人工智能是什么
人工智能是什么？欢迎大家迈入人工智能的大门1.人工智能的定义2.人工智能的话题3.人工智能的四大技术分支4.人工智能的主要应用领域5.人工智能的三种形态5.1.弱人工智能到强人工智能有多难？5.2.弱人工智能的前进方式5.3.强人工智能到超级人工智能之路5.4.智能爆炸——强人工智能时代微信公众号同步欢迎大家迈入人工智能的大门人工智能(ArtificialIntelligence,AI)是当前全球最热门的话题之一，是21世纪引领世界未来科技领域发展和生活方式转变的风向标，人们在日常生活中其实已经方方面面地运用到了人工智能技术，比如网上购物的个人化推荐系统、人脸识别门禁、人工智能医疗影像、人工智能导航系统、人工智能写作助手、人工智能语音助手等等。目前有大量群体对人工智能的定义、原理、分类、应用产生了极大地兴趣，可是网上媒体发布的一些资料信息大多具有极强的偏向性和导向性，很少有客观全面的总结。在这里，我做了一个详细的“人工智能图解笔记”，从人工智能的定义、分类和发展路径等角度，给大家展示了一个全面的人工智能图谱。
1.人工智能的定义人工智能的定义主要有以下几种：
人工智能的一种定义：《人工智能，一种现代的方法》笔记：人工智能是类人思考、类人行为，理性的思考、理性的行动。人工智能的基础是哲学、数学、经济学、神经科学、心理学、计算机工程、控制论、语言学。人工智能的发展，经过了孕育、诞生、早期的热情、现实的困难等数个阶段；人工智能的另一种定义：人工智能是研究、开发用于模拟、延伸和扩展人的智能理论、方法、技术及应用系统的一门新的技术科学，它是计算机科学的一个分支；人工智能是一门什么科学？：人工智能科学的主旨是研究和开发出智能实体，在这一点上它属于工程学。工程的一些基础学科自不用说，数学、逻辑学、归纳学、统计学，系统学、控制学、工程学、计算机科学，还包括对哲学、心理学、生物学、神经科学、认知科学、仿生学、经济学、语言学等其它学科的研究，可以说这是一门集数门学科精华的尖端学科中的尖端学科——因此说人工智能是一门综合学科。2.人工智能的话题人工智能的话题有且不限于以下几种：
我们总是把人工智能和电影想到一起：星球大战、终结者、2001：太空漫游等等，电影是虚构的，那些电影角色也是虚构的，所以我们总是觉得人工智能缺乏真实感；人工智能是个很宽泛的话题：从手机上的计算器到无人驾驶汽车，到未来可能改变世界的重大变革，人工智能可以用来描述很多东西，所以人们会有疑惑；我们日常生活中已经每天都在使用人工智能：生活中很多互联网工具已经是人工智能了，只是我们没意识到，或者已经习惯了而已。JohnMcCarthy在1956年最早使用的人工智能(ArtificialIntelligence)这个词，他总是抱怨“一旦一样东西用人工智能实现了，人们就不再叫它人工智能了。”；一些场景的弱人工智能例子：谷歌，一个巨大的搜索热人工智能；智能手机，弱人工智能系统；智能汽车，很多已经安装了控制汽油渗入，控制防抱死系统的电脑等；垃圾邮箱过滤器也是经典的弱人工智能。3.人工智能的四大技术分支人工智能的四大技术分支如下所示：
模式识别：是指对表征事物或者现象的各种形式（数值的文字、逻辑的关系等等）信息进行处理分析，以及对事物或现象进行描述分析分类解释的过程，例如汽车车牌号的辨识，涉及到图像处理分析等技术；机器学习：研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构是指不断完善自身的性能，或者达到操作者的特定要求；数据挖掘：知识库的知识发现，通过算法搜索挖掘出有用的信息，应用于市场分析、科学探索、疾病预测等等；智能算法：解决某类问题的一些特定模式算法，例如我们最熟悉的最短路径问题，以及工程预算问题等等。4.人工智能的主要应用领域人工智能的主要应用领域有哪些呢？
机器人领域：人工智能机器人，如PET聊天机器人，它能理解人的语言，用人类语言进行对话，并能够用特定传感器采集分析出现的情况、调整自己的动作来达到特定的目的；语音识别领域：该领域其实与机器人领域有交叉，设计的应用是把语言和声音转换成可进行处理的信息，如语音开锁（特定语音识别）、语音邮件以及未来的计算机输入等方面；图像识别领域：利用计算机进行图像处理、分析和理解，以识别各种不同模式的目标和对象的技术，例如人脸识别、汽车牌号识别等等；专家系统：具有专门知识和经验的计算机智能程序系统，后台采用的数据库，相当于人脑具有丰富的知识储备，采用数据库中的知识数据和知识推理技术来模拟专家解决复杂问题。5.人工智能的三种形态人工智能具体有哪三种形态呢？
弱人工智能：弱人工智能(ArtificialNarrowIntelligence,ANI)是擅长与单个方面的人工智能，比如有能战胜象棋世界冠军的人工智能，但是它只会下象棋，你要问它怎样更好地在硬盘上存储数据，它就不知道怎么回答你了；强人工智能：强人工智能(ArtificialGeneralIntelligence,AGI)，是人类级别的人工智能，强人工智能是指在各方面都能和人类比肩的人工智能，人类能干的脑力活它都能干。创造强人工智能比创造弱人工智能要难得多，我们现在还做不到。LindaGottfredson教授把智能定义为“一种宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念，快速学习和从经验中学习等操作”。强人工智能在进行这些操作时，应该和人类一样得心应手；超人工智能：超人工智能(ArtificialSuperIntelligence,ASI)，牛津哲学家，知名人工智能思想家NickBostrom把超级智能定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科技创新、通识和社交技能”。超人工智能可以是各方面都比人类强一点，也可以是各方面都比人类强万亿倍，超人工智能也正是为什么人工智能这个话题这么火热的缘故，同样也是为什么永生和灭绝这两个词会在本文中多次出现。5.1.弱人工智能到强人工智能有多难？弱人工智能已经实现了，强人工智能还有一段路要走。那么目前究竟遇到了哪些困难呢？
