你怎样看待人工智能？人工智能到底好或是不好？_ZNDS问答

叛岫峙光永

你怎样看待人工智能？人工智能到底好或是不好？

对于日益发展的人工智能而言，这是历史的潮流和进化箭头的指向，是无法逆转的。总会有人做，一国不做，别国会做，要是全地球人都达成协议不做，等到地球哪天不宜居就来不及了。
我们今天跑GPU烧掉那么多能源，为的是将来可控核聚变的成功，为的是让地球终于成为I型文明。而这些，靠回归田园生活，靠节流，靠艰苦朴素是没有出路的，靠万千科研人员用尽毕生精力，一点一点地手调参数手工设计也是不行的，得要不停地自动化再自动化才可以，而AI就正在向这个方向前进。
我一直很同意《未来简史》的观点，即意识和智能是可以分离的。AI可以做很多人做不到的事情，但至少从目前看来，研究功能更强大的AI未必一定要让它有自身存在的目的和意义。监督学习人给AI标签信息，强化学习人给AI制定奖励函数，虚拟环境和任务，AI的目的是负责自动寻找并且输出更好的解。两个AI相互对话产生人类不理解的语言？这只是为了完成一台特定任务所找到的另一台解而已，所以至少目前为止，看不到任何AI有产生自我意识的可能
与其担心AI与人类的对立，担心突然冒出一台全知全能的AI统治人类，我觉得将来AI和人类的融合是更为可能的。
回顾历史，人工智能从来不是指什么天上掉下来的新东西，计算器代替人脑算加减乘除，密码锁没有正确密码不能打开，八音盒拧上发条会自个唱歌，这些都是非常初级AI的体现，但我们早已耳濡目染，再没有一惊一乍了。下一代人，也会把刷脸开门甚至是坐飞船去火星打工当成理所当然。我们往往把成熟的科技当成空气和水，在每日的重复中被忽视；另一方面，不成熟的科技在科幻的渲染下变成过于神秘了。而当科技成熟了，它们就又变成新的空气和水，在我们喜新厌旧的视野中消失了。这种渐进式的发展和相互融合，最终让这种概念上的对立不复存在。而身为科技工作者的我们所要肩负的使命，就是不停地推动最前沿的发展，对全世界开放自个的研究成果，正视当前的问题并解决之。
这些都不是未来才会发生的事情。事实上，我们已经在这条道路上大步向前了，没有智能手机，相信大家都很难过日子，从这点上看，智能手机难道不已经成为了人类的一台可替换的器官了么？以后试想要是有芯片，植入大脑就可以让自个聪明一倍，谁不会去用它？要是有强健且便于携带的外骨骼，谁不想去换一台？到时候谁是AI谁是人的边界开始模糊。
最后的最后，人就是AI，AI就是人，所有AI的决定，也即是人的决定。你说AI绑架了人也好，说人参考了AI的意见也罢，都无所谓了。因为我们当下做的每个决定，也有肚子里细菌的功劳。
另外说一下风险。之前说了，目前AI的水平还远远没有达到所谓“威胁人类”的程度，作为在一线的科研人员，我们每天的痛苦是觉得AI实在太笨了，各种花式犯蠢，最后想来想去，或是因为自个笨啊（！）但另一方面，一直以来总有人说AI有多厉害，AI可以一下子解决目前的很多问题，AI要被限制，这个论调前两年一直有，目前好些了。
长远来说，AI是重要方向，会有很大的收益，但它是缓慢但持续地发展的。但另一方面，人往往恨不得投资马上就会有回报。往往高估AI一年内能做到的，却低估AI十年二十年内可以做到的。这种期望和现实的不均衡性，会让AI在被吹爆和被踩爆之间反复跳跃，等到大家都怀疑AI吹的牛不能实现，过于悲观而失去解决难题的信心，那就不好了。历史上这是有深刻教训的，我们目前也看到了，AI还没让人下岗，搞AI的人先下岗——那是因为前两年我们太过相信它了。
我们能做的，就是广泛科普和开源，大家都明白AI是如何回事，大家都把它当成实实在在的基础技术，明白它的优缺点，不吹牛也不贬损，那它就会一直都在。

