別再誤讀了！一文讀懂人工智慧與人類智慧型的差異化
隨著人工智慧變得越來越聰明，關於ai將消滅人類的說法也不斷湧現出來。事實上，很多大人物都在呼籲人們提起警惕。到現在，似乎ai支持者谷歌首席工程師雷·庫茲韋爾對未來的樂觀態度似乎已經不敵比爾·蓋茨、伊隆·馬斯克和史蒂芬·霍金提出的擔憂。
誠然，我們確實有理由表示擔憂，但未來並不一定會是乙個黑暗的未來，因為我們可以有利用ai的更好方式，關鍵是認識到人類與機器智慧型之間的互補關係。說到底，人工智慧與人類智慧型有著天壤之別，所以以後可以停止對二者的比較了。
如今，人們很容易相信人工智慧已經變得像人類智慧型一樣聰明了——如果不是更聰明的話。比如，前一段時間，谷歌發布了duplex ai，能夠幫助使用者完成外呼預定美髮沙龍和餐館等操作。由於它的聲音幾乎與人類一模一樣，所以在整個過程中可以瞞過其對話夥伴，使之認為自己是人類。
此外，谷歌子公司deepmind開發了一款人工智慧，在最複雜的棋盤遊戲中擊敗了世界冠軍。而最近，人工智慧又被證明它可以像訓練有素的醫生一樣準確診斷眼疾……還有很多的事件可以表明，在不久的將來，機械人有可能會讓人類身處失業的狀態。
隨著技術的發展與突破，人工智慧在以我們肉眼可見的速度解鎖新領域、新任務、新技能，而這些領域之前被認為是人類智慧型的專屬。但這是否意味著人工智慧比人類智慧型更聰明呢?在小智君看來，將人工智慧與人類只能進行對比，這本來就是乙個錯誤的想法，因為二者是完全不同的東西，即使有時候它們的功能會重疊。
人工智慧擅長處理資料，不善於抽象思考
首先，即使是最複雜的人工智慧技術，其核心也與其他計算機軟體沒有什麼不同：以超快速率執行資料。ai及其分支，如機器學習和深度學習，只要研究員能將其轉換為正確的資料集，就可以解決任何問題。
舉個例子，影象識別。如果給出深度神經網路、深度學習演算法的基礎結構以及足夠多的標記影象，人工智慧就可以用非常複雜的方式進行資料對比，並找到定義每種型別物件的相關性和模式，進而實現用該資訊標記之前從未見過的影象中的物件。當然，語音識別的過程也是如此：如果有足夠多的人的聲音的數字樣本，神經網路可以找到人的聲音中的共同模式並確定某段錄音是否屬於那個人。
實際上，我們所了解到的關於ai的應用，無論是進行人臉識別還是診斷癌症的計算機視覺演算法，亦或是能夠驅逐惡意網路流量的人工智慧網路安全工具，甚至是玩電腦遊戲的複雜ai專案，都有這樣乙個同樣的規則。只不過，技術不斷在改變和進步。
正如有句老話說的是「人無完人」，所以ai也有自己的缺點，而它欠缺的就是抽象思考、常識的運用以及知識遷移。說回開頭提到的谷歌duplex ai，它可能非常擅長預訂餐廳或美髮沙龍，但這是兩項非常狹窄且非常具體的任務。甚至這個人工智慧還可以使用人類的語腔語調完成一次模仿人類對話的自然行為，但一旦談話偏離了軌道，duplex就會很難以連貫的方式作答。在這種情況下，它要麼終止對話，要麼在人類的幫助下才能以有意義的方式繼續對話。
迄今為止，已經有很多例項可以證明，一旦ai模型出現在其擅長領域之外的事件中或者接收到與他們訓練過的資料不同的內容，他們就會以一種不合邏輯的方式失敗。範圍越廣，人工智慧需要掌握的資料越多，就會出現一些邊緣案例，這些場景還沒有被訓練資料所覆蓋，最終會導致人工智慧的失敗。乙個例子便是自動駕駛汽車，儘管已經行駛了數千萬公里，但它仍在努力實現完全自主，遠遠超過人類成為專家駕駛員的需要。
人類不善於處理資料，擅長做抽象決策
從資料部分開始。與計算機相反，人類在儲存和處理資訊方面非常糟糕。比如，想要記住一首歌的歌詞，必須多次迴圈聽才能記住它;但對於計算機來說，記住一首歌就像在應用程式中按「儲存」或將檔案複製到其硬碟中一樣簡單。同樣，對於人類來說，不記憶也是很困難的。即使盡自己所能，一些不是很好的記憶還是會存在自己的腦海裡。而對於計算機來說，忘記一些東西就像刪除檔案一樣簡單。
