人工智能的这些误区，你知道吗？

近些年，随着人工智能的话题越来越热，引发了人们的一系列担忧，京东的智能小车会替代快递员吗？鲁班机器人会取代设计师吗？生产线的机器人会完全取代人工吗？... ...我们虽然现在还处于弱人工智能时代，但AI对人类生产协作的冲击不言而喻，是这样吗？我们会不会对人工智能有些误区呢？

误区1:什么是人工智能？

「它是一个特定技术」，工智能经常会与多层卷积神经网络混淆。这有点像把物理和蒸汽机的概念搞混了。人工智能探究如何在机器中创造智能意识，它不是在研究中产生的任何一个特定的技术。

「这是一个特定类别的技术方法」，例如，经常有人用符号化或逻辑化的方法将人工智能与「其他方法」相互比较，如神经网络和遗传编程。人工智能不是一种方法，它是一个课题。所有这些方法都是在对人工智能进行研究的产物。

「人工智能只是算法」，人工智能的确包含算法（也可粗略定义为程序），它也包含计算机中其他的应用。当然，人工智能系统需要处理的任务相比传统算法任务（比如排序、算平方根）复杂得多。

误区2:人工智能将如何造福人类？

「人工智能没有人性」，在很多反乌托邦幻想中，人工智能会被用来控制大部分人类，无论是通过监视，机器人执法，法律判决甚至控制经济。这都是未来可能出现的情况，但首先它不会被大多数人接受。人们往往忽视人工智能可以让人类接触更多的知识，消除人与人之间的语言隔阂，解决无意义和重复的繁重任务。

「人工智能将造成不平等」，自动化程度的提升将使财富集中到越来越少的人手里。但是现在，如何使用人工智能的选择权在我们手里。

误区3：什么是机器学习？

「机器学习是一个新的领域，它已经代替了人工智能的地位」。这种误解是最近机器学习热潮产生的副作用，大量学生在之前没有接触过人工智能的情况下学习了机器学习课程。机器学习一直是人工智能的核心话题：阿兰·图灵在二十世纪五十年代的论文中已经认为学习是通向人工智能最可行的途径。

「机器不能学习，它们只能做程序员告诉它的事情」。这显然是错的，程序员能够告诉机器如何学习。Samuel 是一个优秀的跳棋玩家，但他的程序很快就通过学习超过了他。近年来，机器学习的很多应用都需要大量数据来进行训练。

 误区4:什么是神经网络？

「神经网络是一种新型计算机」，在实践中，几乎所有的神经网络都运行在普通的计算机架构上。一些公司正在设计专用机器，它们有时会被称作是「神经计算机」，可以有效地运行神经网络，但目前为止，这类机器无法提供足够的优势，值得花费大量时间去开发。

「神经网络像大脑一样工作」，事实上，生物神经元的工作方式比神经网络复杂得多，自然界存在很多种不同的神经元，神经元的连接可以随时间进行改变，大脑中也存在其他的机制，可以影响动物的行为。

误区5:什么是强人工智能和弱人工智能？

「强人工智能是人类智力级别通用人工智能研究的方向」。这个解释具有代表性，但这不是强/弱人工智能概念被提出时的本来意义。

「弱人工智能」被认为是针对特定领域，执行特定任务的人工智能研究，如语音识别和推荐系统（也称工具 AI）。虽然没有人具有最终解释权，但这种语义的转换可能会造成不必要的混乱。

误区6:为什么人们会突然对人工智能如此担心？

从 2014 年开始，媒体就报道如霍金、埃隆马斯克、比尔盖茨等名人对人工智能的担忧。这些报道通常引用那些最绝望话语并省略实质担心的深层原因，通常就像「什么是人工智能现存风险」那样的问题。另外，因为人工智能的发展正在加速。这种加速可能是很多因素的集合，包括逐步完善的理论基础，它连接了很多的人工智能领域成为一个统一的整体。还有学术实验室能产出达到能够应用并解决现实世界的实际问题在人工智能方向商业投资的急剧增加也作为。

结语：小编认为人工智能的发展是为了更好地造福人类，而非与人类作对，取代人类。当然，AI会取代一部分成本高、重复度高的岗位，但就像工业革命、电气革命一样，我们一定会创造出更多的岗位，让人们生活的更有价值！