人工智能在未来能否广泛使用?

近期,艾瑞咨询发布《 2021 年中国人工智能产业研究报告》,该报告分析了数字经济时代人工智能产业社会经济价值、人工智能供需发展、行业标杆案例与新锐势力、探讨新兴应用场景与趋势预测,为行业提供重要参考。凭借AI决策技术实力和在众多行业数智化赋能及卓越实践,与阿里云、腾讯云、华为、商汤、科大讯飞等知名企业一同入选“ 2021 中国人工智能产业图谱”,同时萨摩耶云还被列为行业优秀案例代表。

探索绘就AI产业星辰大海

十四五规划纲要的出台,提出了优先发展人工智能、量子信息和集成电路“三驾马车”,为AI发展擘画了宏伟新蓝图。人工智能作为关键性的新型信息基础设施,已被视为拉动我国数字经济发展的新动能。

2021 年,是“十四五”规划开局之年,也是“两个一百年”奋斗目标交汇之年,作为智能化转型的核心生产力,AI所带来的创新增量价值实力吸睛,产业应用规模不断突破。据艾瑞预测, 2021 年人工智能核心产业规模预计达到 1998 亿元, 2026 年将超过 6000 亿元, 年CAGR将达24.8%。

图: 2021 年中国人工智能产业研究报告

艾瑞咨询在报告中指出,近年来,人工智能技术及产品在企业设计、生产、管理、营销、销售多个环节中渗透且成熟度不断提升。同时,随着新技术模型出现、各行业应用场景价值打磨与海量数据积累下的产品效果提升,人工智能应用已从消费、互联网等泛C端领域,向制造、能源、电力等传统行业辐射,助力产业经济价值实现。

在数字经济发展浪潮下,人脸识别和智能芯片爆发、AI决策无处不在、边缘计算悄然兴起、全面铺开......作为这个时代最伟大的布局者,AI赋能,正让一切皆有可能。如今,以金融、零售、工业等为代表的传统产业正以AI应用率先落地的原始场景为起点,逐步实现了更多产业的赋能延伸,价值边界的拓宽。愈来愈多业务场景的升级给企业带来AI应用的数据连通与业务协同加成效应,反哺加速企业的智能化转型进程。

图:艾瑞咨询 2021 年中国人工智能产业图谱

通过艾瑞咨询 2021 年中国人工智能产业图谱可以看出,正是那些在AI星辰大海的艰险旅程中奋勇前行的标杆,为人们勾勒出人工智能赋能实体经济的新图景。例如,百度专注自动驾驶推出包括无人车、芯片、飞桨等一系列AI产品;阿里巴巴以阿里云为基础,从零售、工业方面扩大AI产业版图;萨摩耶云基于AI决策核心技术,推动金融、仓储物流、零售等行业实现数智化改造;商汤科技整合算力基础和领先的算法能力,推动人工智能进入工业化发展阶段。

AI决策开启数智升级新时代

随着数字经济纵深发展数据量呈现爆炸式增长,企业在日常工作中要面临大量的分析决策问题,依赖传统经验决策与人力计算显然已难以满足,计算速度快、自动化程度高、分析精准的决策智能应用由此走入视线。

报告认为,决策智能使用机器学习等技术,对企业内外数据进行治理,挖掘和利用数据背后的信息,让机器具备自主分析、预测、选择的功能,提供更加实时、高效的决策效率,从而解决了企业核心决策管理问题。决策智能产品在客户触达、管理调度、决策支持等企业关键业务环节中体现价值,目前已在金融、零售、制造、医疗、自动驾驶等领域获得验证。未来,决策智能将成为AI发展的焦点,在各行业中存在广阔的应用空间。

长期专注AI决策,萨摩耶云决策智能产品体系正从有限决策智能向完全决策智能进化。在该产品体系下,萨摩耶云根据不同业务场景需求,将自研算子灵活植入 aPaaS中台与智能建模平台/工具中,通过准确挖掘客户核心需求,提供支撑贯穿从aPaaS层、SaaS层服务的标准化服务体系,被艾瑞咨询在报告中评选为“人工智能行业标杆案例”。

图:萨摩耶云入选《 2021 中国人工智能产业研究报告》标杆案例

通过将开放生态系统、新媒体智能运营云平台、智能aPaaS中台能力全面赋能企业,萨摩耶云帮助企业实现低开发要求、轻量级、快捷迭代、高内聚低耦合的AI决策智能解决方案部署与应用开发,有效解决企业决策过程中资源分配难、市场开拓难、业务效率低下、技术水平弱、部署成本高等痛点,为客户高质量发展创造新的增长方式。

当前从数字化到数智化的变革升级,开启业务转型增长新时代,云数智的超融合发展,将带来云资源、数据资源和AI能力的极致解耦与弹性协同。AI应用场景呈现出多元性日益增长、用户体验要求高、迭代迅速等特点,亟需对数据计算分析、模型开发部署、在线训练推理、应用开发运维等各种环节进行全周期管理。因此,AI价值核心需解决模型开发、部署、管理、预测等全链路生命周期管理问题。

