本文转自 easyAI - 人工智能知识库
- 人工智能的误解
- 什么是人工智能？
- 人工智能的发展史
- 人工智能的局限性
- 客观看待人工智能
- 百度百科+维基百科
- 扩展阅读
最近无意中发现了一个巨牛的人工智能教程，忍不住分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。点这里可以跳转到教程。
人工智能和 AI 已经走入了普通大众的视野，我们在生活中可以看到很多跟 AI 相关的产品。比如 Siri、AI 拍照、AI 修图…
虽然大家看得多，但是大部分都是一知半解。到底什么是人工智能？他有什么神奇的地方？未来会发展成什么样？
本篇文章将完整的解答大家的问题。文章内容会让不懂技术的朋友也能轻松的看懂。
大家都看过或者听说过类似的言论或者电影：
人工智能很危险！
AI 对人类是威胁！（甚至有人给出了具体的时间点）
机器人会占领的地球，人类将变为机器人的奴隶！
……
请大家放100个心，不要神话人工智能，科幻电影里的剧情以目前的技术发展来看，完全不可能！
这种担心就好像玛雅人预测2012年地球将毁灭一样！
人工智能（AI）本质上是一种工具
那么我们应该如何正确的看待人工智能（AI）？
AI 跟我们使用的锤子、汽车、电脑……都一样，其本质都是一种工具。
工具必须有人用才能发挥价值，如果他们独立存在是没有价值的，就想放在工具箱里的锤子一样，没有人挥舞它就没有任何价值。
虽然锤子、汽车、电脑、AI 都是工具。但是他们还是有差别的。
他们最核心的差别就是效能（更准确的说应该是杠杆率）。我们把上面几个工具的使用场景对比一下就能理解了：
锤子：
用过锤子的人都知道，为了钉一个钉子，大部分的力还是人出的。
锤子的使用场景中，人出了1份力，得到了2倍的回报。
汽车：
人类跑步20分钟达到的距离，汽车2分钟就能搞定！而且这个过程中人类不需要出太多力气。
汽车的使用场景中，人出了1份力，得到了10倍的回报。
电脑：
人类自己计算一些复杂的问题可能需要花1个月甚至更久的时间（还不一定正确），而电脑可能只需要1秒就完成了，并且精确无误！而人们使用电脑只需要敲几下键盘，点几下鼠标就可以了。
电脑的使用场景中，人出了1份力，得到了1,000,000倍的回报。
人工智能：
人工智能其实是超越了之前电脑的边界，以前电脑无法做的事情 AI 可以做了。所以从杠杆率上讲，人工智能和电脑是在一个量级上的，但是它能做的事情更多了，大大超越了传统电脑的能力范围，所以大家十分看好。
但是（凡是都有但是），AI 在很多很多场景和领域还是没有价值，很多能力甚至不如小学生。所以，目前 AI 的局限性依然很大！
所有人都应该知道的关于 AI 的3个重点
- 人工智能（AI）的本质是一种工具，归根结底还是需要人去使用它。
- 虽然有些场景 AI 已经超越人类了（比如 AlphaGo 下围棋），但是还是有很多很多的场景，AI 没什么价值。
- AI 不是万能（通用）的，擅长下围棋的 AI 不能跟人聊天，擅长聊天的 AI 不能下围棋。大家在电影里看到的啥都会的机器人短期内还无法实现。
开门见山的给出人人都能听懂的解释：
- 人工智能（AI）是一种高级的计算机程序
- AI 有明确的目标
- AI 可以“看到”或者“听到”环境的变化，可以感受到环境的变化
- 他会根据不同的环境做出不同的反应，从而实现既定的目标。
下面是书面语的版本，看着更严谨（装逼）一些：
人工智能（Artificial Intelligence，简称AI）是计算机科学下的一个分支。某些方面像人一样，AI 可以“看到”和“听到”环境的变化，同时可以根据环境的变化做出合理的判断和行动，从而实现某些目标。
下面就针对“环境感知”、“合理判断”和“实现目标”3个层面来详细对比一下普通的计算机程序和人工智能：
虽然上面的对比让 AI 看上去很强大，但是实际上并非如此，AI 在某些场景表现的很好，但是在某些场景表现的很不理想。
AI 并没有想象中强大，它也会犯低级错误
AI 的确具备了理解图片、视频和语音（非结构化数据）的能力，但并不代表这些能力已经很强大的。AI 经常犯一些低级错误，下面就是一个具体的案例：
左：摩托车的遮挡让 AI 把一只猴子误认为人类。中：自行车的遮挡让 AI 把猴子误认为人类，同时丛林背景导致 AI 将自行车把手误认为是鸟。右：吉他把猴子变成了人，而丛林把吉他变成了鸟
上图显示了在一张丛林猴子的照片中 ps 上一把吉他的效果。这导致深度网络将猴子误认为人类，同时将吉他误认为鸟，大概是因为它认为人类比猴子更可能携带吉他，而鸟类比吉他更可能出现在附近的丛林中。
AI 对数据的依赖相当于人类对空气的依赖