作为一台机器学习领域的AI程序员的角度来说，人工智能的好处大于坏处，举例来说 1.今日头条的推荐，手机你的个人标签和兴趣爱好后会推荐给你想要的，喜欢段子就推荐段子，喜欢美女就推荐美女 2.百度搜索，是不是总能感觉到有时候输错了也能出来你想要的，百度后台的纠错算法和兜底算法都是很强大的 3.智能家居，如何说。就两个字，舒服，解放双手，让生活更轻松。人工智能目前不断改变人们的生活，从语言识别，图像处理各个方面，无时无刻不在改变人类的生活。

你好，作为一名科技领域的创作者，下面我为大家分享一下我对这个问题的看法。

首先，人工智能是未来社会的大趋势，虽然可能有一些潜在的风险，但是在短期内人工智能带来的利远大于弊，它将会极大的改善人类的生存质量。
其次，机器人代替人是趋势，原因在于一些重复危险的工作已经少有人在干，但是这些活又是必须的（巡检，攀爬）为了未来这些行业，就必须开发新的生产力工具，智能机械就是这个趋势；目的也是为了解放劳动力。

现阶段人工智能还很人工，算法和判断依赖人在后台的标注、需要训练；实际应用还没有很好的落地，相信以后将会带来产业变革，艺术创意，工匠型工作附加值会越来愈高。
最后，人工智能有利有弊，但我觉得这个“智能”要有个度，绝对不能赋予像人类一样的感情，因为人有好坏，人工智能肯定更会如此，运用得好可以造福社会，促成经济科学的发展，不好的话可能会给人类带来灭顶之灾。就像许多科幻影片中就描述了这样的场景，例如黑客帝国和奥创纪元等等，不过目前是不用担心这个问题的，但是仍要注意。

以上就是我对这个问题的分享，希望可以帮助到大家，谢谢！

在这美好一天里很高兴为大家解答这个问题，让我们一起走进这个问题，目前让我们一起探讨一下。
以下我为大家分享，我个人对这个问题的看法与想法，希望我的分享能给大家带来帮助，也希望大家能够喜欢我的分享。
我认为人工智能是未来社会的大趋势，虽然可能有一些潜在的风险，但是在短期内人工智能带来的利远大于弊，它将会极大的改善人类的生存质量。
其次，机器人代替人是趋势，原因在于一些重复危险的工作已经少有人在干，但是这些活又是必须的（巡检，攀爬）为了未来这些行业，就必须开发新的生产力工具，智能机械就是这个趋势；目的也是为了解放劳动力。
现阶段人工智能还很人工，算法和判断依赖人在后台的标注、需要训练；实际应用还没有很好的落地，相信以后将会带来产业变革，艺术创意，工匠型工作附加值会越来愈高。
最后，人工智能有利有弊，但我觉得这个“智能”要有个度，绝对不能赋予像人类一样的感情，因为人有好坏，人工智能肯定更会如此，运用得好可以造福社会，促成经济科学的发展，不好的话可能会给人类带来灭顶之灾。就像许多科幻影片中就描述了这样的场景，例如黑客帝国和奥创纪元等等，不过目前是不用担心这个问题的，但是仍要注意。
在以上的分享关于这个问题的解答都是个人的意见与建议，我希望我分享的这个问题的解答能够帮助到大家。
在这里同时也希望大家能够喜欢我的分享，大家如果有更好的关于这个问题的解答，还望分享评论出来共同讨论这话题。
我最后在这里，祝大家每天开开心心工作快快乐乐生活，健康生活每一天，家和万事兴，年年发大财，生意兴隆，谢谢！

