科学网—人工智能的第三次浪潮还能火多久
人工智能的第三次浪潮还能火多久？已有9638次阅读2017-7-3122:22|个人分类:AI|系统分类:观点评述
人工智能、神经网络、深度学习，火得不要不要的。学术界、工业界都HIGH了。于是乎，悲观论者认为这次浪潮将和前两次一样，折腾个五六年就休矣；乐观者则认为此潮将一浪接一浪，不会休。
做人做事，总得要有点自己的观点，不能人云亦云，更不能简单地中和一下，说“这第三次浪潮肯定有高潮有结局，后面还有更大的浪潮，至于是不是神经网络无所谓，人工智能的高潮会不断到来”。
人工智能，如行家所言，目前还是“人工”多，“智能”少。人工标海量数据，人工跑实验调参数，都是人工的活儿。智能是什么，离搞明白还有很远。而计算智能的几个根本问题尚未解决，比如关于世界的知识的表示方法。这个问题一般人不会去深究，因为他们不觉得这是个问题。简单地说，物理学尚未解决宇宙的运行奥秘，我们关于物理的知识并不是那么切实无疑的。计算机据此建立的种种物理模拟推理也存在着根本的错误风险。
有人又说了，不需要知道世界是什么，只要有一个NB的模型，能展现出巨大的智能就好。能让机器人开车，能做图像识别，能天气预报，能击败柯洁，还不是很好的例证吗？好吧，持此说的人，大都不是研究智能，只是下载个开源工具包，用用开心，膜拜大牛，开发软件挣挣钱的主。
见的多了，也就不怪。像Hinton等大牛在实验室里，从AI的第二次浪潮坚持到第三次浪潮的人有多少呢？在支持向量机（SVM）大败神经网络，驰骋天下的那些年，多少人追用SVM，而放弃了自己本来的工作。应该说，作为业界的实用主义倾向，往往不愿意等待、支持长线的研究。短平快、收益快，等长线做出来能用了再扑过去，看的人心拔凉拔凉。
优秀的模型，往往是一个实验室多年的积累之作，所谓“高潮”，不过是资本市场周期运作的结果。用人工智能可以做很多很多的产业，既有新产业，也有传统产业的升级。不管是开疆拓土还是升级，都需要资本的支持，而资本逐利的本性，决定了短线为主而非长线的特性。所以，不管学术界做出多少成果，如果没有丰厚利润的保证，产业界、资本市场一哄而上的时间不会超过三五年。看似技术进步带来的浪潮，不过是资本市场的周期转移。
目前能投的智能相关产业，都投的差不多了，投资不可谓不大，但消费市场会买账吗？以传统产业升级来说，相同的小轿车，多了人工智能，可以多卖很多钱吗？消费者愿意买单吗？如果只是崛起了新的企业进行行业洗牌，而对行业总利润没有什么提升，资本市场会如此慷慨吗？一个简单的道理，如果新产品华而不实，或者好了一点点，值不值大力投资呢？过渡的、持续的投资是一种浪费，不管是工业界、学术界皆然。看似高潮，其实是产业多年积累的升级换代的内在需求。
所以，咱大胆预测一把。从现在开始算，本次浪潮不会超过3年了。下次浪潮，应该在十几年后，当技术有了新的突破，资本市场愿意将金钱和资源投入到需要开辟和升级的产业，才会有第四次浪潮。
学校里，做学术，看看热闹吧，持之以恒做自己该做的长线研究才好：）
https://blog.sciencenet.cn/blog-39714-1068921.html上一篇：YSSNLP2017参会观感下一篇：给自己五年前的书补一个介绍――动宾搭配的语义分析和计算收藏IP:223.65.12.*|热度|今天的人工智能还不能做的7件事
迁移学习技术已经取得了一些初步的成果，但这只是计算机在跨领域思考道路上前进的一小步。一个能像福尔摩斯一样，从犯罪现场的蛛丝马迹，抽丝剥茧一般梳理相关线索，通过缜密推理破获案件的人工智能程序将是我们在这个方向上追求的终极目标。
