人工智能和機器學習——這些流行詞你Get到了嗎？
到2017年為止，最常用的流行語就是人工智能(AI)和機器學習(ML)了，但是，現在越來越明顯，它們的使用范圍覆蓋各種領域，包括數據分析、自動駕駛、網絡安全、物聯網、市場營銷、數字助理和所有這些一切的鼻祖——大數據。
資深分析公司SAS已經指出，人工智能這個詞其實是錯的——只有它的算法是智能的，至少目前是這樣的。其***技術官Oliver Schabenberger說，雖然人工智能這個詞聽起來很時髦，但它只不過是人類智慧的一個錯覺罷了。
“AI是以類人的方式來執行一組特定任務的。人類的智慧具有創造行性、創新能力、感性、道德、直覺、情景意識、偏見感、從錯誤中吸取教訓等特點，而這些，AI在短時間內是沒辦法做到的。“他說。
他是對的——目前所有的AI能做的只是深入學習，使用編纂好的程序或是學到的知識來做出相關的反應。iTWire與ASI Solutions的總經理Nathan Lowe進行了會談，雙方就AI和ML進行了深入的交流。Lowe自1999年以來一直與ASI合作，并于2015年5月成為MD。
世界是如何進入AI領域的
在20世紀六十年代和七十年代，它是《迷失太空》中的機器人，是《星際迷航》中的電腦，是庫布里克《2001太空漫游》中的HAL。但這些在很大程度上仍然被看做是計算設備，不算是真正的人工智能。盡管今天如果問Siri她長大后想成為什么的時候，她會說，“我想成為《星際迷航》中的電腦。”
2011年，在電視智力游戲節目“Jeopardy”中，兩名前冠軍肯?詹寧斯和布拉德?拉特和一名叫做沃森的人工智能型計算機系統進行競賽，它是由IBM創建的。兩位前冠軍信心滿滿地走上擂臺，卻被沃森狠狠地打敗，充分展示了IBM在先進科學和計算領域的專長。同時，這也是AI潛力的***個真正示范。
去年年底，一位舊金山的Uber用戶稱贊了自動駕駛汽車開車接他們，并將他們送到目的地的行為，這些汽車配有傳感器和攝像機，并通過機器學習，學會駕駛、加速、制動和改變車道等技巧。
AI/ML的發展方向是什么?
其實，AI和ML之間是有區別的。
真正的人工智能有創造更大影響力的潛力，這遠遠超過個人電腦的發明和移動手機的傳播所帶來的影響力，這是人類智慧的體現，而這也僅僅是冰山一角罷了——我們根本沒有計算能力來構建一個像人腦這樣的神經網絡。
所以讓我們將人工智能的進步限制在ML的現實之中加以考慮，它使我們在技術上的進步比想象中要快的多。我們希望能夠讓機器從他們對世界的觀察中進行學習，而不是試圖按需知密般提前對機器進行組編(編寫)程序。
現在世界上的一切都是由一臺機器來驅動的。得益于技術的發展進步，當今的工程師們可以研發一種機器——在編碼參數之內，可以自主學習，這就是機器學習。它試圖創建預測模型和算法，賦予計算機在沒有顯式編程的情況下執行任務的能力。
有什么例子可以說明這些呢?
我們在日常生活中有使用機器學習的例子嗎?哦，對，Google搜索引擎，這可是來自亞馬遜，Netflix和YouTube的建議，甚至Facebook上的一些朋友都推薦了它。除此之外，ML融入我們日常生活的另一種方式是通過人臉識別，在機場，你正在盯著前方的照相機，腳上卻好像做了標記一樣，等待門打開，通過門禁。
現如今，工程師可以使用基本級別的人工智能來實現機器學習，其中包括使計算機在沒有顯式編程的情況下執行智能人工任務。人工智能在日常生活中的普遍應用包括蘋果的Siri，計算機模擬，信用卡欺詐檢測，使用Chatbots的在線客戶支持以及安全監控等。
隨著計算機硬件和軟件的迅速發展，人工智能似乎超越了人類專家的能力，比如，沃森在Jeopardy電視節目中贏得了勝利，日本的機器人在市場預測中擊敗了人類。這似乎表明在未來，這種技術的使用有著巨大的潛力，如減少醫療實踐中的失誤，道路交通中的事故。
人工智能具有速度更快，攝像機集成和精確速度識別等功能，這使機器能夠比人類更好地執行某些任務。但這并不意味著人類已經被取代了。
ML的復雜性是什么?