最早接触人工智能当然是从科幻小说和科幻影片中。
无论是《终结者》系列，或是《黑客帝国》，或是阿西莫夫的《机器人》系列，人工智能（以及具备人类仿生形态的机器人）始终被看做人类的一大威胁。
其实，这真的是有点高看了当前的人工智能。
人工智能可以分为所谓的“强人工智能”和“弱人工智能”两种。
即便是“深度学习”和“机器学习”已经刷屏的今天，所谓的AI仍然只不过是“弱人工智能”，即便它们即将或可能通过著名的“图灵测试”。
什么是“弱人工智能”，其实是相对“强人工智能”而言。
“强人工智能”不仅要通过图灵测试，还需要具备人类的主观能动意识，甚至是情感情绪等等。
对于AI来说，最强势的就是计算、记忆和逻辑推理。而装备了高级AI的机器人则对重复性工作和需要熟练度的工作具备人类无可比拟的优势。
但是，当谈到人际互动，谈到感情，谈到直觉，人类的很多缺点其实相对于AI来说都是优点。

所以，个人认为，人工智能是个好东西。但是50年内，人工智能仍然还在“弱人工智能”的范畴，也就是作为人类的助理，扮演着当年工厂和流水线的角色。
而所谓的“强人工智能”很可能不太会直接出现，反倒是存在另外一种可能性。那就是当脑机接口技术（Brain Human Interface）成熟后，人类大脑配合脑联网，AI的高性能运算、记忆和逻辑处理功能，有可能早就下一代的超级人类。

至于说人工智能好或是不好，没有绝对的答案。AI在拥有自个的意识之前，永远只不过是一种工具而已。

人工智能是未来社会的大趋势，虽然可能有一些潜在的风险，但是在短期内人工智能带来的利远大于弊，它将会极大的改善人类的生存质量。关于人工智能的重要性，我举几个例子来说明人工智能的优势:
1，AI可以通过数据自动重复学习和发现。但AI与硬件驱动的机器人不同，AI不是自动执行手动任务，而是可靠且无疲劳地执行频繁，高容量，计算机化的任务。
2，AI为现有产品增添智能。在大多数情况下，AI不会作为单独的应用程序出售。相反，您已经使用的产品将通过AI功能得到改进，就像Siri被添加为新一代Apple产品的功能一样。自动化，会话平台，机器人和智能机器可以与大量数据相结合，以改善家庭和工作场所的许多技术，从安全智能到投资分析。
3，AI通过渐进式学习算法进行调整，让数据进行编程。AI在数据中找到结构和规律，以便算法获得技能：算法成为分类器或预测器。因此，正如算法可以自学如何下国际象棋一样，它可以自学下一台在线推荐的产品。当给出新数据时，模型会适应。反向传播是一种AI技术，当第一台答案不太正确时，它允许模型通过训练和添加的数据进行调整。
4，AI使用具有许多隐藏层的神经网络分析更多更深入的数据。几年前几乎不可能建立一台有五个隐藏层的欺诈检测系统。您需要大量数据来训练深度学习模型，因为他们直接从数据中学习。您可以提供的数据越多，它们就越准确。AI通过深度神经网络实现了令人难以置信的准确性 - 这在以前是不可能的例如，您与Alexa，Google搜索和Google相册的互动都是基于深度学习 - 而且我们使用它们的次数越来越多。在医学领域，来自深度学习，图像分类和物体识别的AI技术目前可用于在MRI上发现癌症，其精确度与训练有素的放射科医师相同。
5，AI可以充分利用数据。当算法是自学习时，数据本身就可以成为知识产权。答案在数据中; 你只需要应用AI来解决它们。由于数据的作用目前比以往任何时候都更加重要，因此它可以创造竞争优势。如果您在竞争激烈的行业中拥有最好的数据，即使每个人都在应用类似的技术，最好的数据也会获胜。

想作为一台普通，说说我对人工智能的理解：人工智能最大贡献，是搞清楚了人类如何搞学习的，搞清了人类的学习模式，弄明白了怎样学习最有效。

至于人工智能是如何搞清人类学习模式的，这个还得从人工智能的发展历史说起。

人工智能领域先驱，日本人工智能领域代表人物山本一成，在他的著作 《你一定爱读的人工智能简史》 中，就从人类智慧的大视野出发，以简单通俗的语言，探讨了人工智能发展的历史与学习的本质。