抽象能力
抽象对人类至关重要。漫漫数千年间，数学理论的发展更是将人类的超强抽象能力表现得淋满尽致。最早，人类从计数中归纳出1，2，3，4，5的自然数序列，这可以看作一个非常自然的抽象过程。
人类抽象能力的第一个进步，大概是从理解“0”的概念开始的，用0和非0，来抽象现实世界中的无和有、空和满、静和动………这个进步让人类的抽象能力远远超出了黑猩猩、海豚等动物界中的“最强大脑”。
接下来，发明和使用负数一下子让人类对世界的归纳、表述和认知能力提高到了一个新的层次，人们第一次可以定量描选相反或对称的事物属性，比如温度的正负、水面以上和以下等。
引入小数、分数的意义自不必说，但其中最有标志性的事件，莫过于人类可以正确理解和使用无限小数。比如，对于1=0.99999……这个等式的认识（好多数学
不好的人总是不相信这个等式居然是成立的），标志着人类真正开始用极限的概念来抽象现实世界的相关特性。
计算机所使用的二进制数字、机器指令、程序代码等，其实都是人类对“计算”本身所做的抽象。基于这些抽象，人类成功地研制出如此众多且实用的人工智能技术。
那么，AI能不能自己学会类似的抽象能力呢？就算把要求放低一些，计算机能不能像古人那样，用质朴却不乏创意的“一生二、二生三、三生万物”来抽象世界变化，或者用“白马非马”之类的思辨来探讨具象与抽象间的关系呢？
目前的深度学习技术，几乎都需要大量训练样本来让计算机完成学习过程。可人类，哪怕是小孩子要学习一个新知识时，通常只要两三个样本就可以了。这其中最重要的差别，也许就是抽象能力的不同。
计算机就很难做到这一点，或者说，我们目前还不知道怎么教计算机做到这一点。人工智能界，少样本学习、无监督学习方向的科研工作，目前的进展还很有限。但是，不突破少样本、无监督的学习，我们也许就永远无法实现人类水平的人工智能。
知其然，也知其所以然
目前基于深度学习的人工智能技术，经验的成分比较多，输入大量数据后，机器自动调整参数，完成深度学习模型，在许多领域确实达到了不错的效果，但模型中的参数为什么如此设置，里面蕴含的更深层次的道理等，在很多情况下还较难解释。
人通常追求“知其然，也知其所以然”，但目前的弱人工智能程序，大多都只要结果足够好就行了。
想一想中学时学过的“一轻一重两个铁球同时落地”，如果人类仅满足于知道不同重量的物体下落时加速度相同这一表面现象，那当然可以解决生活、工作中的实际问题，但无法建立起伟大、瑰丽的物理学大厦。
而计算机呢？按照现在机器学习的实践方法，给计算机看一千万次两个铁球同时落地的视频，计算机就能像伽利略、牛顿、爱因斯坦所做的一样，建立起力学理论体系，达到“知其然，也知其所以然”的目标吗？显然不能。
几十年前，计算机就曾帮助人类证明过一些数学问题，比如著名的“地图四色着色问题”，今天的人工智能程序也在学习科学家如何进行量子力学实验。但这与根据实验现象发现物理学定律还不是一个层级的事情。至少，目前我们还看不出计算机有成为数学家、物理学家的可能。
常识
人的常识，是个极其有趣，又往往只可意会、不可言传的东西。
仍拿物理现象来说，懂得力学定律，当然可以用符合逻辑的方式，全面理解这个世界。但人类似乎生来就具有另一种更加神奇的能力，即使不借助逻辑和理论知识，也能完成某些相当成功的决策或推理。
深度学习大师约书亚·本吉奥举例说：“即使两岁孩童也能理解直观的物理过程，比如丢出的物体会下落，人类并不需要有意识地知道任何物理学就能预测这些物理过程。但机器做不到这一点。”
那么，人工智能是不是也能像人类一样，不需要特别学习，就可以具备一些有关世界规律的基本知识，掌握一些不需要复杂思考就特别有效的逻辑规律，并在需要时快速应用呢？
