资讯中心
人工智能是否会颠覆人类社会？三类AI技术为你解读未来
发布时间：2017-05-25
编者注：本文的作者Or Shani是AI营销平台Albert的首席执行官。下文中，他介绍了三种AI形式，探究AI技术是否会颠覆人类社会，夺走人们的工作。
长久以来，人们一直在预测人工智能（AI）将带给人类社会的影响，包括机器人掌控世界、夺走人类的工作，甚至得出结论，认为机器人的能力可能在各个方面都超过人类。但事实上，直到今天，我们也并没有在工业领域或者是日常的生活中遇到那些能够带来翻天覆地变化的AI技术。由此，一些媒体和AI的反对者们就产生了这样的疑问：我们预想中大规模的AI技术究竟是否存在？更有甚者，已然得出了否定的结论。
不过，真正的答案并非如此。
目前来看，AI的应用主要可以分为以下三类：变革性AI技术（Transformative AI），个性化AI技术（DIY AI）以及人造AI技术（Faux AI）。相对来看，后两者更为常见，而人们对于AI的评价也是源自于后两大类。
我们现在所见到或者使用的AI技术，基本都是以访问和处理用户的数据为基础，之后再根据分析结果向用户提供一些建议，甚至完成一些精密的工作。比如说， Amazon的Alexa能够帮用户播放音乐，发送日程提醒，播报天气等等。
这些AI技术也许没有产生我们预期中那样的影响力，但并没有否定他们的存在——AI技术只不过没有想象中那么具有颠覆性罢了。
在我看来，那种可能会“占领人类世界”或者最起码能给人类生活和工作带来惊人的变化的AI技术就是我在上文提到的Transformative AI。这类AI技术能够将数据转化为一种“思考”能力，经过“思考”后再发出相应的指令。此外，这类AI技术并不是简单地将指令发送给用户以便让其做出明智的选择，而是根据所学到和未来将会学到的内容，自主完成整个复杂的过程。
目前这类AI技术并不十分普遍，不过有一样应用应该称得上广为人知——自动驾驶汽车。自动驾驶汽车是一个十分生动的例子：这台机器能够接收不断变化的信息，经过加工处理发出指令并自主完成驾驶，从而取代了整个过程中人类所扮演的角色。
驾驶并不是一项容易靠自动化完成的固定程式（如果是，那我们也就不需要AI了）。虽然看起来驾驶过程中所需要完成的动作并不是很多，但是需要处理的信息却十分繁琐，比如道路状况、目的地、行车路线、交通状况、与周围车辆的车距，以及弯道和突然出现的行人等等。AI技术必须要把诸如此类的所有相关信息都收集起来加以处理，然后像人类司机一样对各种情况作出及时的判断。
这就是所谓的Transformative AI，它的确存在而且在不断的进步。
我们继续来设想一下这类AI技术在其他方面的应用。大多数人可能会首先在工作而非生活中体验到AI技术带来的变化。现在很多的公司都紧跟“大数据”的潮流，在数据的收集上下功夫，而对于AI技术来说，这大量的数据正成为了其发展的的助推器。AI技术也因此能够凭借一己之力处理原本需要一个团队来处理的信息，而且更加精确和高效。
在当前的市场中就能够找到这样的例子，比如Cosabella和Dole Asia，这两家公司已经换上了以人工智能平台为基础的数字账户团队的代理机构。
不过话说回来，这类AI技术还是处于起步阶段，真正实现普及还需要一段时间。下面我们还是先将视线转向目前更为普遍的DIY AI和Faux AI上。
DIY AI技术所涵盖的范围非常广泛，只要这个人工智能平台的最终目的是为了让用户获得更多信息来依靠自己完成剩余的工作，那么就可以将它划分到DIY AI这一类。这种AI技术也可以接受并处理大量的数据，但是它的最后一项步骤就是得出分析结果，不会再发出指令。所以说，这类AI技术具有规范性和实用性的特征，但是并不能自发产生直接的效果。
虽然如此，对于那些依赖于数据专家，靠人力分析、理解数据的公司和组织来说，这类AI技术的确拥有极高的价值。和机器相比，即使最优秀的数据专家也需要许多的时间来对数据进行处理、分析并提出建议——毕竟人类是需要进行睡觉、吃饭和休息等基础活动的，不过还有一个更为重要的原因造成了这样的结果：人类不具备和机器同等的“数据处理能力”。
