被输入大量的数据，然后用这些数据来学习如何执行特定的任务。这个数据集的质量和大小对于建立一个能够准确执行其指定任务的系统非常重要。例如，如果正在构建一个机器学习系统来预测房价，那么培训数据应不仅仅包括房地产面积，还应包括其他显著因素，如卧室数量或花园面积。

什么是神经网络?

机器学习成功的关键是神经网络。这些数学模型能够调整内部参数以更改其输出。在训练期间，向神经网络馈送数据集，该数据集教给它一些特定数据时应该输出的内容。具体来说，可能会向网络馈送介于0到9之间的数字的灰度图像以及一串二进制数字(0和1)，这些二进制数字指示每个灰度图像中显示了哪个数字。然后将对网络进行训练，调整其内部参数，直到以高准确度对每个图像中显示的数字进行分类。然后，可以使用这个经过训练的神经网络对0到9之间数字的其他灰度图像进行分类。1989年，Yann LeCun发表了一篇论文展示了神经网络的应用，美国邮政局已经采用神经网络技术识别手写的邮政编码。

神经网络的结构和功能基于大脑中神经元之间非常松散的联系。神经网络由互连的算法层组成，这些算法层将数据相互馈送，并且可以通过修改数据在这些层之间传递时的重要性来进行训练，以执行特定任务。在训练这些神经网络的过程中，当数据在各层之间传递时，附加在数据上的权重将会不断变化，直到神经网络的输出非常接近期望值，此时神经网络将“学习”如何执行特定任务。期望的输出可以是从正确地标记图像中的水果到根据其传感器数据预测电梯何时可能发生故障的任何事情。

机器学习的一个子集是深度学习，在深度学习中，神经网络被扩展成具有大量多层网络，这些网络使用大量的数据进行训练。正是这些深度神经网络推动了计算机执行语音识别和计算机视觉等任务的能力的当前飞跃。

神经网络有多种类型，各有优缺点。递归神经网络(RNN)是一种特别适合于自然语言处理(NLP)的神经网络，它可以理解文本和语音识别的含义，而卷积神经网络则植根于图像识别，其用途与推荐系统和自然语言处理(NLP)一样多样。神经网络的设计也在不断发展，研究人员改进了一种更有效的深度神经网络形式，称为长短期记忆(简称LSTM)，这是一种用于自然语言处理(NLP)等任务和预测股市的递归神经网络(RNN)构，使其运行速度足够快，可以在谷歌翻译等按需系统中使用。

是什么推动了人工智能的复兴?

如上所述，近年来，人工智能研究的最大突破是机器学习领域，尤其是在深度学习领域。

这在某种程度上是由于数据的易用性驱动的，而更重要的是，并行计算能力的爆炸式增长，在此期间，越来越多的图形处理单元(GPU)集群用于训练机器学习系统。

这些集群不仅为训练机器学习模型提供了功能强大得多的系统，而且它们现在作为云服务在互联网上广泛使用。随着时间的推移，全球主要的科技公司(如谷歌、微软和特斯拉)已经开始使用专门为运行和培训的机器学习模式量身定做的芯片。

谷歌公司的Tensor Processing Unit(TPU)就是这些定制芯片的一个例子，它的最新版本加快了使用谷歌TensorFlow软件库构建的有用机器学习模型从数据中推断信息的速度，以及它们接受训练的速度。

这些芯片不仅用于训练DeepMind和Google Brain的模型，还用于支持谷歌翻译和谷歌照片中的图像识别的模型，以及允许公众使用谷歌的TensorFlow Research构建机器学习模型的服务。这些芯片的第三代产品于2018年5月在谷歌公司的I/O会议上发布，此后被封装到称为Pod的机器学习引擎中，该引擎可以每秒执行超过10万亿次浮点运算(100 petaflops)。这些正在进行的TPU升级使谷歌公司可以改善基于机器学习模型的服务，例如将训练谷歌翻译中使用的模型所需的时间减少一半。

哪些公司在人工智能领域处于领先地位?

随着人工智能在现代软件和服务中扮演越来越重要的角色，全球主要的科技公司都在努力开发强大的机器学习技术，以供内部使用并通过云服务向公众出售。

尽管可能是谷歌及其DeepMind AI AlphaFold和AlphaGo系统对公众的人工智能意识产生了很大的影响，但每个开创人工智能研究新局面的公司都有可能成为头条新闻中的主角。

哪些人工智能服务可用?