一个大困难：人类的大脑是我们所知宇宙中最复杂的东西，至今我们都还没完全搞清楚；可以简单解决的：可简单解决的造一个能在瞬间算出10位数乘法的计算器；目前比较难以解决的：选一个能分辨出一个动物是猫还是狗的计算机；已经成功的：造一个能战胜世界象棋冠军的电脑；还没做出来的：谷歌目前花了几十亿美元在做一个能够读懂六岁小朋友的图片书中的文字，并且了解那些词汇意思的电脑；逻辑容易感知难：一些我们觉得困难的事情——微积分，金融市场策略、翻译等等，对于电脑来说都太简单了；而且我们觉得容易的事情——视觉、动态、转移、直觉——对电脑来说太难了；计算机科学家DonaldKnuth：人工智能已经在几乎所有需要思考的领域超过了人类，但是在那些人类和其它动物不需要思考就能完成的事情上还差得很远；人工智能的一个典型目标例子：要想达到人类级别的智能电脑，电脑必须要理解更高深的东西，比如微小的脸部表情变化，开心、放松、满足、满意、高兴这些类似情绪间的区别，以及为什么《布达佩斯大饭店》是好电影，而《富春山居图》是烂电影。5.2.弱人工智能的前进方式弱人工智能已经实现了，强人工智能还有一段路要走。那么目前究竟遇到了哪些困难呢？
第一步：增加电脑处理速度：要达到强人工智能，肯定要满足的就是电脑硬件的运算能力，如果一个人工智能要像人脑一般聪明，他至少要能达到人脑的运算能力。从人脑的发展速度来看，预计到了2025年就能花1000美元买到可以和人脑运算速度抗衡的电脑了；第二步：让电脑变得更智能：抄袭人脑，参考人脑范本做一个复杂的人工神经网络，科学界正在努力逆向工程人脑，来理解生物进化是怎么造出这个神奇的东西的，乐观的估计是我们在2030年之前能够完成这个任务，我们已经能模拟小虫子的大脑了，蚂蚁的大脑也不远了，接着就是老鼠的大脑，到那时模拟人类大脑就不是那么不现实的事情了；模仿生物演化，除了抄袭人了，也可以像制造飞机、模拟小鸟那样模拟类似的生物形式。不全部复制，包括部分人工的设计干预，因为人类主导的演化会比自然快很多很多，但是我们依然不清楚这些优势是否能使演化模拟成为可行的策略。让电脑来解决这些问题，如果抄学霸的答案和模拟学霸备考的方法都走不通，那就干脆让考题自己解答自己吧。这种想法很无厘头，却是最有希望的一种。总的思路是我们建造一个能进行两项任务的电脑——研究人工智能和修改自己的代码，这样他就不只能改进自己的架构了，我们直接把电脑变成了电脑科学家，提高电脑的智能就变成了电脑自己的任务，前期会很慢，但一旦上路，后面会飞速发展。5.3.强人工智能到超级人工智能之路从强人工智能到强人工智能，还有哪些需要改进和增强的地方呢？
发展的观点：总有一天，我们会造出和人类智能相当的强人工智能电脑。到了这个时候，人工智能不会停下来，考虑到强人工智能之于人脑的种种优势，人工智能只会在“人类水平”这个节点做短暂的停留，然后就会开始大踏步向超人类级别的智能走去；超级人工智能比人类牛逼的地方：硬件上，运算速度往着几何级的速度增长；容量和存储空间也会迅速提升，远超人类，而且不断拉开距离；可靠性、持续性，不会疲惫，能持续不断的思考；软件上，可编辑性、升级性，以及更多的可能性。和人脑不同，电脑软件可以进行更多的升级和修正，并且很容易做测试，另外一个则是集体能力，人类的集体智能是我们统治其它物种的重要原因之一，而电脑在这方面比我们要强得很多，一个运行特定程序的人工智能网络能够经常在全球范围内自我同步，这样一台电脑学到的东西会立刻被其它所有电脑学得，而电脑集群可以共同执行同一个任务，因为异见、动力、自利这些人类特有的东西未必会出现在电脑身上。5.4.智能爆炸——强人工智能时代如果强人工智能时代来临，地球将是一幅怎样的景象呢？
人类统治地球观：人类对于地球的统治教给我们一个道理——智能就是力量，也就是说一个超人工智能，一旦被创造出来，将是地球有史以来最强大的东西，而所有生物，包括人类都只能屈居于其下——而这一切有可能在未来几十年就发生。当一个超人工智能出生的时候，对我们来说，就像一个全能的上帝降临地球一般；递归的自我改进概念：一个运行在特定智能水平的人工智能，比如说脑残人类水平，有自我改进的机制，当它完成一次自我改进后，她比原来更加聪明了，我们假设它到了爱因斯坦水平，而这个时候它继续进行自我改进，然而现在它有了爱因斯坦水平的智能，所以这次改进会比上一次更加容易，效果也更好。第二次的改进使它比爱因斯坦还要聪明很多，但它接下来的改进进步更加明显。如此反复，这个强人工智能的智能水平越长越快，直到它达到了超人工智能的水平——这就是智能爆炸，也是加速回报定律的终极体现；当人工智能达到人类水平：以下的情景可能会发生：一个人工智能系统，花了几十年时间到达了人类脑残智能水平，而这个节点发生的时候，电脑对于世界的感知大概和一个四岁小孩一般；而这个节点后一个小时，电脑立马推导出了统一广义相对论和量子力学的物理理论；而在这之后一个半小时，这个超人工智能变成了超人工智能，智能达到了普通人类的17万倍；科技大佬警惕人工智能的原因：现在很多科技大佬包括科学家都在提出警惕人工智能，要建立和完善法律法规，目的就是担心未来人类会因此毁灭。那些在我们看来超自然的只属于全能的上帝的能力，对于一个超人工智能来说，可能就像按下一个电灯开关那么简单，防止人类衰老、治疗各种不治之症、解决世界饥荒、甚至让人类永生、操纵气候来保护地球未来什么的，这一切都将变得可能，同样可能的是地球上所有生命的终结。微信公众号同步小编在这里通知大家，关注微信公众号“机器学习和人工智能”，干货多多~ 我们会定期推送Python编程，人工智能基础算法，学术界、工业界最新动态，让更多的人了解人工智能~ 欢迎扫描下方二维码关注哈~
人工智能会给社会带来什么一文看懂AI的变革
人类科技迅猛发展的时代，人工智能以精准的算法和高效率的工作能力，在人类的生活与工作中起到愈加重要的作用，现在无论是手机、电脑等电子产品乃至于大型机器都涉及人工智能，为了让大家更好地了解人工智能，所以这次跟大家聊一聊人工智能的事儿~
目录引言到底什么是人工智能人工智能也分强弱人工智能的发展趋势AI带来的威胁论人工智能的瓶颈AI到底改变了什么AI取代人类工作？新工作衍生的猜想迎接AI的浪潮引言人与AI大战：2017年5月23日至27日在中国乌镇围棋峰会上，世界级围棋选手柯洁与谷歌旗下的AlphaGo（一款围棋人工智能程序），进行人机对战，三番棋全败。
[[284306]]
柯洁与AI对弈
程序与AI大战：同年12月7日AlphaZero（AlphaGo最新版）在国际象棋上击败了Stockfish8程序。
Stockfish8是2016年的全球计算机国际象棋冠军，运用的是几百年来累积的人类国际象棋经验，再加上几十年的计算机象棋经验，每秒计算7000万次走法。相较之下，AlphaZero每秒只计算8万次走法，而且写程序的时候完全没教他任何国际象棋规则，它连基本的起手下法都不会！AlphaGo完全是运用最新的机器学习原理，不断和“自己”下棋，就这样自学了国际象棋。
[[284307]]
