人工智能给我们带来了什么？

1. 人工智能给我们带来了什么？

有人说，人工智能是人类对于终极命运的探索。在阿尔法狗打败了世界围棋冠军李世石后，人工智能再次惊艳了世界，也带来了是否会超越人类的恐惧。
城市大脑、ET机器人、VR Pay、可穿戴设备、互联网汽车……正在杭州举行的云栖大会“飞天·进化”上，一批最前沿的人工智能产品登台亮相，它们将给我们的生活带来什么改变？
城市也能有大脑？
交通拥堵，只是城市大脑迎战的第一个难题。城市大脑的目标，是让数据帮助城市来做思考和决策，将城市打造成一个能够自我调节、与人类良性互动的空间，而城市大脑的内核将进化成为能够治理城市的超级人工智能。
这看起来像是一个“不可能完成的任务”。不过，在杭州市政府支持下，一批中国顶尖的人工智能科学家已经撸起袖子开干了。他们来自阿里云、富士康、数梦工场等13家企业。
云计算和大数据虽然很高大上，但它们不落地还是不行。数梦工场做的就是把这些科学创新变成可观、可感，在政务服务中可用的技术。



机器人能替代人类么？
在云栖大会体验区一个模拟登机平台，一台名叫阿莫的机器人吸引了众多参观者。乘客可以通过人脸或者身份证进行识别，迅速获得登机信息并打印登机牌，整个过程不到1分钟。
阿莫由深圳阿西莫夫科技有限公司研发。“阿莫除了实现自助登机，还可以进行深度语音交互，陪伴候机者，属于机场全方位服务机器人。”该公司产品经理柴智说。
在体验区还有多款不同科技公司研发的机器人产品。由北京康力优蓝机器人科技有限公司研发、外表呆萌的优友智能机器人便是其中之一。该公司相关负责人温达说，优友智能机器人具有深度语音交互、机器人视觉、自主定位和导航、自动控制等功能，目前已经拥有超过百例商场、公司、餐厅等实战级应用。



不用“剁手”也能买买买？
一个头戴VR眼镜的女孩在空气中挥了几下手，很快就有快递员敲门，说：“这是您刚才在网上买的连衣裙。”这不是科幻电影中的场景，而是很快会发生在我们身边的事。
在云栖大会上，预计将有上万名参观者在蚂蚁金服展区体验VR Pay。VR Pay是什么？据体验区工作人员介绍说，VR Pay可实现在虚拟环境中，不管是购物、直播还是游戏，当涉及支付时，用户可以直接通过触控、凝视、点头等交互方式，在3D虚拟现实中完成。
据VR Pay研发团队相关负责人林锋介绍，这一技术根据虚拟现实的特点，运用了独有的支付验证方式和安全体系机制，并结合生物识别技术，让支付更安全。“以前网购被叫做‘剁手’，有了这种支付方式，不用手就可以买买买了。”
VR的应用远不止于此。杭州映墨科技有限公司客户经理沈君说，他们的儿童VR游乐设备可以全方位满足儿童沉浸式体验，并在游戏中实现互动和寓教于乐。

2. 人工智能可以为我们做些什么？

人工智能现在的应用已经十分广泛了，我们手机上常见的指纹识别，人脸识别等都属于与我们生活息息相关的人工智能的应用。在更先进的学科研究中，人工智能还承担了人脑无法承担的大量复杂运算的职能。而在机械制造等生产活动中，人工智能机器人在精准控制和微型操作时也拥有着比人类更加优秀的表现。

我们不说那些日常生活中难以接触到的应用，就看看我们自己的智能手机，是不是都是用的指纹识别？因为密码锁虽然也很安全但是每次解锁都很麻烦，由人工智能发展出来的指纹锁能够让我们更方便的解锁手机。而且由于指纹的唯一性，指纹解锁的安全性也值得信赖。另外，比较高端点的手机现在已经搭载了人脸识别和虹膜识别，就更加安全和易用了。

