人工智慧被高估了嗎？

12-31

前段時間，Master 的大顯神威，讓人工智慧的討論變得更加火熱了。現在，幾乎每個人、每個領域都在展望人工智慧會讓未來的世界變成什麼樣。經濟學家關心人工智慧會讓哪些行業的人丟掉飯碗。法學家、公共管理學家暢想著人工智慧會不會給社會管理帶來變革。在建築行業，智能家居早就不是一個新奇的概念了。而教育行業也開始覺得傳統的教學方式可能會受到新技術的挑戰。棋牌發燒友更是擔心人工智慧的發展會不會造成圍棋等傳統競技遊戲退出歷史舞台。甚至連研究歷史的人也在設想，能不能用機器學習的方法從史料中發現更多洞見……
那麼，我的問題來了，在憧憬的同時，人工智慧是否也被高估了？很多想法，會不會只是人們的一廂情願？有沒有可能在一些領域，（至少在近期內）不太容易被人工智慧改變呢？又或者，如果你覺得對人工智慧的評價是恰如其分的，那麼，你力挺人工智慧的理由又是什麼呢？
真誠邀請各個領域的朋友來參與討論，謝謝大家啦。

謝邀 @星日馬。

這個問題很有意思，當很多人都把目光投向人工智慧，並對人工智慧抱有極大期望的時候，確實值得慢下腳步思考一下，人工智慧是否真的有那麼全能。

要評價是否「高估」或者「低估」，就需要先確定一下期望到底是什麼，有人會覺得人工智慧要徹底顛覆人類社會，也有人覺得只不過是又一個「玩具」。這裡我就取一個中間值，革新生產方式，帶來新的工業革命（要說這也是劃時代了，生產方式的改變帶來的其他社會因素的變革同樣是巨大的）。

其實，每當看到有改變人類生活潛力的新技術或者新思想的時候，很多人都會感到欣喜，似乎都可以親眼目睹「世界被改變」、「見證劃時代產品」。不過，要知道，我們現在能夠看到的，都只是那些「倖存」下來的創新型技術，還有更多的、當初看起來也馬上要改變歷史的技術，但最終被淘汰掉。

那些能留下來並改變人類的技術，無一不是「創新」，而「創新」不僅僅意味著發明創造，還要能夠推向市場，被市場所接受。從蒸汽機、到電力的大規模應用，再到計算機，單單的理論突破是遠遠不夠的（當然並不是說理論不重要，理論突破毫無疑問是創新的基礎），這些改變歷史的技術都是在實現了市場化之後得以成就了如今的地位，這也是歷史上許多先進技術最終卻銷聲匿跡的原因。打個比方，如果 AlphaGo 的技術僅僅停留在下圍棋的功能上，那它也永遠就是個「圍棋機器」，而如果能把這項技術或者其他人工智慧技術很好的運用到實際生產，那麼它未來的影響是不可估量的。而且，其實投入市場所需要的技術水平是遠遠低於實驗室里的前沿技術的，但難就難在「知識轉化」、或者說是「技術轉化」的環節，所以並不是每一項發明都能帶來「創造性破壞」的。

不過，我們現在已經能夠看到不少人工智慧的產品，包括題主提到的智能家居，還有自動駕駛汽車等其他一些高科技產品，但如果把這些放到整個社會來看，還只是一小部分，我覺得更重要的是得看人工智慧對工業生產的改變情況，這一點難度更大，畢竟工業生產、特別是大規模的工業生產方式的技術成熟度、統一性和標準化的要求可都是要超出一套智能家居不少的。記得2014年的時候，一個專門研究ICT行業（信息通訊行業）的經濟學學者告訴我，他們當時做的一個調查顯示，大部分德國的中小企業根本沒有聽說過「工業4.0」，更別說應用了。要知道，德國的「工業4.0」的藍圖還沒有到人工智慧那個階段，只是提到了生產的智能化，而「工業4.0」也是瞄準了下一次工業革命的。所以要想把新技術和新的生產方式推進到企業的生產層面，並不是一件容易的事，不是說技術最前沿就能成為下一個「蒸汽機」的。

最後具體回答一下題主的問題：

人工智慧是否被高估？會不會只是人們的一廂情願？

還是那句話，取決於人工智慧在每個人心中是什麼樣的，或許一千個人的心裡就有一千個人工智慧。如果說要想變革整個生產方式，那還得看接下來幾年的實際應用以及工業產品情況。

哪些行業（短期）不太容易被人工智慧改變呢？

如果真像一些人設想的那樣（也就是人工智慧高度發達的時候），那麼幾乎所有行業都「能夠」被機器取代。這裡之所以把「能夠」加上引號，是因為「能夠」並不代表「可以」，等到人工智慧能夠接替所有人類勞動了，而且人類還不被滅掉的話，那麼，人類做的工作，說好聽一些是具有比較優勢的工作，說直白了就是那些讓人類來做既省時間、又省錢、又省資源，還更加快捷的活動（比如，作詩？），就像現在人類仍舊可以筆算來算算術，但是複雜運算都交給計算器了。到時候人發揮的作用就和現在的計算器差不多。不過到那個時候，人類可真是太可悲了。

如果說短期內最容易被取代的行業，肯定就是那些需要依靠重複勞動的行業，還有就是不太依靠主觀創造的行業。

具體的情況可以參考 @Manolo 大神的這個回答：未來三十年內，哪些行業的工作人員可能會被人工智慧取代？失業的人類何去何從？ - Manolo 的回答 - 知乎