在AlphaZero与Stockfish8的100场比赛中，AlphaGo赢28场、平局72场，未尝一败。最重要的是，AlphaZero完全没向任何人类学习任何东西，许多获胜走法和策略对人类来说完全是打破常规的，可以说是创意十足，在一定情况下甚至出现“丢车保帅”用弃子当做陷阱的场面屡屡出现，让Stockfish防不胜防。
要知道，AlphaZero用的是类似人类思维来思考问题，而Stockfish运用的是人类过去的经验。也就是AlphaZero用精密的算法加上类似人类的思维方式完胜了运用以往经验和精密算法的Stockfish。
就单从智力游戏领域来说，近几年，人工智能已经在该领域“所向披靡”了，从完胜人类到完胜普通程序，我们不得不去思考，人工智能在未来对我们人类而言究竟会改变什么会带来什么，它会影响什么？
在探究这一问题之前，我们先要了解，尽人皆知的“人工智能”到底是什么。
到底什么是人工智能人工智能，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。
美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
目前人工智能已经涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴。所以它将带来的影响也是巨大的。
人工智能也分强弱“弱人工智”能与“强人工智能”两词是约翰·罗杰斯·希尔勒于1980年提针对计算机和其它信息处理机器创造的提出的。
弱人工智能：弱人工智能是擅长于单个方面的人工智能。比如：能战胜象棋世界冠军的Alpha，智能手机中的语音助手，淘宝的智能导购和客服，无人驾驶汽车。它们仅仅只能在各自的领域做好相应的事情。
这时你可能会想：“机器人难道不算是强人工智能吗？”其实不然，目前出现在公众视野中的机器人都还属于弱人工智能，比如：会弹奏乐器的机器人，美国宇航局的全地形六腿地外探测机器人等。它们在接收到信息后，对信息进行转换和处理然后遵循人们编写的程序指令，自动执行并完成一系列的动作。
苹果的智能语音助手“siri”
强人工智能:人类级别的人工智能。强人工智能是指在各方面都能和人类比肩的人工智能，人类能干的脑力活它都能干。创造强人工智能比创造弱人工智能难得多，我们现在还做不到。LindaGottfredson教授把智能定义为“一种宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作。”强人工智能在进行这些操作时应该和人类一样得心应手。
它是具有真正推理和解决问题能力的智能机器，并且这样的机器将被认为是有知觉，有自我意识的。可以独立思考，并能找出问题的最佳解决方法，有和普通生物一样的各种本能，比如生存和安全需求。从某种程度上可以看作是一种新的文明。
随着科技的发展，其实人们也重视到强人工智能的发展会对未来有多大的影响和改变，也有许多相关的文章与文献从不同的角度展现了不同的影响力。
好莱坞的很多科幻片也与人工智能相关：
[[284308]]
电影《超能查派》
超人工智能：这是最近年才出现的一个新名词。牛津哲学家，知名人工智能思想家NickBostrom把超级智能定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能。”超人工智能各方面都比人类强。（对此我不会进行太多赘诉，因为它会涉及到许多未知的情况，我不敢妄下结论）
人工智能的发展趋势在过去不到两百年时间里，我们世界大变样，人类使用几千年的交通工具，被汽车、飞机等各种交通工具取代，飞鸽传书被电话取代，等等。这种科技大爆炸，纵观历史，也是史无前例，如果按数学函数来表达科技进步速度的话，指数函数再适合不过了，而我们目前正处于正处于这个指数函数的拐点（目前还处于一个无法突破的瓶颈），在未来将会迅速增长。这是结合历史与现实所总结出来的结果。
未来学家的预测
如果有看过电影《回到未来》的朋友，应该还记得这样一个场景：生活在1985年的主角回到了1955年。在1955年，他被电视刚出现时的新颖、便宜的物价而震惊。
试想一下，如果这个事情发生在2019年，一个21世纪出生的人，回到1985年，会是怎样的场景？没有智能手机、没有无人机、没有万维网，会比从1985年回到1955年的主角看到更大的区别。这就是“加速回报定律”——1985到2019的平均发展速度要比1955到1985快很多，因为1985要比1955更发达，起点更高，所以变化会更大。简单说来就是：随着时间的推移，科技的进步会越来越大，发展速度会越来越快。
所以有人预测，人工智能的发展速度可能是这样：
再夸张点，可能是这样：
AI带来的威胁论
看到上面，你是不是开始担心了？心想：“人工智能这么快就会发展到超人工智能？那人类岂不是就有灾难了！”
不止你一个人，许多名人大咖也在担心。就比如霍金老师
大家都知道，霍金在生前经常会去预言一些事情，尽管他只是物理科学家。在2017年的一场会议中，霍金这样说道：“在我的一生中，我见证了社会深刻的变化。其中最深刻的，同时也是对人类影响与日俱增的变化，是人工智能的崛起。简单来说，我认为强大的人工智能的崛起，要么是人类历史上最好的事，要么是最糟的。我不得不说，是好是坏我们仍不确定。但我们应该竭尽所能，确保其未来发展对我们和我们的环境有利。我们别无选择。我认为人工智能的发展，本身是一种存在着问题的趋势，而这些问题必须在现在和将来得到解决。”
然而，我要告诉你的是，这种人工智能威胁论在真正的人工智能研究业内并不被认可，甚至被不少科学家嗤之以鼻。
前段时间扎克伯格在一次采访中被问到：“如何二人工智能威胁论的相关问题”
他这样说道：“这些担忧毫无依据，简直就是发神经。人类制造机器就是为了让机器在某些方面强于人类，但是机器在某些方面超越人类不意味着机器有能力学习其他方面的能力，或者将不同的信息联系起来而做超越人类的事情，而这一点非常重要”
[[284312]]
接下来又被问道“科幻小说里那种（机器超越人类）的事情真的有可能发生么？”
扎克伯格解释道：“我们现在担忧人工智能的安全性，就如同两百年前担心要是以后有飞机，飞机坠毁怎么办一样。如果我们总是过度担心安全性，我们就不可能造出飞机。不管怎么样，我们要先造出飞机，再担心飞机的安全”
的确，许多媒体、非专业领域的大咖都对人工智能过度解读了。来自百度首席科学家，人工智能领域的权威、斯坦福大学人工智能实验室主吴恩达也对此进行过发声：“人工智能毁灭人类论就是“炒作”，在那些长期从事人工智能研究的专业人士看来，这项技术远远不值得担忧”
[[284313]]
人工智能的瓶颈
我们现在处于还是弱人工智能阶段。如果把AI当作人类来看的话，可能现在的AI智商就跟人类两岁小孩的智商差不多。
我用通俗易懂的方式给大家讲一讲，目前人工智能的瓶颈到底是什么：
