1704804510
1704804511
要成功应对这一轮工作革命，我们首先得明白人工智能有哪些优、劣势，然后才能明确人类该如何扬长避短。
1704804512
1704804513
1704804514
1704804515
1704804517
人工智能时代的教育革命 第二章 人工智能的工作原理及其优缺点
1704804518
1704804519
1950年，计算机之父阿兰·图灵提出设想——“机器真的能思考吗”，人工智能的研究目标由此明确。现在公认的人工智能起源是1956年的达特茅斯会议，约翰·麦卡锡、马文·明斯基以及克劳德·香农等人在达特茅斯举行研讨会，提出了“人工智能”这个名词，人工智能的定义简单来说就是让机器完成一些需要人的智能才能完成的任务。
1704804520
1704804521
美国美林银行预测，2025年以前，人工智能每年产生的创造性破坏的影响可能会达到14万亿到33万亿美元，其中包括因人工智能实现了知识工作自动化，导致雇用成本减少的9万亿美元，制造业和医疗护理开销减少的8万亿美元，以及部署无人驾驶汽车和无人机后因效率提升增加的2万亿美元。
1704804522
1704804523
麦肯锡全球研究院的观点更加惊人：人工智能带来的社会转变比工业革命“发生的速度快10倍，规模大300倍，影响几乎大3000倍”。
1704804524
1704804525
我们不禁要问，人工智能为何有如此逆天的威力？
1704804526
1704804527
持续两百多年的工业革命创造的各种机器大幅超越了人类的体能，正在爆发的人工智能革命在快速追上并超越人类的智能，这个“新物种”严重冲击了人类作为地球上唯一高级智能体的地位。
1704804528
1704804529
三大基石：人工智能的“智力”从何而来？
1704804530
1704804531
2016年3月20日，清华大学语音与语言实验中心网站宣布，它们的作诗机器人“薇薇”通过社科院等唐诗专家评定，通过了“图灵测试”——“薇薇”创作的诗词中有31%被认为是人创作的，超过了30%这个合格标准。
1704804532
1704804533
什么是图灵测试？图灵测试的核心是“计算机能否在智力行为上表现得和人无法区分”。我们在墙后放一台计算机，放一个人，然后问一些问题，比如为什么会出现父系社会？计算机和人都给出一些解释，当我们无法判断哪个解释是计算机给出来的，哪个解释是人给出来的时候，就可以认为这个计算机和这个人有同等的智慧。
1704804534
1704804535
图灵测试大会的具体规则是，如果在一系列时长为5分钟的键盘对话中，某台计算机被误认为是人类的比例超过30%，那么这台计算机就被认为通过了图灵测试。2014年的图灵测试大会共有5个聊天机器人参与，其中俄罗斯科学家开发的“尤金·古斯特曼”成功地被33%的评委判定为人类，它模拟的是一个13岁乌克兰男孩。在这次测试中，对话是不受限制的，而真正的图灵测试正是不预设问题或主题的。因此可以说这是人工智能在聊天领域首次通过图灵测试。
1704804536
1704804537
随着越来越多的机构宣称自己设计的智能程序通过了图灵测试，人工智能拥有与人类同等的智能成为人们必须正视的现实。正如发明家们不是靠模仿鸟类发明飞机，从而实现“人工飞行”；也不是靠模仿鱼类发明潜艇，从而实现“人工深潜”；人工智能也没有完全模仿人类大脑思考的生物过程，却能在越来越多的领域实现与人类智能相同的结果，而且速度更快、效果更好、成本更低。
1704804538
1704804539
阿尔法狗是当今人工智能的先进代表，它排名世界第一的围棋棋力来自于30万张人类高手对弈棋谱以及3000万次自我对弈，其思考能力来自“大数据（来自互联网、物联网）+深度学习（优秀算法）+云计算”。
1704804540