最後想要說的是，人工智慧確實是有改變世界的潛質，因為它的技術、理念、應用場景等等這些因素帶來的衝擊。不過我們也要看到，人工智慧並不只是以獨立個體的形式出現的，而是不同交叉學科的產物：IT、統計、語言學等等，而到了工業化應用階段，又超不了材料科學等更加傳統的行業（雖然歷史上的創新也沒有哪個是孤立出現的，但現在的「知識外溢」又有許多不同之處，這裡不展開了）。雖然是以計算機科學為主，但是沒有其他的學科，那也就沒有人工智慧。所以還要看其他交叉學科的發展情況。

我們能做的就是永遠保持能夠學習的心態和能力，不斷嘗試涉及一些交叉學科，盡量延緩自己被機器（不一定是人工智慧技術）取代的時間。不管在哪個時代，技術的發展都是超出當時人類的預期、認知範圍和知識水平的，說不定我們這一代人就要經歷人工智慧或者其他的創新變革整個社會了呢？

被外行高估，被內行低估。

當時以李開復為代表的很多專家認為ai贏的可能性不大，需要再等幾年，而媒體和很多吃瓜群眾反而樂觀很多，認為人類難以戰勝ai。

=.=...看了上面有些答案...實在是...澄清一些東西吧:

1.robotics和ai嚴格來說是兩個學科，robotics屬於機電，ai屬於cs，方法、對象什麼的都不同。說什麼替代人的，我不知道你們指的是哪方面的，如果是例如醫生律師專業知識諮詢這種，好吧，專家系統不是什麼新東西了，80年代以後就開始大面積鋪開了，大家有興趣可以去看一下ai的歷史，現在一些新的方法可能會提高這些系統的正確率，就是只是這樣。如果指的是自動機器人生產什麼的...這個好像更像是工業4.0應該搞的。

2.ai被炒熱也不是第一次了。80年代出生的孩子一定都記得小時候變形金剛和超時空要塞(以及更早一些的高達)，難道你們從來就沒想過為什麼那個年代會集中出現這種類型的動畫嗎?最近一次ai熱潮就是80年代初，那一波好多人也和現在一樣，打了雞血鼓吹機器人技術ai和生物科學，那時不少人都樂觀估計在新世紀到來之前可以實現強人工智慧了，最後大家都知道了...成就了格林斯潘在位最重要的成就:挽救了87股災。當然這不是全部原因，但是確實當時最大的泡泡就在這些行業。

3.ai歷史上一直是斷斷續續，一會兒超前於人類想像，但很快就又會低於人類想像，這在幾次熱潮中都是這個規律。問題往往比原先估計的複雜得多。ai至少在可見的未來還沒有全面普及的可能(有一些新的應用點是可能的)，除非你相信馬上就要出現擎天柱了。

最後說一句，ai不是一直都是熱門的專業，相反，在長期都是冷門的專業，90年代讀這個專業的應該深有體會，想想當時你們出學校找工作容易嗎?

低估高估是主觀的，所以問題並不明確，對有些有過高期望的，ai是被高估了，對原來就不看好了(比如alphago成名戰之前絕大多數人)，ai是被低估了。關鍵在於自己怎麼看待ai的發展了。

「一個人想像自己不懂得的事很容易浪漫」 ——王小波《沉默的大多數》

Deep Learning 距離真正的突破只有一步之遙。

只要再前進一步，從理論上研究明白為什麼DNN好？什麼樣的DNN更適合問題？最好能做到多好？有了成熟的分析框架，這就是真正的人工智慧的大突破。

但是這一步要多久才能走出去，大家其實都不知道。我們需要一個牛頓，需要一本《深度非線性神經網路的數學原理》。

其實一部分原因，恐怕是因為沒有其他技術革命，可供我們"高估"，所以我們才會覺得人工智慧被高估了。

其實我們現在還是在吃信息革命的紅利，人工智慧也就是這信息技術的一部分。

如果現在爆發了好幾種革命。

比如信息技術革命、生物技術革命、醫學技術革命、化學技術革命。

那我們自然可以挑選，說，這個技術革命被高估了，這個技術被低估了。這個技術名副其實。

可畢竟沒有。畢竟目前只有信息革命。

無論是平民百姓，還是企業媒體，或者國家政府，都很關注科技發展。平民百姓關注的是科技改變生活帶來的新鮮刺激和解放生產力。企業關注的是科技發展帶來的利潤點。媒體關注的是新奇的噱頭，國家政府關注的是解放生產力帶來的GDP增長。

