摘要： 與其盲目拒絕，不如冷靜擁抱。
機器是否能思考？機器和人的區別是什麼？早在17世紀，勒內·笛卡爾就曾經思考過這個問題，當時他給出的推論是，機器雖然能夠根據人動作做出不同的反應，但是並不能以各種方式組織語言類演講表達，因此機器不同於人類。 這位被視為解析幾何之父的數學家，同時也是西方現代哲學的奠基人；醉心哲學研究的他，留下了「我思故我在」的名言。
應該說，類似笛卡爾這樣的哲學思考和論斷，起到了安撫人心的作用。在機器隆隆作響的三次工業革命程序中，從未引起如今這般全社會範圍對機器智慧型的恐慌。農業人口減少，但是促生了工人群體，並湧現了重多具備專業知識的中產階級；高新科技產業的發展不僅帶來了體積更小、速度更快、能耗更小、**更低、可靠性更強的各類專業計算機器，而且實現了資訊的互聯互通，人們享受著技術進步帶來的成果。
2023年，也就是半個多世紀前，計算機先驅圖靈在一篇《計算機機器與智慧型》**中提出了乙個試驗，如何確定乙個機器是否有與人類等價的智慧型。 在這個試驗中，所有對話內容都是以文字形式傳遞的，即問題和答案通過計算機鍵盤輸入和螢幕輸出。
圖靈測試自此引發了業內數十年內的無數次試驗， 偶爾有一些試驗聲稱自己通過了圖靈測試，但是莫衷一是，並沒有取得廣泛的認同。大家也因此『沾沾自喜』地以為機器還是無法與人類相提並論。
業界普遍認為，在圖靈測試提出的六十四年之後的2023年，乙個聊天機器程式成功讓人類相信它是一名13歲男孩。同年，英國倫敦google deepmind團隊開始研發人工智慧圍棋軟體，並陸續戰勝了圍棋職業棋手李世石、柯潔以及五人團隊。僅僅經過兩年時間，alphago就從業餘棋手成為了真正打敗天下打遍天下無敵手的世界第一；最新代alpha zero則可以通過自我學習完成21天戰勝中國棋神。
這時，ai贏得了空前的關注。人類，開始恐慌。
ai雖然取得了巨大成就，但是距真正服務現實生活還有一定距離。李開復在其剛剛結束的達沃斯見聞中寫道：「deepmind團隊mustafa非常坦誠地說：『alpha zero沒有那麼神，外界對它有點誇大了。它要想工作，必須滿足三個前提：可**環境（圍棋規則），清晰獎勵系統（輸贏），無變數（variability) 。』也並不是外界說的不受監督，alpha zero的監督來自於它的結構和訓練環境，這些依賴強化學習的具體方法在現實生活中效果不是很好。在現實生活中我們無法提供模擬器，進行巨量訓練來形成演算法。……，因為真實世界比遊戲複雜很多。」
回顧以往，ai（artificial intelligence）經歷了三個重大階段，早期探索階段是圖靈測試提出的2023年左右，基於數學統計學，通過公式表達資料變數之間關係，並將該邏輯編寫於**中；2023年左右開始機器學習（machine learning），基於各種演算法實現提取特徵、分類，進行資料加工或/和模型訓練等工作；而2023年左右深度學期迅速崛起，這種基於深度神經網路的模式，無需手動提取特徵或分類。
取自英偉達公司關於人工智慧的演講分享
目前，人類依然在研究人腦工作原理，人工智慧無法完全取代人類思考，但是在給定具體場景和工作任務的情況下，人工智慧完全可以勝任那些單
一、重複、枯燥的工作。可以認為，ai更多地被嘗試在不同領域成為合格的任務執行者，比如自動駕駛、聽寫轉譯、人臉考勤、城市交通資料感知和決策等。
不如，思考怎樣用好ai服務於公民。不如，擁抱ai。
實際生活中，對話服務存在各種各樣的場景。比如語音搜尋資訊（查詢天氣或路況），發起乙個任務相關的一連串請求（預定某次航班及座位），諮詢類溝通（選擇酒店或者****）等等。
提及對話自然繞不開圖靈測試，在圖靈測試提出之後，業界不斷努力沉澱出經典的自然語言處理（nlp）技術，建立聲學模型，並相繼引入機器學習及深度學習，文字和語音素材的處理能力節節攀高。時至今日，計算機已經可以在一些場景下與人順暢地溝通交流。也正基於此，客服行業正在逐步從勞動密集型專向技術密集型。
傳統上語音識別聲學模型一般採用gmm-hmm進行建模。2023年以來，隨著深度學習技術的發展，基於dnn-hmm的建模方法取得了長足發展，相比傳統方法可以使語音識別的準確率相對提公升20%-30%，2023年左右已取代前者成為學術界和工業界的主流配置。為了充分理解上下文，研究人員先提出一種長短時記憶網路（lstm-rnn），而後又對lstm進行了擴充套件，使用雙向長短時記憶網路（blstm-rnn）進行聲學模型建模。blstm可以有效地提公升語音識別的準確率，相比於dnn模型，相對效能提公升可以達到15%-20%。