拿自动驾驶来说，计算机是靠学习已知路况积累经验的。当自动驾驶汽车遇到特别棘手、从来没见过的危险时，计算机能不能正确处理呢？也许，这时就需要一些类似常识的东西，比如设计出某种方法，让计算机知道，在危险来临时首先要确保乘车人与行人的安全，路况过于极端时可安全减速并靠边停车，等等。
自我意识
显然，今天的弱人工智能远未达到具备自我意识的地步。至今，我们在自己的宇宙中，只发现了人类这一种具有自我意识的生物。茫茫宇宙，尚无法找到如《三体》中所述的外星智慧的痕迹。这一不合常理的现象就是著名的费米悖论。科幻小说《三体》用黑暗森林理论来解释费米悖论。而费来悖论的另一种符合逻辑的解释就是，人类其实只不过是更高级别的智慧生物养在VR实验室里的试验品而已，人类的所谓自我意识，也许不过是“上帝”为了满足我们的虚荣心而专门设计的一种程序逻辑。
好了好了，不聊科幻了。拥有自我意识的人类能否在未来制造出同样拥有自我意识的智能机器？在我看来，这更多的是一个哲学问题，而非一个值得科研人员分心的技术问题。
审美
虽然机器已经可以仿照人类的绘画、诗歌、音乐等艺术风格，照猫画虎般地创作出电脑艺术作品来，但机器并不真正懂得什么是美。
审美能力同样是人类独有的特征，很难用技术语言解释，也很难被赋予机器。审美能力并非与生俱来，但可以在大量阅读和欣赏的过程中，自然而然地形成。审美缺少量化的指标，比如我们很难说这首诗比另一首诗高明百分之多少，但只要具备一般的审美水平，我们就很容易将美的艺术和丑的艺术区分开来。审美是一件非常个性化的事情，每个人心中都有自己套关于美的标准，但审美又可以被语言文字描述和解释，人与人之间可以很容易地交换和分享审美体验。这种神奇的能力，计算机目前几乎完全不具备。
情感
2016年3月，谷歌AlphaGo与李世石“人机大战”的第四盘，当李世石下出惊世骇俗的第78手后，AlphaGo自乱阵脚，连连下出毫无道理的招法，就像一个本来自以为是的武林高手，一下子被对方点中了要害，急火攻心，竟干脆撒泼要赖，场面煞是尴尬。那一刻，AlphaGo真的是被某种“情绪化”的东西所控制了吗？
我想，一切恐怕都是巧合。AlphaGo当时只不过陷入了一种程序缺陷，机器只是冷冰冰的机器，它们不懂赢棋的快乐，也不懂输棋的烦恼，它不会看着对方棋手的脸色，猜测对方是不是已经准备投降。返回搜狐，查看更多
不过，抛开机器自己的情感不谈，让机器学着理解、判断人类的情感，这倒是一个比较靠谱的研究方向。计算机还能火多久呢
提问：2020届本科毕业，专业应用数学，打算22考研，是考计算机吗？农村贫困家庭，没有什么爱好，只希望以后的工作挣钱就行了，就是害怕三四年以后读研出来计算机不行了！
霍华德（机器学习话题优秀答主）回答：
师范，永远滴神；医学，永远滴神；公务员，永远滴神；法学，永远滴神；
是的，我在知乎上吹师医公，吹法律，吹体制内；但这都是站在我中产家庭的情况下说的。
对于农村贫困家庭，师医公法恐怕都不是最明智的选择，对于穷人家的孩子，需要钱就去赚钱，用钱去解决家庭中的问题。对于穷人家的孩子，年轻的时候需要钱买房结婚，家里帮不上忙，只能靠自己。师医公法这些后期型职业，恰恰年轻时给不了穷人家孩子太多帮助。
起薪给年轻人最多的恐怕就是计算机了。而且起薪还有不断提高的趋势。年轻时干互联网，挣笔钱作为人生的启动资金，到了三十来岁考公上岸或者转进金融机构it部门，也是不错的规划。
至于互联网大厂高薪还能火多久，我再复述一遍我的雇佣兵理论：