对我而言人工智能影响最大的就是我的专业前景了。我们学语言走翻译方向的，不得不担心人工智能在哪一天就会抢了我们的饭碗，由此参加一个中非小型会议，我们专业的学生都去观摩翻译，当时现场既有人工翻译，也有一台机器做机器翻译，虽然那时候机器翻译准确率不高，但我们还是感受到自己的专业有着被取代的趋势。

总之，人工智能是目前科学界研究的重中之重，不光在工业领域，在家庭或者日常生活领域人工智能的应用也会越来越广泛，操作难度会降低而操作精度会不断提高。将来我们每个人的家中都有可能出现一个人工智能保姆，替我们处理一切家务来满足我们对简单生活的需要。

3. 面对未来人工智能的社会，我们应该做好什么准备？

人工智能的脚步无法阻挡，我们如果不与时俱进，将会落伍甚至被社会所淘汰，在这种趋势下，我们应当
学习一项新技能，纵观历史我们发现，每一次工业革命在降低成本，加速生产，促进经济发展的同时，必会导致一部分人失业。人工智能的到来也必然会使得一部分不与时俱进的人失业。人工智能的强大不用多做介绍，未来甚至是现在，一些重复性的劳动已经由人工智能相关机器完成，而且完成得比人工更好、更快、成本更低，例如在物流行业中，原来有人工完成的包裹分拣业务，现在很多都用机器人代替，在仓库中，人的身影寥寥无几，取而代之的是满地跑的机器人。

4. 人工智能给我们带来了什么？

现在是人工智能的时代。在这个时代中处处充满了机遇，我们在人工智能的大时代下也享受到了人工智能提供的方便。当然，人工智能不仅给我们带来了很多的技术，还给我们带来了希望和向往。那么除了这些，人工智能还给我们带来什么呢？下面我们就给大家介绍一下这个内容。
我们把眼光放在四十年前，40年前是个人电脑的时代，20年前是互联网的时代，10年前是移动互联网的时代，那么接下来就是人工智能的时代了。各个国家将人工智能提升到国家战略上，各大科技巨头公司也将AI提升到优先的战略层面上，在这方面的创业公司涌现。种种迹象表明，人工智能的时代真的来了。
很多人考虑着用人工智能创业，如果使用人工智能创业的话，还是要在商业化层面考虑。人工智能商业化大致分为三个阶段。第一阶段人工智能率先在那些在线化高的行业开始应用，在数据段、媒体端实现自动化，也就是拥有高质量线上大数据的行业会最早进入人工智能时代，如金融；第二阶段是随着感知技术、传感器和机器人技术的发展，人工智能延伸到实体世界，工业机器人、仓储机器人等会在这个阶段实现大范围普及；第三阶段就是人工智能延伸到个人场景，全面自动化的时代到来。人工智能时代的创业会不同以往，李开复老师认为人工智能创业需要五大基石。一是清晰的领域界限，以深度学习为代表的人工智能算法最善于解决的。第二是闭环的、自动标注的数据，收集数据，才能用数据训练模型，用模型提高性能。第三是千万级的数据量，这样深度学习才能受到足够的训练。第四是超大规模的计算能力，还是为了满足深度学习的训练。第五是顶尖的人工智能科学家，这也许是最难的一个，当前这方面的人才相当稀缺。
与此同时，人工智能产业发展也面临着很多的挑战，比如前沿科研与产业实践尚未紧密衔接、人才缺口大、人才结构失衡，以及创业难度高。所以这在某种程度上限制了人工智能的发展。希望我们人类的杰出者可以好好在未来解决并完善这些问题，这也将是我们整个人类莫大的福祉。
通过这篇文章想必我们已经知道了人工智能给我们带来了什么了吧？我们在发展人工智能的时候，既要怀抱感恩的心去享有目前所拥有的一切，也得为人类的科技发展做出自己的微薄贡献，这样我们人类才能够更好地驾驭人工智能。

5. 什么是人工智能，为什么要做人工智能？

第一是数据。因为人工智能的根基是训练，就如同人类如果要获取一定的技能，那必须经过不断地训练才能获得，而且有熟能生巧之说。AI也是如此，只有经过大量的训练，神经网络才能总结出规律，应用到新的样本上。如果现实中出现了训练集中从未有过的场景，则网络会基本处于瞎猜状态，正确率可想而知。比如需要识别勺子，但训练集中勺子总和碗一起出现，网络很可能学到的是碗的特征，如果新的图片只有碗，没有勺子，依然很可能被分类为勺子。因此，对于AI而言，大量的数据太重要了，而且需要覆盖各种可能的场景，这样才能得到一个表现良好的模型，看起来更智能。

