欢迎关注我的专栏( つ•̀ω•́)つ【人工智能通识】
更多相关文章请点击2019年6月专题
人工智能是什么？
以下这几个观点都是片面的，或说是错误的：
- 人工智能就是机器人技术。
- 人工智能就是各种算法。
- 人工智能就是自动驾驶、人脸识别、语音助手...
- 人工智能就是大数据、就是机器学习、深度学习...
- 人工智能就是图像识别、语音识别、语义理解...
人类包含男人、女人、小孩、学生、中国人、病人、工人...但不能说人类就是男人、人类就是女人、人类就是工人...
那么人工智能是什么？
- 按英文Artificial Intelligence直接翻译，应该是人工的智能。
- 首先它是一种形而上的智能，不是指实体。飞机跑的再快，挖土机力量再大，也不会被认为是智能的，因为这些都只是机械动力而已。
- 其次它被限定必须是人工的，而这里的人工的含义，从图灵开始就约定了是指数字计算机。夫妻结婚生子这不能算是创造了人工智能。
从这里我们延伸开来，就可以理解人工智能的本质：以计算机信息技术来实现生命所具有的智能能力。
智能理论
人工智能从1956年达特茅斯会议开始到现在已经搞了半个多世纪，然而并没有一个统一的理论来支撑。所以一直以来人工智能更像是一门实验科学，或者工程科学，甚至是玄学，“无论你用了什么方法，产生的结果是有效的就是成功”。
从图灵提出那个不靠谱的图灵测试开始，就奠定了人工智能不求甚解的基调：就像中医一样，Whatever，It works，这似乎就够了。
图灵测试大概的意思是：大家都通过一台电脑和机器或人聊天，如果超过三分之一的人不能分辨聊天对象是机器还是真人，那么这个软件就算是通过了图灵测试，具有了智能。
如果一个动物长得像鸭子，叫声像鸭子，那么它就是鸭子，根本不考虑这个动物的真实结构和生理特性...我从未见过如此厚颜无耻的一门科学...
人工智能需要一个稳固的智能理论来支撑，它至少包含以下内容：
- 具有可量化的智能评估标准，这个标准应该是针对智能体自身的结构而非结果表现。
- 能够解释智能形成的机制，明确指出影响智能水平的关键因素，基于此可以为每个智能体提出改进思路。
- 可量化智能体的最高极限水平，即超级智能体的极限在哪里。
这些就像是我们能够依赖热力学定律和机械原理，可以量化发动机的马力，知道发动机的运作机制以及影响发动机性能的因素，也可以计算出某台发动机可能的最大输出功率。
可解释性
智能理论和现在人工智能行业经常提及的可解释性不是一回事。
对于蒙娜丽莎的微笑为何如此神秘，很多人都能找出答案，然后给出各种各样的解释，但这绝大多数情况都无关乎你的大脑神经细胞结构的思考方式。
可解释性的第一个问题就是为什么这个程序会具有智能？没有智能理论支撑的可解释性最多就是自圆其说的诡辩。
对于很多通用的机器学习算法，比如股票预测、用户分类等等，最终都可以用数学公式和用以训练的数据来解释其中的奥秘。但这些又往往算不上什么高级智能，它们只是数字算法、符号逻辑和推理。
在深度学习领域，我们尝试用计算机程序模拟人脑神经细胞的机制来实现智能，比如人脸识别、语音识别这些，这时我们就变成了老中医，“因为它用起来有效所以它是有效的，别问为什么。”
现在很多人工智能算法所做的评估，就像是对赛跑运动员的评比，只看谁跑得快，而不涉及谁的动力输出更大、谁的身体更健壮等等这些结构性能的解释。
当我们从这个角度来看人工智能的时候，就会明白它是一门多么稚嫩的学科，也会清楚的知道它的未来还有多远。
下一篇我们讨论如果要建立一个智能理论，在哪些地方可能找到突破口。
欢迎关注我的专栏( つ•̀ω•́)つ【人工智能通识】
更多相关文章请点击2019年6月专题
每个人的智能新时代
如果您发现文章错误，请不吝留言指正；
如果您觉得有用，请点喜欢；
如果您觉得很有用，欢迎转载~
END