我们也能从现实中找到应用DIY AI技术的例子：Salesforce（客户关系管理软件服务提供商）创建的Einstein人工智能平台。今年五月初，Salesforce在《纽约时报》上刊登了一则广告，其中描述了Einstein是如何选定潜在客户，预测顾客的购买意向并帮助公司完成交易的。换句话说，这个AI平台读取了CRM（客户关系管理）数据并进行处理分析，之后再发送给销售人员——这远比他们自己进行数据分析有效率的多。
值得注意的是，DIY AI技术是一项“附加型”技术，这也就意味着它是以某项现有技术为基础的，它所扮演的角色就是让原本“呆傻”的系统变得更加“聪明”。为了让大家更明白，我们再用Transformative AI来做个比较：Transformative AI要求的是打造一项纯AI的技术，也就是说这项技术中每一部分都与AI技术有关。
最后我们再来看看最为普遍的Faux AI。DIY AI技术似乎乏善可陈，而Faux AI则是运用了一种模仿的手段。正如其他新兴技术一样，那些大公司利用人们对于AI技术的不了解炒热了这项技术。大部分公司这样做的原因就是想利用AI技术对现有的预测和自动化技术进行重新定位，但实际上，这些技术跟机器学习并没有关系，而只是一些以规则为导向的应用程序罢了。
这里不得不提到聊天机器人——千万不要小看他们。不过在这些聊天机器人中，的确有一些滥竽充数的，它们虽然表现的其他AI机器人一样，但其实它们并没有使用机器学习，只是一些假冒的AI产品。
人们通常会把拥有处理和预测能力的广告程序化购买同AI混淆，而其本身也将自己和AI归于同类。而由于程序化技术已经出现了十几年，人们好像只有将它也当做AI技术的一种（其实并不是），才能让AI技术显得不那么特殊。
现在市场中那些发展状况良好的DIY AI技术其实都可以说是准Transformative AI技术。随着实践次数的丰富，它们所收集和处理的数据都在潜移默化的优化自己的算法，最终将会具有能够自主完成指令的能力（假设它们能够达到这种智能状态们）。这样一来，那些打算自主建立平台的技术专家们就不需要依靠“附加”的方式，而是直接从一开始就利用系统性的AI技术。这一结果为Transformative AI技术的发展奠定了基础，同时也会将我们带入想象中的那个人工智能的世界。（来源：猎云网）
长久以来，人们一直在预测人工智能（AI）将带给人类社会的影响，包括机器人掌控世界、夺走人类的工作，甚至得出结论，认为机器人的能力可能在各个方面都超过人类。但事实上，直到今天，我们也并没有在工业领域或者是日常的生活中遇到那些能够带来翻天覆地变化的AI技术。由此，一些媒体和AI的反对者们就产生了这样的疑问：我们预想中大规模的AI技术究竟是否存在？更有甚者，已然得出了否定的结论。
不过，真正的答案并非如此。
目前来看，AI的应用主要可以分为以下三类：变革性AI技术（Transformative AI），个性化AI技术（DIY AI）以及人造AI技术（Faux AI）。相对来看，后两者更为常见，而人们对于AI的评价也是源自于后两大类。
我们现在所见到或者使用的AI技术，基本都是以访问和处理用户的数据为基础，之后再根据分析结果向用户提供一些建议，甚至完成一些精密的工作。比如说， Amazon的Alexa能够帮用户播放音乐，发送日程提醒，播报天气等等。
这些AI技术也许没有产生我们预期中那样的影响力，但并没有否定他们的存在——AI技术只不过没有想象中那么具有颠覆性罢了。
在我看来，那种可能会“占领人类世界”或者最起码能给人类生活和工作带来惊人的变化的AI技术就是我在上文提到的Transformative AI。这类AI技术能够将数据转化为一种“思考”能力，经过“思考”后再发出相应的指令。此外，这类AI技术并不是简单地将指令发送给用户以便让其做出明智的选择，而是根据所学到和未来将会学到的内容，自主完成整个复杂的过程。
目前这类AI技术并不十分普遍，不过有一样应用应该称得上广为人知——自动驾驶汽车。自动驾驶汽车是一个十分生动的例子：这台机器能够接收不断变化的信息，经过加工处理发出指令并自主完成驾驶，从而取代了整个过程中人类所扮演的角色。
