人工智能从A到Z改变世界

如今，人工智能已经不是一项虚无缥缈的实验室科技，它已经融入我们生活的方方面面。BBCFuture栏目撰写了一篇轻松愉快的文章，选出了首字母A到Z的 26个单词，借助它们介绍机器的思考方式。AI 科技评论编译如下。

A 人工智能(Artificial Intelligence)

从计算机技术发展的早期开始，科学家们就一直致力于创造在思考、推理和学习能力方面能够与人类相媲美的机器，即人工智能。

虽然今天的人工智能系统仍未实现这一目标，但他们在某些特定任务中的表现已经做到和人一样好，甚至比人类更优秀。新技术让机器能够运用海量的数据进行学习，使得 AI 已经迈出了长足的一步。

AI 逐渐走出研究实验室，进入现实世界，对我们的生活产生深远影响。毫无疑问，我们正在进入人工智能时代。

B 偏见(Bias)

当 AI 在现实中评估贷款申请、宣告法庭判决或医院初诊阶段分类患者时，其最根本的缺陷也暴露了出来，那就是偏见。

算法中的代码写得是什么水平、用的数据是什么水平，算法给出的结果就是什么水平。每个算法都可能带着编辑者先入为主的印记：比如说面部识别软件存在的问题是，它可能会对黑人进行错误分类，或是无法识别女性；犯罪特征分析算法则容易将非白人列为高风险人群；而招聘工具对女性的评分普遍会低于男性。

这些技术难点已经给科技巨头公司们带来了越来越大的压力，它们亟需得到解决。

C对话机器人(Chatbots)

这些对话机器人运用人工智能的两个分支（自然语言处理和自然语言生成）来与人类用户交流。它们出现在社交媒体信息流、客户服务页面和网站上，提供对话、建议和陪伴，它们正在改变我们与社会组织的互动方式，这些组织包括公用事业公司、***、披萨递送公司、在线商店、银行甚至政府等。

D 设计(Design)

为汽车或飞机设计新部件是一个缓慢而艰苦的过程，但是人工智能可以在短短几个小时内设计出数以百万计的新外形和配件。在上述视频可以看出，只需一些简单的指令，算法就可以高效设计出新的无人机模型。像通用汽车（General Motors）和空中客车（Airbus）之类的公司都在使用人工智能（AI）来帮助它们设计新的组件。

E 紧急情况(Emergencies)

如今世界正面临有史以来最严重的人道主义危机：预计有6850万人因干旱、饥荒或战争而流离失所。

但也许人工智能能提供些许帮助。一些正在与联合国合作的研究人员，正致力于构建一种算法，它能够利用能源生产、经济增长、人口规模和粮食生产的数据预测可能发生的移民危机。

其他机构，如英国的艾伦·图灵研究所（Alan Turing Institute）和美国的政治维稳工作队（Political instability Task Force），一直致力于研发一款能够预测冲突发生地的人工智能。它将使用统计数据、军事报告，并分析新闻报道以寻找紧张局势上升的迹象，这款机器可以估测出混乱地区暴力升级的可能性。

F 足球(Football)

足球比赛的结果可以取决于一个运动员瞬间的关键选择。例如，如果当思运动员选择传球而不是射门，那么会对他们球队的形势产生巨大的影响。

研究人员与英超最大的俱乐部之一切尔西足球俱乐部合作，正在使用人工智能来帮助分析这些球员的关键决定，以预测如果他们做了不同的事情会发生什么。他们希望这能帮助球队学习如何在比赛中做出更好的决定，甚至赢得更多的比赛。

G 生成性对抗网络（Gan）

现实中这样一些人并不存在。他们可能看起来具有名人的特征，但事实上，这些面孔是被一种叫做「生成式对抗性网络」的人工智能计算机系统想象出来的。

顾名思义，这个「生成式对抗性网络」系统是由相互对立的算法组成的。以一个名人照片为例，第一个算法负责训练数据生成一张自己版本的照片，随后第二个算法会对第一种算法的成果进行检测，判断第一种算法生成的照片与原图之间的差异；于是，作为回应，第一个算法的网络就调整了制作照片的方式，试图骗过第二个算法的网络——结果是，这次计算生成的图片比最开始生成的图片要更加逼真了。