图:萨摩耶云入选《 2021 中国人工智能产业研究报告》标杆案例

AI行业已经进入发展的下半场,“AI+产业”将是兑现AI价值的重要途径,AI应用将形成专业分工更精细的产业链生态。提供“云智一体”的解决方案,萨摩耶云打通AI全链路管理能力,实现落地赋能与商业发展双赢,AI决策模型训练平台以开箱即用、自主定制、成本经济的特点,形成了AI工程化的能力,提升了从算力、数据、模型到上层应用的普惠性、兼容性、敏捷性、高效性。

跨过 2021 年,无论是消费端还是产业端,中国的数字化转型升级的进程已在飞速发展。对于所有产业和企业来说,这既是新时代赋予的一次大机遇,也是号召我们全力奋发的一声号角。全面拥抱数字化转型的新要素,通过技术、产品、服务模式和生态开放的创新融合,萨摩耶云用“AI决策”正助力产业开启未来市场竞争密码!

特别声明:以上内容(如有图片或视频亦包括在内)均为站长传媒平台用户上传并发布,文章为企业产品宣传内容,本平台仅提供信息存储服务,对本页面内容所引致的错误、不确或遗漏,概不负任何法律责任,相关信息仅供参考。站长之家将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。任何单位或个人认为本页面内容可能涉嫌侵犯其知识产权或存在不实内容时,可及时向站长之家提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明()。本网站在收到上述法律文件后,将会依法依规核实信息,沟通删除相关内容或断开相关链接。

人工智能超星尔雅答案2022版100分完整版 -MYTG

紊袒唬楷步鼓蹈宝师熔溯拼悄

磋敢棋漓绊师素度附实帘仆腊

1.1育才新工科-人工智能简介

《人工智能》课程为理工类通选课,本课程给予学生的主要是思想而不是知识。

图灵曾协助军方破解()的著名密码系统Enigm。

电影《模仿游戏》是纪念图灵诞生90周年而拍摄的电影。

3图灵使用博弈论的方法破解了Enigm。

1.3为什么图灵很灵?

1937年,图灵在发表的论文()中,首次提出图灵机的概念。

1950年,图灵在他的论文()中,提出了关于机器思维的问题。

存在一种人类认为的可计算系统与图灵计算不等价。

4图灵测试是指测试者与被测试者(一个人和一台机器)隔开的情况下,通过一些装置(如键盘)向被测试者随意提问。如果测试者不能确定出被测试者是人还是机器,那么这台机器就通过了测试,并被认为具有人类智能。

1.4为什么图灵不灵?

以下叙述不正确的是()。

在政府报告中,()的报告使用“机器智能”这个词汇。

机器智能可以有自己的“人格”体现主要表现在()。

图灵测试存在的潜台词是机器智能的极限可以超越人的智能,机器智能可以不与人的智能可比拟。

1.5人类智能与机器智能如何共融及未来

以下关于未来人类智能与机器智能共融的二元世界叙述不正确的是()。

机器通过人类发现的问题空间的数据,进行机器学习,具有在人类发现的问题空间中求解的能力,并且求解的过程与结果可以被人类智能(),此为机器智能的产生。

人类智能可以和机器智能相互融合。

4机器智能的创造是指机器通过求解人类智能发现的问题空间中的问题积累数据与求解方法,通过机器学习,独立发现新的问题空间。

1.6人工智能界定与科学

在最初的图灵测试中,如果有超过()的测试者不能确定出被测试者是人还是机器,则这台机器就通过了测试,并认为具有人类智能。

()不属于图灵测试中包含的三个未曾言明的预设前提。

超越科学家的路径在于()

科学和哲学的区别在于科学解释世界,哲学改变世界。

5图灵测试的价值不在于讨论人类智能与人工智能的性质差异,而在于判别机器是否已经具有智能。

1人类智能的进化有许多方面是机器智能导致的。

2.1算盘是机器智能吗?

珠算盘起源于()年代。

算盘可以算作机器智能的理由是不思维也能运算和由小脑代替大脑计算。

()年由十几位青年学者参与的达特茅斯暑期研讨会上诞生了“人工智能”。

在人工智能的()阶段开始有解决大规模问题的能力。

机器人的三定律中第一条是()。

P网解决了旅行商问题。

机器智能在21世纪初具备实时感知处理能力。

以下不属于时代基础设施的是()。

时代生产工具的是()。

美国未来学家雷蒙德·库兹韦尔认为“人类纯文明”的终结在2050年。

4强人工智能观点认为有可能制造出真正推理和解决问题的智能机器。

机器学习的实质在于()。

()是机器智能发展的核心诉求之一

人类的学习类型不包括()

人通过算法赋给机器的智能属于()。

基于神经网络,机器在图像识别的速度和准确率上超越人类。

6基于思维的、基于行为的、基于概率论统计的方法生成的智能都属于多模态知识学习。

一个良好的群体应该是()。

传统的机器学习方法的表现主要是算法,目前的机器学习主要是强化学习,具有自学习的能力。

3在计算机方面,更多的是在生理层面进行模拟。

由《大英百科全书》可知,围棋大约源起于公元前()年左右。

下面属于常用的点角破空手段是()。考

阿尔法狗系列机器人曾与()出战过围棋比赛。

下面机器人()是将棋子位置作为特征来进行训练的。

人机象棋之战实际上是人和工程师之战。()