第二是算力。有了数据之后，需要进行训练，不断地训练。AI中有一个术语叫epoch，意思是把训练集翻过来、调过去训练多少轮。只把训练集从头到尾训练一遍网络是学不好的，就像和小孩说一个道理，一遍肯定学不会，过目不忘那就是神童了，不过我至今还没见到过。当然，除了训练(train)，AI实际需要运行在硬件上，也需要推理(inference)，这些都需要算力的支撑。

第三是算法。其实大家现在算法谈得很多，也显得很高端，但其实某种程度上来说算法是获取成本最低的。现在有很多不错的paper，开源的网络代码，各种AutoML自动化手段，使得算法的门槛越来越低。另外提一点，算法这块其实是创业公司比较容易的切入点，数据很多人会觉得low，会认为就是打打标签而已，所以愿意做的不多；算力需要芯片支撑，是大公司争夺的主要阵地，留下的只有算法了。

6. 我们需要怎样的人工智能？

来源:科技日报
智能穿戴设备吸引观众。汤彦俊摄
近日，麻省理工学院媒体实验室出品了一个“暗黑版AI”，再次将人工智能的黑箱隐忧这个经久不衰的话题送上热门。据报道，实验室的三人团队联手创造了一个叫诺曼(Norman)的人工智能，与希区柯克经典电影《惊魂记》中的变态旅馆老板诺曼贝兹同名。
名如其人。诺曼会以负面想法来理解它看到的图片。例如，一张在一般AI看来只是“树枝上的一群鸟”的普通图片，在诺曼眼中却是“一名男子触电致死”。
团队希望通过诺曼的表现提醒世人：用来教导或训练机器学习算法的数据，会对AI的行为造成显著影响。AI会成为什么样，有时人类可能束手无策。
TA们的偏见就是人类的偏见
诺曼们从哪来？答案首先藏在数据里。
“人工智能识别出的结果不是凭空而来，是大量训练的结果。如果要训练AI某一方面的能力，比如下棋，就需要收集、清洗、标记大量数据供机器学习。如果用于训练的数据不够多，就会造成AI学习的不充分，导致其识别结果的失误。”中科院自动化研究所研究员王金桥对科技日报记者表示。数据本身的分布特性，如偏差甚至偏见，也会被机器“有样学样”。针对诺曼的表现，创造它的实验室也指出，“当人们谈论人工智能算法存在偏差和不公平时，罪魁祸首往往不是算法本身，而是带有偏差、偏见的数据。因为当前的深度学习方法依赖大量的训练样本，网络识别的特性是由样本本身的特性所决定。尽管在训练模型时使用同样的方法，但使用了错误或正确的数据集，就会在图像中看到非常不一样的东西”。
另外是算法本身的影响。“这可能是无法完全避免的，由深度学习算法本身的缺陷决定，它存在内在对抗性。”王金桥表示，目前最流行的神经网络不同于人脑的生物计算，模型由数据驱动，和人类的认知不具有一致性。基于深度学习的框架，必须通过当前训练数据拟合到目标函数。在这个框架之下，如果机器要识别狗，它会通过狗的眼睛、鼻子、耳朵等局部特征进行可视化识别，而这些可视化特征却能给想利用深度学习漏洞的人机会，后者可以通过伪造数据来欺骗机器。
除了人训练机器的数据本身有偏差以外，机器通过对抗性神经网络合成的数据也可能有问题。由于机器不可能“见过”所有东西(比如识别桌子，机器不可能学习所有长短宽窄各异的桌子)，人也不可能标记所有数据。如果研究者输入一个随机的噪音，机器可以向任何方向学习。这是一把双刃剑，机器也可能合成一些有问题的数据，学习时间长了，机器就“跑偏”了。
数据的均衡或可减少“跑偏”