說實話，在處理資料方面，人類遠不如人工智慧。在上文提到的所有示例中，人類或許能夠執行與計算機相同的任務，只不過在人類識別和標記影象所花費的時間內，ai演算法可以完成對一百萬個影象的分類。毫不誇張的說，計算機的絕對處理速度使它們能夠在涉及數學計算和資料處理的任何任務中超過人類。
人類可以感受、想象、夢想，可以無私或貪婪，可以愛恨交加，可以撒謊，甚至有時候會混淆事實。所有這些情緒都可以以理性或非理性的方式改變他們的決定。人是一種由肉體製成的不完美的有缺陷的生物，每乙個人都以自己的方式獨特生存;而人工智慧，從核心上講，是由數十乙個無生命的電路執行的微小的電流。
人工智慧與人類智慧型截然不同，請停止比較
總的來說，所有這些都不意味著人工智慧優於人類智慧型，反之亦然。因為本質上，二者就是完全不同的東西。ai擅長重複性任務，這些任務具有明確定義的邊界，可以用資料表示，而且對於需要完成基於不完整資訊，憑直覺做出決策的任務來說，往往表現的很糟糕。相比之下，人類智慧型適用於需要常識和抽象決策的環境，而對於需要進行大量實時計算和資料處理的任務則表現不佳。
從不同的角度看，我們應該將ai視為增強智慧型。人工智慧與人類智慧型相輔相成，彌補了彼此的不足。因此，他們可以一起完成任何自己無法單獨完成的任務。比如，ai善於利用大量的網路流量找出異常情況，但在決定哪些是需要調查的真正威脅時會犯錯誤。而另一方面，人工分析師不善於監控通過公司網路傳輸的千兆位元組資料，但他們擅長將異常與不同事件聯絡起來，並確定哪些是真正的威脅。所以，ai和人工分析師可以填補彼此的空白。
誠然，現在人工智慧可以做越來越多的事情，它們的邏輯也變得更為複雜，所以它們有能力去應對更複雜的情況，以及處理更多的變數引數。但是人工智慧和人類各自的強項都體現在不同的領域，這意味著我們需要探索的是共生關係，而不是競爭關係。
很多人都持有一種觀點，即機器會取代人類的工作機會。在小智君(aiobservation)看來，其中不乏誇張的宣傳，事實證明，人工智慧的擴張創造了更多的就業機會而不是摧毀。但是，正如過去每項技術突破所做的那樣，在許多任務中，它確實可以消除對人類的需求。但這可能是因為那些工作從來都不是針對人類的。現在我們在這些工作上花費了大量寶貴的人力資源和勞動力，或許就是因為我們尚未開發出能使其自動化的技術。
隨著人工智慧變得善於執行更多的任務，作為人類，我們將有更多的時間把我們的智慧型用於具有創造性、社交性、藝術性、體育、文學、詩歌以及其他有價值的應用中。到那個時候，我們就使用我們的增強智慧型工具來增加這些工作的創造力了。
最後，我們不是機器，機器也不是人類，未來將是人工智慧和人類智慧型共同構建的!
人工智慧 人工智慧與人類智慧型的關係
1.基本概念界定 1.1人工智慧 人工智慧是在20世紀中期以後產生的學科，人工智慧就是用機器模擬人類的智慧型活動，從而用機器代替人類行使某些方面的職能。人工智慧是通過探索人的感覺和思維的規律來模擬人的智慧型活動，電子計算機是人工智慧的媒介和基礎。阿倫 圖靈說 如果一台計算機能騙過人，使人相信它是人而...
一文看清拉卡拉支付人工智慧布局
當前社會步入 網際網路 時代，更是由於移動支付的方便和年輕化的消費群體，越來越多的使用者來使用移動支付，眾多第三方支付企業利用各種各樣的方式和渠道，來吸引更多的使用者，在競爭激烈的情況下，企業品牌的知名度顯得越發重要。拉卡拉能夠從中脫穎而出，成為我國國內第三方支付行業的領先企業，得益於企業多年來的各...
一文看懂阿里雲人工智慧全方位布局簡史
摘要 左手et大腦，右手ai解決方案，以雲計算為基石，再加上超強計算能力，阿里雲人工智慧布局無懈可擊。從另一方面來看，在ai布局思路上，阿里雲幾乎從不強調其在ai技術上的突破，而更強調將ai技術應用到商業場景之中。在2018年6月7日的上海雲棲大會上，阿里雲宣布，將為吉隆坡提供et城市大腦，助力城市...