大家都很關注科技發展。因此科技發展勢頭最猛的那一個自然會吸引最多的眼光了。

有高估，那自然有比較，那麼低估的是什麼？是其他技術嗎？好像其他技術也有高端厲害的，但像IT這樣深入方方面面的很少。因此人們的目光自然全放到IT這方面來了。

但IT能不能承載住這麼多人的期望？

恐怕很難，現在已經進入後信息革命時代了，摩爾定律快失效不能維續下去了。

我們對人工智慧抱有很大的期望，因為前幾十年，計算機的計算能力享受了指數爆炸式增長，因此下意識認為這種增長會永恆指數增長下去。

但就跟上世紀載人航空技術，從1903的飛機發明—1969年載人登月的爆炸式增長一樣。沒辦法永遠持續下去。

如果上個世紀的載人航空技術永遠爆炸增長，現在我們就應該已經飛行汽車到處飛，月球旅行很常見了。

但，並沒有。

人工智慧很厲害，但我不覺得未來五十年之內能實現所謂的強人工智慧。

而弱人工智慧，應用方面當然也很廣，比如以後從事中低端體力勞動的機器人、負責行駛邏輯的無人駕駛、家庭管理的智能家居，工業中的工業物聯網……

但真的很難對一些高端的地方產生衝擊。

比如中低端翻譯肯定人工智慧能勝任，但高端翻譯真的不能，除非強人工智慧實現；但弱人工智慧和強人工智慧之間是質的差距。

可以替代一部分中低端廚師，但高端廚師很難，畢竟高端的也講究個性化，創造。

可以替代普通工人，但高端的技術工種卻很難；

……

摩爾定律不能一直維續下去。任何一項技術在某一段時期內，是呈S型增長，而不是J型。不可能永遠指數爆炸。

就好蒸汽機技術雖然引發了第一次工業革命，但現在並沒有指數發展成蒸汽朋克；第二次工業革命的內燃機雖然指數增長了一段時間，但現在汽車的燒汽油的內燃機技術，也只剩下修修補補的小改進，而沒有大變。

現在也差不多到了後信息革命時代，計算機的計算能力不可能無限制增長下去，會逐漸趨於平緩。

江山代有才人出，各領風騷數百年。技術革命也是這樣，不可能一種技術永遠指數發展，下一次技術革命也只會是其他技術接力。就好像電力和內燃機接力了蒸汽機技術，引爆了第二次工業革命一樣。

可能是生物技術，可能是化學技術，可能是醫學技術，但不會永遠是信息技術。

說高估說低估的，有多少人是自己沒有去研究過具體的演算法原理的？

不覺得有什麼機器思維那麼高端的東西，深度學習是現在看在某些領域處理更大數據的時候可以取得更好的效果僅此而已，適應了時代的發展。

之前聽一個講座，說2016可以稱為是人工智慧的元年，我覺得這更多是因為alphago帶來的輿論和概念的噱頭。於是人們開始試圖用人工智慧的方法去改造傳統行業。據說羅蘭貝格已經接到了太多的諮詢項目就是傳統行業老闆所憂慮的「人工智慧」的轉型。

然而即便大家都很感興趣這個課題，不過目前大多數人做的都很爛，比如一個教育培訓公司，做的所謂人工智慧可能只不過就是根據學生的進度智能推薦一些視頻而已。其實也是挺可笑的。

當然，這總是一個好的勢頭。我認為，當初互聯網的發展，編程的發展開始讓人們更注重用自動化的方式實現以往重複性的工作；而現在，人工智慧的概念火熱有助於人們更多的關注挖掘信息與數據本身。

不過，真要到你們所謂的那種真正的模仿人類思維的人工智慧，連google都不敢說，要達到你們想像的百花齊放的局面，目前看，差的還是有點遠。

謝邀。

人工智慧（Artificial Intelligence）是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。

人工智慧是計算機科學的一個分支，它通過研究智能的實質，生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。

人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的容器。

人工智慧目前尚未真正實現，何須眾人評價？一門技術沒有競爭對手，何談高估？

所謂外行看熱鬧，不過如此。

說到人工智慧，今天大家通常想到的就是那如火如荼、如日中天的深度學習。因而「人工智慧被高估了嗎」這樣的問題貌似也在問「深度學習被高估了嗎？「。看到這個題，俺想說幾句。

必須聲明一下子哈，在人工智慧的蒼茫大海中，俺只是一條恣意玩耍的蝦米，這海有多廣多深，俺其實渾然不覺。所以，俺說啥你們聽聽也就就算了。

首先，深度學習肯定是已經帶來了機器學習的飛躍，也正在引起各個領域的技術變革。這種變革把它稱作工業革命，俺覺著成。對於各種目的清晰的任務，基於大量的訓練數據的深度學習都應該會有它的用武之地。在俺閉眼之前，應該能看到深度學習技術滲透各行各業，從各個角度改變生活、改變世界。

但是人工智慧並不僅限於讓機器執行目的清晰的特定任務。人工智慧的終極理想是要能開發 human-level intelligence, 權且叫做類人智能吧，就是讓機器能夠像人一樣思考並對外界做出反應。因為機器的計算搜索能力比人類強大得多的去了，所以這種類人智能可能做到比人類更理性，更高速；說是類人，其實是超人。

類人智能是否會最終實現？這就是個信仰的問題。俺的信仰是，可以。因為人的思維也不就是各種化學反應的結果嗎。未來的人工智慧也不一定非要是電子的，沒準是依賴於生物計算或者化學反應的呢。所以，只要人類不滅亡，俺信類人智能總有實現的那天。在這個意義上說，人工智慧並沒有被高估，那些有關「奇點」的預言在俺看來也不是不可能。