引用计算机科学家DonaldKnuth的说法，“人工智能已经在几乎所有需要思考的领域超过了人类，但是在那些人类和其它动物不需要思考就能完成的事情上，还差得很远。”
在计算机眼里，那些对我们来说很简单的事情，其实是很复杂的。比如：当你用手拿一件东西的时候，你的肩膀、手肘等，瞬间就进行了一组复杂的物理运作，这一切还会用到眼睛、大脑神经（不是学生物的，所以表述可能不准确），使得你的手能都在三维空间中进行运动。
看着下面这个图的时候，你当然能看出来下面这是一个由两种颜色的小长方形组成的一个大长方形，目前的人工智能技术也可以识别。
[[284314]]
好了，你和人工智能打了个平手。那么我们再看看下面这张图，它可能就不认识了
[[284315]]
这是因为AI理解不到更高深的东西，它没有人的神经网络，或者说人类的神经网络太复杂了，以目前的科学水平，我们自己都没能搞明白神经网络，更不要说机器了。
AI到底改变了什么掐指一算，人工智能已经火了好几年了。投资者的疯狂涌入，一大批公司涌入。大到BAT互联网巨头，小到新成立的AI公司。行业的竞争之激烈，据2018年9月的统计数据，全球共有人工智能企业5159家，中国以1122家(不含港澳台)位居第二；北京则以445家的总数，成为全球人工智能企业最多的城市。
然而，每年倒闭的公司也是不计其数，下图是一部分名单：
这些公司明明是要制造AI的啊，怎么都倒在了AI的路上？虽然原因很多，但主要原因还是：他们根本不知道自己要做什么，因为AI并没有创造工作，只是更新了工具。我用例子来说明：
在务农方面：人类的生产工具从锄头发展到了牛，再发展到机械。工具变得越来越自动化，但不管怎么变，人类对农作物的需求没变。在货币方面：人类的交易工具从交换商品发展到了纸币，再发展到移动支付（微信支付、支付宝等）。工具变得越来越方便，但商品的交换需求没变。在出行方面：人类的交通工具从徒步发展到了马，再发展到汽车。工具变得越来越高效，但人类出行的需求没变。所以，工作是根据人们需求的改变而改变的，需求不变，工作不变。但工作所需要的工具会随着时代而更新。
AI取代人类的工作？三十年前，计算机是一个新兴行业，在当时没人会想到计算机只是更新了所有行业的工作效率。更多的人是在害怕自己的工作被计算机取代。的确，计算机是取代了一部分人的工作，但并不是计算机取代了人类，而是利用计算机的人类取代了没有计算机辅助的人类。
如今人们对人工智能的担忧与30年前对计算机取代工作的担忧一样——不是人工智能取代人类，而是利用人工智能的人类在取代没有利用人工智能的人类。
还有一个惊人的事实：45年前，自从美国引进自动提款机(atm机）后，美国银行的柜台从业人数，增加了将近一倍，从25万人增加到近50万人，其中10万人是2000年以后增加的。这不得不让我们去思考，为什么自动化服务到现在还没有让他们失业？过去200年来，那些伟大的发明不都是为了让机械取代人工劳力吗？让机器的精密性取代人工的不确定性吗？
[[284316]]
事实上atm机的出现代替了三分之二的银行柜台人员，同期内，银行建立的分行增长了近百分之四十。结果就是，分行越多，柜台人员越多，但这些银行职员做的工作与之前有点不同，随着他们常规业务的减少，他们变得不太像服务人员，反而更像是推销人员，甚至需要哦与客户培养感情，推销他们的新产品，像是信用卡、贷款、投资型产品。这就说明自动化带来的不仅仅是失业，还有新的甚至更重要更难的工作。
新工作的衍生的猜想哈弗经济学家克雷姆所著《O型经济理论》中指出，一项新工作的诞生，是由一系列互相连接的步骤所组成的链，必须环环相扣才能完成任务，一旦有任何环节出现问题，该任务、产品或服务就会失败。也就是说，每项工作都有其意义和重要性，一旦它消失了也将会衍生出更重要或者是难度更高的工作。而人工智能能给我们带来什么新机遇呢？我们可以大胆来猜测下：
医疗：由于人工智能特别重要的两种非人类能力“连接性”和“可更新性”，在医疗方面，它可以代替普通的药房，从看病到开药，人工智能都可以在网络数据库查找、调用这种病的解决方法，方便、快捷，还不容易“误诊”。别忘了，医生的工作远不止开药这么简单，就拿手术来说，手术是一个非常精细的操作过程，人工智能还远远达不到，甚至永远达不到。
[[284317]]
艺术：其实以现在的科技水平，我们就已经能让机器创作艺术了。但通过AI实现的图片、音乐等艺术形式都需要人工操作。到时候谁来对AI生成的内容进行审核？当然要靠艺术家。将来AI公司研发出的艺术生成软件，卖给谁？当然还是艺术家。所以，AI绝不会取代艺术家，而是会成为提高艺术家创作效率的工具。
[[284318]]
用AI创作歌曲——TED演讲《人工智能为你配乐》
信息检索：在这个信息大爆炸的时代，每天都有无数的信息在发布，如果你想去找到一条你迫切想知道的信息，那么你可能会花上很多时间。而人工智能的搜索引擎就可以帮你的大忙了！！！不同于普通的搜索引擎，人工智能可以帮你检测出你最需要了解到的关键信息。
就比如今日头条搜索，在今日头条上面搜索任何你想知道的资讯信息，它都能如你所愿，去其糟粕，取其精华
使用方法：可以直接用今日头条app上方的搜索框输入你想了解的信息即可。看完本文马上去试一试，你可以体验到真正的人工智能哦~在未来，人类应该会和人工智能创造出一种新的工作模式——由人工智能衍生出来的工作来维持人类的工作需求。举例来说，无人机取代飞行员，有些工作确实消失了，但同时在远程控制、数据分析和网络安全等方面也创造出了许多新的工作机会。美国军方每派出一架无人机飞越叙利亚，就需要有30人在幕后操作；至于收集完数据的后续分析至少还需要几十人，而这几十人的空缺就是新工作。
尽管衍生出来的新工作很多，但也总有一部分人会失业，那么我们要怎么去避免失业，保持自身的竞争力呢？
迎接AI浪潮在高速发展的今天，需求和工具都在不停的变化和更新，想要保持自身价值，只有适应当代工作模式，半生学习变为终生学习。其实写这篇文章我主要想告诉大家，在不管是在未来还是现在，一切的竞争力都建立在学习能力之上，如果没有高效的学习能力，我们的工作终究还是会被代替，而且不是人工智能，更有可能是人类。我们作为新时代的接力者必须掌握一定的技能，思考如何更好的将人工智能与自己的专业、行业结合，而不是一位地想去转专业、转行。做好迎接“第四次工业革命”的准备，至少在人工智能的浪潮翻滚过来时，我们还能顶住风浪，站起来。
不要认为自己完全不擅长学习！计算机是模拟机器，可人类却是天生的学习机器，学习能力是融入我们血液之中的。
最后引用《今日简史》中的一句话来做结尾：