4国际象棋的解空间远远大于围棋,它是世界上最复杂的棋类。()

5lphZero是通用的棋类游戏程序。()

3.3机器智能对S人类智能( )

围棋的确定性系统含义不包括()。

被称为“数学界的无冕之王”的是()。

下面选项中()是人类所特有,而机器所不具备的。

《虬髯客传》是宋代传奇小说。()

5机器的优势在于善于处理复杂的确定性问题。()

6罗素认为Hilert计划目前不可能实现。()

7Hilert计划条件之一就是可判定性。()

3.4机器智能对S人类智能( )

智能就是能够做到()等层面的事情。

量子计算的理论模型是()。

人工智能的研究是增量式的进步。()

4系统自身作为反馈时才会形成自我意识。()

3.5人工智能能否进入非确定性领域?

下面选项中()是战胜柯洁的机器人。

下面选项中()是通过使用人为设定的特征,学习人的下棋方式进行训练。

所谓悖论的抽象公式是:若事件发生,则推导出非,非发生则推导出。()

人和机器最大的区别是()。

目前所有的人工智能都已经产生意识。()

3Hilert计划中包括完备性、相容性等条件。()考

画家弘仁“黄山雅集”的典故发生于()时期。

人类历史上第一部完全由机器人“小冰”所写的诗集叫()。

下面选项中()诗词是人工智能所作。

稻香居网络作诗机包含电脑智能作诗、辅助作诗两部分。()

5目前“小冰”的诗已形成自己独特风格和行文技巧。()

4.2艺术会成为人类最后的阵地吗?

最早诗歌生成模型称为()。

下面选项中关于毕加索描述错误的是()。

机器学习的两个任务是()。

5基于模板和模式方法生成的诗歌灵活性比较差。()

6目前人工智能在创作文艺作品时已慢慢具有情感了。()

4.3生活与情感是诗意的最终命题

1一般优秀的诗词基本都是从真情实感出发。()

2创作与情感是诗意的最终命题。()

下面关于机器人目前发展进化说法错误的是()。

目前机器人无法解决情感连贯的问题。()5.1医生如何读片?

影像科医师诊断的决定要素是()。

目前临床上为避免影像诊断误诊的方法称为()。

下面关于影像学诊断的价值说法正确的是()。

影像诊断误诊的常见原因包括()。

医学中影像学可以对某些疾病进行治疗。()

6病变的复杂性为影像诊断增加了很大的难度。()考

人工智能的分类不包括()。

人工智能读片的过程体现为()。

人工智能判断癌症的方法是()。

三叶虫是距今5.6亿年前的寒武纪时期的动物。()

5人工智能读片的方法之一是利用目标检测。()

5.4人工智能坐堂对s医生做堂

人工智能在医学领域的应用包括()。

医学读片时很小的变化,视觉上机器往往能够观察到,而人类观察不出来。()

6.1股市作为投资风险分散机制是如何运作的?

世界上最古老的证券交易所是()。

在日本()被人们称为“经营之神”。

中国最早的证券交易所是()。

目前股市仍处于政府控制行为阶段。()

5新中国第一家证券交易所创立于北京东城。()

6.2机器人如何操作股票?

美国全国证券交易商协会自动报价表最早时间是在()。

自动交易原理不包括()。

机器人操作股票的方法是()。

现在股票交易都是通过网络在场外完成,电子交易厅基本看不到交易员。()

5机器人是通过自动化平台,执行预先设置的规则来完成股票交易行为的。()

6.3机器人操作股票胜算几何?

一般来说“黑天鹅”事件的特点是()。

人工智能在投资领域的作用不包括()。

下面选项中曾发生过股市乌龙指事件的包括()。

机器人相比较股民优势体现为可以通过指标分析来操作股市。()

5股民在股票交易时往往交易频率比较低。()

计算机()编程语言常常会应用于人工智能的开发库。

计算机()编程语言常常会应用于人工智能的开发库。

设计一个自己的股票交易机器人需要做到()。

设计一个自己的股票交易机器人需要做到()。

相同型号的机器人面对相同的大数据、相同的算法,会做出相同的股票操作策略。()

6面对完全相同的内部和外部条件,机器人之间在股市操作上存在输赢的结果。()

7相同型号的机器人面对相同的大数据、相同的算法,会做出相同的股票操作策略。()

8面对完全相同的内部和外部条件,机器人之间在股市操作上存在输赢的结果。()

6.5人工智能是否能超越人类社会的集体智慧( )

股市和经济发展的关系是()。

算法作出的价格往往会比人作出的市场价格要合理。()

3人工智能算法是严格按照规则执行股市交易。()

6.6人工智能是否能超越人类社会的集体智慧( )

网上购物时,仓库是基于()来提前储备货物以备根据消费者需求及时发货。

()从根本上否定实行经济计算和合理配置资源的可能性。

亚当·史密斯的代表作品不包括()。

高效率、低公平是市场经济的根本特征。()

5算法能够实现对整个社会市场有计划。()

6.7人工智能是否能超越人类社会的集体智慧( )

从长期来看,股市是一个()博弈。

微观层面计划经济和计划经济体制是同一个概念。()

7.1人工智能与机器人发展历史

近代第二代机器人来自()。

第三代机器人的序幕以研制()为标志。

“机器人”这一词最早出现在()作家的小说中。

古代最早的机器人是来自瑞士钟表匠做的自动玩偶。()

51947年第一代机器人主要是用于医疗领域。()

7.2脑力和体力,哪个更容易被替代?