但俺並不認為奇點會在二三十年內到來。那些認為奇點即將來臨的人們可能是過於看好深度學習了吧。其實吧，俺覺得是深度學習被高估了。

雖然深度學習有無限可能的應用場景，俺竊以為，它並不能讓任何靈長目動物造出類似自身的智能。深度學習再牛，也是在傳統機器學習框架之內的。若要在這樣的框架下實現類人智能，那麼智能大約也就是被建模成一個隨機系統，然後我們希望這個系統表現得跟人一樣。假設這個系統的輸入是某人過去二十年感知到的所有東西，記作隨機過程X；輸出是此人過去二十年做出的所有反應，記作隨機過程Y。那麼我們就是要用神經網路表達這個系統的條件概率分布 P(Y|X)，並通過訓練讓它跟人的接近。但是啊，X的空間和Y的空間都是無窮維的（即使每秒鐘采一次數據，也是極高維度的），而且狀態空間也是巨高維的。在這樣大的空間要想學習人類的P(Y|X), 得需要接近無窮多的樣本吧。這怎麼可能呢？好吧，就算你有本事做個markov model 或者其他factorized model, 或者又在時序上壓縮，又在狀態空間上壓縮，學習這模型俺估計也還是需要天文數字的樣本，別忘了還有the curse of dimensionality。深度學習領域很多人推崇 end-to-end learning，有人基於end-to-end learning 搞了個 neural Turing machine 似乎想說明深度模型可以實現圖靈機，從而實現 every thing。這種思想，俺也就只能呵呵了：有人論證圖靈機能實現類人智能了嗎？

總結一下哈：深度學習正在帶來工業革命，但任它翻雲覆雨也翻不出來人一樣的智能。人工智慧沒有被高估，被高估的是深度學習。當然這些觀點都是信仰，不是論證。歡迎討論。

被低估了。

蒸汽機，電動機讓機器掌握了機器自己的動力方式（而不是模擬人類）

現在的DL，也是讓機器掌握了自己的思維方式（而不是模擬人類思維）。

AI 被低估了。就像你在蒸汽機剛出來時無法想像手機電腦一樣。

任何打破了人類本身框架的機器方式，都會遠遠超越人類。（機器學人跑步，最快比人快10倍，但是飛機火箭的方式，是100倍1000倍）

》add

教育領域有很多改變，編程就是一個。過關式學習可能成為教育主流。教育並不只是兒童教育，還有成人教育。當機器能更精確辨別人的讀音，外語教育將全部被機器代替。

醫學會是再下個領域，10年內不是誰家的病敢讓機器去看，而是誰家的病敢讓庸醫來看。

》棋牌發燒友更是擔心人工智慧的發展會不會造成圍棋等傳統競技遊戲退出歷史舞台。

國際象棋就是前輩。並沒有。

》除了很多職業會被AI代替，更恐怖的是，很多職業的產生還沒交給人就被AI拿去了。

比如，google說其能源管理經過AI優化，下降了40%。這就是說本來有個降能師的職業，還沒產生就被AI 搶去了。

新的很多職業，會更加以能否被AI 介面來優化，更多的職業甚至還因為不能結合AI，還沒開始就淘汰了。

》另外，在硬體上，一大堆公司在做晶元想替代GPU。也就是說，大約在2017-2018年，機器學習的成本可能下降10倍。然後以後以每18個月再下降一半的速度下降（甚至更快）。

現在約束硬體成本的，主要是軟體應用範圍不夠。

最起碼到今天的人工智慧都還是人工智障。或者人工工具比較恰當。

大體原理都是給定訓練數據，或者自己生成訓練數據，經過模型給出結果，並通過優化演算法讓模型針對給定輸入逐步逼近設定者給出的結果。

沒了。說白了，以前是為了敲釘子，分析任務，設計榔頭。

現在是為了敲釘子，拿鐵塊往上砸，嗯，不方便，削掉一部分，再砸，嗯，那兒咯手，再削掉一點。再砸，最後剩下一個可能更好用的，可能跟現在的鎚子形狀差不多，可能削崩了的鎚子。但，說到底，鎚子還是鎚子。

然而，對很多問題來說，我們並不知道最方便的砸釘子的鎚子長什麼樣，因此神經網路有了它存在的意義。

但是下圍棋下的再牛逼，也只是一個下圍棋的工具。繪畫風格轉換的再屌，它也不能去下圍棋。只能說，通過深度學習，我們得到了更好的完成任務的工具。就算有通過圖靈測試的AI，按照目前的技術來看，也只是個會對話的盒子罷了。

什麼時候阿爾法狗知道自己為什麼要他娘的坐在這兒下圍棋，什麼時候算是產生了人工智慧。

吃瓜群眾永遠都會高估技術的短期價值與收益，而從業者還在調參的道路上戰戰兢兢地前行。總結下來，做技術的自身會低估人工智慧現在的水平，對未來抱有希望；而非技術的同學們則會高估人工智慧現在的水平，這也不能怪他們，沒有專業知識背景，唯一的信息獲取途徑就是好萊塢科幻大片。比如以為ReID是很簡單的事情，打開電腦點幾下滑鼠就能找到目標人物。只可惜，科幻界比科技界領先了至少十年光景。

說一個方面，原始數據的結構化。

最近發展得比較好的幾個領域，圖像，語音，自然語言等，都是原始數據本身就有自己的結構，然後用deep learning的框架都能得到很好的結果。如果人工智慧有更大的突破，自身的理論發展當然是很重要的一部分，更多領域的原始數據結構化也是很重要的一個方面。

很明顯現階段是被高估了。

先問大家一個問題：人工智慧和雞蛋的價格有什麼共同點？

假設現在你正在商店裡挑選雞蛋，有10種不同的雞蛋供你挑選。當你看見雞蛋標籤上寫著「純天然」時，你的眼睛一定是亮晶晶的。是的，「純天然」的雞蛋聽起來很健康的樣子，但它們比一般雞蛋要貴。儘管如此，你還是買了這些雞蛋。

