在人工智能時(shí)代 你需要發(fā)揮這種能力來避免失業(yè) —— 文章正文2018-01-08

 　　福布斯網(wǎng)站發(fā)布了安娜?鮑爾斯博士（Dr.Anna Powers）的文章，剖析了人工智能（AI）能辦到什么事情，不能辦到什么事情。鮑爾斯是一位創(chuàng)業(yè)家，也是一位獲得過獎(jiǎng)項(xiàng)的科學(xué)家。以下為原文內(nèi)容。
　　毫無疑問，我們每個(gè)人都已經(jīng)和人工智能有過或多或少的接觸――無論是在網(wǎng)上商城中瀏覽“推薦”產(chǎn)品，還是社交媒體中的廣告。其他像健身和交友a(bǔ)pp之類，都采用了AI的一些能力來對(duì)流程進(jìn)行最優(yōu)化和自動(dòng)化。雖然從20世紀(jì)90年代起，AI在學(xué)術(shù)界就廣為人知了，但直到近年來，AI的使用才變得主流化。那么AI的長處究竟是什么呢？為什么現(xiàn)在它變得如此受歡迎了呢？
　　AI就是計(jì)算機(jī)科學(xué)中的一種前向模型，意思是說，它這種計(jì)算機(jī)模型，可以基于輸入的數(shù)據(jù)來做出決定。數(shù)據(jù)可以是圖片、數(shù)字，和任何經(jīng)過數(shù)學(xué)量化的東西。因此，這種類型的模型可以根據(jù)動(dòng)態(tài)輸入來修改它的預(yù)測。它接受輸入的時(shí)間越長，就會(huì)變得越“聰明”，對(duì)未來行為的猜測效果就越好。
　　它跟后向模型不同的是，后向模型是根據(jù)對(duì)過去的數(shù)據(jù)集，以及在建模時(shí)選擇的獨(dú)特參數(shù)進(jìn)行預(yù)測的，因此不具備修改預(yù)測的能力，因?yàn)槟銦o論向后向模型輸入多少數(shù)據(jù)，它總是對(duì)同樣的數(shù)據(jù)點(diǎn)給出相同的結(jié)果。這就是兩種模型的一個(gè)關(guān)鍵區(qū)別：在前向模型中，結(jié)果會(huì)隨著更多的數(shù)據(jù)輸入而發(fā)生改變。
　　AI的使用現(xiàn)在變得普遍，原因有兩個(gè)：1）算法在進(jìn)步；2）數(shù)據(jù)在豐富。AI算法設(shè)計(jì)的關(guān)鍵之一，就是必須有足夠多的“訓(xùn)練用”數(shù)據(jù)來對(duì)模型進(jìn)行訓(xùn)練，然后才能進(jìn)行有意義的預(yù)測。訓(xùn)練數(shù)據(jù)需要有1萬個(gè)數(shù)據(jù)點(diǎn)以上。要獲得這樣的數(shù)據(jù)量以前并不那么容易，而且隨著高速計(jì)算的普及，現(xiàn)在就成為了利用前向模型的好時(shí)機(jī)。
　　上面介紹了AI是什么，以及為什么現(xiàn)在AI獲得了廣泛使用，下面我們來看看它能做什么，不能做什么。人工智能可以根據(jù)輸入到程序中的某些參數(shù)來復(fù)制決策，對(duì)決策過程進(jìn)行自動(dòng)化，但是，AI是沒有創(chuàng)造力的。它雖然可以快速有效地匹配和分類數(shù)據(jù)，但是無法對(duì)事物、想法或位置做出創(chuàng)造性的決定。
　　雖然人工智能可以復(fù)制行為，但是它沒有想象力，因?yàn)樗皇且环N排序算法，擁有高級(jí)的功能優(yōu)化和回歸技術(shù)。另一方面，人類的思維則是非常具有創(chuàng)造性和想象力的。人類能夠想象出一些東西，然后再去實(shí)現(xiàn)它。正如迪士尼創(chuàng)辦人說：“如果你能想象出一件事，你就可以做到它?！钡侨斯ぶ悄軈s不能做到這一點(diǎn)，它只能以極快的速度重復(fù)執(zhí)行任務(wù)。所以在人工智能時(shí)代，人類的創(chuàng)造力比以往任何時(shí)候都重要。
　　關(guān)鍵是要記住一點(diǎn)：目前有越來越多的行業(yè)將會(huì)利用AI，這可能會(huì)導(dǎo)致重復(fù)性工作崗位的減少。但這個(gè)世界需要人類在各行各業(yè)發(fā)揮更多的創(chuàng)造力，就連創(chuàng)造性地實(shí)施和利用AI技術(shù)也是需要人的。（編譯/云開）