1956年达特茅斯机器人研讨会持续了()时间。

3下面选项中()方面是机器人目前能够做到的。

机器人协调运动实际上是模仿人关节的运动。()

5人类无意识的技能和直觉需要非常少的计算能力。()

7.3人机共融–优化人与机器人各自的优势

人的大脑每秒钟做不到()。

3计算机具有从图像中识别出物体能力,但图像噪音较大时识别度不高。()

7.4人工智能的技术与机器人技术的结合终将打破平静

波士顿动力学公司制造的机器人是通过()达到平衡的。

一定程度上来说下列()工作被机器人取代的可能性更大。

只要人类搞清楚的问题都容易被机器人所取代。()

7.5机器如何感知外部环境

机器动作是(),智能是本质。

()的不确定性以及思维的类型决定机器动作的不确定性。

机器智能的种类包括()。

机器动作产生过程是对外部环境进行感知与理解,继而做出何种运动的判断。()

5机器缺乏智能的动作只是机械化或自动化的动作。()

7.6思维+动作=左右大脑+小脑功能

人类智能和人工智能是一种()智能。

智能狗多表现为机械化方面的智能。()

自助无人系统是一种()智能。

强化学习的框架是智能体()通过观察当前状态作出相应动作。

深度强化学习是直接从高维原始数据学习控制策略。()

群体智能的优点体现为()。

美国2014年进行的无人艇蜂群演练利用的是()。

群体是能表现出远超个体能力之和的智能行为。()

8.2存在哪些群体智能呢?

1下面选项中()方面目前存在群体智能。

人体大脑大概有100亿左右的神经元。()

8.3 群体智能中有伦理关系吗

蚂蚁寻找最短距离原理是会首先释放()吸引更多的蚂蚁。

下面关于“囚徒博弈”说法正确的是()。

大雁以领头为中心排成对字队形飞行过程中,头雁会发出叫声,是为了鼓励其他大雁。()否

42018年5月西安空中上演千架无人机时,左侧图

群体机器人在设计上的关键是()。

下面关于人类社会的群体智能说法错误的是()。

群体机器人设计上偏向于()的假设。

低智生物在创造群体智能时,个体会完全服从集体。()

5多智能体的群体智能需要通过将伦理关系融入协同控制来约束它们。()

8.5 动物为什么要群居?

动物群居的原因是()。

下面关于动物群居说法正确的是()。

崇明东滩自然保护区以迁徙()及其栖息地为主要保护对象。

只有个体得利,没有集体维护,动物群居是不可能的。()

8.6 什么是伦理关系?

伦理关系在必要时,人必须放弃()以履行伦理义务。

伦理关系主要强调()主导。

伦理关系具有相对个人而言的()性。

伦理关系是指人与人、人与集体间彼此承担的被认为是理所当然的义务与权利。()

5中国价值观最核心的就是“仁”。()

8.7 集群状况下机器人之间有伦理关系吗?

我们可以通过给机器人植入()指令来实现服从伦理要求。

目前可以通过在群体智能中设置成本函数、鼓励等机制实现服从伦理要求。()

8.8 机器人能拥有集体智慧吗?

1集体伦理代表者集体智慧,即是以集体生活的方式所表现出来的智慧。()

探索自然智能需要从()自然生物开始。

人工智能模仿人类不能局限于模仿人类自然维度,还需要考虑()维度。

人工智能算法是建立在()基础上。

人工智能模拟的是西方实证科学,处理的是()。

人类智能和人工智能是完全不同的概念。()7一切仿生机器都是为了超越大自然。()

8莱布尼茨认为“二进位制是具有世界普遍性的、最完美的逻辑语言”。()

9中医一般关注实体变化,而西医关注的是系统协同。()

9.2 人工智能的算法原理

人工智能深度学习方法技术是先寻找()。

()被堪称是百科全书式的“全才”。

农业社会人类靠()进步。

人工智能识别图像是从输入到输出的神经网络过程。()

5中国的“五行”是构成世界的本源。()

9.3 中国的古代机器

动力机器大约出现在公元前()年。

古代()发明了运粮工具“木牛流马”。

中国机器人达到机器中国人大概需要()。

在公元230年左右就已出现用以打仗的指南车。()

5最初的擒纵机构诞生于17世纪,是现代机械钟表的核心。()

科学家屠呦呦由于发现()而获得诺贝尔医学奖。

真正的创新都是在可预测范围内。()

3屠哟哟是第一位获得诺贝尔生理医学奖的华人科学家。()

10.1 量子计算与人工智能

下面选项中关于“墨子号”说法错误的是()。

2012年量子力学领域获得诺贝尔物理学奖的是关于()的研究。

量子论派系中哥本哈根派的“死敌”主要是指()。

量子力学是量子计算的核心问题。()

5量子力学的发展经历了量子力学、计算机科学、密码学等四个阶段。()