純天然的雞蛋未必就比普通的雞蛋天然——因為「純天然」沒有任何官方認可或者大眾普遍認可的的定義。你能準確說出「純天然」的定義是什麼嗎？

給雞蛋打上「純天然」的標籤只不過是讓你多掏點錢的一個手段而已。

同樣的做法也存在科技領域，並已經演變成一個嚴重的問題：用人工智慧來包裝科技產品。

和「純天然」一樣，目前人工智慧沒有官方或者大眾普遍認可的定義。

雖然缺乏準確的定義，但是卻未能阻止各種或大或小的公司將人工智慧技術作為一種創新技術，把它用在智能電視、智能插座、智能耳機或者別的智能XX上。

現在，有兩個主要的問題：

它可能根本不是人工智慧

第一個問題是這樣的：由於人工智慧的定義不明確，所以你可以隨便說你的設備或者服務使用了人工智慧，然而大部分這樣的設備不過是構建了人工神經網路模型來處理數據。

「這個詞（人工智慧）完全是胡扯，」一位要求匿名的機器人公司CEO說。當然，大部分機器人公司的老闆們還是會同意叫它「人工智慧」。

人工智慧現在已經成了一個營銷術語，用來創造感知能力，因為大部分的人把東西買回家並不能測出人工智慧到底有沒有用。「對不起主人，我做不到」，也許並不是說人工智慧不能勝任而是你的要求太高。

最近人工智慧遍地開花，至少在一定程度上和人工神經網路有融合的地方。人工智慧和人工神經網路這兩個詞是不能相互替換的，但是營銷人員把他們當成了同一個詞。

神經網路我們聽到過很多次，它通過一遍遍重複梳理模型的數據和結構化的數學分析來處理龐大的數據。這個方法是模仿人類大腦神經突觸聯接的結構進行信息處理。所以，這裡使用人工智慧這個詞某種程度上也是恰當的，但是更重要的是另一方面，它會誤導人。

人工智慧是一個有著自己內涵和意義的短語，它並不等同於神經網路。我們可能還沒有很好的辦法去定義人工智慧，但是我們對它也是有一些了解的。

可以確切地說，那些使用了神經網路來處理數據的軟體確實是有趣的、多才多藝的，使用了人類的的思維來創作，但是它並不智能。

智能是一種解決新問題的能力。而不是低端地提醒你做什麼、給你推薦東西的。人類能夠解決問題，而且能夠把解決一個問題的能力轉化為解決其他問題的能力。舉一反三、從過往的經驗不斷學習，當新的、沒有遇到過的問題出現，人類也能夠去解決。這種能力的轉化才是智能的，才是智慧的表現。

如果一個智能硬體只是按照已經設定好的答案來解決問題，那就不是智能的。當它碰到設定庫里沒有遇到的問題或者類似的問題，它是不會解決的，那這談何智能。

那些使用了卷積神經網路、深度學習系統的任何一個軟體現在都被冠以「人工智慧技術」的稱謂。

現在，如果連專家都不能說清楚人工智慧到底是什麼，我們怎麼能希望消費者能理解它呢？人工智慧只是列表上的一個功能，很可能和其他功能一樣暗淡。

但是消費者知道人工智慧是一種高科技，知道所有的大公司都在研究它，所以他們會理所當然地認為配備了人工智慧技術的產品就是好的。

這就像有人選擇「純天然」鮮雞蛋而不會選擇普通雞蛋一樣。

即使它確實是人工智慧

第二個問題是，即使有一些標準說人工智慧是什麼不是什麼，使用人工智慧技術讓你使用物品不再像以前那樣簡單粗暴，但這並不是人工智慧最擅長解決的問題。

舉個例子，一家公司吹捧他們的電視使用了人工智慧引擎來給你推薦你喜歡的電視節目。

想一想。一個深度學習系統如何在這樣有限的數據、在「喜歡」這種主觀的感受下給你推薦節目？給人推薦他們喜歡的《犯罪現場調查：邁阿密》是不難的。我們都是活在互聯網上的人。超級計算機花費一點兒時間找到你喜歡的明星、你喜歡的東西一點也不難。

事實上，正如虛擬現實之父的杰倫·拉尼爾 (Jaron Lanier)在他的《人工智慧的迷思》一書解釋的那樣，這些數據來源於人們的觀看記錄、搜索記錄。

有些廠商甚至稱人工智慧技術將使得家電由原來的被動智能轉向主動智能，甚至可以代替人進行思考、決策和執行。

然而人工智慧做什麼決定完全依賴於人類的智慧。一個電視好不好看是人說了算的，機器能知道什麼電視好看什麼不好看嗎？

人工智慧的推薦擇顯示的是人類喜歡或不喜歡的東西，顯示的是人類對於劇情好壞、劇情發展的判斷。所有的計算機正在通過人類的智慧來搜索，並反饋相應的結果。

類似的宣傳也現在物聯網領域，比如恆溫器、淋浴花灑，這些物品可以監測你的使用習慣，給你推薦東西或者當你不在家的時候為你節約能源。

一個人工智慧之家！宣傳這樣說。當你喝牛奶喝得少了，它會提醒你。它還能告訴你門外是誰來了。

這些都是相似的欺騙：數據設置都是稀疏又簡單的，它只是二進位輸出。

一個設備有了這樣的包裝，讓你生出這種感覺：你過去30多年都白用這個設備了。

但是這並不是智能。相反，這些「智能」的宣傳都是假的。

人工智慧提高了物品的智能性，但這是一種假的改善。

甚至，產品依靠機器學習對於他們宣傳的目的來說也是有害的。因為現在這些模型得出的結論往往都是模糊不清的。

這跟雞蛋盒上的營銷伎倆一樣。有的雞蛋廠商稱他們的雞都是吃蔬菜長大的。但問題是：雞不是素食主義者，它們吃蟲子已經吃了幾百萬年。而且，讓雞隻吃蔬菜會影響到它們的身體健康，下出來的蛋質量也不會高。

