根據(ju)Gartner的(de)數(shu)據(ju)，到(dao)2022年，全球客(ke)戶(hu)將在(zai)人工(gong)智能軟件上(shang)花費625億美元。報告還指出，48%的(de)CIO已經部(bu)署(shu)了某種人工(gong)智能軟件，或計劃在(zai)未來12個月內部(bu)署(shu)。
所(suo)有這些投資(zi)吸引了(le)(le)大量專注于人工(gong)智(zhi)能(neng)產(chan)品的初(chu)創公司。CBInsights報(bao)告稱，僅在2022年第一季度，人工(gong)智(zhi)能(neng)融資(zi)就(jiu)達到了(le)(le)151億(yi)美(mei)元。而在此(ci)之前的一個季度，投資(zi)者向人工(gong)智(zhi)能(neng)初(chu)創公司投入(ru)了(le)(le)171億(yi)美(mei)元。鑒于數據驅動人工(gong)智(zhi)能(neng)，數據分(fen)析、機器(qi)學習和商業智(zhi)能(neng)等相關領(ling)域都出現快速增長也(ye)就(jiu)不(bu)足為奇了(le)(le)。
但究竟(jing)什(shen)么是(shi)人工智能?為(wei)什(shen)么其會成為(wei)科技行業中如此(ci)重要且利潤豐厚的(de)一部分?
在某些方(fang)面(mian)，人(ren)(ren)工(gong)智(zhi)(zhi)能與自然智(zhi)(zhi)能相反。如果說(shuo)生(sheng)物天生(sheng)具有(you)智(zhi)(zhi)能，那么人(ren)(ren)造機(ji)器(qi)可以說(shuo)是擁有(you)人(ren)(ren)工(gong)智(zhi)(zhi)能。所以從某種角(jiao)度來(lai)說(shuo)，任何(he)“會思(si)考(kao)的(de)機(ji)器(qi)”都(dou)具有(you)人(ren)(ren)工(gong)智(zhi)(zhi)能。
事實上，人工智能的早期先驅之一(yi)——JohnMcCarthy，將(jiang)人工智能定義(yi)為“制造智能機器的科學和工程”。
然(ran)而(er)，在實踐中，計算機科學家(jia)使(shi)用人工智能這(zhe)個術語來指代機器的思(si)維(wei)方式(shi)，人類已經把這(zhe)種思(si)維(wei)方式(shi)提升到了一個非(fei)常高的水平。
計算(suan)機非常擅(shan)長計算(suan)——接(jie)受輸入、操縱(zong)，并產生結果(guo)輸出。但在過(guo)去，其(qi)還(huan)無法完成(cheng)其(qi)他人類(lei)擅(shan)長的工作，比如理解和生成(cheng)語言、通(tong)過(guo)視覺(jue)識別物體、創造藝術或從過(guo)去的經(jing)驗中(zhong)學習。
現今，許多(duo)計算機系統能夠使(shi)用普(pu)通語言與人類交流(liu)。還可以識(shi)別人臉(lian)和其(qi)他物(wu)體。其(qi)使(shi)用機器(qi)學習技術，尤其(qi)是深(shen)度學習，使(shi)自己能夠從過去(qu)中學習并預測未來。
許多人(ren)將人(ren)工(gong)智能的歷(li)史追溯(su)到(dao)1950年，當(dang)時AlanTuring發表了《計算(suan)機器(qi)與(yu)智能》。Turing的文章開(kai)頭寫到(dao)，“我提議考慮這個(ge)問題，‘機器(qi)會思(si)考嗎?’”還提出了一個(ge)被(bei)(bei)稱為圖靈測(ce)試的場景(jing)。Turing提出，如果一個(ge)人(ren)不(bu)能把機器(qi)和人(ren)區分(fen)開(kai)來，那(nei)么計算(suan)機就(jiu)可以(yi)被(bei)(bei)認(ren)為是智能的。
1956年，JohnMcCarthy和MarvinMinsky主(zhu)持(chi)了第(di)一次人(ren)工智(zhi)能會議，即達特茅(mao)斯(si)人(ren)工智(zhi)能夏季研究項目(DSRPAI)。該會議讓計(ji)算機科(ke)學(xue)家(jia)相信，人(ren)工智(zhi)能是一個可以實現的(de)目標，為未來(lai)幾(ji)十年的(de)進一步研究奠定(ding)了基礎(chu)。人(ren)工智(zhi)能技(ji)術(shu)的(de)早期(qi)嘗(chang)試開發出了能下西洋(yang)跳棋和國際象棋的(de)機器人(ren)。
