为什么说要把人工智能习以为常化

在心理学上面有这样一个心理现象，任何一个单词如果将其重复的次数足够多的话，这个单词就会失去所有的意义。如果以这样的概念来描述人工智能的话，那么人工智能一词早就应该土崩瓦解。但是，现实是人工智能出现越发频繁，在科技领域无处不在，而且意义也从未减弱。

确切来讲，人工智能是被误用了，在商业化的市场上面被炒作和吹捧的太过，导致很多人都很难认同，同时媒体的报道也有一些夸大研究，在任何模糊的人工智能故事上都贴上"肆意妄为"的标签。

很多人常常归结现在人工智能究竟是否智能。对于非专业人士来说，这可能是一个棘手的问题。相较于普通人来说，更愿意将它与最熟悉的一种科学愿景混为一谈：一台比人类聪明许多倍的有意识的计算机。专家们把这个人工智能的具体事例称为人工通用智能，如果我们真的要创造出这样的东西，那还有一段很长的路要走。在此之前，没有人会因为夸大人工智能系统的智慧或能力而受益。

尽管如此，却依旧不妨碍这项技术对于我们社会的贡献，比以往的时候都要大。如今的医疗，企业的管理，智慧城市的发展...它帮助人们创作音乐和书籍，它能仔细阅读你的简历让你的简历尽可能的被更多的企业看到，解决销售型企业电话机器人好不好用的问题。亦或者，你的信用卡积分的上涨，手机上照片的调整。无论你是否能够接受它，它正在改变你生活的样子。

那么，与其谈论人工智能，不如谈谈"机器学习"。这是人工智能的一个子领域，涵盖了目前对世界影响最大的几乎所有研究方法。作为这样一个词语，它没有人工智能的神秘性，但它更有助于解释这项技术的作用。

机器学习的解释繁多，其实本质上就是计算机自己进行"学习"。但是这会带来一个更大的问题。

让我们从一个问题开始。假设你想创建一个能够识别狗的程序。你可以试着用传统的方法来做，比如用"狗有凸起的牙齿"和"狗有毛绒绒的尾巴"这样明确的规则来编程。但是如果出现一张狼的照片，程序又将怎么做呢？所以就需要对每个必须的规则进行编程，但是这又是非常耗时的，你必须在此过程中定义各种困难的概念，比如"牙齿"和"尾巴"。那么最好的选择是让程序自己学习。如果你觉得识别图片太过于普通，想要识别声音，特别是人的声音，最好是能实时交谈的，那么这就涉及到智能语音的行业了，虽然方向不一样但同样也是相应的原理，例如不同于传统智能音箱的智能电话机器人，通过大数据的收集，并且在此基础上面进行整合，构建成一个完整的语音系统。

其实，这个方法最大的优点是最明显的：你永远不需要编写程序。当然，你需要做大量的修补工作，改进了系统处理数据的方式，找出了更智能的方法来获取这些信息，但你并没有告诉程序它应该寻找什么。这意味着它可以发现人类可能会错过或从未想过的模式。因为程序所需要的只有数据，你可以将其训练成为任何工作，毕竟现代社会充满着数据。有了机器学习的这把锤子在手，就算数字世界就充满了钉子，你也可以随时用锤子将其锤入合适的位置。

指导计算机自学是一条绝妙的捷径。就像所有的捷径一样，它需要走投机取巧。如果你愿意，你可以认为人工智能里存在智慧。但这并不是真正的人类意义上的智慧，它也不遵循人类的原则。你也许会想问：一本书能有多聪明？平底锅里能蕴含什么专业知识？

那么我们如今在人工智能方面处于什么位置呢？在数年的头条新闻宣布下一个重大突破之后，一些专家认为我们已经达到了某种平稳期。但这并不是进步的真正阻碍。在研究方面，我们现有的知识中有大量的途径可以探索，而在产品方面，我们只看到了算法的冰山一角。

李开复将当前这个时代描述为一个"执行的时代"，在这个时代，技术开始"从实验室向全世界扩散"。另一位风险投资策略家班尼迪克特·埃文斯将机器学习比作关系数据库。关系数据库是一种企业软件，在上世纪90年代大赚了一笔，并且彻底改变了整个行业。但机器学习是如此平常，以至于你的眼睛可能只是单纯地看到了这一词语。这两位想表达的是，我们现在正处在人工智能迅速恢复正常的阶段。埃文斯说:"最终，几乎所有的东西都会在其内部某个地方进行机器学习，但没有人会在意。"

他说的没错，但我们还没到那一步。

就目前而言，人工智能-机器学习-仍然是一种新事物，常常无法解释或未被充分研究。但在未来，人工智能会普遍到甚至被你忽视。