目前（截止到2019年）是深度学习最流行的时代，深度学习在各个领域虽然表现出了很强大的能力，但是并不是人人都能玩转深度学习的，因为它需要海量的带标注的数据，这种条件不是人人都具备的。
简单的做一个类比，狮子的力量很强大，狗的力量相比较就弱小很多。虽然狮子的战斗力很强，但是狮子需要吃很多东西才能保持战斗力。而狗就不需要吃那么多的东西。如果不给狮子吃足够的东西，他可能会躺在地上完全丧失战斗力。
深度学习就类似狮子，想让他发挥出战斗力，就需要给他喂养大量的数据（相当于狮子的食物）。不然再出色的深度学习模型都无法发挥任何价值。
狮子对食物也是比较挑剔的，不是给他吃啥都行的，而深度学习更是如此！
数据是否有标注、数据是否“干净”、数据是否有多样性……都对深度学习的学习结果影响巨大！
总结一下的话：
- 深度学习时代的 AI 对数据量级要求极高
- 深度学习时代的 AI 对数据规范要求极高
像 Google 这种拥有海量数据的公司最容易在 AI 领域有较大的突破和优势，而一般的小公司很难跨越数据的门槛。
AI 不是什么全新的东西，他已经发展了大几十年了！下面我们介绍一下最具代表性的3个发展阶段。
上图是从1950年至2017年之间，人工智能领域出现的一些里程碑式的事件。总结下来会分为3大阶段：
第一次浪潮（非智能对话机器人）
20世纪50年代到60年代
1950年10月，图灵提出了人工智能（AI）的概念，同时提出了图灵测试来测试 AI。
图灵测试提出没有几年，人们就看到了计算机通过图灵测试的“曙光”。
1966年，心理治疗机器人 ELIZA 诞生
那个年代的人对他评价很高，有些病人甚至喜欢跟机器人聊天。但是他的实现逻辑非常简单，就是一个有限的对话库，当病人说出某个关键词时，机器人就回复特定的话。
第一次浪潮并没有使用什么全新的技术，而是用一些技巧让计算机看上去像是真人，计算机本身并没有智能。
第二次浪潮（语音识别）
20世纪80年代到90年代
在第二次浪潮中，语音识别是最具代表性的几项突破之一。核心突破原因就是放弃了符号学派的思路，改为了统计思路解决实际问题。
在《人工智能》一书中，李开复详细介绍了这个过程，他也是参与其中的重要人物之一。
第二次浪潮最大的突破是改变了思路，摒弃了符号学派的思路，转而使用了统计学思路解决问题。
第三次浪潮（深度学习+大数据）
21世纪初
2006年是深度学习发展史的分水岭。杰弗里辛顿在这一年发表了《一种深度置信网络的快速学习算法》，其他重要的深度学习学术文章也在这一年被发布，在基本理论层面取得了若干重大突破。
之所以第三次浪潮会来主要是2个条件已经成熟：
2000年后互联网行业飞速发展形成了海量数据。同时数据存储的成本也快速下降。使得海量数据的存储和分析成为了可能。
GPU 的不断成熟提供了必要的算力支持，提高了算法的可用性，降低了算力的成本。
在各种条件成熟后，深度学习发挥出了强大的能力。在语音识别、图像识别、NLP等领域不断刷新纪录。让 AI 产品真正达到了可用（例如语音识别的错误率只有6%，人脸识别的准确率超过人类，BERT在11项表现中超过人类…)的阶段。
第三次浪潮来袭，主要是因为大数据和算力条件具备，这样深度学习可以发挥出巨大的威力，并且 AI 的表现已经超越人类，可以达到“可用”的阶段，而不只是科学研究。
人工智能3次浪潮的不同之处
- 前两次热潮是学术研究主导的，第三次热潮是现实商业需求主导的。
- 前两次热潮多是市场宣传层面的，而第三次热潮是商业模式层面的。
- 前两次热潮多是学术界在劝说政府和投资人投钱，第三次热潮多是投资人主动向热点领域的学术项目和创业项目投钱。
- 前两次热潮更多时提出问题，第三次热潮更多时解决问题。
想进一步了解 AI 的历史，推荐阅读李开复的《人工智能》，上面关于3次浪潮的内容都摘抄自这本书，想看这本书的可以点击下面的购买链接。
在探寻 AI 的边界时，我们可以先简单粗暴的把 AI 分为3类：
- 弱人工智能
- 强人工智能
- 超人工智能
弱人工智能
弱人工智能也称限制领域人工智能（Narrow AI）或应用型人工智能（Applied AI），指的是专注于且只能解决特定领域问题的人工智能。
例如：AlphaGo、Siri、FaceID……
强人工智能
又称通用人工智能（Artificial General Intelligence）或完全人工智能（Full AI），指的是可以胜任人类所有工作的人工智能。
强人工智能具备以下能力：
- 存在不确定性因素时进行推理，使用策略，解决问题，制定决策的能力
- 知识表示的能力，包括常识性知识的表示能力
- 规划能力
- 学习能力
- 使用自然语言进行交流沟通的能力
- 将上述能力整合起来实现既定目标的能力