1960年代見證了機(ji)器人和一(yi)些解決問題(ti)的程(cheng)序的發(fa)展。一(yi)個(ge)值得注意的亮(liang)點是(shi)(shi)ELIZA的創建，這是(shi)(shi)一(yi)個(ge)模擬心理(li)治(zhi)療的程(cheng)序，為人機(ji)交流提供了一(yi)個(ge)早期(qi)的例子。
在(zai)1970和(he)1980年代，人工(gong)(gong)智能(neng)的(de)發(fa)展(zhan)仍在(zai)繼續，但(dan)速(su)度有所(suo)放(fang)緩。尤其機器(qi)人領域(yu)取(qu)得(de)了重大進展(zhan)，比(bi)如可(ke)以(yi)看到和(he)行走的(de)機器(qi)人。Mercedes-Benz推(tui)出了第一款(kuan)(極其有限的(de))自動(dong)駕駛汽車。然(ran)而，政府對人工(gong)(gong)智能(neng)研究的(de)資(zi)助大幅(fu)減少，導致(zhi)了一段被稱為“人工(gong)(gong)智能(neng)寒冬”的(de)時期。
1990年(nian)代，人(ren)(ren)們對人(ren)(ren)工(gong)(gong)智(zhi)能的興趣再次激(ji)(ji)增。“人(ren)(ren)工(gong)(gong)語言(yan)互聯網(wang)計算機實體(ti)”(ALICE)聊(liao)天機器人(ren)(ren)證明(ming)，自然(ran)語言(yan)處理可以帶來(lai)比ELIZA更自然(ran)的人(ren)(ren)機交流。這(zhe)十年(nian)也見證了分析技(ji)術的激(ji)(ji)增，這(zhe)為后來(lai)的人(ren)(ren)工(gong)(gong)智(zhi)能發(fa)展奠定了基礎，以及第一(yi)個(ge)循(xun)環(huan)神經網(wang)絡架構的發(fa)展。這(zhe)也是(shi)IBM推(tui)出其(qi)DeepBlue國(guo)際象棋人(ren)(ren)工(gong)(gong)智(zhi)能的十年(nian)，其(qi)是(shi)首(shou)個(ge)戰勝(sheng)當前世界冠軍的人(ren)(ren)工(gong)(gong)智(zhi)能。
2000年代(dai)的(de)第一個十年見證了(le)機器人技術的(de)快速(su)創新。第一批Roombas開始吸塵地毯，NASA發(fa)射的(de)機器人探索火星。而在(zai)國內，Google公司正在(zai)研(yan)發(fa)無人駕駛(shi)汽車。
自2010年以來(lai)，人工(gong)智能(neng)技(ji)術出現(xian)(xian)了(le)前所未有的增長。硬件和(he)軟(ruan)件都發展到了(le)可以實(shi)現(xian)(xian)物體識(shi)別、自然語言(yan)處理(li)和(he)語音(yin)助(zhu)手的程度。IBM的Watson贏得了(le)Jeopardy。Siri、Alexa和(he)Cortana應運而生，聊(liao)天機器(qi)人成為了(le)現(xian)(xian)代零售的固定設備。DeepMind的AlphaGo打(da)敗了(le)人類圍棋冠軍。所有行(xing)業的企(qi)業都開始部(bu)署人工(gong)智能(neng)工(gong)具來(lai)幫助(zhu)分析(xi)數據，并取得更大的成功。
現在，人(ren)工(gong)智(zhi)能真正(zheng)開(kai)始(shi)進化，超越(yue)一些狹(xia)窄和(he)有限的(de)(de)類型，演變(bian)為更高(gao)級的(de)(de)實現。
不同(tong)的(de)計算機科學家小(xiao)組(zu)提出了不同(tong)的(de)方法(fa)來分類人工智能的(de)類型(xing)。一(yi)種流(liu)行的(de)分類使(shi)用三個類別(bie):
1.狹義(yi)(yi)的(de)人(ren)(ren)工智能在(zai)一件事上做得非常好。蘋(pin)果的(de)Siri、IBM的(de)Watson、Google的(de)AlphaGo都是(shi)NarrowAI的(de)例子。狹義(yi)(yi)的(de)人(ren)(ren)工智能在(zai)當今(jin)世(shi)界相當普(pu)遍(bian)。