尽管早期它的人脸生成的图像是低分辨率的混乱图像，且经常产生一些诸如有多双眼睛或者具有融化效果的面部图像，但随着时间的推移，现在它们终于能生成出高质量的逼真图像了。

H 幻觉(Hallucinations)

虽然近年来这些 AI 的性能有了质飞跃，但它们仍然会以一些很逗的方式出错。以 AI 俄罗斯方块游戏机器人为例，它认为避免输掉游戏的最佳方法居然是永远暂停游戏！

有时候这些 AI 的判断甚至会让人觉得啼笑皆非又摸不着头脑。麻省理工学院的科学家最近证明，用于在图像和照相机镜头中识别物体的流行机器视觉算法，可能会将海龟的模型认成步枪；或将棒球认成浓缩咖啡——因为它们是通过微妙地改变物体的纹理来达到识别目的的，因此我们眼中的某样物品在机器眼中，很有可能就像另外一些风马牛不相及的物品。

主导这项研究的研究员阿尼什·阿塔利警告说：「人们担心，如果现实世界的系统——例如自动驾驶汽车的机器视觉——遭到这种'幻觉式'系统攻击，那还真的是会威胁到人们的生命安全。」

I 想象（Imagination）

随着机器学习的使用越来越频繁，有一点可以肯定的是，机器看待世界的方式与我们截然不同。虽然人类从出生起就带有强大的学习能力，对自然界的运转规律了然于心，但机器可做不到自学成才，它们需要经过特别的训练才能掌握这些知识。但除开这些条条框框，它们也产生了一些野性的景象，这些景象有助于激发艺术家、音乐家和电影制作人的灵感。

机器视觉研究员和艺术家海伦娜·萨林把自己的画导入到一个生成性对抗网络中（参见G部分），结果生成了如上图所示的这些奇妙美丽的图像。

J 拥堵(Jams)

在拥堵的道路和繁忙的城市里，交通流量的起伏总是很难预知的。因为它会随着各种复杂的因素而产生变化，比如：人为因素、道路状况、时间流逝、天气状况和突发事故等。

但是，通过运用AI快速分析大量的信息，将有望通过控制交通信号、预测事故和潜在拥堵，来促进交通变得更加顺畅。

K 编织(Knitting)

通过运用现有模式进行进一步训练，人工智能可以进一步用于创造新的时装和纺织品设计。SkyKnit，这个充满想象力的名字，是人工智能在时装设计领域中的一个实验的名称。该实验创造了一种奇特的散布着触角的针织图案，这种编制针法所具有的独特魅力在一些爱好者的小圈子中非常受欢迎。

L 语言(Language)

我们作为人类所拥有的最引以为豪的能力，是能用口头或者书面语言来进行交流。而现在的算法正在以自己理解和再现语言的机器学习能力，威胁着我们交流能力所处的独一无二的地位。

自然语言生成算法现在可以将大量的体育统计或金融数据转换成简洁的新闻故事。它们正在被用来制作营销拷贝。有些受过训练的算法甚至可以自己编写童话故事，还能模仿莎士比亚，甚至作诗。不过在大多数情况下，它们创作出来的文本都是胡说八道，但在其他情况下，这本身已经成为了一种奇怪的艺术形式。

更逗的是，当这种语言生成系统互相对话时的场景——比如，在Facebook上，有两个协商机器人在聊天，它们居然能用自己自创的奇怪语言聊下去！

M 机器学习(Machine Learning)

虽然存在开发人工智能的其他方法，但机器学习在很大程度上推动了该领域最近的飞跃和跨越。设计者让它能粗略地模仿人类通过学习收集知识的方式。不过，虽然人类只需要很少的范例就能获取模式或技能，但机器想要达到同样的成果却需要大量的数据。

代码网络接收到大量的信息反馈后，这些代码在网络的不同部分之间形成连接，从而实现了某种识别模式，并由此获得了诠释未来数据的能力。

N 神经网络(Neural Networks)

为了创造能像人一样思考的机器，计算机科学家们转向自然界来解决这个问题，创造了模仿大脑结构的算法，这是可以理解的。为了做到这一点，他们正在创建算法网络，这些算法被设计为像大脑中的神经元一样工作。当机器学习时，这些数学神经元之间的连接变形成集群。

O 准则(Oracle)

