AI究竟是個啥，離我們還有多遠？

01

最近刷屏的新聞莫過於新一代Iphone X的人臉識別技術，簡稱刷臉技術。其實刷臉技術並不是最新

雲計算，物聯網，大數據，區塊鏈，AI（人工智慧Artificial Intelligence） 這些詞你一定不陌生。

新技術的發展究竟給我們帶來了什麼，並且會對未來產生哪些影響，AI的運算機制是什麼，會不會真的發展齣電影終結者裡面的天網一樣控制人類的人工智慧？

本文或許能帶給你一點點啟發。

2

弱AI和強AI

AI目前的發展還處於弱AI（Artificial Narrow Intelligence ，ANI）階段——但弱AI並不弱，如阿爾法狗一樣，雖然只擅長某一方面的智能，但在這方面已然超過人類了。

近年來，弱AI已經極大促進了信息化與智能化的發展，在很多領域提高了生產效率。如工業機器人、醫療機器人、智能問答、自動駕駛、疾病診斷、自動交易等系統工具，極大提高了生產力。

弱AI不能像人類一樣靠理性或感性進行推理和解決各方面（哪怕很簡單）問題，機器只不過看起來像是智能的，其實只是既定程序的執行而已，只能解決某一方面的問題（就像下圍棋不能代表會下象棋），不會有自主意識，不會有創造性。

而強AI（Artificial General Intelligence ，AGI）的定位是：在各方面相當於人類或者超過人類，也稱為通用人工智慧。

弱AI幫助人類，是我們的好助手，能提高我們的生產效率和生活水平。

強AI超過或代替人類，將是大部分人類的「終結者」，至少是勞動終結者。

現有的AI研究，主要集中在弱AI和垂直行業相結合的領域。

從產業鏈上看，人工智慧產業鏈包括基礎支撐技術（如大數據、雲計算等）、人工智慧技術（機器學習、深度學習等）及人工智慧應用（語音、對話、識別等）三個層面，其中基礎技術支撐由數據中心及運算平台構成，即計算智能階段，包括數據傳輸、運算、存儲等。

人工智慧技術是基於基礎層提供的存儲資源和大數據，通過機器學習建模，開發面向不同領域的應用技術。包含感知智能及認知智能兩個階段：

感知智能如語音識別、圖像識別、自然語音處理和生物識別等

認知智能如機器學習、強化學習、對抗學習、自然語言理解等

人工智慧應用主要為人工智慧與傳統產業相結合，以實現不同場景的應用。如機器人、無人駕駛、智能家居、智能醫療、智能問答等領域。

傳統的規則式AI可以說是非數據驅動的，更多靠人工內置的經驗和知識驅動——不過它最大的問題也是要人工介入，而且很難具有學習能力，靠的知識、記憶和經驗建立的規則體系。

3

遺傳演算法

舉個例子，清掃機器人羅比。它是一個可簡單而詳細闡述遺傳演算法思想的例子。我們看到下圖的羅比，身處一個10*10的二維世界，同時周邊隨機散布著待清掃的罐子。羅比只能看到五個方向（東南西北中），只能有七個動作（向東移動、向南移動、向西移動、向北移動、隨機移動、不動和清掃罐子）。

移動並清掃一個罐子得10分，移動但沒掃到罐子扣1分，撞牆扣5分，每次清掃，羅比會進行200個動作，這樣總分會是500分。我們用傳統策略（有罐子就清掃，然後就往有罐子的方向上移動並清掃，否則就隨機移動）測試10000次後，得到的平均分是346。

遺傳演算法採取的完全是另一套策略：它把每次編碼看成一個生命體，由這些完全隨機產生的生命體自己去完成動作，不定義策略好壞，徹底隨機。

怎麼生成初始群體呢？最簡單的辦法就是隨機生產大量個體。在這裡，個體就是程序（字元串）。比如，初始群體有200個隨機個體，這是策略之一。然後，計算當前群體中各個個體的適應度，選擇一定數量適應度最高的個體作為下一代父母，將選出的父母進行配對，如此，再重複。

運行數代之後，比如得分比較高的A和B，注意比較高即可，我們就截取A的前半部分A1與B的後半部分B2，得到A1B2，再加上A2B1作為下一代，繼續跑，同時設置一個很小的突變概率。

如此演化了1000代以後，我們得到了下面這張驚人的曲線。1000代的時候，平均得分是480幾分（滿分500）。

第1代非常差，只有負80幾分，還不停撞牆。但，就是這麼一個起點非常差的清掃機器人羅比，通過拿出無數個體去觀察，不斷迭代之後，它甚至超出預料，產生了自己的策略——不是見地就掃，而是清掃完一片之後，再去清掃下一片。