2.通用(yong)(yong)人工(gong)(gong)智(zhi)能(neng)(neng)是人工(gong)(gong)智(zhi)能(neng)(neng)的一(yi)種理論形式，其可(ke)以與人類一(yi)樣(yang)執行大多數(shu)智(zhi)能(neng)(neng)任務。流行電(dian)影中(zhong)的例子可(ke)能(neng)(neng)包括《2001太空漫游》中(zhong)的HAL或(huo)《鋼(gang)鐵俠》中(zhong)的J.A.R.V.I.S。許多研究人員目前正致(zhi)力于(yu)開發通用(yong)(yong)人工(gong)(gong)智(zhi)能(neng)(neng)。
3.超級人工(gong)智(zhi)能，仍(reng)然處(chu)于理論階段(duan)，其(qi)智(zhi)力遠遠超過(guo)人類(lei)。這種人工(gong)智(zhi)能還沒有接近成為現(xian)實。
1.反應式機(ji)(ji)器(qi)接收輸(shu)入(ru)并提供輸(shu)出，但它們沒有任何記憶或從過去的(de)(de)經驗(yan)中學習(xi)。在許多電子游(you)戲中對抗的(de)(de)機(ji)(ji)器(qi)人(ren)就(jiu)是(shi)反應性(xing)機(ji)(ji)器(qi)的(de)(de)典型例子。
2.內存(cun)有(you)(you)限的(de)(de)機器可以(yi)回溯過去(qu)。當(dang)今道(dao)路上的(de)(de)許多車(che)(che)輛都具有(you)(you)屬于此類的(de)(de)先(xian)進安全功能(neng)。例如，如果(guo)有(you)(you)汽車(che)(che)在車(che)(che)輛或(huo)人(ren)員即將(jiang)超過時(shi)，發出備(bei)份警告，那么其使用的(de)(de)是一組有(you)(you)限的(de)(de)歷(li)史數據(ju)來(lai)得出結論并提供(gong)輸出。
3.心智(zhi)機器理(li)論意識(shi)到人(ren)類和其他實體的存在(zai)，并有自己獨立的動機。大多數研究人(ren)員(yuan)(yuan)都認同(tong)，這種人(ren)工(gong)智(zhi)能尚未開發出來，一(yi)些研究人(ren)員(yuan)(yuan)表示不應該嘗試這樣做。
4.有(you)自(zi)(zi)我意識的(de)機(ji)器(qi)知道自(zi)(zi)己的(de)存在和身(shen)份。盡管一(yi)些研究(jiu)人員聲稱，具(ju)有(you)自(zi)(zi)我意識的(de)人工智能如今已經存在，但只有(you)少(shao)數(shu)人認同(tong)這一(yi)觀點。開發具(ju)有(you)自(zi)(zi)我意識的(de)人工智能存在很(hen)大爭(zheng)議。
雖然(ran)從(cong)理(li)論(lun)角度(du)來看這(zhe)些(xie)分(fen)類很有趣，但大多數組織更感興趣的是可以用人工智(zhi)能做什么。這(zhe)將我們帶(dai)到(dao)了產生大量(liang)收入的人工智(zhi)能方面(mian)——人工智(zhi)能用例。
推(tui)薦引擎——無論是購(gou)買一件新毛衣、找(zhao)一部(bu)電影(ying)看、瀏覽(lan)社交媒(mei)體還是試圖尋找(zhao)真(zhen)愛，我們都可(ke)能會遇到一個基于人(ren)工(gong)智(zhi)能的(de)算(suan)法，其會給出建議。大多數推(tui)薦引擎使(shi)用(yong)機器(qi)學習(xi)模(mo)型將用(yong)戶的(de)特征和歷史行為與周(zhou)圍的(de)人(ren)進(jin)行比較(jiao)。即使(shi)用(yong)戶自己不(bu)知道這些偏好(hao)，這些模(mo)型也能很好(hao)地(di)識別偏好(hao)。