首先，很多人没有理解程序员的本质，虽然程序员自黑自己是码农，但程序员性质并不接近农民，而是更接近雇佣兵。
现在互联网从增量时代进入存量时代。大家都没有办法把蛋糕做大了，就只能相互抢对方的蛋糕了。要想抢蛋糕就必须要有能打仗的雇佣兵军团，因为计算机行业的“人月神话”，单纯堆人数并没有办法提高战斗力，提高战斗力的最佳方式是提高单兵素质。
但中国互联网大厂的兵源非常有限，基本就中游以上985+两电一邮，大多数互联网大厂员工都是这样的出身背景。
一方面，至于为啥不扩大学校范围，我觉得一大原因是其他大学计算机教育的水平实在太差了，远远无法满足大厂的需求。
一方面，兵源学校的计算机类专业扩招非常有限。哈工大现在的计算机类专业毕业生数量和十年前本差不多。
所以互联网大厂就只能在一个小池子里抢人，抢得越凶，互联网起薪就越高。
么西么西（屌丝老博士）回答：
计算机就业正在全面金融化。
这是什么意思呢？意思就是计算机就业正在爆发极其严重的内卷，卷到金融行业那种“海归硕士打破头当柜员”的程度，目测五年以内就会发生。
原因也很简单，计算机自学门槛极低，有台电脑，上上网课就能学，类似于所有人都可以去考金融行业CPA之类的证书，而同时头部企业的收入又充满诱惑，吸引了无数没学过概率的小青年，所以内卷至极，是完全无法避免的事情。
同时，和金融行业类似，计算机的头部企业，也会像金融的一线投行和基金一样，保持高收入，只不过门槛会越来越高，“清北复交以下无金融”这句话，很快也会在计算机行业出现。而普通院校的计算机毕业生，将会求一个辛苦但低薪的柜员职位而不得。
我只想提醒各位，你如果想进计算机行业，最好的方法不是去给刷题班的传销们送钱，而是去踏踏实实考研，进入计算机的“清北复交”，内卷的路上没有捷径，没有名校出身，你连大厂的简历关都过不去。
这一点和@霍华德的观点类似：中游以上985和两电一邮，是计算机高薪岗位的入场券，剩下的，请去争柜员。
别忘了每一个银行的柜员，也曾有过投行和基金的梦。
穷码农回答：
学计算机最好的是十年前，其次是现在。
虽然说预测未来的事儿，谁都不敢给你打保票。但你但凡思考思考，就不难得出结论，好好学好计算机，还是能赶上一包喝汤的节奏的。能不能吃肉，那就看个人造化河能否出现下一个风口了。
不过，解决了计算机确实还是短时间之内火下去的趋势之后，你最应该问的是自己适合计算机专业。
一个专业再好，也只是适合那些能静下心去学，而且能找到方向的人。先了解一下计算机有哪些基础，努力去学起来。争取读研之前基础能赶上去。
早点明确自己的方向，而不是觉得考上计算机研究生就有出路了。因为考上研究生才是开始，你接下来怎么努力才能站稳脚跟。
当然了，目前最为重要的是，你能考上不？
你应该知道每年计算机考研很火爆，你选校定位什么的，有没有目标？
前途当然还是不错的，但你能不能考上，能不能分一杯羹就看你的拼搏咯。
先把计算机基础打好，定下来自己的方向吧。
文章转载自知乎问答，仅作为学术分享，著作权归属原作者，如涉及侵权请联系删除！
https://www.zhihu.com/question/438642229
“人工智障”，我们还能忍你多久
[[251715]]
每年我们都能看到媒体上人工智能失败案例的报道，背后是否反思了为什么会发生这些啼笑皆非的事儿?本文盘点了人工智能的失败事件，与大众与专家看待人工智能的态度，试图找到所谓“人工智障”的非技术成因。
2018年11月，小米AIoT(人工智能+物联网)开发者大会上，“雷布斯”雷军骄傲地展示了新品智能音箱“小爱同学”。
[[251716]]
(雷军发布人工智能小爱现场)
雷军：“小爱，你能做什么?”