也許你會說，好吧，大專家，如果這些產品都不是人工智慧的話，那什麼才是？為什麼你對人工智慧如此挑剔？

好吧，這確實只是我的個人觀點。

當我們把人工智慧當作學術上的概念來討論的時候，我們可以把人工智慧的定義擴大一點。因為我們所討論的人工智慧尚處於初級發展階段，給大眾講人工智慧也沒有必要賣弄學問。

但是當企業用這些模糊的地方來欺騙消費者時，我覺得我不得不反對他們使用人工智慧來包裝他們的產品。

誤導、誇大或者直接編造高大上的功能在科技領域是一個很「神聖」的傳統了，這種做法並不新鮮。

也許讓大家把注意力轉到人工智慧這個新的營銷詞上去是好的，至少大家多少能了解點人工智慧，知道它是個新科技。

但用人工智慧給科技產品「鍍金」是無意義的，就像「純天然」對食品安全無實質意義一樣。

也許有一天人工智慧是能夠在冰箱里找到的真正的東西，但不是現在。

來源：賽格威機器人

http://weixin.qq.com/r/rUSVjTjEUGUvrXzu9xG- (二維碼自動識別)

圖片來自空間

法學、公管、教育、歷史…這幫人知道現在人工智慧的原理、怎麼運作嚒？反正就是很玄乎，厲害唄，跟風吹一吹顯得自己也接觸前沿了。讓他們具體說說怎麼實現能說出個屁來。哦，還在等開發現成的產品包給你們用？那就安心等唄，早晚會有的。

你不能問一個剛出生的孩子，他是不是被高估了。

你應該問那些希望他成長為醫生，律師或者是科學家的父母，他們的期望是不是太著急了。

霍金、比爾·蓋茨、埃隆·馬斯克……許多科技大佬都認為人工智慧將導致人類大規模失業，有些人甚至認為人工智慧將帶來人類終結。但其實，他們都是錯的。

人工智慧帶來更先進的科技，和愈加美好的生活，未來更加不可限量。但有一點人工智慧肯定是被高估了——那就是取代人們工作的能力。

去年「阿爾法狗」戰勝李世石後，人工智慧導致人失業、人工智慧產生意識等議論又沉渣泛起。這些陳年胡話像大姨媽一樣隔段時間就會被人談起，最近在北京舉辦的全球互聯網大會上，著名物理學家霍金再次警告人工智慧的崛起會帶來人類文明的終結……很可惜，這只是杞人憂天。

沒錯，新技術的應用，可能會逐步導致舊產業的人失業，這種事一直在發生，從沒中斷過。上世紀90年代尋呼機（俗稱BP機）風靡一時，1998年中國尋呼機用戶達到6000多萬，發展到鼎盛的尋呼機市場也衰落得極快，手機迅速取代了尋呼機的地位，到2003年就基本沒人用尋呼機了。

柯達公司發明的數碼相機則終結了自己的膠捲帝國，鼎盛時期柯達有十幾萬員工，卻在2013年宣布破產。

2012年1月24日，遊客在上海城隍廟一柯達影像店前走過 / 視覺中國

此類例子不勝枚舉，按照各路專家的預測思路，很容易算出以這種替代速度，多少年後50%的人將失業。但這永遠不會發生，因為新技術消滅舊工作的同時，也帶來新崗位，尋呼台的接線小姐失業了，可以找到手機客服的工作。

新技術能創造多少新工作呢，會比消滅的多嗎？簡單列幾個數字，就能一目了然。今天全世界70億人口，大部分成年人就業，包括廣大女性。而200多年前，全世界人口10多億，不僅人口基數少得多，而且在同一就業意義上，就業的人口比例也低得多。

今天我們生活離不開的互聯網、IT、移動通訊等很多產業是幾十年前沒有的，100年前沒有的產業更多，200年前，則幾乎只有農業。比如1862年，美國90%的勞動力是農民，如今不到2%。

2015年2月10日，美國加州，世界上最大的農用機械展開幕 / 視覺中國

如果告訴200年前的預言家，全世界人口將有70億，要給其中大部分成年人找到工作，他肯定覺得這是不可能完成的任務，首先就沒有足夠糧食養活這麼多人。

各式各樣的預言家，思維方式有一個相同的特徵，以靜態的思維考慮問題。在預測就業問題上，這種思維假設社會的需求是不變的，預言家掐指一算，機器將解決了其中50%需求，因此50%人要失業。

而實際上人的需求是無止境的，社會一直在發展變化，機器不斷替代簡單重複勞動過程中，新崗位也會不斷湧現，首先機器就需要有人製造和維。美國灣區委員會經濟研究院的一項研究發現，高科技領域每產生一個工作崗位，就能使當地其他商品服務業等產生4.3個就業崗位，包括律師、牙醫、教師等，對就業的帶動作用遠勝過傳統製造業，後者只能產生1.4個崗位的帶動效應。