信息技术和生物技术在21世纪会给人类带来的挑战，会比蒸汽机、铁路和电力在上个时代带来的挑战大得多。由于现代文明的破坏力过于惊人，人类实在禁不起更多的测试失败、世界大战。所以，我们只能比面对前三次工业革命时做的更好。
ai什么意思（人工智能AI到底是什么）
摘要：
研究人员和制造商正在培训机器人如何利用人工智能来学习和处理复杂的任务，但是所能实现的功能还远远未达到人们期望机器人达到的目标。现在人工智能的定义比以前更广泛，这可能会造成一些混乱。
在人工智能(AI)领域工作了数十年的研究人员和企业家，正试图帮助人们更好地理解它不够明晰的内涵。他们正在努力减少围绕人工智能的一些混淆和误解，并展示它是如何被用于工业应用的机器人技术。
“最大的误解可能是，它还有多远。”RethinkRobotics董事长兼首席技术官RodneyBrooks说，“自从1956年AI之父JohnMcCarthy创造了‘人工智能’一词以来，我们一直致力于人工智能的研究，到目前为止大约62年了。但它远比物理学复杂得多，而物理学花了相当长的时间来完善。我想我们还处于人工智能的初期阶段。”
很多与人工智能相关的炒作与最近媒体的大肆报道相关，例如展会上仿生和受动物启发的机器人展示，或者观赏体育的人工智能系统，例如可以与人类下棋、打乒乓球、高尔夫的机器人。一些误解源于将机器性能等同于能力。当看到人执行某项任务时，我们可以假定一些基本的能力——技能和天赋，人必须拥有这些技能才能完成该任务。但人工智能和这并不一样。
“虽然AI系统在下棋方面的表现令人吃惊，但它甚至不知道它是在玩游戏。”Brooks说，“我们把机器的性能误认为是它们的能力。当看到程序像人一样学习新事物时，如果你认为程序也能像你一样对其有深刻的理解，那可能你就犯了一个错误。”
■图1:Brooks认为AI仍处于起步阶段。机器智能和人类智力之间没有可预见的竞争，人类仍然更聪明。
人工智能到底是什么人工智能已经成为营销的时髦词。就像在此之前的“机器人”一样，现在似乎一切都是AI驱动的。到底什么是AI，什么不是AI，有时很难确定。即使是专家，在确切的定义什么是AI、什么不是AI时，也会犹豫。正如Brooks所指出的，在1960年代被认为是AI的事物，现在则出现在计算机编程的第一个课中。但它不叫AI。
“在某个时候曾被叫做AI，”Brooks说，“后来，它就变成了计算机科学。”机器学习以及它的所有变化，包括深入学习、强化学习和模仿学习，都是AI的子集。
“在某段时间内，AI是一个非常狭窄的领域。有些人非常确定的认为它是一种搜索技术。”加州大学伯克利分校工业工程与运筹学研究教授兼主席KenGoldberg说，“而现在，AI被广泛认为是机器人和机器学习的一个总括术语，因此现在它被看做一系列子集的集合。”
先进的计算机视觉是人工智能的一种形式。“如果你只是检查螺丝是否在合适的地方，那从60年代开始就有了该项技术。如果想将其称之为AI，那就需要对其进行扩展。”Goldberg说，“但同时，如果一个计算机视觉系统能识别工人面孔，那我们一般认为这是人工智能。因为这是一个更复杂的挑战。”
缺乏语境人的智力和机器智力之间的一个重要区别是语境。作为人类，我们对周围的世界有了更多、更深入的了解。但人工智能并没有。Brooks说:“我在AI语境领域已经工作了60年，成果甚少。”这就是为什么即使我们拥有超级智能AI，我也并不担心。虽然我们在某些领域取得了成功，也就是现在所谓的革命，但非常有限。当然，言语理解与我们10年前的情况截然不同。过去，按照语音理解系统的设置，你可以按下或说‘2’来代表挫折感。但现在已经不是这样。”他援引亚马逊的Alexa为例，还有谷歌助手和苹果的Siri。
“你对Alexa说些什么，即使在音乐播放的时候，在房间里还有其它人在说话时，它也能很好的理解。”Brooks说，这令人吃惊，主要受益于深度学习的发展。“充分利用这些新兴技术领域的发展，让我们可以做出更好的产品。”
“在刚开始创建RethinkRobotics时，我们考察了所有的商业语言理解系统。那时，我们认为在工厂里，实现机器人语音识别是荒唐可笑的。我想现在情况已经发生了改变。”Brooks说。
语音识别系统编译出正确的字串。准确的字串足以做很多事情，但它仍不能像人一样聪明。“这就是区别，”他说，“获取字串只是一种有限的能力。如果要扩展这种能力，还有很长的路要走。”
这些有限的能力，已经成为许多关于人工智能乐观预测的基础，但对未来人类所承担的角色，则可能显得过于悲观。
在现实世界中的AI研究相对于单一性，Goldberg更强调多样性，注意到不同组合的人和机器合作解决问题和创新的重要性。如果AI应用程序想要走出实验室，进入现实世界，这种协作尤其重要。
加州大学伯克利分校电气工程和计算机科学系的教授PieterAbbeel，也是EmbodiedIntelligence公司的总裁和首席科学家。他正致力于将AI带入工业世界，同时强调人类和机器协同工作的重要性。
“这是挑战的一部分，”Abbeel说，“人类如何能够利用这项技术，利用它来使自己更聪明，而不是仅仅让这些机器与我们分开？当机器成为我们日常生活的一部分，可以用于提高效率的时候，那就是它真正令人兴奋的时刻。”
尽管Abbeel对AI的前景感到兴奋，但他认为适当的谨慎是有必要的。“我认为最好记住，像语音识别、机器翻译和识别图像中最显著的进步其实只是所谓的监督学习的例子。”
重要的是要了解有不同类型的AI正在建立。在机器学习中，有三种主要的学习类型:监督学习、无监督学习和强化学习。
“监督学习只是一种模式识别，”Abbeel说。从语音到文本，或者从一种语言到另一种语言，这是一个很难的识别模式，但是AI没有任何目标或目的。给出英语，它会告诉你中文是什么。给它一个口头句子，它将转录成一系列的字母。这只是模式匹配。你给出数据——图像和标签，它学习如何从图像到标签的识别模式。
没有监督的学习是你只给它图像，没有标签。希望它能够从大量的图像开始，了解世界是什么，然后逐步建立这种理解，也许在将来它可以更快地学习到其它东西。没有监督的学习没有任务。只需给它提供大量的数据。
接下来是强化学习，这种学习非常不同，更有趣，也更难(强化学习被归功于自动驾驶技术的进步)。强化学习是给系统一个目标。目标可以是在视频游戏中获得高分，或在国际象棋游戏中获胜，或组装两个零件。这也是对AI产生某些恐惧的理由。如果AI有错误的目标，会发生什么？目标应该如何设定？
重要的是人类和人工智能不会在真空隔绝的环境中进化的。Abbeel说:“当我们创造越来越智能的机器时，我们作为人类的能力也将会增强。现在，我们在EmbodiedIntelligence所做的工作最让我兴奋的是，人工智能的最新发展，已经使AI能够理解它们在图片中看到的内容。”