小爱：“人家还小嘛，这个问题太难了……”
......
雷军：“三个木叫什么?”
小爱：“木三分……”
雷军：“三个木叫什么?”
小爱：“你是电，你是光，你是唯一的神话。”
雷军：“三个木头的木叫什么?”
小爱：“粘树的木头，感觉你是个乐观……”
雷军：“小爱，是不是每次演示的时候你都要出错?”
尴尬的雷军继续问小爱，“125加357加567等于多少?”但小爱同学直接“下班”，不再回答，全场哄笑一片。
小米代表了中国智能硬件的较高水平，但舞台上小米的人工智能产品，可能只是舞台下观众眼里的“人工智障”吧!
雷军现场略显尴尬，网络上则闹腾着要为雷总写首新歌，毕竟那首洗脑神曲《AreYouOK》已经火了三年多了!
事实上，失败人工智能的尴尬又何止“小米”一家呢?
最好的AI时代到来了吗?
2016年，一级市场抱怨没有好项目投，二级市场抱怨没有好股票买。那一年，一个叫“AlphaGo”的机器人击败韩国天才围棋选手李世石;一年后，世界围棋冠军柯洁又哭成了泪人，因为他被这台没有自我意识，压根不知道自己在下围棋的机器三局横扫。
(图片说明：历史上AI与人类在棋牌与游戏对战的重要时刻)
就是这件事，我们突然从媒体上了解一个新词——人工智能(ArtificialIntelligence，简称AI)。
一场围棋比赛掀起一股AI的浪潮，但这其实是AI有史以来的第三次浪潮了(前两次都无果而终)!
(图片说明：1956年达特茅斯会议首次提出AI概念，经历三起两落，如今因神经网络工程下深度学习的发展，AI正处于第三次浪潮之中)
AI是个大词儿，就像“动物”一样，分为无脊椎动物、有脊椎动物，根据一级分类，下设哺乳动物、两栖动物、爬行动物等等。今天我们理解的AI概念太大了，当下的AI可以与机器学习划等号，即为海量数据(标签数据)、强大的电脑计算能力和算法模型的综合体。
(图片说明：当下数据驱动AI的三大要素：算法、算力和大数据)
打个比喻，今天的机器学习好比F1赛车，想要夺冠，最好的汽油燃料(大数据)、最快发动机驱动的赛车(算力)和最精益赛车手(算法)一个都不能少。
百度推出开放自动驾驶平台——阿波罗计划，并在春晚上亮相了百度的无人驾驶汽车;阿里巴巴基于计算机视觉技术，控制杭州市的多个红绿灯，并且智能地疏导交通流量，用一个充满智慧的机器大脑辅助城市交通运行;还有腾讯发布的国内首个AI诊疗开放平台，一些拍片子、测血压、测脉搏的活儿，AI医生信手拈来。
相比人类工作者，AI至少有三大优势：
不断更新的大型数据库——记忆力强，且学习能力更强比人类算得快多了——计算能力强它永远不会累、不会饿或生病——没有情绪地工作但这也只是我们狭义理解的人工智能的优势，距离强AI的还很远。
泰格马克在著作《生命3.0》中阐述了生命发展的三个版本。从简单复制性繁殖的细胞，到会使用工具与两性繁殖的人类，再到能够自我繁衍软件与硬件的强人工智能，似乎生命找到了一个更高级的发展方向。被誉为“爱迪生继承人”、谷歌未来预言家雷·库兹韦尔(RayKurzweil)说：2045年，我们将实现奇点(电脑智能与人脑智能兼容的那个神妙时刻)。
(图片说明：生命3.0的定义)
也许上帝创造了人，人创造了人工智能，这些伟大的应用与思想让人类膨胀了吗?最好的人工智能时代到来了吗?