驾驶并不是一项容易靠自动化完成的固定程式（如果是，那我们也就不需要AI了）。虽然看起来驾驶过程中所需要完成的动作并不是很多，但是需要处理的信息却十分繁琐，比如道路状况、目的地、行车路线、交通状况、与周围车辆的车距，以及弯道和突然出现的行人等等。AI技术必须要把诸如此类的所有相关信息都收集起来加以处理，然后像人类司机一样对各种情况作出及时的判断。
这就是所谓的Transformative AI，它的确存在而且在不断的进步。
我们继续来设想一下这类AI技术在其他方面的应用。大多数人可能会首先在工作而非生活中体验到AI技术带来的变化。现在很多的公司都紧跟“大数据”的潮流，在数据的收集上下功夫，而对于AI技术来说，这大量的数据正成为了其发展的的助推器。AI技术也因此能够凭借一己之力处理原本需要一个团队来处理的信息，而且更加精确和高效。
在当前的市场中就能够找到这样的例子，比如Cosabella和Dole Asia，这两家公司已经换上了以人工智能平台为基础的数字账户团队的代理机构。
不过话说回来，这类AI技术还是处于起步阶段，真正实现普及还需要一段时间。下面我们还是先将视线转向目前更为普遍的DIY AI和Faux AI上。
DIY AI技术所涵盖的范围非常广泛，只要这个人工智能平台的最终目的是为了让用户获得更多信息来依靠自己完成剩余的工作，那么就可以将它划分到DIY AI这一类。这种AI技术也可以接受并处理大量的数据，但是它的最后一项步骤就是得出分析结果，不会再发出指令。所以说，这类AI技术具有规范性和实用性的特征，但是并不能自发产生直接的效果。
虽然如此，对于那些依赖于数据专家，靠人力分析、理解数据的公司和组织来说，这类AI技术的确拥有极高的价值。和机器相比，即使最优秀的数据专家也需要许多的时间来对数据进行处理、分析并提出建议——毕竟人类是需要进行睡觉、吃饭和休息等基础活动的，不过还有一个更为重要的原因造成了这样的结果：人类不具备和机器同等的“数据处理能力”。
我们也能从现实中找到应用DIY AI技术的例子：Salesforce（客户关系管理软件服务提供商）创建的Einstein人工智能平台。今年五月初，Salesforce在《纽约时报》上刊登了一则广告，其中描述了Einstein是如何选定潜在客户，预测顾客的购买意向并帮助公司完成交易的。换句话说，这个AI平台读取了CRM（客户关系管理）数据并进行处理分析，之后再发送给销售人员——这远比他们自己进行数据分析有效率的多。
值得注意的是，DIY AI技术是一项“附加型”技术，这也就意味着它是以某项现有技术为基础的，它所扮演的角色就是让原本“呆傻”的系统变得更加“聪明”。为了让大家更明白，我们再用Transformative AI来做个比较：Transformative AI要求的是打造一项纯AI的技术，也就是说这项技术中每一部分都与AI技术有关。
最后我们再来看看最为普遍的Faux AI。DIY AI技术似乎乏善可陈，而Faux AI则是运用了一种模仿的手段。正如其他新兴技术一样，那些大公司利用人们对于AI技术的不了解炒热了这项技术。大部分公司这样做的原因就是想利用AI技术对现有的预测和自动化技术进行重新定位，但实际上，这些技术跟机器学习并没有关系，而只是一些以规则为导向的应用程序罢了。
这里不得不提到聊天机器人——千万不要小看他们。不过在这些聊天机器人中，的确有一些滥竽充数的，它们虽然表现的其他AI机器人一样，但其实它们并没有使用机器学习，只是一些假冒的AI产品。
人们通常会把拥有处理和预测能力的广告程序化购买同AI混淆，而其本身也将自己和AI归于同类。而由于程序化技术已经出现了十几年，人们好像只有将它也当做AI技术的一种（其实并不是），才能让AI技术显得不那么特殊。
现在市场中那些发展状况良好的DIY AI技术其实都可以说是准Transformative AI技术。随着实践次数的丰富，它们所收集和处理的数据都在潜移默化的优化自己的算法，最终将会具有能够自主完成指令的能力（假设它们能够达到这种智能状态们）。这样一来，那些打算自主建立平台的技术专家们就不需要依靠“附加”的方式，而是直接从一开始就利用系统性的AI技术。这一结果为Transformative AI技术的发展奠定了基础，同时也会将我们带入想象中的那个人工智能的世界。（来源：猎云网）