一、学渣机器与学霸人类

自从图灵机诞生，科学家们就认为人工智能是理所当然的，人类可以制造出与人类相媲美的机器。可以用来辅助人类，延伸人类，甚至是取代人类。

但几十年来，AI 研究一直未有突破，甚至到 2007、2008 年 AI 研究一直处于寒冬期，也就是作者山本一成开始研究 AI 时，无数研究者不得不改换门庭，弃人工智能而投其他领域。

至于 AI 为何如此难以突破，主要是研究者们执着于弄清人类掌握知识的原理：人类为何能掌握知识，拥有智慧。如果找到了人类拥有智慧学习知识的秘诀，就可以如法炮制，让比人类记忆力更出色，处理速度更快的机器也一样“聪明”。

然而就像人类这么多年也只能了解 DNA 的构造，而无法破解 DNA 的奥秘一样，人类同样也无法搞清楚自个是如何学习的，为何能掌握知识，为何能拥有智慧。

当 AI 学渣仰视人类学霸时，它无数次想弄明白为何学霸比它聪明，为何它要练习无数遍都无法识别一台“杯子”，但学霸只要看一眼就能知道，甚至是从来没见过的，也仍然能准确识别为。

仰视了几十年，学渣终于放弃了，研究者们决定：既然理解不了人类的学习奥秘，那我们就来模仿人类的学习行为吧！

二、学渣模仿学霸

在试图揭开人类学习奥秘几十年无果后，研究者转而开始研究人类是通过哪些行为学习知识的，并且发现，所有的认知都是从记忆信息开始，比如背课文。

我们在婴儿时期，也是由父母一台一台的指着物体，让我们记忆，之后我们才能识别更多物体。

而机器，或者说是计算机的优势也恰巧在此，计算和存储。于是 AI 研究者决定让机器以“背课文”的方式对信息进行记忆来模仿人类的学习行为。

这种无法理解人类学习本质，转而模仿人类学习行为的计算机技术，被称为机器学习技术，也是该技术也将人工智能从寒冬期带入了发展期。

这就像一台学渣无法参透学霸为何总是成绩优异，于是开始模仿学霸自律的学习行为，以及一些学习方法。

由此，研究者们先让机器从识别物体入手，进行“看图说话”。

然而这种全盘记忆的方法，就像背参考答案，一模一样的考题能高分通过，稍有变动就是翻车现场。

这时研究者总结出，人类对物体的识别在于对物体的特征识别，而并不依靠是否曾经见过。就像人类掌握知识在于对知识的识别和套用，而不在于是否对每一种突发情况都演练到了。

至此，机器学习由全盘记忆，转变为特征识别。

除了对物体进行特征识别，人类还会进行归类学习，比如家长教孩子都是以“人”、“动物”、“吃的”开始。

这种在不同物体间寻找共性并归类的方法，在人工智能中叫做“建模”，通过建立模型来识别物体。建模就类似人类给电脑编写的一条复杂指令，机器遇到一台新物体，会搜索其特征，并根据之前经验建立的模型，对该物体套用，看是否符合。

建模之后，为了提高正确率，研究者们采用了一种叫“伞形扩散”的方式帮助机器完善模型。

伞形扩散就是说将一台知识放在雨伞的中央，之后再将其四面八方扩散出去，进行验证。这就像是我们学习的各种公式和定理，十分简短，但却会幻化出许多练习题，通过对练习题的解答，才能检验我们对该公式定理的是否掌握。

虽然题海苦无崖，行之却有效，不然记忆力和处理能力超群的机器也不会采用这种方法苦修。

在这一人工智能发展期，还可以看出人类学习的一些误区。比如同样是读过、理解，合上书为何学霸就学会了，而你就呆住了？以及都说好记性不如烂笔头，老师也没少罚抄，为何却或是不会做。

首先，机器从全盘记忆转为特征记忆就说明，信息并不等于知识。人类通过总结归纳能力将信息转化为知识，由此能识别同一物体的不同样貌。而机器的问题，是它只是储存了信息，而无法将信息转化为知识，变个颜色就眼瞎了。所以我们接收到的信息并不等同于我们学习到的知识。