不，事实是，AI离我们“这么近”，也“那么远!”
《硅谷百年史》作者皮埃罗·斯加鲁菲教授向DT君表达了自己的观点，今天的科技创新的速度与数量完全比不上上个世纪初叶时的水平。他认为：“人们离真正的智能机器还非常遥远;我不怕人工智能的到来，相反，我怕它来得不够快。”
(图片说明：皮埃罗在DT君的《智能的本质》书上签名写道“AI还不够智能到读懂这本书”)
2018年4月，“人工智能泰斗”迈克尔·乔丹(不是打篮球那位)教授发表长文《人工智能——革命远未发生》，给当下火热的人工智能泼了冷水。他写道：“目前AI领域取得的有限进展带给我们的兴奋(恐惧)导致了行业的过度反应和媒体的过度关注，目前AI的成功很有限。”
(图片说明：乔丹教授在Miedum上的文章《人工智能——革命远未发生》)
事实上，当下我们还没有“强人工智能”(ArtificialGeneralIntelligence)，那些辅助人类工作和部分功能替代性的机器只能称为“弱人工智能”(所以有时也会略显弱智)。Facebook首席AI科学家YannLeCun认为，人类今天接触到的AI系统中没有真正的人工智能，并且都无法与生物系统的能力相配。
未来学家马丁·福特(MartinFord)在新作《智能建筑师》中，对包括DeepMind(发明AlphGo的公司)创始人戴密斯·哈萨比斯(DemisHassabis)、谷歌人工智能团队负责人杰夫·迪恩(JeffDean)、斯坦福大学教授李飞飞等在内的23位当今人工智能领域最杰出的科学家进行采访，并要求他们猜测一下，到哪一年AGI(强人工智能/通用人工智能)有50%的机会实现。
答案极为两极分化：库兹韦尔的答案是2029年，机器人专家iRobot联合创始人罗德尼·布鲁克斯(RodneyBrooks)认为是2200年。其余的猜测基本分散在这两个极端之间，平均估值为2099年，也就是81年后。
这样的结果似乎并不意外，因为AI技术的广泛应用不仅是科技本身的突破，随之而来的边界问题、责权问题、道德问题——这些在实验室中不会出现的矛盾和忧虑被迅速发酵，也急需要逐一商讨、解决。
人工“智障”的真相
纵观人工智能的发展，“智障”事件比比皆是!
不久之前，“董小姐闯红灯”的新闻登上媒体头条。智能摄像头扫描到通过红绿灯的公交车身广告上的董明珠，并误判为闯红灯，虽然交警部门事后立即进行删除和系统升级，但如此的失误让人们对所谓“智慧交通”产生些许怀疑。
(图片说明：宁波智能摄像头误将正在通过斑马线的公交车广告上的董明珠判别为闯红灯者)
误判行人还不算什么大事，如果出了人命就严重了。2018年3月，优步的无人驾驶的在美国亚利桑那州城郊区撞死一位女性，触发全球首例完全自主驾驶汽车致人死亡的事故;之后，谷歌、特斯拉等无人驾驶测试相继出事，美国多地叫停无人驾驶测试。
(图片说明：Uber无人驾驶测试车车祸视频)
而早在2015年，德国大众汽车制造厂中一个机器人杀死了一名人类工作人员。当时这名21岁的工人正在安装和调制机器人，机器人突然“出手”击中工人的胸部，并将其碾压在金属板上，这名工人当场死亡。
(图片说明：2015年，电讯报对大众工厂机器人致死案的报道)
前文说，机器是没有情绪的，但机器也是没有情感的，没有特殊场景下辨别是非好坏的能力。
人工智能这些年还曝出了“种族歧视”的问题。谷歌图像识别算法将黑人自动添加“大猩猩”的标签，而谷歌解决这个技术问题的方式竟然是禁止“大猩猩”一词的标签;亚马逊的Alexa助手的音箱会无缘无故发出令人毛骨悚然的笑声;微软在Twitter平台的聊天机器人Tay在与人类的对话中，竟然发表不恰当言论，成为一位种族主义机器人，直接“被下岗”……
(图片说明：微软聊天机器人Tay在Twitter上发表偏激言论)
总之，在复杂的现实世界，AI做不到的，或者搞砸的事儿很多很多。所以，人们不得不考虑，谁该为“人工智障”负责?