10.2 量子计算机的过去与未来

二级制0或1组成的数字串,其信息单元称为()。

使用量子计算机进行大数分解,需要的时间是()。

在量子计算机上,大型矩阵的操作速度堪称呈指数级增长。()

5大数因子分解可以广泛应用于支付宝、网络等领域。

10.3 人工智能与人类智能如何相处

1人工智能发展的阶段包括()。

自然语言是人造语言,是一种为某些特定目的而创造的语言。()

3目前人工智能还不能理解人类智能。()

10.4 人机融合与分化

人机融合的关键点不包括()。

人工智能和教育的融合主要表现为()。

创新思考者的技能包括()。

发明家必须要有好奇心、无穷精神和果敢精神等品格。()

哩兑看蹋罐旦辑藕级粹恭峨柑


如需购买完整答案,请点击下方红字:


获取更多网课答案,请,进入


溜娶损嗽合斤位络汕刚泄惦侵

萌面人APP: 可查看各种大学网课答案,可一键领取淘宝,天猫,京东,拼多多无门槛优惠券

本文首发于公众号“歪理邪说”(wxieshuo)。

最近,无论中文还是英文,关于人工智能的讨论都突然变多,对于人工智能到底会不会危害人类也成了一个热点话题。很多讨论集中在所谓强人工智能出现之后的可能性,在这些来自未来学家的讨论中,远超人类智能的“强人工智能”会在我们有生之年出现,到那时候人类的命运会变成什么样。我觉得人们想的太远了。在强人工智能出现之前,人类已经命运已经注定灰暗了。

今天这些讨论,如果能够穿越时间,拿回给80年代的我们同龄人看,他们反而一点也不陌生,更不会被吓到。尽管那是一个没有智能手机,没有无线网络,连商用互联网尚未成型的年代。但那个时代的人,差不多认为到2000年,一切都能实现,甚至强人工智能也会实现。

回望80年代,即使以今天的标准看,也是一个科技爆发年代,从60年代开始的各种科学上的概念和想法,到80年代基本有了可用实现。不仅今天所用的人工智能基础理论和算法在那个年代有了突破,甚至今天大家在讨论的电动汽车,燃料电池………都是在那个年代就有了商用产品,今天我们说的所谓强人工智能这个词,也是60、70年代的产物。摩尔定律这个词,同样是60年代出现,80年代成熟。完全不算巧合,科幻小说在80年代也相当兴盛,并且出现了以网络虚拟空间和未来为主要题材的赛博朋克流派。我一直觉得,今天这些未来学家所讲的东西,没有一样能超过那些科幻小说的深度,尤其是赛博朋克流派科幻小说,他们所预言的近未来,几乎已经是接近实现了。

1984年,《神经漫游者》出版,这是一部科幻小说历史中的里程碑式作品,它开创了以网络虚拟空间为背景的赛博朋克科幻流派,甚至定下了这个流派科幻小说的基础元素,包括网络空间和巨型垄断企业控制世界,当然,其中也少不了最终控制一切的人工智能。

赛博朋克流派科幻小说中的未来大多是灰暗的,这种灰暗不是程序产生更高智能彻底奴役人类造成的,而是技术和人类本身共同完成,这也正是我的看法。

人们平时往往意识不到,如今我们早就已经生活在程序所划定的范围中了。这并不需要所谓强人工智能才能做到,分布在不同系统里面的带有一定智能,或者毫无智能的程序,早就是人们的重要帮手。大多数情况下,人们对程序结果的信赖已经超过了对人本身。

就算是对软件技术一无所知的人,也会从一些蛛丝马迹中有直接感受。比如说,很多年之前,各种系统还没有完全联网和计算机化的时候,很多事情,只要能说服终端办事人员,他大笔一挥,问题就解决了。但到今天,终端办事人员往往会同情的看着你,告诉你我知道你说的有道理,但是我没权限改系统,所以我也没办法。很多时候,我们完全被系统所困住,只能想别的办法变通执行。这些系统往往并没有智能,它们只是强硬执行设定好的规则而已,这样的系统照样可以规范人们的生活。

稍微智能一点的例子,是银行和保险行业。他们掌握着更多的数据,也可以基于数据计算出来更多的结果。无论是申请贷款还是买保险,最终给出结果的,往往并不是一个真正的人,至少不单纯是由一个真正的人作出决策,而是经过一堆程序“智能”的计算。至于程序计算的结果到底对不对,是不是完全符合你的状况,跟你打交道的真人往往也并不知道,系统是个黑箱,它做出了决策,人们遵从它。

更智能,更常见的情况是互联网上。每一家互联网公司以近乎贪婪的态度,去收集所有自己可能触及的数据。用户点击了哪个按钮,在哪个页面停留时间更长,分享了什么,赞了什么,哪些内容被转发,哪些内容被评论,把什么东西加到购物车,付钱购买了什么…所有的一切,都被记录。新一代的互联网公司们致力于为每一个个体提供定制的产品,你看到的页面,和你的朋友可能完全不一样,甚至你看到的商品价格,和你朋友看到的也未必一样。这些都是基于你自己的行为产生的,由程序计算出来的结果,多数情况下,其中并没有人工参与。只从体验上看,这不是一件坏事,毕竟,按照用户习惯定制的内容,可以让他使用起来更舒服,节约更多时间,人们也更喜欢这样的产品。