驚人的曲線

圖 遺傳演算法演化策略過程中，各代群體的最佳適應度（得分表現）

顯然，效率更高的策略，完全是自動進化來的，人類甚至都沒能發現。這就是遺傳演算法。雖然運算量極大，但它自己完成了從簡單的規則進化成為非常複雜的策略的過程。得到的結果，比人類精心打磨出來的策略，可能還要好。

強AI的目標是機器智能化、擬人化，機器要完成和人一樣的工作，那就離不開知識、記憶和經驗，也離不開通過知識、經驗和記憶建立起來的認知體系（經驗規則、知識本體）。

4

AI技術的應用

從人臉識別的應用蘋果X看，蘋果不是第一個，甚至不是第十個應用此技術的廠商。但為何隨著蘋果X的發布，刷臉又刷了一波屏呢？

三星曾經幾年前應用過人臉識別，但由於識別率和穩定性等原因，沒有掀起任何浪花。技術成熟度如果沒有達到一定程度，應用程度差的技術，不僅給產品不能帶來任何幫助，反而促使人們更加不信任這項新技術。

蘋果應用AI，只把人工智慧看成了一種工具，而不是目的，利用人工智慧技術服務已有產品，而其他巨頭則是利用人工智慧技術推出全新的人工智慧產品。

AlphaGo的技術框架通用性更好，深度學習能力更強；而Watson更多採用的傳統規則式AI技術，雖然有自然語言文本等非結構化大數據優勢；但沒有關聯挖掘和深度學習能力，其智能化水平有待提高。

但如果從技術應用的角度看，Watson的應用可能會廣泛和全面，並且應用更多的AI將更有機會獲得訓練的機會，可能發展出更加適合改變現有人類生產和社會運行規則的智能。

5

智能商業

智能商業的範疇，包括精準營銷、精細化運營、智慧供應鏈、智能決策支持等智能商業框架。

一，傳統商業是對過去「死」數據的收集、分析，而智能商業將是對正在發生的「活」數據的記錄、反饋；

第二，傳統商業是基於經驗的市場預測，而智能商業將是基於用戶行為數據的關聯計算；

第三，傳統商業是對用戶體驗在某種固定邊界內的局部優化，而智能商業，將基於數據的不斷生長、演算法的持續迭代和產品的關鍵突破，使用戶體驗不斷突破邊界，使價值創造不斷躍升。

智能商業的基石是「活」的數據，用戶的每一次行為都轉化為新的數據匯入數據的大海，而每一個新數據的匯入都實時引發各個數據集的連鎖反應；

演算法是「活」的，用戶對產品、服務的每一次體驗，都成為演算法迭代成長的養分，使演算法越來越聰明地反映商業本質；

反饋閉環是「活」的，在其中，產品在迭代，數據在流動，演算法在成長；

最終，我們所熟悉的工業時代的機械邏輯——預先設定一切——將被徹底顛覆，取而代之的將會是一個全新商業生態系統。

6

大佬們對AI的看法

李開復／扎克伯格

人工智慧擅長對目標明確的工作進行優化（但是不能創造，沒有感情）

機器人的開發要牢記實用性這一原則：機器人或能創造效益，或能節省成本，或能提高生產，或可以提供娛樂。

未來十年，AI將大規模地取代那些依靠人力的、重複性的、分析性的崗位。

Elon MASK／比爾蓋茨

我越來越感覺到，這裡應當有一定的監管，或許是在全國層面，或許是國際層面，這只是為了確保我們不會去做一些蠢事。

起先，機器將幫我們做許多工作，更不用說超級智能。如果控制得好，人工智慧應該會非常有利。

不過，幾十年後人工智慧會強大到足以令人擔憂的地步。

馬雲

人類的衝擊一定會非常之大，而且一定會非常疼痛的，任何高科技帶來的問題，帶來好處也會帶來壞處。

有一點是肯定的，未來的機器一定比你更了解自己，人類最後了解自己，是有可能通過機器來了解。

無論大佬怎麼看，即使是信息化程度低的傳統產業鏈也在不知不覺間受著AI等最近技術的影響，等你感覺到AI真正威力的時候，可能已經晚了。

最後引用一段看到的話。

7

冰山遇險

頭等艙旅客看到了即將撞上的冰山，正急忙回房間整理東西準備轉移。

二等艙的感覺到了船體的搖晃，正在問出了什麼事。

三等艙的還在喝酒睡大覺。

四等艙的人正在導遊帶領下，讚歎船的偉大與壯觀。

五等艙的人正集體學習討論冰山的渺小。

您在幾等艙？

本文內容引用：

傅盛讀《複雜》有感：所有現實複雜事物，是否有底層統一規律？

杜聖東 論人工智慧的泡沫、價值與應用困境

李大學 智能商業的ADI實現

長按燈泡關注，點亮思維之光

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！