全球主要的云计算提供商——AWS、微软Azure和谷歌云平台都提供了对GPU阵列的访问，用于培训和运行机器学习模型。而谷歌公司还准备让用户使用其Tensor处理单元(其定制设计的定制芯片)针对训练和运行机器学习模型进行优化。

这三家云计算提供商(基于云计算的数据存储)均提供了所有必需的相关基础设施和服务，能够存储训练机器学习模型所需的大量数据，转换数据以准备进行分析的服务，可以清晰显示结果的可视化工具，以及简化模型构建的软件。

这些云平台甚至还简化了自定义机器学习模型的创建，谷歌公司提供了一种自动创建人工智能模型的服务，其名称为Cloud AutoML。这项拖放服务可建立自定义的图像识别模型，并且用户不必具备机器学习方面的专业知识。

基于云计算的机器学习服务正在不断发展。亚马逊公司现在提供了许多产品，旨在简化机器学习模型的培训过程，并且最近推出了Amazon SageMaker Clarify，该工具可帮助组织消除培训数据中的偏见和不平衡，这些偏见和不平衡可能导致受过训练的模型进行错误的预测。

对于那些不想建立自己的机器学习模式，而是想消费人工智能驱动的按需服务(如语音、视觉和语言识别)的公司来说，微软Azure在提供的服务范围方面表现突出，紧随其后的是谷歌云平台，然后是AWS。与此同时，除了提供一般的按需服务外，IBM公司还试图销售面向从医疗保健到零售等各个领域的特定行业人工智能服务，将这些服务组合在IBM Watson旗下，并投资20亿美元购买了Weather Channel，以释放大量数据，以增强其人工智能服务。

人工智能将如何改变世界?

(1)机器人和无人驾驶汽车

希望机器人能够自主行动、理解和导航周围的世界，这意味着机器人学和人工智能之间有着天然的重叠。虽然人工智能只是机器人技术之一，但人工智能的使用正在帮助机器人进入新的领域，如自动驾驶汽车、送货机器人，以及帮助机器人学习新技能。在2020年初，通用汽车和本田推出一款电动无人驾驶汽车Cruise Origin,谷歌母公司Alphabet公司的自动驾驶业务部门Waymo最近在亚利桑那州凤凰城向普通公众开放了robotaxi服务，其提供的服务覆盖城市50平方英里的区域。

(2)虚假新闻

人们正处于拥有可以创建逼真的图像或以完美音调方式复制某人声音的神经网络的边缘。随之而来的是巨大的颠覆性社会变革的潜力，例如不再能够将视频或音频素材视为真正的视频。人们还开始担忧可能会使用这种技术来盗用人们的图象。

(3)语音和语言识别

机器学习系统帮助计算机以几乎95%的准确率识别人们所说的内容。根据微软公司人工智能和研究小组发布的报告，他们已经开发出一种系统，能够像翻译人员一样准确地翻译口语。

随着研究人员追求99%准确性的目标，人们期望与计算机对话以及更传统的人机交互形式变得越来越普遍。

与此同时，OpenAI的语言预测模型GPT-3最近引起了业界关注，因为它能够创建可以被认为是人类所写的文章。

(4)面部识别和监视

近年来，人脸识别系统的准确性有了突飞猛进的发展，百度公司表示，只要视频中的人脸足够清晰，它就可以以99%的准确性匹配人脸。

尽管世界各地的隐私法规各不相同，但这种更具侵入性的人工智能技术(包括能够识别情绪的人工智能)很可能会逐渐变得更为广泛。

(5)医疗保健

人工智能最终会对医疗保健产生巨大的影响，帮助放射科医生在X光片中发现肿瘤，帮助研究人员发现与疾病相关的基因序列，并识别出可能导致更有效药物的分子。谷歌公司的AlphaFold 2机器学习系统最近的突破有望将开发新药的关键步骤所花费的时间从数月缩短至数小时。

在世界各地的医院都有人工智能相关技术的试验。其中包括IBM的Watson临床决策支持工具，该工具由Memorial Sloan Kettering癌症中心的肿瘤学家进行了培训，以及英国国家卫生服务局对Google DeepMind系统的使用，它将帮助发现眼睛异常并简化筛查患者头颈部癌症的过程。

人工智能会危害人类吗?

