第74章 它不是强不强的问题（1/2）

工智能还是工智障？

这是一个问题。最新地址发送任意邮件到 ltx Sba@gmail.ㄈòМ 获取

近二十年，工智能技术逐渐与计算机技术、互联网进行融合。

得益于大规模并行计算、大数据、度学习算法和脑芯片这四大催化剂的发展，以及计算成本的降低，使得工智能技术突飞猛进。

它利用计算机和互联网的发展机遇，化名为商业智能、数据分析、信息化、自动化等等，渗透到社会发展的每个角落。

一方面，互联网的推广为工智能创造了很多落地应用的场景，体现出真正的价值。

另一方面，计算机软硬件的升级为工智能提供了强大的运算力，以前在理论上才能实现的算法得以落地，让工智能在越来越多赛事上创造奇迹，甚至超越类。

但是到了实际应用中，工智能被们诟病最多的地方是：工智能体现不出智能。

很多对工智能的认知都是分裂的。

一方面媒体不断报道工智能又取得了什么样的新成果、国外各路大咖让们要警惕工智能的发展、工智能被纳我国发展规划等各种大新闻。

另一方面，新闻里也总是传出自动驾驶发生事故、家里的智能家具表现地像个智障一样、资讯平台总是傻傻地推同样类型的新闻……

这些现象都让们疑惑，工智能到底智能在哪里？

就比如当初的无驾驶汽车加速撞向翻到的大货车事件。

因为货车车顶反白光，让无车的摄像产生致盲反应，在没有任何信息的况下AI是不会有什么反应的，甚至可能给出错误结论，错认成一片坦途，一个加速怼上去。

而且“反光”什么的也是通事故发生后根据事故过程推断的，而不是AI直接得出的结论。

AI可不会告诉你，“我之所以撞上去，是因为大意了，没有闪。”

还有通方面的工智能，只能准确的识别到红绿灯，但是无法识别公车上的广告海报，直接把海报上的明星框了起来，认为他们闯红灯。

还有某网站的智能识别图片直接把黑识别成了大猩猩，被起诉了种族歧视，还差点引发零元购行动。

这种图像识别技术，它的工作原理就是将图案变成数字编码，再从这些数字编码中找到特征，查找“字典”，找到对应的解释然后显示出来。

实际上，计算机压根不知道自己识别的到底是黑还是大猩猩，只是“字典”告诉它这个特征很大概率对应的是“大猩猩”这个单词。

绝大部分算法在本质上都是在玩概率的游戏，不同的只是在模型训练时需要的信息不同，以及计算出来对应“大猩猩”的判定方式不同。

当前所有被广泛应用的知名模型，都是通过矩阵运算训练数据来获得某种概率分布。

复杂模型的概率分布通常是高维的，这里又会引申出各种数学方法，但本质的思想依旧是想通过概率分布来描述训练数据的特征。

有了这些，就可以使用相同的概率分布去描述同类的数据，从而实现所谓的“识别”或“预测”。

实际上，并非模型真的像类一样理解了什么是“大猩猩”，只是通过这种方式，模型能够大概率得把长得像某些特定目标的图片识别出来。

现在很多把工智能分为强工智能和弱工智能。

其中强工智能就是“传说中”的工智能，甚至不少追求让计算机拥有类的心智与意识，具有自主选择行为。

但是强工智能的研究难度较大，市面上还没有成熟的应用。

而弱工智能更像是一个解决特定问题的工具。

这类问题的特点是可以通过统计，归纳出经验并形成解决方案，而这种解决问题的实现方法被称为“机器学习”。

并且数据越确越好，越单一越好，一旦数据出现模糊和复杂程度增加，那它立刻就会从弱工智能变成工智障。

例如量化易、脸识别和阿尔法狗都是擅长于单个方面的机器学习模型。

在训练模型时，技术员只教会阿尔法狗下围棋的技巧，所以它只能会下围棋。

如果你把一道数学题丢给它，它立刻懵。

就像现在的访问团成员，他们也有点懵。

访问团里大多都是技术员，不是技术员也仔细了解过实用科技的资料，有些技术员的研究领域还跟工智能有些叉，多多少少都知道一些工智能方面的知识。

他们可从来没见过这么牛批的工智能。

智能苿来……它不是强不强的问题，而是很特别，反正一点也不弱，目前也没听说像智障。

李伟只是说了一声备车，没说他们有多少，苿来竟然就准备好了这么确的车