自然(ran)語(yu)(yu)言處(chu)理(li)——自然(ran)語(yu)(yu)言處(chu)理(li)(NLP)是一(yi)個廣泛(fan)的人工(gong)智能(neng)類(lei)(lei)別，包(bao)括語(yu)(yu)音(yin)到文本、文本到語(yu)(yu)音(yin)、關鍵字識別、信息提取(qu)、翻(fan)譯(yi)和語(yu)(yu)言生成。其(qi)允許人類(lei)(lei)和計算機(ji)通過普通的人類(lei)(lei)語(yu)(yu)言(音(yin)頻或打字)進(jin)行交互，而(er)不是通過編程語(yu)(yu)言。由于許多NLP工(gong)具都(dou)包(bao)含了機(ji)器學習功能(neng)，因(yin)此它們往(wang)(wang)往(wang)(wang)會隨(sui)著時間的推移而(er)改(gai)進(jin)。
情(qing)感分析(xi)(xi)(xi)——人(ren)工智(zhi)能(neng)不僅可以(yi)理解人(ren)類語言，還(huan)可以(yi)識別支(zhi)撐人(ren)類對話(hua)的(de)(de)情(qing)感。例如，人(ren)工智(zhi)能(neng)可以(yi)分析(xi)(xi)(xi)數千(qian)個技術支(zhi)持對話(hua)或社交媒(mei)體(ti)互動(dong)，并識別出(chu)哪些客(ke)戶(hu)正在(zai)經歷(li)強烈的(de)(de)積極或消極情(qing)緒。這種類型的(de)(de)分析(xi)(xi)(xi)可以(yi)讓客(ke)戶(hu)支(zhi)持團隊專注于那(nei)些可能(neng)有叛變(bian)風險(xian)的(de)(de)客(ke)戶(hu)和/或可能(neng)被(bei)鼓(gu)勵(li)成為品牌倡導者的(de)(de)極度熱情(qing)的(de)(de)支(zhi)持者。
語音助手(shou)——很多人每(mei)天(tian)都(dou)與Siri、Alexa、Cortana或Google互動。雖(sui)然(ran)我們經常認為這(zhe)些助手(shou)是(shi)理(li)所當然(ran)的(de)，但(dan)其融合了先進的(de)人工智能技術，包括自然(ran)語言處理(li)和機器學習。
欺(qi)詐預防——金融(rong)服務公司(si)和零售商經常使用高度先(xian)進的機器學習技術來(lai)識別欺(qi)詐交易(yi)。其在金融(rong)數據中尋找(zhao)模式，當交易(yi)看起來(lai)異(yi)常或符合已知(zhi)的欺(qi)詐模式時，就會發(fa)出警報，以(yi)阻止或減輕(qing)犯(fan)罪活動。
圖像識別——很(hen)多人(ren)(ren)都使(shi)用基于人(ren)(ren)工(gong)智能(neng)的(de)面部(bu)識別來解鎖(suo)手機。這種(zhong)人(ren)(ren)工(gong)智能(neng)還支持自(zi)動駕駛汽(qi)車，并(bing)允許自(zi)動處理(li)許多與(yu)健康有關的(de)掃描和測試。
預測性維護——許多行業，如制造、石(shi)油(you)和天然(ran)氣、運(yun)輸和能(neng)源嚴重依賴機(ji)(ji)械。當(dang)機(ji)(ji)械停機(ji)(ji)時(shi)，成本可能(neng)會非常(chang)高。目前，企業正在結合使用目標識別(bie)和機(ji)(ji)器學習技(ji)術，來提前識別(bie)設(she)備可能(neng)發生故障(zhang)的時(shi)間，以(yi)便(bian)在故障(zhang)最小化的時(shi)間安排維修。
預測(ce)分(fen)(fen)析和禁止分(fen)(fen)析——預測(ce)算法可(ke)以(yi)(yi)(yi)分(fen)(fen)析任何(he)類(lei)型(xing)的(de)(de)業務數據(ju)，并將(jiang)其用(yong)作預測(ce)未來可(ke)能發生事(shi)件的(de)(de)基礎(chu)。規范性分(fen)(fen)析還處于(yu)起步階段，其更進(jin)一步，不僅可(ke)以(yi)(yi)(yi)做出預測(ce)，還可(ke)以(yi)(yi)(yi)提供建議(yi)，告知(zhi)組織(zhi)應該為可(ke)能發生的(de)(de)未來事(shi)件做好準備(bei)。