1704804541
大数据、深度学习和强算力（云计算）是当今人工智能技术的三大基石。
1704804542
1704804543
把智能问题变成大数据问题
1704804544
1704804545
20世纪中叶，很多计算机科学家认为，如果计算机实现了下面几件事情中的一件，就可以认为它有智能：1.语音识别；2.机器翻译；3.自动回答问题。
1704804546
1704804547
1972年，康奈尔大学教授弗莱德里克·贾里尼克来到IBM沃森实验室进行学术休假，应邀挑选了一个他认为最有可能突破的智能课题——语音识别。
1704804548
1704804549
贾里尼克的专长是信息论和通信，因此他看待语音识别问题的角度不同于人工智能的专家们。他把语音识别看成是一个典型的通信问题：人的大脑是信息源，想到一件事并说出来，是一个编码的过程；这句话经过空气或者电话线传到听众耳朵里，是一个经过信道的信息传播问题；信源有信源编码，信道有信道编码，整个是一个编码过程，最后听众把这句话听懂，是一个解码的过程。既然语音识别是通信问题，就可以用解决通信问题的方法来解决。贾里尼克先用两个马尔可夫模型分别描述信源和信道，然后用IBM积累的大量数据训练和使用这两个模型。这个方法让IBM将语音识别率从当时的70%左右提高到90%以上，已经基本能让人们理解语音内容了；同时语音识别的词汇量从两三百个单词上升到两万多个单词，足以走向实际应用。
1704804550
1704804551
贾里尼克的新思路被称为数据驱动，这种方法有个很大的好处：随着数据量的积累和计算能力的增强，系统的表现会越来越好。很多其他方法的改进需要靠理论的突破，改进的周期会很长，其效率不如数据驱动方法。此后人工智能专家们把智能问题变成了大数据问题，可以说“人工智能”就是“数据科学”。
1704804552
1704804553
数据驱动的威力还体现在谷歌在机器翻译领域的巨大成功。2005年，美国国家标准与技术研究院对全世界各机构的机器翻译系统进行评测。在阿拉伯语到英语翻译的封闭集测试中，谷歌系统的评分为51.31%，领先第二名将近5%，而提高这五个百分点在过去需要研究7～10年；在开放集的测试中，谷歌51.37%的得分比第二名领先了17%，大约领先了一代人的水平。谷歌的机器翻译系统只研发了半年多的时间，并没有创造更高明的方法，但它使用的数据量比其他机构高出了近万倍，大数据就是它大幅提高机器翻译智能的方法。
1704804554
1704804555
前面提到，机器智能面临三大考验，除了语音识别和机器翻译，还有“自动回答问题”。《浪潮之巅》和《智能时代》的作者吴军曾负责谷歌的机器问答项目，解决了30%左右的问题，这远远超过了学术界同类研究的水平。除了依托谷歌世界领先的自然语言处理等基础算法，吴军成功的关键在于转换了思路，把这个过去认为是纯粹自然语言理解的问题，变成了一个大数据问题。
1704804556
1704804557
由于谷歌有完备的大数据，用户在互联网上问的各种问题，有80%左右可以在前十条自然搜索结果中找到答案（去掉广告、图片和视频等搜索结果）。因此，机器自动问答这个难题可以转换成在大数据中寻找答案的摘要问题。谷歌先用算法把问题和网页中的每一句话一一匹配，挑出那些可能是答案的片段，接下来是用自然语言处理算法把摘录的文字片段进行拼凑，组成符合语法而且读起来通顺的自然语言。
1704804558
1704804559
总之，大数据是人工智能的第一块基石。机器的学习过程和人类是不一样的。一个小孩见到几只猫从自己眼前走过，妈妈告诉他这是猫，他下次见到别的猫就能知道这是猫。而要教一台机器来识别猫的话，可能需要给它提供超过100万张猫的图片来学习。所以说有大数据才有人工智能。
[
上一页 ]
[ :1.70480451e+09 ]
[
下一页 ]