其次，机器将全盘记忆转为特征记忆，说明拥有超级记忆力的机器，无法通过记忆信息而学习知识。也就是为啥我们在读过、理解过书上的知识后，我们却无法使用，Tell ≠ Learn ，Listen≠Know。就像数学试卷的最后一题，你能阅读题干，能理解题干，但你就是解不出来。记忆不等于学习，光看，光理解，不实践检验就无法真正获得知识。

这也是我们对长辈称呼感到抓狂的原因，第一次见长辈是父母告诉你称呼，但并未告诉你为何如此称呼，你接触的是信息而不是知识，你使用的是记忆而不是学习，下一次遇到另一台长辈，你注定或是不会。而过段时间遇到同一台长辈，你也只能尴尬的点头傻笑了。

三、学渣即将逆袭

每次背课文，你一定都羡慕记性好的人，甚至希望把书吃进去就能获得知识。

可是具备超群记忆力的机器，为啥却是笨笨的学渣，甚至被戏称为“人工智障”呢？

人类记忆力这么差，好多事转头就忘，却是藐视机器的学霸，这是为何？

机器虽善记，但它不会用，学习到的知识无法链接，无法迁移，是平面的，是浅层次的。只能看到几片三角形木板，却无法像人类一样将木板组合拼接成“七巧板”。

研究者们将这种差别，认为是人类拥有复杂的神经元结构。类似下图这样，一台竖过来的，多层的连线题。人类对事物的认知经过神经元网络的链接与迁移而变得立体、多面，并且知识也得以迁移。

这里我想引用 YJango（人工智能领域博士，超智能体账号运营者）举过的一台例子：人类大脑拥有三种知识 A、B、C，通过神经元的链接、组织、迁移，人类可以解决问题的总数，排列组合后是 2^3-1，即 7 种问题。而同样拥有 A、B、C 三种知识的机器，能解决问题的个数，仅为 3 种。如果我们再把知识总数放大一点，这次让人类拥有 20 种知识，则人类能解决问题的个数是 20^20-1≈100万个。而机器呢？拥有 20 种知识，也只能解决 20 个相关问题。

神经网络技术的引入，使机器从浅层次的学习，进入到深层次的学习，并被称之为深度学习技术。

在引入深度学习技术后的机器，对物体的识别正确率和速度不断攀升，甚至超越了人类。这也使得人工智能领域得到了飞速发展，机器学渣开始对人类学霸奋起直追。

四、学渣成功挑战学霸

有记录以来最早的机器战胜人类，是 18 世纪后半叶出现的国际象棋木偶 The Turk，其因与拿破仑对战获胜而震动欧洲。虽然后来证实是有国际象棋大师藏于木偶之中，但人类希望能创造出与人类匹敌的机器的愿望，一直延续至今。

目前人工智能史上有三次学渣机器挑战学霸人类获胜的标志性事件，这三次标志性事件分别是：

1997 年 IBM 超级计算机“深蓝”国际象棋获胜
2013 年日本 PONANZA 将棋获胜
2016 年阿尔法狗围棋获胜

2013 年这一次学渣逆袭，便是《你一定爱读的人工智能简史》作者山本一成开发的程序。此时的人工智能在日本将棋（一种日本象棋）领域已经难逢敌手，甚至有许多职业选手转而研究将棋程序 PONANZA 的棋路，并称之为 PONANZA 流。

但这一阶段，将棋程序 PONANZA 还停留在刷题阶段，需要人类给他指明夺分方向，类似于写作文需要人类进行命题。如果没有了人类命题，或者是脱离了固定棋路，甚至是对手用自损三千招数迷惑它，比如说围棋这种局面时刻变化的游戏，PONANZA 就会难以应对。此时的人工智能程序 PONANZA 就像一台只知在阵前冲杀的士兵，空有武力而无策略。

然而学霸往往是全科学霸，哪怕学霸毕业后，也只有学霸想不想做，而没有能不能做好。

真正掌握一种知识，是在不同环境中，对知识的运用。不仅是在古诗词默写中能填空，更应该可以在生活中引用。不仅在物理课本上学习电力知识，至少在家换灯泡得知道先把电闸关了。

