有这样一种常见的心理现象，任何一个单词重复足够多次，最终就会失去所有的意义。对我们许多人来说，人工智能这个词很久以前就以这种方式土崩瓦解了。但是，现实是，人工智能现在在科技领域无处不在，这些词本身的意义从未减弱。

虽然“人工智能”这个词无疑是被误用了，但这项技术的作用比以往任何时候都要大。它被用于医疗保健和战争，它帮助人们创作音乐和书籍，它会仔细筛选你的简历，判断你的信用度，调整你手机上的照片。简而言之，无论你喜欢与否，人工智能都在影响着你的生活。

对于科技公司和广告商对人工智能的炒作和吹捧，我实在很难认同。以欧乐B的Genius X牙刷为例，这款牙刷是今年在CES上发布的众多号称具有人工智能功能的设备之一。但如果你仔细研究一下新闻稿上的大字标题，就会明白这所谓的人工智能只能提供“你是否在正确的时间和地点刷牙”这样简单的反馈。有一些智能传感器可以帮助你定位牙刷在嘴里的位置，但称它为人工智能只是胡言乱语，仅此而已。

但是如果没有这样的大肆宣传，公众就会产生误解。媒体报道可能会夸大研究，在任何模糊的人工智能故事上都贴上终结者的照片。这常常归结为对人工智能究竟是什么的困惑。对于非专业人士来说，这可能是一个棘手的问题。而且人们经常错误地将如今的人工智能与他们最熟悉的一种科学愿景混为一谈：一台比人类聪明许多倍的有意识的计算机。专家们把这个人工智能的具体事例称为人工通用智能，如果我们真的要创造出这样的东西，那还有一段很长的路要走。在此之前，没有人会因为夸大人工智能系统的智慧或能力而受益。

那么，与其谈论人工智能，不如谈谈“机器学习”。这是人工智能的一个子领域，涵盖了目前对世界影响最大的几乎所有研究方法（包括所谓的深度学习）。作为这样一个词语，它没有人工智能的神秘性，但它更有助于解释这项技术的作用。

机器学习是如何工作的？在过去的几年里，我读到过许多解释，我发现最有用的区别就在于这一名词：机器学习就是让计算机自己学习。但这带来了一个更大的问题。

让我们从一个问题开始。假设你想创建一个能够识别猫的程序。你可以试着用传统的方法来做，比如用“猫有尖耳朵”和“猫是毛茸茸的”这样明确的规则来编程。但是如果出现一张老虎的照片，程序又将怎么做呢？对每个必须的规则进行编程都是非常耗时的，你必须在此过程中定义各种困难的概念，比如“多毛”和“尖耳朵”。那么最好的选择是让程序自己学习。首先你应该向这一程序提供大量有关猫的图片，这样程序就能根据它所观察的来发现其规律，并把这些规律联系起来，虽然一开始几乎是随机的，但是你要反复测试，保留最好的版本。随着时间的推移，程序就能准确地识别出猫了。

到目前为止，一切都是可以预料到的。事实上，你可能以前读过这样的解释，对此我很抱歉。但重要的不是阅读这些解释，而是真正思考解释的含义。像这样的决策系统学习产生的副作用是什么呢？

其实，这个方法最大的优点是最明显的：你永远不需要编写程序。当然，你需要做大量的修补工作，改进了系统处理数据的方式，找出了更智能的方法来获取这些信息，但你并没有告诉程序它应该寻找什么。这意味着它可以发现人类可能会错过或从未想过的模式。因为程序所需要的只有数据（1或者0）你可以将其训练成为任何工作，毕竟现代社会充满着数据。有了机器学习的这把锤子在手，就算数字世界就充满了钉子，你也可以随时用锤子将其锤入合适的位置。

但是再想想它的缺点。如果你没有明确地指导计算机，你怎么知道它是如何做出决定的呢？机器学习系统无法解释它们的思维，这意味着你的算法可能因为错误的原因而表现良好。同理，因为计算机只知道你输入的数据，所以它可能会对世界产生偏见，或者它可能只擅长于与它之前看到的数据相似的任务。它不具备你所期望的人类的常识。你可以建立世界上最好的猫咪识别程序，但它永远不会告诉你小猫不应该驾驶摩托车，或者一只猫更可能被称为“Tiddle”而不是“永恒的Megalorth“。

指导计算机自学是一条绝妙的捷径。就像所有的捷径一样，它需要走投机取巧。如果你愿意，你可以认为人工智能里存在智慧。但这并不是真正的人类意义上的智慧，它也不遵循人类的原则。你也许会想问：一本书能有多聪明？平底锅里能蕴含什么专业知识？

那么我们如今在人工智能方面处于什么位置呢？在数年的头条新闻宣布下一个重大突破之后，一些专家认为我们已经达到了某种平稳期。但这并不是进步的真正阻碍。在研究方面，我们现有的知识中有大量的途径可以探索，而在产品方面，我们只看到了算法的冰山一角。

李开复将当前这个时代描述为一个“执行的时代”，在这个时代，技术开始“从实验室向全世界扩散”。另一位风险投资策略家班尼迪克特·埃文斯(Benedict Evans)将机器学习比作关系数据库。关系数据库是一种企业软件，在上世纪90年代大赚了一笔，并且彻底改变了整个行业。但机器学习是如此平常，以至于你的眼睛可能只是单纯地看到了这一词语。这两位想表达的是，我们现在正处在人工智能迅速恢复正常的阶段。埃文斯说:“最终，几乎所有的东西都会在其内部某个地方进行机器学习，但没有人会在意。”

他说的没错，但我们还没到那一步。

就目前而言，人工智能—机器学习—仍然是一种新事物，常常无法解释或未被充分研究。但在未来，人工智能会普遍到甚至被你忽视。

本文由LinkNemo爬虫[Echo]采集自[https://www.ithome.com/0/408/350.htm]