和几十年前一样,今天人们又一次开始讨论强人工智能,并且再次认为会在我们有生之年实现,除了未来学家们四处宣讲,现实中的原因是以深度学习为代表的无监督学习技术开始显出了极好的效果。通过这种技术,计算机看起来变得很智能,可以通过反馈得出一个比较好的结果。虽然这些技术让计算机能做更多的事,但它和人类所具有的智能仍然有本质区别。

严格来说,深度学习并不是新技术,它的基础仍然是神经网络算法。还是80年代,神经网络算法已经成熟(其实50年代就出现了),那是人工智能投入的高发年代,大量科学家,研究生投入这一领域,可惜效果长期无法达到真正可用,最终只有少数几个特殊场景可以成功应用。到90年代开始,这个领域失去了大多数关注和经费。最近10年,这一门派的算法继续演变成今天的深度学习,这一次,他们成功了。深度学习领域最重要的科学家,多伦多大学的Hinton教授带领的团队,在2012年LSVRC竞赛上,获得了一次巨大的成功,他们使用深度学习的算法远远超过其他参赛者,大获全胜。

为什么一个80年代差点被放弃的方法重新回到了世界中心?因为80年代虽然可以完成理论基础,但真正到达实用所需要的数据和计算能力都不具备。这几十年,随着互联网的发展,芯片价格下降,并行计算发展,以前的困难已经不再是问题。除了数据的数量极多,更重要的是,因为智能手机和各种传感器的普及,我们可以获得的数据种类也远远多于80年代,从而可以在更多领域进行尝试。在这些技术共同作用下,新的人工智能高投入时代又重新开始了。

危险确实由此开始,但危险的来源并非人工智能算法进一步提升,而是因为我们提供出数据越多,被限制和引导的机会也就越大,以今天人工智能技术水平可以做到的程度,已经可以令人非常不舒服了。未来,可使用的计算能力会增强,同时,人们提供的数据种类还会继续增加,尤其是和人自身相关的生物特征数据,必将让人类放弃更多的自由,这种趋势已经几乎没法扭转了。

从现在已经发生的说起。一些网站会给不同用户显示不同的价格,已经不是秘密了,前几年,酒店预订公司Orbitz就实验过让苹果用户只能看到更贵一些的房间,据说效果还不错,让他们多赚了不少钱。这是基于非常简单的规则完成的,他们把用户直接分成两类,苹果用户和其他,然后引导苹果用户消费。如果智能一些,可以按照用户购买习惯,去为不同用户提供不同的推荐方案,这我们也不陌生,在电商网站只要有帐号,哪怕只在登录状态搜索几个东西,很快都会收到各种量身定做的推荐邮件。

如果运算能力足够,让用户“多花点钱”这个目标,还可以做的精细很多。比如,在用户把东西加入购物车,付款之前,能不能找到一个功能类似、价格接近但利润率更高的商品,推荐给用户?推荐之后,能不能给他一些应该放弃之前的商品,转买这个商品的理由--比如有多少比例的人认为这个更好,或者,他的好友有多少人赞过它,甚至是,最近这个东西正在特价,是历史最低价。之后,用户买或者不买,都是一次反馈,系统会收集这种反馈,下次让推荐方案变得更适合这个用户。每一次重复这个过程,都可以帮助人工智能系统提高一点点,而一个人的行为产生的数据,又可以用于影响他的好友。

这个过程还可以做的更好,比如,用户加进购物车但没有买的商品,如果降价20%会不会促进他立刻购买?如果不行的话,把价格涨回去,会不会让他觉得后悔,那么下次再降价15%,是不是立刻就买了?随着我们把更多的数据联网,分析用户行为的依据会更明显。比起过去,人们开始把越来越多的生物数据联网,心跳,血压…有了这些参数,之前的流程又可以发生一些变化,当降价20%的时候,用户的生物特征会不会改变,比如,心跳加速?如果再涨价,生物特征又会如何变化。系统能不能从这些生物数据变化中分析出哪些是兴奋,哪些是遗憾?如果涨价之后用户感觉到遗憾,下次再降价15%,很可能会促成一次购买。这已经我们训练程序,而是程序训练我们。经过这种训练之后,下一次降价20%的时候,用户可能就会立刻购买,用户的行为模式改变了,这就是人被程序训练的结果。

这是一个相对直观的例子,我们可以推测出一些理由和可以用语言表示的规则。而在实际应用中的,人工智能程序往往是一个黑箱子,它目的是让用户买利润率更高的东西。至于具体如何做,对于不同的人会有不同的方法。就算是这个黑盒子的拥有者甚至创造者,也难以穷尽所有可能,知道它到底对每一个人到底做了什么。当然,到今天为止,这些还没有完全成真,但我相信,小规模尝试应该已经在进行中。没有大规模应用,只是因为计算能力还不够强,采集数据的方法也不够多。简单说,就是因为这样做性价比还不够高,但我相信,距离它被实现那一天并不会太远。