同样，获得这个问题的答案取决于你问谁。随着以人工智能为动力的系统变得越来越强大，对不利因素的警告也越来越严峻。

特斯拉公司首席执行官埃隆·马斯克宣称，“人工智能是人类文明生存的根本风险”。为了推动更强大的监管监督和开展更多负责任的研究以减轻人工智能的负面影响，他成立了OpenAI，这是一家非盈利性人工智能研究公司，旨在促进和发展有利于整个社会的友好人工智能。著名物理学家斯蒂芬·霍金曾警告说，一旦创建了足够先进的人工智能，它将迅速发展到远远超过人类能力的地步，这一现象被称为奇点，并可能对人类构成生存威胁。

然而，在一些人工智能研究人员看来，人类正处于人工智能爆炸的边缘，这一观点似乎很可笑。

微软公司位于英国剑桥的研究总监Chris Bishop强调了当今狭义人工智能与通用人工智能之间的不同。他说，“人们担心终结者和机器的崛起?这是胡说八道，这样的讨论应该是几十年后的事了。”

人工智能会替代人类的工作吗?

在不久的将来，人工智能系统取代大部分体力劳动的可能性可能更可信。人工智能系统替代许多体力劳动人员的可能性也许是更可靠的说法。

虽然人工智能不会取代所有的工作，但似乎可以肯定的是，人工智能将改变工作的性质，唯一的问题是自动化将如何快速和深刻地改变工作场所。

人工智能在各个领域都具有影响呼。正如人工智能专家Andrew Ng所说：“很多人都在做常规的重复性工作。不幸的是，技术尤其擅长于自动化日常的重复性工作。因此未来几十年技术失业的风险很大。”

有证据表明哪些工作岗位将被取代。美国现在有27家Amazon Go无需收银台的超市，顾客只需从货架上取下商品走出店门就可以完成交易。这对美国300多万收银员意味着什么还有待观察。亚马逊公司在使用机器人提高仓库效率方面处于领先地位。这些机器人将货架的物品运送给拣货人员，拣货人员选择要发送的物品。亚马逊公司在其运营中心拥有超过20万个机器人，并计划增加更多机器人。但是亚马逊公司还强调，随着机器人数量的增长，这些仓库中的工作人员也随之增加。但是，亚马逊和小型机器人公司正在努力使仓库中剩余的体力劳动实施自动化，因此，体力劳动和机器人劳动将继续齐头并进并不是假设。

全自动无人驾驶汽车现在还没有成为现实，但根据一些预测，即使不考虑对快递员和出租车司机的影响，仅自动驾驶卡车行业就可能在未来十年内替代170万个工作岗位。

然而，一些容易实现自动化的工作甚至不需要机器人技术。目前有数以百万计的人从事行政工作，在系统之间输入和复制数据，追踪和预订公司的约会。随着软件能够更好地自动更新系统并标记重要信息，因此对管理员的需求将下降。

与每项技术变革一样，人工智能将创造新的工作岗位来替代失去的工作岗位。但是，不确定的是这些新角色是否会迅速为失业者提供就业机会，以及这些失业者是否具有必要的技能或能力来填补这些新兴角色。

并非每个人都是悲观主义者。对于某些人来说，人工智能是一种可以提高工作能力而不是替代工作人员的技术。不仅如此，而且他们认为没有必要采用人工智能，因为人工智能辅助工作人员比人工智能系统工作效率更高或更有效，因为他们可以在人工智能系统提出要求之前，准确地告诉他们客户想要什么。人工智能专家关于人工智能系统将以多快的速度超越人类的能力有着广泛的看法。

牛津大学人类未来研究所邀请了几百位机器学习专家来预测未来几十年人工智能的能力。

他们总结出来的未来值得注意的事项包括：到2026年，人工智能撰写的文章将被认为是人类所写的文章、2027年卡车司机被大量裁员、2031年人工智能在零售业超过人类能力、人工智能将在2049年写出畅销书，到2053年人工智能将完成外科医生的工作。

他们估计人工智能在45年内击败人类完成所有任务的可能性相对较高，在120年内实现所有人类工作的自动化。

文章来源：企业网D1Net

联系我们

公司：江苏艾蒂娜互联网科技有限公司

联系人：小白 

联系电话：19952409917

地址：南京市建邺区嘉陵江东街18号

公众号：【艾蒂娜科技】  【白小极】

官方网站：www.ayalm.com