■图2:Abbeel正在将机器学习的突破性研究转变为实际的工业应用，机器人可以自主学习新技能。
机器人抓取的深度学习加州大学伯克利分校的Autolab实验室，专注AI领域的研究超过10年，并已将其应用于云机器人、深入强化学习、从演示中学习、以及仓库物流强健的机器人抓取和操纵、家庭机器人、以及外科机器人等项目。
该实验室的DexterityNetwork(Dex-Net)项目表明，AI可以帮助机器人学习抓取不同大小和形状的对象，通过提供数以百万计的3D对象模型、图像，以及如何将它们抓取到深度学习的神经网络指标。
以前，机器人通过拿不同的对象反复练习来学习抓取和操作对象，这是一个耗时的过程。利用合成点云代替物理对象来训练神经网络、识别抓取，最新的Dex-Net迭代效率更高，可以达到99%的抓取精度。从长远来看，Goldberg希望开发高可靠性的机器人，能够抓取各种刚性物体：如工具、家居用品、包装货物、和工业零件。
■图3:在研究人员培训神经网络如何识别来自数以百万计的3D模型和图像中的对象以后，机器人可以操作之前从未遇到过的对象。
深度学习协作机器人Rethink公司的Intera5软件，旨在使Baxter和Sawyer协作机器人更聪明。机器人的视觉和培训功能中，利用了很多人工智能。
“传统的工业机器人没有太多的智慧，这一情况正在改变。我们正在将深度学习应用到机器人。”Brooks说。未来可能90%的制造，都是人与机器人在同一空间协同工作。
Baxter和Sawyer机器人有一个示范培训功能，可以使AI投入工作。Brooks说:“当你通过演示训练它的时候，你可以通过移动它的手臂向其展示某些东西，它会推断出一个叫做行为树的程序。它会为自己编写一个程序来运行。你不必亲自去写这个程序。”
Intera5是一种图形化编程语言。Brooks说，你可以查看它，修改它，或者你可以在行为树中编写一个程序，让它绕过程序的选项自动执行。
■图4:集成AI的协作机器人，将计算机数控车床应用到定制注塑机上，可以促进工艺过程的自动化，提高产品质量和生产效率，并可以将运行人员从重复的任务中解放出来。
AI改变机器人编程人工智能正在改变机器人的编程方式。在EmbodiedIntelligence公司，Abbeel和他的团队利用AI的力量，以帮助工业机器人学习新的、复杂的技能。
他们的工作是从Abbeel在加州大学伯克利分校的研究中发展而来的，在使用模仿学习和深层强化学习来培训机器人操纵物体方面有了重大突破。开始采用感知和控制相结合的方式来远程操作机器人。操作员佩戴虚拟现实(VR)装置，通过摄像机来显示机器人的视图。
在控制方面，VR设备配置了操作员手持的处理设备。当运行人员的手移动时，该运动就能被跟踪。跟踪所得的坐标和方向，被送入驱动机器人的计算机上。这样操作员可以直接控制机器人爪的运动，就像木偶一样。
Abbeel说:“我们允许人类将自己嵌入机器人内部。”通过机器人的眼睛，人可以看并且控制机器人的手臂。他说，人类是如此灵巧，以至于机器人爪和我们的手之间没有可比性。通过VR系统，操作员可以感受到机器人运动方面的限制。
“通过给机器人演示来传授技能的精髓。这并不意味，在刚开始时会像机器人一样快。它会以人类的速度进行，对于大多数机器人来说，这非常缓慢。”Abbeel说。这是第一阶段(模仿学习)。通过示范培训机器人。然后在第二阶段，机器人将运行强化学习，从它自己的尝试和错误中学习。这时，机器人已经学会了任务的精髓。现在，机器人只需要学会如何加速。这时它可以通过强化学习加快学习的进程。
他们的技术特别适合于挑战性的视觉和操作任务，而这对传统的软件编程技术来说太复杂了。Embodied公司可以让任何人通过自己的演示，使用该软件来重新为它们的机器人编程。这将允许任何公司，不管大小都可以快速重新部署机器人，完成不同的任务。
■图5:操作员戴着VR头盔，手持运动跟踪装置，远程操作机器人，这样它就可以学习如何使用强化学习来独立完成新的技能。
未来的潜力虽然AI在云计算机器人、机器学习、计算机视觉、语音识别等各个方面都在进步，并在特定领域取得了显著的进步，然而，AI对人类还是所知有限。
在AI和人类工程学的帮助下，即使有一天机器人能够接近人类的灵巧程度，但可能也永远不会真正掌握周围的世界。语境和独创性将仍是人类主导的领域。技术既不坏也不好，就看我们如何使用它。有了人工智能和机器人的帮助，人类就有了巨大的潜能来做更多有意义的事。
人工智能到底是啥
原标题：人工智能(AI)到底是什么？——什么是AI、什么不是AI？
摘要：
研究人员和制造商正在培训机器人如何利用人工智能来学习和处理复杂的任务，但是所能实现的功能还远远未达到人们期望机器人达到的目标。现在人工智能的定义比以前更广泛，这可能会造成一些混乱。
在人工智能(AI)领域工作了数十年的研究人员和企业家，正试图帮助人们更好地理解它不够明晰的内涵。他们正在努力减少围绕人工智能的一些混淆和误解，并展示它是如何被用于工业应用的机器人技术。
“最大的误解可能是，它还有多远。”RethinkRobotics董事长兼首席技术官RodneyBrooks说，“自从1956年AI之父JohnMcCarthy创造了‘人工智能’一词以来，我们一直致力于人工智能的研究，到目前为止大约62年了。但它远比物理学复杂得多，而物理学花了相当长的时间来完善。我想我们还处于人工智能的初期阶段。”
很多与人工智能相关的炒作与最近媒体的大肆报道相关，例如展会上仿生和受动物启发的机器人展示，或者观赏体育的人工智能系统，例如可以与人类下棋、打乒乓球、高尔夫的机器人。一些误解源于将机器性能等同于能力。当看到人执行某项任务时，我们可以假定一些基本的能力——技能和天赋，人必须拥有这些技能才能完成该任务。但人工智能和这并不一样。
“虽然AI系统在下棋方面的表现令人吃惊，但它甚至不知道它是在玩游戏。”Brooks说，“我们把机器的性能误认为是它们的能力。当看到程序像人一样学习新事物时，如果你认为程序也能像你一样对其有深刻的理解，那可能你就犯了一个错误。”
■图1:Brooks认为AI仍处于起步阶段。机器智能和人类智力之间没有可预见的竞争，人类仍然更聪明。
人工智能到底是什么
人工智能已经成为营销的时髦词。就像在此之前的“机器人”一样，现在似乎一切都是AI驱动的。到底什么是AI，什么不是AI，有时很难确定。即使是专家，在确切的定义什么是AI、什么不是AI时，也会犹豫。正如Brooks所指出的，在1960年代被认为是AI的事物，现在则出现在计算机编程的第一个课中。但它不叫AI。