但追问的前提或许是AI为什么会出错?
虽然AI已经发展了70年，但在深度学习(机器学习的前沿技术，一种人工神经网络)被发明至今，十几年没有新技术出现了，且目前AI的核心聚集在数据和算法。对于喜欢买买买的消费者，在淘宝、京东等平台上的商品自动推荐是最直观的感受。
你在购物网站浏览过运动鞋，下次再登录时，有关运动装备的推送就会蜂拥而至。这就是人工智能在大数据采集后，算法用归类的方式给你贴上了标签。尽管如今计算资源不断增强、数据池不断扩增，但数据采集的不完整性(DataIntegrity)，仍然是深度学习的主要障碍，也是人工智能成为“智障”的直接原因之一。
一个典型案例是，医疗团队使用AI辅助诊断病人的血液样本，却发现AI诊断出阳性结果的数量大大超出预料。而产生偏差的原因是，数据库使用的血液样本大多是健康、年轻的大学生，但医院的病人年龄偏大，以至于人工智能误把“老年血”当成了“有病的血”。
由此可见，正确且全面的数据采集对于AI实践十分重要。
媒体的宣传是造成AI无所不能论调的导火线，在《智能的本质》一书中，皮耶罗就媒体对AI的神化感到不安。在人机围棋大战中，AlphGo每小时耗能约440千瓦，却只能做一件事，而对面的人类棋手只消耗20瓦能量。所以，算个简单的数学题就知道那些神化AI的人算不上“聪明”。
只会迟到，不会错过的AI
通常我们把人类看待AI的态度分成三大类。
第一类是极力反对AI的卢德主义者(工业革命时代打砸机器的收购业者);第二类是类似库兹韦尔的超乐观派;第三类是以吴恩达为代表的一线AI科学家们，他们肯定AI的作用与意义，但却并不认为AI会立刻改变一切。
[[251720]](图片说明：工业革命中打砸机器的卢德运动来源：网络)
今天的AI在某些特定领域已经开始替代人类工作，创新工场创始人李开复认为，现在那些用5-10秒就能抉择的工作都会被AI取代。所以反抗AI的声音主要来自于重复简单工作的劳动者，真正行业的一线研究人员却对AI既乐观又谨慎。
虽然AI还会犯错，但有这么一批科学工作者正在日以继夜的让AI变得更加智能，更好地帮助人类。这就是我们看到的AI缉毒、AI破案等案例。
(图片说明：警方在张学友演唱会上抓捕到多名逃犯来源：微博)
2010年，美国南卡罗来纳州的多切斯特县，警察通过分析智能电表收集上来的家庭用电数据，抓住了一个在家里种植大麻的人(因为需要把房子密封，把窗子钉起来，就需要大量用电)。2018年，“张学友演唱会抓罪犯事件”就是足够多的数据标签与动态人脸识别技术结合后的完美呈现。
2017年，国务院印发《新一代人工智能发展规划》文件，将AI升级为国家战略，文件一开头这样写道：人工智能的迅速发展将深刻改变人类社会生活、改变世界。
我们应该明确，具备自我认知与不会犯错的强人工智能也许离我们还很远，但未来终究会到来，人类必须面对一个真正的强AI时代。