Zi 字媒體

人工智慧在大規模數據化分析和演算法的推動下迅速發展，能夠解決更加複雜的問題。有趣的是，這一趨勢讓人想起了80年代的個人計算機革命，那時更便宜、更高效的計算機技術則成為眾多行業大規模「計算機化」的催化劑。就像如今的人工智慧一樣，計算機和計算機化在當時給人一種前沿、新穎的感覺，於是很多企業設立了計算機部門，並且為計算機化任務加派人手。計算機的廣泛使用並不是在一夜之間就實現的。幾十年前，計算機化確實有很大需求，但是其對每一行業的影響尚不明了。人們感覺計算機應該很重要，但並不確定是在哪方面很重要。因此我們不得不經歷發現與發展的整個過程。計算機專家和各個行業專家攜手合作，最終開發出了可滿足不同需求的計算機和專業軟體。如今的人工智慧似乎也重複80年代計算機的道路。我們把人工智慧孤立在特定部門，企業管理層人員憑直覺認為人工智慧將變得很重要，但又不確定該如何發展。最常見的問題包括「人工智慧到底是什麼」以及「它將如何幫助我的業務」。人工智慧在商業中的應用首先從網路內容入手，尤其是網頁優化。現在很多人都熟悉轉換率優化，網站運營者通過測試網站、消息轉播以及用戶體驗等來最大程度地提升轉換率。人工智慧則可以使這一過程更加有效。我們需要弄清如何評判人工智慧的解決方案，並且給人工智慧運作的世界下定義。基於上述例子，我們可以從轉換率來判斷人工智慧的解決方案是否成功，比如將轉換率定義為消息領先率或產品銷售率，觀察這些數據帶來的積極影響，從而可以來判斷人工智慧的成功與否。同時，我們呢可以將人工智慧運作的世界定義為特定的網址，並通過人工智慧做出一些改變，比如查看用戶登錄的頻率，從而劃分用戶類別。人工智慧不斷地優化配置，通過演算法更有效地進行數據分析，根據用戶設定的參數額目標，找到更好的匹配結果和方案。然而，不論在金融行業還是醫療保健行業，都需要行業專家和人工智慧研究者密切的合作。人工智慧的本質是什麼？人工智慧的本質是什麼？這個問題很難得出標準的答案。一方面，人工智慧的定義似乎隨時間的推移在不斷改變，而且人類對其期待也一直居高不下。與其給出一個嚴格的定義，還不如探討一些人工智慧現階段的發展程度。谷歌網站的關鍵字搜索技術是否使用了人工智慧？可能很多人認為網頁搜索背後的技術非常簡單直接，只需要編寫一個搜索演算法就可以了。那Siri使用人工智慧了嗎？當然，對話系統肯定是人工智慧的一個例子。很多人對與Siri的交談讚不絕口，但現實確實Siri依靠程序來進行查詢搜索，來與用戶進行交談。也就是說，人們感覺最真實的那一面僅僅是工程師們編纂的簡單命令程序。無人駕駛汽車呢？結果也是一樣的。今天大部分在道路上測試的，以及贏得最初美國國防部高級研究計劃局挑戰賽的無人駕駛汽車，幾乎都是利用感測器而非人工智慧來設計製造的，並且它們沒有學習能力。也就是說，很難講演算法本身能否稱之為人工智慧，而且這也不是重點。重點是人工智慧是否具有自我意識。隨著人工智慧的發展，未來人工智慧或將通過優化后的神經網路設計自己的世界。人工智慧的定義也會隨著時間不斷改變。就像計算機化一樣，只有我們所有人都成為人工智慧專家時，人工智慧化才會完全實現。那一天也即將來臨。