美國矽谷 / Flickr

而預言家看不到社會在變化，事實上，我們大部分人都對未來社會缺乏想像，我們都是平凡人。但看不到，與意識到自己看不到是兩回事，預言家意識不到自己想像力的貧乏。

這次會不一樣嗎

人類不停息地製造和改進機器，大大改善人類自己的生活，歷史經驗告訴我們，機器從來沒有導致系統性失業。

有人說這次不一樣，這次是人工智慧，與以前的機器有質的不同。這種說法可以媲美打不贏現代格鬥的太極不是真太極，真太極已經失傳。

說句正確的廢話，每次工業革命，沒有哪次是一樣的。人工智慧有多不一樣，很難說，但有一點是一樣的，它不是免費的。

我們都有超音速飛機的技術了，為什麼還要每天擠公交地鐵上班？因為你買不起飛機啊！認為人工智慧不一樣，具有革命性顛覆性，所以會大規模取代人力工作，跟認為有了雷達制導導彈，蚊香就可以淘汰了一樣。這是缺乏對經濟活動的理解，我們需要的從來不是技術最先進的工具，而是最適合的工具。

光是搞人工智慧的碼農工資就不便宜，那麼人工智慧會不會智能到完全不用人管，能自我製造還能自我教育？那樣的話，人倒是真的會失業。但這不正是人所希望的嗎，工作全給機器人幹了，我們什麼都不用干——當我們想不幹時，因為工作本身有時也是一種需求——就能活得很好，這簡直是個白日夢，這個夢恐怕成真不了。

2016年11月12日，廣東廣州，順豐速遞的包裹全自動分揀中心 / 視覺中國

人工智慧有一點可能確實與此前不一樣，在不嚴謹的意義上，人工智慧創造的崗位可能需要更複雜的知識技術才能勝任，手搖紡紗機的工人可能不需要花很多時間就能操作蒸汽功力的機器，但讓一個生產線上的操作工去學編程，轉行做演算法工程師，顯然是很困難的。

但之所以說是不嚴謹的意義上，因為暫時失業的人不是一定就要補充在相應創造出來的崗位上。

發表在《美國經濟評論》的一項研究顯示，1993-2010年間，中等收入工作（包括固定廠房的設備操作人員，機械操作人員，辦公室文員和客服等）的崗位數量減少了9.27%，而低等收入工作和高收入工作數量分別增加了3.65%和5.62%。一些中等收入者失業後，從事了需要大量體力勞動的低收入行業，比如保安。

2013年5月9日，美國賓夕法尼亞州，一家塑料成型廠里的機器人 / 視覺中國

不過不管怎麼說，具體到個人時，失業換工作無疑是有代價的。但市場的妙處就在這裡，價格是市場信號的最佳體現，保險價格走高，意味著這個行業不行了，早做打算是明智之舉。

人生面臨各種各樣的選擇，我們權衡利弊，而錯誤的、不可持續的政府政策會影響我們的判斷。強行維持一個行業的收入水平，和大學專業設置不考慮市場行情，培養出來大量找不到工作或對口工作的大學生一樣，結果就是越來越多人進入沒有前途需要靠政府救濟的行業。

一線城市打壓網約車，拯救了將死的計程車行業 / 視覺中國

現代化讓生活更美好

工業革命以來兩百年，人類生活發生了深刻的改變，伴隨這種改變的，是像大姨媽一樣揮之不去對新技術、對現代化的質疑之聲。

馬克思代表的老一代左翼知識分子批判資本主義工廠對工人的剝削（雖然此前農民的生活不見得比工人好多少），更諷刺的是，盧德分子也是打著反剝削的旗號反對機器取代他們。

馬爾庫塞代表的新左翼則將這種批判上升到了新高度，異化這個概念師承馬克思，馬爾庫塞將這個概念發揚光大，工人生活水平提高是顯著的事實，於是不提剝削，馬爾庫塞轉而論述工人在物慾橫流的消費社會中喪失了自由意志。如果你還是不清楚異化，可以看看英劇《黑鏡》。

與《黑鏡》的主題一樣，當代知識分子時不時要嚴肅討論下人對手機的依賴，一桌人吃飯，每個人低頭看手機，是他們常引用的畫面。好像我們用微信就不是在加深與人的感情，只有在飯桌上才能產生真感情一樣。

2014年5月5日，廣東茂名，正在排隊購買電影票的年輕人 / 視覺中國

機器導致人失業是這類質疑現代化思潮中的一種，英國物理學家霍金不止一次質疑人工智慧，除了警告人工智慧會導致中產階級大規模失業，還擔憂人工智慧會不受人類控制。科技大佬中也不乏這類聲音，埃隆·馬斯克、比爾·蓋茨都頻頻質疑人工智慧。

為此，2016年，美國信息科技和創新協會（ITIF）把年度「盧德獎」授予了馬斯克、比爾·蓋茨和霍金。科學家談論失業問題，跟好萊塢明星一本正經為希拉里站台一樣可笑。

不客氣地講，沒有技術進步，全身癱瘓只有眼球能動的霍金甚至難以發出他的警告。他能與人交流，全賴英特爾公司為其研發的合聲電腦和軟體，而英特爾公司已經將軟體免費向所有殘障人士開放使用。

2014年12月2日，英國倫敦，霍金悲觀預測人工智慧的未來 / 視覺中國

科技大大方便了霍金和我們的生活，我們不用忍受瀰漫在城市中的馬糞氣味，取而代之的是被誇大危害的汽車尾氣，只有當我們想調劑一下，體驗一下想像中的田園牧歌，才會開著汽車去草原騎騎馬。只是住在草原時，會很關心民宿旅店有沒有wifi，以及一定會用手機拍下藍天白雲發朋友圈。