機器學習的基礎技術是非常復雜的，它有三個部分——模型，參數和學習者。
模型是一種能夠進行預測和識別的系統。
參數是模型用于做出決定的信號和因素。
學習者是通過觀察差異，預測結果和實際結果來調整參數的系統。
AI的復雜性是什么?
人工智能要復雜得多，每個程序在很大程度上都取決于產品的用途。它們都有三個組件——數據結構，輸入和輸出以及學習系統。
在這里，數據結構包括兩類必需的數據結構，一種用于長期存儲，另一種用于短期存儲。輸入和輸出是數據的核心來源。傳感器和下載的數據就是輸入的一些示例。學習系統的聯盟是人工智能系統中最重要的組成部分。這為我們提供了一個機器的學習系統和測試的邊界。它提供了感知和學習新信息的能力，并允許在人機交互中進行合作和社交智能。
AI會不會在短期內取代我們?
雖然機器學習和人工智能都是很有用的技術，但是在他們構成某些倫理困境之前還有很長的路要走的——機器的興起將導致代人類——這或者是最近他們接手我們的工作時所面臨的隱含威脅。
到2034年的時候，一項分析得出結論，美國47%的工作都將實現自動化，這意味著機器人可以接管人力就業。這對于公司來說可是個好消息，因為機器人不需要薪水，不需要休息時間，并且每次都能夠出色地完成工作任務。
然而，科技界的一些人認為人工智能可以讓人們享受生活，并利用智力作為一個推動者來完成更多的工作。它們可以幫助人類消除單調、乏味的任務，讓人們有更多的時間可以花費在創意工作和其他有趣的事情上，不僅如此，人們還可以從這些其他追求中獲得收入。
許多生活在人工智能和機器學習世界中的人們都在想，如果機器出現故障，將會發生什么?這會是誰的過錯?程序員還是最終用戶?如果機器沒有先進的社會智力(至少現在沒有)，他們將如何做出復雜和道德層面的決定?
正如生命未來研究所的總裁Max Tegmark所說：“我們所愛的有關文明的一切都是智慧的產物，所以用人工智能來擴大人類智慧，有可能幫助文明***的蓬勃發展——只要我們設法保持技術朝著有益的方向發展”。
圖靈測試怎么樣—— “讓人機對話成為可能”?
對話系統是許多科幻作家和技術專家所夢想的語音接口。然而，得益于人工智能和機器學習的進步，語音對話系統變得更加實用。有很多平臺，如蘋果的Siri，微軟的Cortana，亞馬遜的Alexa和Echo，這些平臺中的語音接口都可以將語音轉換為搜索命令。
他們還具有管理歌曲播放列表，購物清單和快速查找信息的技能。這些會話系統的未來是控制家電，這些已經在一些大型家電用器身上發生了。
在業務中，這些會話式語音接口——chatbots——可以簡化業務實踐，它可以使用戶和系統能夠進行有意義的交互。公司一直在尋找新的創新方式來增加品牌與消費者的溝通。和消費者之間的新的接觸點可以是相關式的，高度個人式的和對話式的。
通過機器學習，自然語言處理和實時運營商的有力結合，零售商和一些技術公司將致力于通過聊天室來擴展對話系統，他們將提供客戶服務，銷售支持和其他與商業相關的功能。
現如今，隨著移動消息，語音對話系統的普及以及人工智能和機器學習所取得的進步，新一代工具可以使公司/品牌更快，更好，更便宜地與客戶進行溝通。