“在某个时候曾被叫做AI，”Brooks说，“后来，它就变成了计算机科学。”机器学习以及它的所有变化，包括深入学习、强化学习和模仿学习，都是AI的子集。
“在某段时间内，AI是一个非常狭窄的领域。有些人非常确定的认为它是一种搜索技术。”加州大学伯克利分校工业工程与运筹学研究教授兼主席KenGoldberg说，“而现在，AI被广泛认为是机器人和机器学习的一个总括术语，因此现在它被看做一系列子集的集合。”
先进的计算机视觉是人工智能的一种形式。“如果你只是检查螺丝是否在合适的地方，那从60年代开始就有了该项技术。如果想将其称之为AI，那就需要对其进行扩展。”Goldberg说，“但同时，如果一个计算机视觉系统能识别工人面孔，那我们一般认为这是人工智能。因为这是一个更复杂的挑战。”
缺乏语境
人的智力和机器智力之间的一个重要区别是语境。作为人类，我们对周围的世界有了更多、更深入的了解。但人工智能并没有。Brooks说:“我在AI语境领域已经工作了60年，成果甚少。”这就是为什么即使我们拥有超级智能AI，我也并不担心。虽然我们在某些领域取得了成功，也就是现在所谓的革命，但非常有限。当然，言语理解与我们10年前的情况截然不同。过去，按照语音理解系统的设置，你可以按下或说‘2’来代表挫折感。但现在已经不是这样。”他援引亚马逊的Alexa为例，还有谷歌助手和苹果的Siri。
“你对Alexa说些什么，即使在音乐播放的时候，在房间里还有其它人在说话时，它也能很好的理解。”Brooks说，这令人吃惊，主要受益于深度学习的发展。“充分利用这些新兴技术领域的发展，让我们可以做出更好的产品。”
“在刚开始创建RethinkRobotics时，我们考察了所有的商业语言理解系统。那时，我们认为在工厂里，实现机器人语音识别是荒唐可笑的。我想现在情况已经发生了改变。”Brooks说。
语音识别系统编译出正确的字串。准确的字串足以做很多事情，但它仍不能像人一样聪明。“这就是区别，”他说，“获取字串只是一种有限的能力。如果要扩展这种能力，还有很长的路要走。”
这些有限的能力，已经成为许多关于人工智能乐观预测的基础，但对未来人类所承担的角色，则可能显得过于悲观。
在现实世界中的AI研究
相对于单一性，Goldberg更强调多样性，注意到不同组合的人和机器合作解决问题和创新的重要性。如果AI应用程序想要走出实验室，进入现实世界，这种协作尤其重要。
加州大学伯克利分校电气工程和计算机科学系的教授PieterAbbeel，也是EmbodiedIntelligence公司的总裁和首席科学家。他正致力于将AI带入工业世界，同时强调人类和机器协同工作的重要性。
“这是挑战的一部分，”Abbeel说，“人类如何能够利用这项技术，利用它来使自己更聪明，而不是仅仅让这些机器与我们分开？当机器成为我们日常生活的一部分，可以用于提高效率的时候，那就是它真正令人兴奋的时刻。”
尽管Abbeel对AI的前景感到兴奋，但他认为适当的谨慎是有必要的。“我认为最好记住，像语音识别、机器翻译和识别图像中最显著的进步其实只是所谓的监督学习的例子。”
重要的是要了解有不同类型的AI正在建立。在机器学习中，有三种主要的学习类型:监督学习、无监督学习和强化学习。
“监督学习只是一种模式识别，”Abbeel说。从语音到文本，或者从一种语言到另一种语言，这是一个很难的识别模式，但是AI没有任何目标或目的。给出英语，它会告诉你中文是什么。给它一个口头句子，它将转录成一系列的字母。这只是模式匹配。你给出数据——图像和标签，它学习如何从图像到标签的识别模式。
没有监督的学习是你只给它图像，没有标签。希望它能够从大量的图像开始，了解世界是什么，然后逐步建立这种理解，也许在将来它可以更快地学习到其它东西。没有监督的学习没有任务。只需给它提供大量的数据。
接下来是强化学习，这种学习非常不同，更有趣，也更难(强化学习被归功于自动驾驶技术的进步)。强化学习是给系统一个目标。目标可以是在视频游戏中获得高分，或在国际象棋游戏中获胜，或组装两个零件。这也是对AI产生某些恐惧的理由。如果AI有错误的目标，会发生什么？目标应该如何设定？
重要的是人类和人工智能不会在真空隔绝的环境中进化的。Abbeel说:“当我们创造越来越智能的机器时，我们作为人类的能力也将会增强。现在，我们在EmbodiedIntelligence所做的工作最让我兴奋的是，人工智能的最新发展，已经使AI能够理解它们在图片中看到的内容。”
■图2:Abbeel正在将机器学习的突破性研究转变为实际的工业应用，机器人可以自主学习新技能。
机器人抓取的深度学习
加州大学伯克利分校的Autolab实验室，专注AI领域的研究超过10年，并已将其应用于云机器人、深入强化学习、从演示中学习、以及仓库物流强健的机器人抓取和操纵、家庭机器人、以及外科机器人等项目。
该实验室的DexterityNetwork(Dex-Net)项目表明，AI可以帮助机器人学习抓取不同大小和形状的对象，通过提供数以百万计的3D对象模型、图像，以及如何将它们抓取到深度学习的神经网络指标。
以前，机器人通过拿不同的对象反复练习来学习抓取和操作对象，这是一个耗时的过程。利用合成点云代替物理对象来训练神经网络、识别抓取，最新的Dex-Net迭代效率更高，可以达到99%的抓取精度。从长远来看，Goldberg希望开发高可靠性的机器人，能够抓取各种刚性物体：如工具、家居用品、包装货物、和工业零件。
■图3:在研究人员培训神经网络如何识别来自数以百万计的3D模型和图像中的对象以后，机器人可以操作之前从未遇到过的对象。
深度学习协作机器人
Rethink公司的Intera5软件，旨在使Baxter和Sawyer协作机器人更聪明。机器人的视觉和培训功能中，利用了很多人工智能。
“传统的工业机器人没有太多的智慧，这一情况正在改变。我们正在将深度学习应用到机器人。”Brooks说。未来可能90%的制造，都是人与机器人在同一空间协同工作。
Baxter和Sawyer机器人有一个示范培训功能，可以使AI投入工作。Brooks说:“当你通过演示训练它的时候，你可以通过移动它的手臂向其展示某些东西，它会推断出一个叫做行为树的程序。它会为自己编写一个程序来运行。你不必亲自去写这个程序。”
Intera5是一种图形化编程语言。Brooks说，你可以查看它，修改它，或者你可以在行为树中编写一个程序，让它绕过程序的选项自动执行。
■图4:集成AI的协作机器人，将计算机数控车床应用到定制注塑机上，可以促进工艺过程的自动化，提高产品质量和生产效率，并可以将运行人员从重复的任务中解放出来。
AI改变机器人编程
人工智能正在改变机器人的编程方式。在EmbodiedIntelligence公司，Abbeel和他的团队利用AI的力量，以帮助工业机器人学习新的、复杂的技能。