超人工智能
假设计算机程序通过不断发展，可以比世界上最聪明，最有天赋的人类还聪明，那么，由此产生的人工智能系统就可以被称为超人工智能。
我们当前所处的阶段是弱人工智能，强人工智能还没有实现（甚至差距较远），而超人工智能更是连影子都看不到。所以“特定领域”目前还是 AI 无法逾越的边界。
人工智能未来的边界是什么？
如果在深入一点，从理论层面来解释 AI 的局限性，就要把图灵大师搬出来了。图灵在上世纪30年代中期，就在思考3个问题：
- 世界上是否所有数学问题都有明确的答案？
- 如果有明确的答案，是否可以通过有限的步骤计算出答案？
- 对于那些有可能在有限步骤计算出来的数学问题，能否有一种假象的机械，让他不断运动，最后当机器停下来的时候，那个数学问题就解决了？
图灵还真设计出来一套方法，后人称它为图灵机。今天所有的计算机，包括全世界正在设计的新的计算机，从解决问题的能力来讲，都没有超出图灵机的范畴。
（大家都是地球人，差距怎么就这么大呢？？？）
通过上面的3个问题，图灵已经划出了界限，这个界限不但适用于今天的 AI ，也适用于未来的 AI 。
下面我们再进一步把边界清晰的描述一下：
- 世界上有很多问题，只有一小部分是数学问题
- 在数学问题里，只有一小部分是有解的
- 在有解的问题中，只有一部分是理想状态的图灵机可以解决的
- 在后一部分（图灵机可解决的部分），又只有一部分是今天的计算机可以解决的
- 而 AI 可以解决的问题，又只是计算机可以解决问题的一部分。
担心人工智能太强大？你想多了！
在一些特定场景中， AI 可以表现的很好，但是在大部分场景中，AI 并没有什么用。
技术总是在短期内被高估，但是在长期又被低估。
PEGA 做过一项调查，涉及了全球 6000 多个普通消费者，询问他们对 AI 的看法，有下面一些结果：
- 34%的人认为自己使用过 AI ，这些人中84%的人实际使用过
- 50%以上的人搞不清楚 AI 到底有哪些能力
- 60%的人并不知道 Amazon Alexa 和Google Home 使用了 AI 技术
- 72%的人惧怕 AI 技术对人类的威胁，24%的人担心机器人会从人类手里接管地球
查看更多调查结果，可以访问《What consumers really think about AI: A global study》【附带1分钟视频】
AI 已经来了，并且会飞速发展
我们每天都在使用的输入法就使用了很多 AI 相关的技术，但是很多人并不知道。不要小看输入法里使用的这些技术，它能使我们的打字效率大大提高，如果没有这些技术，我们会多花数百年的时间在打字上！
除了输入法，大家都使用过的 AI 产品还有：
- 美颜相机里的一键美颜功能
- 抖音里的道具功能
- 微信里的语音转文字
- 今日头条里的推算算法
- 垃圾短信及垃圾邮件的过滤功能
- 智能手机里的操作系统
- ……
如果我不说相信大家并不知道 AI 已经进入我们生活的方方面面了。而且 AI 在未来几十年还会对各行各业产生巨大的影响。
我们需要以开放的心态拥抱 AI，大部分情况下它都是人类的朋友，而不是敌人。
AI 并没有我们想象中那么厉害
AlphaGo 战胜李世石，这个热点几乎所有人都知道。很多人通过这件事情开始担心 AI 未来对人类的威胁。
而现实是 AlphaGo 不管下围棋有多厉害，对我们的生活都没有半毛钱的关系，那只是一场秀。但是大众会根据这件事做对 AI 产生偏见：
- AI 的能力已经超越了人类
- AI 未来会无所不能
- AI 对人类是威胁，我们要限制 AI 的发展
- ……
不要担心 AI 会取代你的工作
在“人工智能威胁论”里，大家最担心的是 AI 会取代大量的工作岗位，导致大量普通老百姓失业。
这件事的确会发生：
- 蒸汽机出现后，机器取代了大量的底层劳动力；
- 电话出现后，不再需要那么多的邮递员了；
- 互联网出现后，更是影响了各行各业；
但是，这是一件好事：
- 每一项新技术都会让一部分人下岗，而这些人现在有了更好的岗位上
- 一些职业消失了，但是会诞生更多的新职业（如果让你选择“美甲”和“耕地”，你会如何选择？）
简单总结一下：
- 可见的未来，AI 还是一种工具
- AI 跟计算机、互联网一样，是历史潮流，我们要了解它、适应它、利用它
- AI 的确会取代部分岗位，但是会出现更多新职业，不用担心下岗问题
- 谁能更高效的跟 AI 协作，谁的价值就会越大
百度百科版本
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
维基百科版本
在计算机科学中，人工智能有时也称为机器智能，是机器所展示的智能。
来自：