我们越来越多的使用网络,也提供越来越多的数据给不同公司,而各种传感器芯片的普及,又让我们提供了越来越多种类的数据。很多情况下,用户甚至并不知道这些公司在收集我们的行为。一个普通用户可能很难意识到,当他打开一个网页停留不动,这也是一种反馈。也很难想像打开一个app,点哪个按钮,也往往会被记录下来。这些用户行为数据,是"喂养"人工智能程序最好的材料。这些80年代的科学家们难以获得的数据,在今天它们随处可见,用户并不觉得它们珍贵。无论是Google,还是个人拥有的小网站,当你对它有意见时,总会有人告诉你,你又没花钱,人家爱怎么做就怎么做。这当然是错的,用户付出数据这么珍贵的东西,怎么能叫免费呢?要放在几十年前,一个人行为模式和偏好,往往只有他最好朋友和家人才有可能知道,今天不仅被各种公司获知,还用来做了商业用途。现在的法律只保护那些能简单对应到真实人的信息(比如证件号码),认为那些是隐私,这些行为数据,各种公司都可以随意收集和使用它们。每个公司都会坚称自己有隐私保护策略,我们就算不考虑数据被窃,被泄漏的可能性,就单说不同公司之间的收购和合并,已经足以让分布在各处的数据逐渐被汇总起来了。

今天这仍然不是一个明显问题,虽然我们已经离不开网络,但毕竟大部分时间,我们还在现实世界中。在现实世界,一块广告牌立在路边,所有人看到的都是一样的内容,人们没办法和网络广告那样,让每个人看到不同的广告。

但人类必将进入虚拟世界,正如赛博朋克科幻小说所展示的那样。随着虚拟现实技术的发展,现实世界和虚拟世界的界限会逐渐模糊掉。去年Facebook花了大价钱收购了Oculus,这是一家沉浸式虚拟现实公司,现在它的样子还很傻,是在头上带一个大盒子,人们不太可能带着它四处行走。更早之前的Google眼镜有着更大野心,希望成为日常应用的设备。它们的体验都远远达不到实用程度。但,这个方向是一定会有实际可用产品产生。近一点,有可能是《彩虹尽头》所描述的那种视网膜投射技术加上各种穿戴式设备构成的半虚拟现实的真实世界。更不要忘记,生化技术也在一直发展,神经联网那一天早晚会到来。

到那个时代,我们产生,和被采集的数据就会更多。现实和虚拟的界限彻底消失,我们在现实中仍然会通过虚拟现实技术看到为每个人定制的内容。那时候人们就会有更多行为会按照人工智能程序所规定的方式进行,并且,还会发自内心的认为那是他独立自主的产生想法。人会完全会成为程序的终端,为程序贡献数据,按照程序引导产生行为,依赖程序生活和工作。

就算在今天,我们也已经很难说哪些是自己的观点,哪些是被影响过的观点。很多人有这种感觉,看一场辩论的正反两方文章,一会觉得这边说的对,一会觉得那边也有道理。这一点也不奇怪,人就是这么容易被影响的,你很难确信什么是你真正的想法。如果你每天看到的信息,是被程序精心计算过的,就很可能会按照程序预先设定的方式行动。为世界上每一个人设计一套适合他的模式,引导他的行为,已经不是幻想了,技术上早就可以达到,剩下的只是计算能力和成本问题。

今天的程序和人混合的模式中,人工智能程序已经有规范我们生活的能力了,尽管这些程序没有真正的智能,也更不可能具有超越人类的智力。这些程序按照人们不同的目的被创造出来,它们嗅探人类的习惯,改变和引导人类的行为,而他们的创造者--那些公司们,同样是被它们所控制,难以离开他们。而且,就算是最大公司的股东们,他们自己的生活中,同样会被别的人工智能程序所影响和引导。人类和人工智能,已经是密不可分的了。

想想前面说过的,对着系统说我无能为力的办事人员,他其实已经是程序在现实世界的延伸了。即,他完全按照程序的处理结果执行,自己没有任何其他权限,他的工作只是替程序和现实世界交互。这是因为程序暂时还没办法直接影响到现实世界。如果有一天机器人足够成熟了,他就会被机器人所替代。看看周围,我们已经有很多的工作岗位处于这个状态的。比如,快递员,他们按照程序下达的指令工作,程序会替他设计最好的路线,他们只需要顺着走即可,自己可以发挥的余地很小,如果无人机成熟了,快递员的工作也可以被取代了。人类按照人工智能的指挥采集信息和工作,变成网络和计算机的终端,在很多讨论中,这是超越人类的人工智能出现后的事,但其实现在这种人和程序共同构成的系统已经可以实现的不错了,很多工作岗位的人都是程序控制下的最终执行者。

80年代科幻小说设想了各种情况,但没想到今天人们会主动把自己的数据贡献出来。无论是潜在的用户行为,还是显式的照片、声音、好友关系、品牌好恶,甚至自己的思考和情绪,在社交网络的帮助下,人们几乎毫无保留的贡献这一切。这个时代的人们担心自己的身份证号被人知道,但是对于以上信息,压根不觉得是隐私。其实身份证号才不是隐私,只要需要,有无数的方法可以获得它,但其他信息,除了你和你的朋友们主动交出来,很难有方法直接采集到。我们很快会进入一个数据垄断的时代,掌握海量数据的公司,可以利用这些数据获得更好的盈利,提供更好的服务,进而继续获得更多数据。缺乏数据的公司,在未来可能甚至没法创造出一个可用的服务来。