武侠小说里，主角除了神功护体，也必须在江湖上历练一番才能称之为大侠。令狐冲下山行侠仗义，他却发现无法用山上学到的善恶、黑白去看待江湖，何谓侠，何谓义，都需要经过历练才能参悟。

所以对学到的知识，如何用，用在哪里，是学了死知识，或是能活用，就成为了人工智能在高潮期关心的问题。

高潮期的代表事件，就是2016 年阿尔法狗在围棋赛中战胜人类。之所以引人注目，不仅是战胜人类，更是在比赛过程中，阿尔法狗表现出了似乎具有人类的思维能力。落子前需要停顿思考，招数也具有全局观，有勇有谋，而不是像 PONANZA 一头冲到底。仅仅诞生两年的阿尔法狗，在棋盘上打败了需要二十年才能培养起来的顶尖职业棋手。

根据山本一成介绍，阿尔法狗的逆袭主要是其采用了深度学习技术，以及强化学习技术共同加持的结果。深度学习技术上一段讲过，就是神经网络的不断下钻。而强化学习技术，则是人类的下山历练。

通过历练中搜集到的信息，进行判断，并根据判断自行调整输出结果，或者说是对世界的认识，这就是人类在走出校门后的学习过程。阿尔法狗也正是模拟了这一过程，通过棋路预测器和胜负预测器为自个建立了数据库和判断机制，由此才能“佯作思考”状。

举个 AI 不智能的例子，美颜滤镜。人类将算法目标设置为了大眼、瘦脸、磨皮，然而当明星遇到美颜滤镜，却常常花容失色，一台个变成了鞋拔子下巴，外星人眼睛的妖怪。你也许会笑 AI 不智能，将美人变成了妖怪，但实际上，只是因为美颜滤镜的 AI 程序停留在了刷题阶段，无法自行判断何谓美。

总结

通过山本一成在《你一定爱读的人工智能简史》里面对人工智能发展历史的介绍和技术本质的讲解，通读下来，似乎更像是 AI 研究是如何搞清人类学习模式的。

为啥英语试卷满分，却是口语哑巴，为啥错题总是纠缠不休，以及怎样学习最有效。

根据人工智能的发展史与技术突破，我总结了以下三点：

1.为何学习
人类的记忆有限，穷其一生也无法接触到所有信息并记忆，故而需要对信息总结归纳，将信息压缩为知识。即为 AI 中的建模。

2.如何学习
可以分为明确任务，用例子构建知识，验证知识三步。明确任务是人工智能的识别功能，用例子构建知识和验证知识，则是建模步骤，通过套用模型验证知识，从而达到掌握知识。

3.学不完如何办
世界之大，人类社会已经有千年文明，知识层出不穷，可以说是根本不可能全部学完，这种又要如何办？
方法是分而治之和排列组合。
分而治之是将大问题划分为小知识，我们不需要掌握每一台问题，而应该掌握解决大问题所需要的小知识。并合理运用这些小知识，前面提过，当我们拥有 20 种小知识时，我们能解决的问题就是 100 万个。

所以目前来看，人工智能对人类最大的贡献也许不是技术进步，而是搞清楚了人类的学习模式及其作用。

读书有意思，读有意思的书，做有意思的人。
我是张萌萌，每周一本书，欢迎关注我。

人工智能本质上是对人类智能的功能模拟。在某些方面的表现比人类智能更优秀,但是目前由于其固有的复杂性和技术的局限性,所以暂时不过是人类智能的延伸,最终在整体上是不能代替人类智能的。但是随着人工智能的发展，甚至突破性的发展，难保人工如何看待人工智能的进步。
人工智能给人们带来了省事，带来了科技的进步，使人们享受现代化的生活。

开放、跨界、协同、自控……当前新一代人工智能的特征十分鲜明！这将引领新一轮科技革命彻底爆发，为国家经济社会发展赋能。在人类全面走向智能时代的浪潮中，人工智能与各领域的融合日益深入，并对传统管理模式和手段提出了新挑战。

		自动登录	找回密码
密码			立即注册

你怎样看待人工智能？人工智能到底好或是不好？

相关问题更多>

最新回答