不少科学家以“garbage in, garbage out”来形容“数据和人工智能的关系”。中科视拓(北京)科技有限公司CEO刘昕说：“对机器学习而言，进什么就出什么。监督学习就是让模型拟合标签，比如训练者把帅哥都标记成‘渣男’，那么机器看到刘德华，就会认为他是……”谈到诺曼引发的讨论，刘昕表示：“不需要担心，人类本身就有各种歧视和偏见，用人类生产的数据训练AI，再批判AI不够正直良善，这么说有点危言耸听。”
偏见、刻板印象、歧视都是人类社会的痼疾，有些流于表面，有些深入社会肌理，无法轻易剥离。在这样的语境中产生的数据，携带着大量复杂、难以界定、泥沙俱下的观点。如果研究者没有意识到或着手处理这一问题，机器学习的偏见几乎无解。真正的“公正算法”或许是不存在的。
据有关媒体报道，在谷歌研究自然语言处理的科学家 Daphne Luong 表示，正确地校准标签对机器学习来说非常关键，有些数据集其实并不平衡，像维基百科上的数据，“他”(He)出现的次数远比“她”(She)要多。
王金桥也着重强调了“数据的均衡”。就算对人来说，不同人秉持着不同的价值观，但多听多看多受教育可以让人向良好的方向改进。机器学习也是如此。“训练机器时，要注重数据的均衡，给它更多可靠的数据。研究团队成员具有多元的学术背景(如吸纳更多社会学、心理学等领域学者加入)、性别、年龄、价值观，也可以帮助机器学习更加均衡，减少机器出现偏见、谬误甚至失控的可能。”王金桥说。
“机器学习的模型本身也要有一定的防攻击能力，从技术上防止本身结构设计的漏洞被攻击，研究者可以使用各种数据攻击机器，训练机器的反攻击能力。”王金桥说。
作恶还是向善，是人类的选择
1942年，阿西莫夫在短篇小说《环舞》中首次提出著名的机器人三定律：机器人不得伤害人类，或因不作为使人类受到伤害；除非违背第一定律，机器人必须服从人类的命令；除非违背第一及第二定律，机器人必须保护自己。半个多世纪过去，人工智能在大数据的加持下迎来爆发式发展。某些专用型人工智能把人类智能甩在身后，人们开始担忧，机器伤害人类的那一天是不是不远了。
因此有一种看法很主流——人类训练有意识、有自我觉知的人工智能是不明智的。开个脑洞，机器一旦发展出自我意识，要反向攻击人类，场面或许失控。
前段时间，据路透社报道，韩国科学技术院的人工智能研发中心正在研发适用于作战指挥、目标追踪和无人水下交通等领域的人工智能技术，希望在今年年底前研发出基于人工智能的导弹、潜艇和四轴飞行器。此事引发学术界的巨大震动，抗议纷至沓来，并最终以院长保证无意于“杀手机器人”的研发并重申人类尊严和伦理收场。在美国，以“不作恶”为纲的谷歌也因与国防部的合作协议涉及“Maven项目”被推上风口浪尖，反对者普遍认为，识别结果完全有可能被用于军事用途，比如说精准打击。谷歌最终表示终结协议。
相较于舆论环境的忧心忡忡，研究者对“技术向善”普遍乐观。他们认为把AI和“杀人机器”联系在一起，近乎“捧杀”，夸大AI能力之余，也引发不明真相的公众恐慌，无益于人工智能的发展环境。
“很多人提到AI总是一惊一乍，把AI说成超人。我相信人工智能是能解决问题的，但大家的期待也要在合理范围内。人和机器各有优势，技术会服务于特定场景，但也不需要把AI捧上天。”接受科技日报记者采访时，思必驰北京研发院院长初敏博士忍不住“抱怨”了一下。看来“我们需要怎样的AI”这一题，大家都还没有答案。