这远比资本垄断可怕,因为资本可以靠融资解决,数据只能通过积累获得,垄断者的地位更难以撼动。所以,做投资的朋友,记得投资那些可以收集和产生大量数据的公司,数据垄断的时代马上就会到来。

说到数据的垄断,所有赛博朋克科幻小说,都有一个设定,即,未来企业会代替政府,成为人类社会管理者。在另一本赛博朋克经典著作《雪崩》里面,美国联邦政府甚至沦落到了散落在高速公路周围的几顶帐篷里,私人企业拥有最大的权利。但在我们所经历的这个现实世界中,并不会如此。斯诺登曝光了棱镜之后,人们突然发现,美国政府才是最大的数据拥有者,确切的说,美国国家安全局或者国土安全部才是真正的数据持有和垄断者,他们不仅有通过行政手段从各职能部门获得的数据,还从几乎所有公司手里要求更多数据,甚至不惜去偷数据,他们监视者全世界的人,连美国的传统盟国也不放过。最终我们的社会形态,很可能是政府和企业共同成为垄断者,他们和各种目的的人工智能程序一起规范每一个人的具体行为,而大多数人对此会逐渐习以为常,一无所知。法国思想家福柯所设想的全景敞视主义,会在我们有生之年实现,以一种被监视者踊跃参与并且难以察觉的形式实现。

现实世界的实际威胁,比如IS的兴起,会极大加速这种进程,每个人都可以问问自己,你是愿意交出更多隐私,让监控无处不在,从而捕获恐怖活动的前兆,还是愿意遭到恐怖袭击?恐怖主义的威胁,会让绝大多数人选择前者。

最糟糕的是,今天我们已经到了一个没法调头回去的时代,我们没办法停止使用智能手机或者社交网络,也没办法不把数据交给大公司们。如果放弃了这些,可能已经跟被关进实际的监狱差不多了。就在几年前,人们还习惯看看地图出门,今天如果拿走一个人的智能手机,把他放在一个陌生的地方,他的第一反映是无所适从。就像《神经漫游者》所描写的,在那个已经可以通过神经联网的时代,处罚一个人的方式,是毁掉他的神经,让他无法再接入网络,而不是毁灭掉肉体。或者像《彩虹尽头》所描述的那样,如果你不能使用高科技,就基本等于是一个废人。从现在所有的情况看,人类会毫无阻拦的奔向这个一切都在控制之下的灰暗未来,所有人都在程序的规划之内生活,无论是这些系统的拥有者还是使用者,所有人对程序给出结果的信任都会超过对自己的信任,人类对系统极度依赖。这一天来临的时候,很难想象人类还会有什么进步,一切都安全,稳定,毫无意外的进行。就像《黑客帝国》里面的人类电池,活在现实世界的电池。到这个时候,无论更远的将来机器能不能产生超越人类的智慧,人类已经和毁灭没什么区别了。人类自己制造了一套系统,把全体人类关进了看不见的笼子里面,这种情况实现的可能性,远远超过强人工智能实现的可能性。

想停止这一切更加不可能,就算是在现在,试图停止美国政府收集数据的行为很可能会被认为是叛国。这个时代还勉强可以出现斯诺登这种出乎意料的案例,斯诺登拥有权限,但他利用这种权限,做出了对整个系统不利的事。未来,所有人都会生活在系统划定的规范之下,并且所有数据都被监控和计算,未来的斯诺登开始收集那些文档的时候,他的异常行为就会被系统发现,立即中止。也许,人类唯一的希望就寄托在各种寻找漏洞的黑客身上了吧。

最后再说一个黑科技,加拿大的D-Wave甚至制造出了第一台可商用的量子计算机,当然,学术界一直在争论它是不是真正的量子计算机,因为它几乎只能用于计算模拟退火这一种算法。但就算这一种算法也很有用了,Google买了一台这种计算机,据说是用于图像识别。图像识别和声音识别都是模糊现实世界和虚拟世界界限的技术。今天,计算机已经可以从摄像头的视野中,比较准确的追踪一张人脸,只是限于计算能力,还不能肆无忌惮的追踪所有人,未来,一切皆有可能。

  • 标题图 截图自电影《银翼杀手》 Blade Runner,虽然原著是1968年,但电影是1982年的,同样是80年代作品。

  • 《神经漫游者》威廉·吉布森 原著1984年出版,现在有很好的中文译本,Denovo翻译,强烈推荐。

  • 《彩虹尽头》弗诺·文奇 原著 2006年出版,有中文版。人们一直争论弗诺·文奇的早年作品《真名实姓》和《神经漫游者》哪个算赛博朋克开山之作,因为前者比后者早的多。但我仍然投后者一票。原因这里写不下了。

  • 《雪崩》尼尔·斯蒂芬森 原著 1992年出版,有中文版。

雷峰网原创文章,未经授权禁止转载。详情见。

我要回帖

更多关于 人工智能对未来生活的影响 的文章

 

随机推荐