自(zi)動(dong)(dong)駕(jia)(jia)駛(shi)汽車——當今生(sheng)產(chan)的(de)大多數汽車都(dou)具有一(yi)些自(zi)動(dong)(dong)駕(jia)(jia)駛(shi)功能，如停車輔助(zhu)、車道居中(zhong)和(he)自(zi)適應巡(xun)航。雖(sui)然完全自(zi)動(dong)(dong)駕(jia)(jia)駛(shi)汽車仍(reng)然很昂(ang)貴，且(qie)相(xiang)對稀(xi)少，但已(yi)經在路(lu)上，并且(qie)驅動(dong)(dong)其的(de)人工智能技術正在變得越(yue)(yue)來越(yue)(yue)好(hao)，越(yue)(yue)來越(yue)(yue)便宜(yi)。
機器(qi)(qi)(qi)人技術——工業機器(qi)(qi)(qi)人是人工智(zhi)能(neng)最早的應(ying)用之(zhi)一，其仍然(ran)是人工智(zhi)能(neng)市場的重(zhong)要組(zu)成部分。消費型機器(qi)(qi)(qi)人，如機器(qi)(qi)(qi)人吸塵器(qi)(qi)(qi)、調酒師和(he)割草機，正變得越來(lai)越普遍(bian)。
當然，這些(xie)只是人(ren)工智能的一(yi)些(xie)廣為人(ren)知的用例。科技(ji)正以如此多的方式滲透到(dao)我們的日常生活中，以至(zhi)于我們常常沒有完全意(yi)識到(dao)它們。
推(tui)動人工智能(neng)的(de)(de)技術繼續(xu)以(yi)穩定的(de)(de)速度發展。量子計(ji)算等未來的(de)(de)進步可(ke)(ke)能(neng)最終會帶來重(zhong)大的(de)(de)創(chuang)新(xin)，但(dan)在近期內，這項技術本(ben)身似乎很可(ke)(ke)能(neng)會沿著一條可(ke)(ke)預(yu)測的(de)(de)不斷改進的(de)(de)道路繼續(xu)前(qian)進。
目前(qian)尚不清楚的(de)是(shi)人(ren)(ren)類將如何(he)適應人(ren)(ren)工智能。這(zhe)個(ge)問題對未(wei)來幾十年的(de)人(ren)(ren)類生(sheng)活產生(sheng)了重大影響(xiang)。
許(xu)多(duo)早(zao)期(qi)的AI實現都遇到了重大(da)挑戰。在某些情況下(xia)，用于訓練模型的數據會讓偏(pian)差感(gan)染(ran)AI系統，導致其無法(fa)使用。
在其(qi)他許多情(qing)況下，企業在部署AI后并沒有看到希(xi)望(wang)的財(cai)務結果。技術(shu)可能已經成熟，但圍繞(rao)其(qi)的業務流程(cheng)卻(que)還不成熟。
Gartner高級(ji)研(yan)究總監Alys Woodward表示(shi):“人(ren)工智能軟(ruan)件(jian)市場(chang)正(zheng)在(zai)加速(su)發(fa)展，但其(qi)長(chang)期(qi)發(fa)展軌跡(ji)將(jiang)取決于(yu)企業能否提(ti)高其(qi)人(ren)工智能成熟度。”
Woodware補充道:“成功的(de)AI業(ye)務成果將取決于對用例的(de)謹慎(shen)選擇。提供重大業(ye)務價值的(de)用例，同時可以(yi)通過(guo)擴展來(lai)降低風險，這(zhe)對于展示AI投(tou)資對業(ye)務利益(yi)相關(guan)者(zhe)的(de)影響至關(guan)重要。”
組織正在(zai)轉向(xiang)使用AIOps等方(fang)法來(lai)幫(bang)助更好(hao)地管理AI部署。他們(men)越(yue)來(lai)越(yue)多(duo)地尋找以人為中心的人工智(zhi)能，利用人工智(zhi)能來(lai)增強而不是取(qu)代(dai)人類工人。
全球人工智能市場(chang)是一股充滿(man)活力和變革的(de)力量(liang)，正在重塑行業和社會(hui)。其(qi)應用(yong)范圍從醫療保健到(dao)金(jin)融，并(bing)且隨(sui)著技術(shu)的(de)進步(bu)(bu)其(qi)影響力不(bu)斷擴大。盡管(guan)必須解決挑戰和道德問(wen)題，但人工智能在提高(gao)效(xiao)率(lv)、改進決策和推動創新(xin)方面的(de)潛在好處是不(bu)可否認的(de)。隨(sui)著人工智能不(bu)斷發(fa)展，它無(wu)疑(yi)將(jiang)走(zou)在技術(shu)進步(bu)(bu)的(de)最前沿，塑造(zao)我們工作(zuo)、生活和與世界(jie)互動的(de)未來。
官方微信
官方微博