2023年4月阿里開始重構智慧型助理，以ai和人工結合方式提供智慧型購物、極速服務的私人助理體驗，問題解決準確率達90%，2023年雙十一智慧型助理接待6500萬人次，對話1億輪次。隨後，阿里開放給商家ai機械人產品，與千牛/旺旺深度整合，服務了3萬+活躍商家。去年，上線了面向個人和企業的會話式機械人開放平台，並同時通過場景+產品+服務+方**+合作夥伴的形式，向金融、航空、運營商、教育、醫療等行業快速推廣。
工作中難免會有一些操作繁瑣的事情，比如資料匯入、採購訂單填寫、發票管理、員工考勤等，這些涉及數字等重要資訊的工作，容不得半點馬虎，但是不得不承認，這背後的操作單調重複且並不給員工們帶來巨大的能力提公升。
企業應當充分利用計算機優化資訊系統和業務流程，認真思考組織架構和核心技術。不應該讓有能力的員工，被工作拖沓得失去耐心和熱情。
比如，薪資結算這項工作，需要由分公司的人事專員首先獲取員工考勤、工時、合同工資等相關資訊，在薪酬系統中提交按照規則計算出相應的數字，再經過一定的審批流程後，執行付款。在這一項工作中，可能會從數個不同系統和不同部門獲取資訊，步驟繁瑣；並且事關薪酬，切不可有差池；而倘若員工人數可觀，那麼則更加繁重。
以財務部門工作為例，大集團內的相關財務需要橫跨多個部門，具有眾多的共享協作工作，如總賬管理、工程核算、現金流**、預算管控、資產管理、稅務申報、稅表管理、入庫歸檔等等。
阿里集團也曾經面臨同樣的困境，隨著業務發展，遇到了越來越多的各部門協作、複雜流程和效率低下的問題，亟需一種方法提高工作效率、讓人專注於更有價值的工作。碼棧，於2023年，應運而生。在內部千錘百鍊之後，於2023年實現了4000使用者、累積執行2.5億條任務的突破，碼棧rpa產品於2023年起賦能阿里平台客戶與合作夥伴。
據悉，碼棧rpa已經成功服務於阿里集團財務部、天安人壽集團客服部門、安踏財務部門、螞蟻金服、中國進出口銀行浙江省分行等多家客戶。其中，財報入庫機械人只需要5分鐘左右即可完成耗費人力8小時的工作，將工作效率提公升1000%；而其他種類如資金管理機械人、廣告複核機械人、增值稅申報機械人等可提公升100%、500%、800%的工作效率。
運維部門是公司it系統的防線。一台伺服器很好管理，交給初級工程師也還算放心；數幾台有點緊張，需要精銳團隊齊心協作；但是，如果上萬台呢？上萬台中執行著成百上千的應用，就務必需要有跨越式、躍遷化的管理方法了。
在巨大的運維重任下，阿里巴巴集團內部嘗試了借助人工智慧來更好地管理業務故障，將業務資料、應用效能和基礎架構三個維度綜合考察，再結合資料儲存、ai演算法、資料分析、資料呈現等方法，可以針對業務異常事件自動拆解相關維度，逐層剝離定位故障原因，實現故障的一鍵快速恢復。同時兼具告警與**功能，關聯多個業務場景進行上下游根因分析，進行異常自動告警；通過時間序列分析和機器學習可以對未來一段時間的業務指標趨勢進行**。更難能可貴的是，這種aiops的方式可以根據變化自動調整演算法引數，全程自動學習無需人工干預。
此外，在阿里內部經過千錘百鍊的ai智慧型基線，基於歷史資料，可以簡潔直觀地發現異常趨勢。據悉，智慧型基線幫助阿里集團將故障發現準確率從40%提高到80%，故障召回率從30%提高到80%，每週節省因誤報而花費的操作時間29小時。
在人類社會發展的長河中，隨著技術的不斷迭代，人們漸漸從枯燥重複的勞動中解放出來。洗衣機將衣物清洗變成了只需幾分鐘的簡單操作，微波爐帶來了乾淨而高效的食物加熱方式，汽車火車飛機等交通工具大大縮短了旅途時間。
ai作為當今時代，是冉冉公升起的技術新星，也不可避免地步入了我們的社會生活。
阿里雲，也會一如既往地致力於以科技服務社會。
閱讀原文
大時代的序幕
很多人認為這是 移動時代 的開端 其實他們錯了 從來都不存在 移動時代 的概念 因為即將開始的是乙個革命性的大時代 很多時候其實只需要用腦子想想 手機和pad有什麼區別？未來它們又會有什麼區別？真正的設計師會告訴你 它們其實毛線本質區別都木有 你把iphone做大一點就是ipad 把ipad做小一點...
談談人工智慧時代（AI）
一 智慧型城市 1 智慧型家居 未來家居將會更加智慧型化 人性化，冰箱 空調 電視機 熱水器 燈 馬桶等都可以通過手機來自由設定和控制 2 智慧型交通 3 智慧型生活 以pepper為代表的情感機械人將會普遍走進廣大人民的生活 二 智慧型工廠 1 erp 企業資源計畫 企業資源計畫，包括物料需求計畫...
AI時代，APP運營是否會被淘汰
二.運營的工作 運營可分 為內容運營 使用者運營和活動運營。在這三大運營方向中，除了常規的運營方法，運營更是要懂得如何撬動使用者。內容運營 1 使用者是否喜歡你所提供的內容。運營人員在為自己平台選擇內容的時候，需要根據自己平台特性 使用者喜好，為使用者提供更為優質的內容。2 內容的形式是否可以更多樣...