他们的工作是从Abbeel在加州大学伯克利分校的研究中发展而来的，在使用模仿学习和深层强化学习来培训机器人操纵物体方面有了重大突破。开始采用感知和控制相结合的方式来远程操作机器人。操作员佩戴虚拟现实(VR)装置，通过摄像机来显示机器人的视图。
在控制方面，VR设备配置了操作员手持的处理设备。当运行人员的手移动时，该运动就能被跟踪。跟踪所得的坐标和方向，被送入驱动机器人的计算机上。这样操作员可以直接控制机器人爪的运动，就像木偶一样。
Abbeel说:“我们允许人类将自己嵌入机器人内部。”通过机器人的眼睛，人可以看并且控制机器人的手臂。他说，人类是如此灵巧，以至于机器人爪和我们的手之间没有可比性。通过VR系统，操作员可以感受到机器人运动方面的限制。
“通过给机器人演示来传授技能的精髓。这并不意味，在刚开始时会像机器人一样快。它会以人类的速度进行，对于大多数机器人来说，这非常缓慢。”Abbeel说。这是第一阶段(模仿学习)。通过示范培训机器人。然后在第二阶段，机器人将运行强化学习，从它自己的尝试和错误中学习。这时，机器人已经学会了任务的精髓。现在，机器人只需要学会如何加速。这时它可以通过强化学习加快学习的进程。
他们的技术特别适合于挑战性的视觉和操作任务，而这对传统的软件编程技术来说太复杂了。Embodied公司可以让任何人通过自己的演示，使用该软件来重新为它们的机器人编程。这将允许任何公司，不管大小都可以快速重新部署机器人，完成不同的任务。
■图5:操作员戴着VR头盔，手持运动跟踪装置，远程操作机器人，这样它就可以学习如何使用强化学习来独立完成新的技能。
未来的潜力
虽然AI在云计算机器人、机器学习、计算机视觉、语音识别等各个方面都在进步，并在特定领域取得了显著的进步，然而，AI对人类还是所知有限。
在AI和人类工程学的帮助下，即使有一天机器人能够接近人类的灵巧程度，但可能也永远不会真正掌握周围的世界。语境和独创性将仍是人类主导的领域。技术既不坏也不好，就看我们如何使用它。有了人工智能和机器人的帮助，人类就有了巨大的潜能来做更多有意义的事。
本文关键概念
■人工智能正在发展，但它还远不如人类聪明。
■人类可以利用人工智能帮助机器人学习新的技能。
■云机器人可以帮助协作机器人，AI需要大量的数据。
思考一下：有什么特殊的技能可以教给机器人，从而在制造和工业自动化方面带来巨大影？
本文来自于《控制工程中文版》(CONTROLENGINEERINGChina)2018年9月刊《技术文章》栏目，原标题为：人工智能对未来机器人产业的影响。
本期杂志封面
想要免费阅读每期杂志内容，请查阅《控制工程中文版》微信订阅号自定义菜单。返回搜狐，查看更多
责任编辑：
机器智能到底是什么意思 AI“新图灵测试”告诉你答案
机器智能到底是什么意思?
几十年来，这个问题的常见答案一直是通过“图灵测试”。这个测试以著名数学家艾伦·图灵(AlanTuring)的名字命名。图灵说，如果一台机器能够通过文本界面与人类进行对话，使人类无法区分人类和机器，那么这台机器就是智能的。
现在的问题是：也许我们创造出了聊天机器人，能够通过以前的图灵测试。但我们都知道，它展示的智慧是有限的。
如今，人工智能在许多应用领域都取得了长足进步，主要是通过基于数据的“机器学习”方法。这些方法是成功的，富有成效的，展示了智力的各个方面。我们已经认识到我们可以创造许多种智能，智能并不只在人类身上具有。如今人工智能已不再是一件物件，而是多种机器智能。
尽管如此，研究人员仍然对更强大的类人智能或通用人工智能(AGI)问题感兴趣——这似乎也是围绕人工智能的许多文化魅力和焦虑的来源。
我在麻省理工学院的同事罗德尼•布鲁克斯(RodneyBrooks)在一系列发人深省的博客文章中，提出了考量通用人工智能的新方法，远超图灵测试。
长期以来，布鲁克斯一直是机器人领域的领军人物，作为iRobot的创始人和Roomba吸尘器的发明者，布鲁克斯理所当然地宣称，他制造了数以百万计的能够在世界上实际操作的机器人(或许比任何人都多)。他也是我与麻省理工学院(MIT)经济学家戴维•奥托尔(DavidAutor)共同主持的“未来工作”(WorkoftheFuture)特别工作组的研究顾问委员会成员，该工作组正在寻找人工智能、工作和社会科学的新方法。
布鲁克斯为AGI提出了一个新的目标——不是简单的文本图灵测试，而是家庭健康助理或老年护理，他称之为ECW。他所说的机器人伴侣，并不是指一个表达善意的机器人伙伴，而是一种能够提供认知和身体上的帮助，让人们在自己家中安度晚年时能够有尊严地独立生活的机器人。
想想这意味着什么，以及人工智能必须通过的测试。
首先，ECW需要一种体现在身体上的智能(这是贯穿布鲁克斯提议的主题)。图灵测试的无实体的软件代理将不再够用。
此外，这个机器人必须完成对于人类而言少量训练就能完成，但目前机器人无法完成的任务，比如帮助一个人安全地从浴缸里出来。ECW机器人需要适应一个物理环境，也就是家庭，这个环境每天都在发生微妙的变化。它还需要与一个社会环境进行协商，从它与被它照顾的人(布鲁克斯称之为罗德尼)的关系开始。罗德尼今天怎么样?他的行为在这个生命和健康的阶段是正常的吗?它们有显著的变化吗?布鲁克斯写道:“为了理解罗德尼想要表达的意思，ECW需要使用各种背景和类似推理的东西。”ECW需要将观察到的行为和对话与医疗记录和其他数据联系起来，并可能提醒人类或其他机器注意异常变化。ECW需要协商的社会环境包括患者的孩子、其他人类看护人或其他进入家庭的人。哪些信息是适当(和合法)共享的?ECW将需要一个家庭和社会动态的模型。
布鲁克斯所描述的ECW智能的许多要求远远超出了当今人工智能系统的能力范围，无论是在认知上、生理上，还是在社交上。布鲁克斯并不是要否定这一点，而是要指出AGI研究人员要解决的一系列新出现的问题，这些问题的解决方案可以对世界产生积极影响。(完全自动化的家庭健康助手是否是老年人护理的正确解决方案，则完全是另一个问题)。
布鲁克斯也很清楚，选择ECW只是AGI众多可能模型中的一个——在另一篇文章中，他还使用了一个服务物流规划师(一个更面向软件的解决方案)作为例子。虽然我们可以考虑其他任务，但布鲁克斯选择的两项任务，确实与在当今经济形势下对未来工作产生影响密切相关。
除了这两项任务的选择之外，布鲁克斯正在围绕“工作”的理念重新定义对智能的追求。“工作”是一种丰富的、多维度的人类活动，将认知和技能嵌入社会和经济关系的网络中。这也是人文主义者和社会科学家非常了解的东西，但这些知识很少被植入机器人或人工智能系统中。