两年前，伯克利大学打算机科学教授兼人工智能专家迈克尔·乔丹写了一篇文章，提醒人们不要过分浮夸人工智能，他流传宣传人工智能革命是人们未来唯一希望实现的革命。

在笔者看来，虽然看起来并非科幻小说中所描述的那样，但这场革命已经到来了。

人工智能：“智能通配符”

正如乔丹在其文章中明确指出的那样，“人工智能（AI）”这个术语在各种技能中运用如此广泛，以至于它实际上已失落去了意义。
”

他在《人工智能——革命尚未到来》中写到：“当前关于这些问题的公开对话过多利用人工智能作为智能通配符，这让人们很难对新兴技能的范围和结果进行推理。
”

人工智能是一个“智能通配符”，可用于谈论基于逻辑或推理的任务，这些任务曾经是由人工完成的，现在打算机就可以实现。
自然措辞处理、神经网络等算法，以及模式识别等基本功能都常常包含在人工智能的谈论之中。

撒下这么大的网，难怪人工智能很难达到人类的期望值。
人工智能不具有人类那样的推理能力，看起来就不像已经发挥了潜力。
但如果由于人工智能不像科幻小说里写得那么酷就忽略它，这很有可能限定人们利用现有的具有改造性的人工智能。

从历史上看，人工智能的目标一贯是创造一个完备独立的推理机器。
这种自主的人工智能是一个伟大的终极目标，但不必等到实现这种可能性才承认革命。
人工智能增强人类聪慧，使人们能够根据数据做出更有效的决策，这已经是传统决策的一大进步。

以前，人们做决定局限于有限的信息，任何人都可以有效地网络和处理这些信息，而人工智能则可以使人们搜集所有干系信息并快速理解其含义。
虽然人们可能无法完备摆脱流程的束缚，但决策会变得有效很多。
这是具有革命性的——也是笔者认为的人工智能的最佳运用。

革命性的人工智能

图源：ytang3

如果承认人工智能的目标是对人类决策进行自动化和优化，而不是肃清人类在方程式中的浸染，那么自乔丹撰写文章以来，我们在人工智能领域取得的进展就变得更加清晰了。

比如胎儿超声。
乔丹的文章以故事开头，阐述了人类在有效利用数据、统计资料、技能和医疗信息来评估产前照顾护士风险的局限性。
由于在为孕妇选择最佳照顾护士方案和孕育胎儿的过程中涉及到很多成分，以是危险的误判是很常见的。

然而，在该文章揭橥仅五个月之后，研究职员就发布了一个人工智能系统用来评估超声波，检测和诊断心脏非常。
该系统会评估所有让年夜夫难以给出最佳建议的繁芜问题，然后推举治疗操持。
年夜夫和病人对医疗决策拥有终极的选择权，但由于人工智能上的创新，他们节制的信息更为充分。

表示人工智能不敷的确切问题已经办理了——没有人建议说人工智能利用的终极决定权不在人类手中。
还有许多其他例子，例如通过腕表和电话监测慢性病（如糖尿病）等等。

图源：unsplash

过去两年来，人工智能的进步一贯在帮助人们做出更好的决定，不仅仅局限于医学领域，商业也同样发生了变革。

埃森哲得到了一项技能的专利，该技能可以进行即时支出剖析，利用户能够更灵巧地应对财务状况的变革；一家初创时尚公司Glitch利用人工智能来创造独特的设计理念，但仍让设计师们随时准备做出终极决定，决定什么会吸引消费者。

笔者事情的公司Evo秉承从自动化决策中创造代价的精神。
大多数公司都曾根据历史数据和过去的发卖额进行过需求预测，但我们的人工智能让评估包含的实时数据来源更广泛，这使预测准确率均匀提高了36%。
人们根据这些预测做出关键的商业决策，比较于直觉，他们的选择有了更好的根本。

人工智能之人机同盟

保持人工智能的自主性并不一定会改进结果，人工智能推举的准确性常日会随着额外的人类主不雅观输入而提高。
例如，当商店经理在有限的范围内调度库存建议时，供应链算法可以供应更准确的需求预测。
这是为什么呢？人们对顾客需求的理解与地方水平有某种难以言喻的关联，这是很难量化的。

通过将人工智能打算的能力与人类直觉相结合，预测准确度比自动天生的人工智能预测提高了5%。
当然不能担保人工智能模型中的任何特定人为干预都会产生同样的积极影响；人类偏见常常被带到人工智能中。
但人类与人工智能互助的总体影响是积极的。
人们实现了创新，值得将如今取得的进步称之为革命。

当考虑到人工智能已经造就的可能以及每天涌现的新可能时，很明显，我们已经到达了人工智能领域发展的临界点。
每天都有新的学术和商业运用涌现。
人工智能的发展可能会偏离我们的预期，但这并不影响已经取得的巨大进展。

图源：Evo

乔丹明智地指出，对完备自主的人工智能进行大肆宣扬会使人们无法看到人工智能作为聪慧增强手段可能带来的机遇。
人类直觉和机器打算能力相结合，才最有可能办理紧迫的社会问题。
利用人工智能帮助人们做出更合理、更明智的决定，这本身便是革命性的一步。

人工智能革命已经拉开了序幕。
情形不像科幻作品里那样震天动地，事实证明我们与机器处于同一战线，共同探寻着问题的最佳答案。

留言点赞关注

我们一起分享AI学习与发展的干货

如转载，请后台留言，遵守转载规范