人工智能的内涵与实践应用

人工智能到底是什么？

人工智能（AI）作为一个概括性术语，指的是通过计算机系统来模拟人类技能并再现人类智能的技术。在20世纪80年代至90年代期间，“专家系统”曾风靡一时。如今，主流AI所采用的核心技术被称为机器学习。计算机通过分析大量训练样本数据进行学习，多数机器学习系统基于人工神经网络（ANN）构建，也就是我们常说的神经网络。

弱人工智能、通用人工智能与超级人工智能

当前所有已实现的AI都属于弱人工智能范畴。“通用”AI和“超级”AI被视为人工智能研究领域的终极目标。

弱人工智能（ANI）也叫窄人工智能或垂直AI，指的是专注于某一特定领域、能够以相当于或超越人类水平的智能解决问题的AI系统。弱AI在其专长领域表现出色，但难以胜任其他任务。比如下棋程序无法帮你过滤垃圾邮件，而垃圾邮件过滤器也不会下棋。

通用人工智能（AGI）也称强AI，指的是能够在任何人类专业领域都达到人类智慧水平的AI。一个真正的AGI可以完成人类能做的任何智力工作。科研人员一直在攻克AGI的技术难题，但目前尚无明确的实现路径。简单地将多个ANI组合在一起并不能产生AGI，这种方法行不通。虽然不应放弃希望，但实现AGI可能仍是几十年后的事。

超级人工智能（ASI）则将可能性推向极致，这既令人振奋也令人担忧，取决于你如何看待。ASI被定义为在几乎所有领域都全面超越最优秀人脑的智能、知识、创造力、智慧和社交能力的智能。一个ASI可能仅比最聪明的人聪明1%，也可能比最聪明的人聪明上百万倍。理论上，一个我们创造的ASI机器能够设计出更强大的后代，这些后代将以我们无法理解的方式运转。一旦ASI实现自我改进，失控风险就会随之而来。这种前景让很多人不安。科技界的标杆人物——埃隆·马斯克、比尔·盖茨和史蒂芬·霍金——都曾公开表达过对超级人工智能的担忧。当想到AI可能拥有自我意识，能够设计出更优秀的自我版本并带来专业级别的威胁时，很难不联想到电影《终结者》。今天工程师开发弱AI的方式，可能为未来超级AI的设计提供借鉴——这也正是AI研究需要保持透明和开放的重要原因。

人工智能能做什么？

人工智能可以应对各类问题。为了便于理解，我们可以将AI的潜在应用归纳为八大领域。

（1）计算机视觉。

（2）自然语言处理（NLP）与语音技术。

（3）探索与发现。

（4）更优化的决策。

（5）未来预测。

（6）通过高性能传感器重新审视世界。

（7）通过经验积累解决复杂问题。

（8）内容创作与协作创作。

在上述八大应用领域中，AI被用于挖掘数据中的规律和关联以进行统计分析预测。每个应用领域都以不同方式运用这一核心能力。将机器学习的关联分析能力应用于图像，就产生了计算机视觉；应用于历史数据，就实现了预测功能；应用于手写文本，就得到了手写识别。在语音技术领域，AI通过学习人类语言来确定用户所说的具体词汇。AI基于历史气象数据进行训练，最终生成支持天气预报的预测结果。

人工智能能够发现我们可能忽略的重要关联：化合物分子结构与物理特性之间的联系，或者导致疾病传播的一系列复杂外部因素。这种能力支撑着AI解决我们自己还不知道如何解决的问题。