虽然发现人类眼睛可能无法看到的模式是机器擅长的领域，但人工智能中一些最令人兴奋的领域也在于它们预测未来的能力。

全世界的医生都在越来越多的使用AI软件来检测癌症或眼部疾病的早期症状，但是最新研究成果表明，人工智能还能在一个人出现任何病兆之前的好几年，就预测到他是否会患上像阿尔茨海默病这样的疾病。

P 警力(Policing)

世界各地的警察正在测试人工智能系统，以帮助他们更快地抓获更多的罪犯。例如，在英国，一支部队正在试验一种面部识别系统，该系统仅需要嫌疑人面部的一部分（如耳朵），就能识别出嫌疑人。另一个在西班牙开发的系统，则是通过搜索犯罪现场的照片，寻找可以链接犯罪的证据。

人工智能系统还被用于帮助警察和法院作出决定，通过预测犯罪嫌疑人犯其他罪行的风险，决定是否应将嫌疑人拘留或保释。

Q 地震(Quakes)

像其他自然灾害一样，地震是很难预测的。但是，使用深度学习（一种机器学习的形式）的计算机可以预测经常导致死亡和破坏的灾难性余震的位置。

R 说唱(Rap)

Deep-flow居住在硅谷，它是一个满嘴脏话、满口俚语的人工智能歌词作者。它创作的歌词如此流利顺畅，以至于人们会很难相信作者的真实身份。

S 智能家居(Smarter Homes)

人工智能已经以语音助手和手机的形式悄悄地进入我们的家庭，但它的潜力远远超出了回答一些简单的问题。随着越来越多的电器和设备连接到家庭网络，人们可以使用人工智能来管理它们。有了人工智能技术加持的智能恒温器，将会彻底改变你的生活方式。它通过传感器分析家庭电表中的数据，为每一个用电设备建立一个独特的“指纹”，从而智能识别设备的使用状态，在设备空闲时自动将其关闭以节电。

T 图灵测试(Turing Test)

图灵测试被认为是人工智能的关键测量方法之一，它由计算先驱艾伦·图灵开发。图灵提出，测试机器的「智能」的一种方法是，它是否能蒙混过关的让人误以为它也是一个真「人」。在某些领域的聊天机器人就已经能做到这一点了，它不仅能毫无违和的与真人聊天对话，还能写出看起来逼真的在线评论。但一些批评者指出，图灵测试并不代表被测试的机器有了真正的智力，它只是在模仿这种能力。

U 无监督学习(Unsupervised Learning)

早期的机器学习会使用数据来帮助算法，识别它们包含的对象——例如经过精心标记的图像。但如今的研究人员已然在使用另一种方法：无监督学习允许算法得出自己的推断，通过查找数据中的模式。

V 葡萄园(Vineyards)

机器视觉算法允许计算机在图像或视频片段中识别从脸到猫和星系的一切。但是在美国和欧洲，研究人员正在把机器视觉和其他人工智能系统结合起来，帮助农民更好地管理他们的作物。

这些项目正在使用机器人在葡萄园中穿梭，以监测葡萄，并识别需要修剪或摘除果实的植物，以确保生产葡萄酒的最佳质量葡萄。

W 野生动物(Wildlife)

由于东非覆盖着大片的茂密植被作为掩护，偷猎者常常能在杀死猎物后全身而退。然而，使用无人机在空中巡逻的环保人士，则可以利用机器视觉系统在红外线镜头中发现偷猎者。其他系统利用人工智能在蚊子的帮助下监控濒危物种，或在社交媒体上追踪象牙和犀牛角等非法野生动物产品。

X X级(X-rated)

忘掉那些长相奇怪的性爱机器人、智能情趣玩具以及诱人上当的聊天机器人吧，人工智能已经被用来对付情趣市场中的那些非法行为。调查者们通过使用人工智能寻找非法的网络性交易，并追踪那些落入人口贩子手中并最终沦为性奴隶的受害者。

Y 呕吐(Yum)

从创造不同寻常（有时令人作呕）的新食谱，到在炉子前进行实操，电子厨师已经在悄然改变着厨事了。

Z 动物园(Zoo)

Nyala antelope原产于非洲南部炎热干燥的热带稀树草原。所以当冬天来到英格兰温彻斯特附近的马韦尔动物园时，它们会感觉寒冷。因而作为弥补，动物园安装了一个实验加热系统，该系统使用红外线传感器和机器学习来保持动物在室内的舒适度。