閱讀原文請點擊：霍金和比爾·蓋茨都錯了，人工智慧不可能取代人類

搜索微信公眾號 浪潮工作室（微信號：WelleStudio163），查看更多。

我在這裡聲明一點，目前光刻確實已經可以達到10nm，但是依靠的是多重pattern的工藝。目前商用EUV光源才剛剛達到13.5nm，而且說實現量產似乎也有一點問題。

背景介紹：
我曾經搞過一段時間人工神經網路的研究，不過研究的比較膚淺，只是建立了一個人工神經網路來處理了數據，並且對比了一下人工神經網路的處理結果和傳統處理演算法的處理結果。
當然大家不喜歡長篇大論，我也記不清那些科研的官話了。總之結果就是，
1. 人工神經網路的建立非常費時，但是一旦建立起來其運算速度非常快。
2. 人工神經網路的經準度強烈依靠進行訓練的數據，數據不足或者數據有缺陷都會降低其準確性
3. 理論上講，越多的神經元或者越多的層就意味著其處理複雜數據的能力越強，但是多一層網路需要佔用極大的資源。應該是指數增長的。
4. 人工神經網路極大的依賴於預處理，也就是把圖片或者信息數字化的演算法。如果演算法本身就能提取顯著特徵，將會極大增加人工神經網路的效率。

好了，這是過往的結論，本著嚴謹的態度，人工智慧跟人工神經網路是否類似，我無法百分百地確定。我印象中人工智慧是以人工神經網路為基礎的，也就是說兩者具備極大相似性。我以下的文字僅以我個人的理解來進行分析，由於相關研究放下了多年繆錯在所難免，請大家指正。
========================================================================
正文：
看新科技，內行看門道，外行看熱鬧。譬如幾年前刷屏的3D印表機，媒體吹得天花亂墜，又是能打鞋子，又是能打衣服，又是能列印房子一時之間彷彿3D印表機在手，什麼都不用買了，下個文件直接列印就好了。然而我有研究3D列印的朋友指出了其致命的缺點，慢！
一層一層地列印，相比於模具澆鑄而言，其生產效率不足後者百分之一。而這個缺點死死地卡住了3D列印的脖子，致使它無法真正意義上取代現有的工業。

回來說人工智慧，人工智慧確實是很了不起，但是它也有致命的缺點，缺點來自於多個方面。

1. 硬體需求巨大

古力9段透露，AlphaGo每下一盤成本是3000美元，其中的費用主要是電費。

這個說法未必見得正確，但是即便耗電量只有30美金，其硬體的需求也非常驚人。須知耗電的主要是CPU和GPU。僅僅是圍棋這種相對模型比較簡單的遊戲就需要那麼高的配置，更不用說其他的複雜的東西了。

可以說，晶元運算能力是目前卡住人工智慧脖子的技術瓶頸，如果高運算速度的晶元無法出現，靠這種多核計算達到的人工智慧則只能應用於機構而非個人。倘若一種技術只有機構能玩得起，它的活力也就極其有限。好比載人宇宙飛船一樣，人類四五十年前就已經成功登月，而如今四五十年過去了竟然沒有人第二次登月。
更糟糕的是，目前摩爾定律已經不適用了。我們的CPU無法指數增長地提高運算性能，只能靠多核這種投機取巧的方法。多核的協作依然比不上單核穩定。而制約CPU運算性能的原因來自於用於光刻的光源。儘管目前最先進的紫外光源達到了13nm，然而極度不穩定，商業化的道路還崎嶇不平。
可能解決的方案是直接設計一款人工智慧的晶元，也就是在硬體上直接實現人工智慧，如此能夠節約不少資源，但在這個方面研究才剛剛起步，是否可行還未有得到論證，更不用說產業化了。

2. 數據需求巨大
人工智慧需要巨大的數據，到底需要多少數據無人知道，我們只知道數據越多結果越好。然而數據都在幾大機構手裡。這就意味著只有幾大公司能夠訓練出優秀的人工智慧。而且龐大的數據決定了訓練時間也會特別長。試錯成本太高，要求太苛刻導致其發展速度嚴重受限。

3. 數字化演算法
不要以為人工智慧真的跟人一樣，給它一張貓的圖片它就能輸出貓。在訓練人工智慧前，需要一個演算法來提取事務的特徵。譬如貓的圖片，首先要高通濾波，而後提取邊緣，然後把邊緣跟已有模式進行匹配，匹配後計算錯誤差值，再用這些錯誤差值來訓練人工智慧。所以人工智慧非常依賴於這個數字化演算法。譬如Algo，非常依賴於評判當前棋局優劣的評判演算法。而這些演算法不是憑空就有的，是研究人員一點一點研究出來的。這些演算法如果不跟進，那麼人工智慧的效率就低到無法使用。而這些演算法的進步如同所有科研一樣非常緩慢，因此人工智慧實際的應用會比我們預想地慢得多。

我的結論是，人工智慧被嚴重地高估了。在光刻技術，晶元設計，相關演算法，網路技術沒有取得重大突破的情況下，人工智慧難以有很大的發展。目前依然沒有新的理論能夠取代或推翻量子物理，其實我們還在科技停滯的大環境下，科技革命依然遙遠。

記不清楚出處了，科技對社會的影響往往短期被高估，長期被低估。我認為人工智慧也是如此。