7. 人工智能时代的来临，什么工作将取代我们的工作？

马云预言：未来20年这些工作会“消失”，你在其中吗？

技术的发展和科技的进步，改变了人们现在的生活方式，我们的生活开始趋向一种便利，简洁的方式。


以前大多数需要人工的东西，现在可以依托于网络非常快速的转变，这些时代发展带给我们的优势，但同时这样的发展下也会让一些工作逐渐消失。

可能有人觉得这样的说法，骇人听闻，但这些事都得到了验证的，在阿里巴巴成立之初，马云说，银行不改变，我们就改变银行。

当时大家都觉得不可能实现，但现在支付宝以及微信功能的设施健全，以及在人们生活当中随处可见，让大家觉得这样的预言是真的，而除开银行之外，马爸爸也有其他的预言，那么这些预言会成为真实的吗？


在马爸爸的预言当中，就有一个未来20年将会消失的工作，并且将成为现实。

这些工作之所以会消失，就在于他们可以替代，而这样的可替代并不是让他们完全不见，而是换一种方式，换的这种方式是以最低的成本来得到最大的利益，就是大家现在都非常常见的人工智能。

只要设定系统，就可以让人不用在一个特定的区域完成一定的工作量，也可以完全理解为机器人或者程序代替人们工作。


因此即将消失的工作人员当中，第一个就是收银员。收银员的工作大家可能比较好理解，就拿现在一些大型超市的自动结账机器来说，大家也觉得这样的工作很有可能。

在大型超市的结账区域，除开人工之外，还会有一些独立起来的机器。在这些机器上就可以完成购买者自己的结账服务，通过一系列的线上支付完成买单，这个过程当中并不需要收银员，只靠购买者自己就可以完成，因此随着时代的发展，这一项工作被取代也可能是必然的。


而除开收银员之外，就有和他服务性质比较接近的一些工作，首先就是服务员，大家到外面的餐馆或者商店，主要就是有人服务，但是现在的很多年轻人其实不太适应这样的一些服务手段。

大家都觉得自己买自己想要的东西是一种更快的方式，有了线上支付以及自助结账这样的选择，那么大家就会逐渐不需要服务员来进行服务。

在餐馆可以进行线上的点单，在选定的商品放到一个区域之后，就可以自己拿走，这样的方法更省时省力。


除开服务员之外，还有一个行业也是大家觉得可以被逐渐取代，甚至在20年之后会消失的，那就是乘务员，这一工作的消失可能会需要更长的时间，但是也并不是不可能，因为在现在的一些火车，汽车检票方面，已经完全的不用采用人工检票了。

只需要人们用身份证或者车票刷，就可以通过这一区域。但现在存在乘务员是为了一些旅途过程当中的补票换票，以及提供服务而设置的。随着时代的发展，这些过程也可能完全地换置成为线上的服务，那么就不再需要乘务员这一个工作了。


而接下来的这个职业，则是和马爸爸息息相关的，那就是银行的职工。现在支付宝的运用已经改变了大家对于银行的整体认识，马爸爸也确实做到了，银行不改变，就改变银行的办法。

支付宝虽然是一个虚拟货币的运用，但是它已经完全可以作为日常生活当中的支付手段。

在时间允许的情况下，进行开发也可以完全让这样的支付宝行业达到银行的业务能力范围，所以说20年之后，银行职工也可能作为一个消失的行业。


最后的这一项工作，则是现在很多人都在做的，那就是工厂的一些流水线工作，工厂的流水线需要的是一些简单，单一，反复操作的技能。这样的技能可以完全地交给编程或者机器人来做，并且机器人的设定容错率更低，这也就意味着工厂生产出来的合格商品更多。

但这项工作取代的前提是人工智能的投入要更加便宜，现在大家都知道人工智能代替人的优点，但是没有选择的一大原因在于目前来说，人工是更为廉价的劳动，这也就意味着在这方面投入的成本会更少，那么在这一时期选择成功智能来代替工厂流水线就是一种更好的选择。


花更少的钱，创造更多的效益都是作为开发商最愿意看到的，这些工作在现在日常生活当中非常常见，就在于还没有更为廉价的方式来取代他们。

但是技术发展进步的今天，并不代表着这些工作可以延续到20年，可能在技术的进步之下，十年之后，这些工作就会完全消失，被人工智能所取代。今天盘点的这些工作当中，有你的工作吗？

8. 人工智能时代，我们应该做些什么呢？