【原創】反向圖靈測試--如何識別這是不是AI？

現在深度學習的概念火到雞犬升天的地步，前同事H哥拿個基於深度學習做XX助手的BP讓我幫分析一下技術可行性和技術壁壘高度。

我用一個周末琢磨出來點門道，我根本識別不出這個演示程序是不是AI，更無法確認這是不是深度學習程序。這就引出了今天的議題，圖靈測試指的是人類能否區別是不是和AI在聊天，那反過來看，我們怎麼識別「這個東西」是不是個AI？

首先我為什麼說「這個東西」而不是「這個程序」？因為某些大堂機器人確實背後是人類操控的，相當於你用一個安卓平板和我視頻聊天，特別聰明還必須聯網的機器人可能就是真人。但有些真AI如Siri也要聯網，通過聯網斷網判別不了AI。

網上有個笑話，我把QQ自動回復設置成「呵呵」，你可以和我的電腦就任何話題聊上一夜。很多智能客服只是簡單的關鍵字匹配，和呼叫中心搜索知識庫差不多，編輯回復模板遠比寫程序更重要。只有支持多層級對話的才是AI智能客服，但現在網店客服也可以混在AI的回答里回答客戶啊，熟練客服回信息效率極高，顧客以為面對的是AI程序反而會少提需求。

雖然深度學習常拿自然語言處理舉例，但成熟的翻譯軟體也不用AI。翻譯軟體出現有幾十年了，常用的單詞和短語BTW/WTF/OMG用大詞庫即可，用戶大腦會做二次語意加工。谷歌2016年9月底才宣布在谷歌翻譯採用AI技術，在此之前的谷歌翻譯同樣是可用的啊。翻譯和文字搜索是異曲同工的，但以圖搜圖是真AI。

各種廣告、APP、資訊的智能推薦依賴的就是用戶長期畫像和短期意圖，具體標籤和統計方法是商業機密；我很難評估這機密是AI還是大數據，但這些技術幾年前就已經成熟落地，所以我傾向於是大數據。有些智能推薦根本就不智能，男人就推美女和獵奇廣告，擠地鐵用IPhone的女顧客就推輕奢化妝品，洞察人性的廣告不需要搞數學和計算機。

一些深刻洞察人性的玩家也會用AI做諸如星座算命、驗證心理有幾座斷背山、推薦股票彩票一類的服務，其實就是消磨時光漲點粉絲。我在前一篇AI科普文章中已經說過了，深度學習的結果必須要人做驗證，人臉和鑒黃可以找人驗證，但股票預測沒人有能力驗證。真懂股票IT技術又好的人早去做量化交易了，賺到錢買粉不比編故事吸粉更痛快？

還有一些創意純粹就是蹭熱點做逼格塑造，連造假的成本都沒有。假設我想讓一個娛樂APP有科技范，我根本不用招開發也不用僱人後台分揀，我只要彈窗提示讓用戶必須笑一笑歪歪嘴，然後隨機回復用戶長得像范冰冰還是范偉--琪，用戶就認為APP很智能了。前幾天那個巨硬的陪聊AI在微博上求罵蹭熱度，我不信那條微博是AI發的。

用AI做coding是有可能性的，編程本來就是人類語言轉換為機器語言的翻譯，但時日尚早，雲計算+SDK+IDE從更簡單更高效的層面做編程簡化了。但現在說在用AI做AIOPS的，實際是只展示不決策，無知者無畏的也沒有試驗環境。

現在成熟的AI應用就是少數幾類場景，比如：語音識別、圖片識別、無人駕駛、行為預估（如金融風控）。但我們怎麼證明這些AI應用是機器學習還是深度學習哪，畢竟用深度學習做融資/吹牛逼更高大上啊。

深度學習的驚艷之處在於解決了很多問題，但它對數據量的需求像打著吊瓶跑馬拉松，有幾個場景提前儲備了那麼多數據？這兩天的熱門新聞是 AlphaGo Zero 自學棋譜解決了數據問題，但用單純的圍棋來推理複雜的世界，這個類比糟糕透了。

AI技術配得上世人給它的盛名和期待，但AI技術不是用來嚼舌根編新聞的。這波AI宣傳大潮讓很多人半年之內都不愁編稿字數了，搞冒牌AI場景的人大都比AI程序員還聰明。

後記。。。

我本來讓創業者多提供一些數據、算力、技能的資料，結果H哥說這個項目已經Pass了。因為創業者說要讓AI擁有喜怒哀樂，H哥說他都不想家裡寵物有哀樂，一些人雞湯說多了連自己都騙。。。

推薦閱讀：