人类的思想和人类的非智能化要远远超过人工智能

我们应该害怕人工智能吗？对人类来说，这是一个简单的问题，答案肯定是不会。但不是每个人都同意 这一观点，包括已故的物理学家斯蒂芬霍金，已经提出担心强大的人工智能系统的兴起可能会为人类带来终结。

显然，你对人工智能是否将接管世界的观点将取决于你是否认为它可以发展超越人类的智能行为，被称为“超级智能”。那么让我们来看看它有多可能，以及为什么人们对AI的未来有很多关注。人类往往害怕他们不理解的东西。所以难怪它也适用于新技术 。一些技术成就似乎几乎不切实际，明显超出了预期，在某些情况下甚至超过了人类的表现。

但让我们揭开人工智能技术的神秘面纱，统称为机器学习。这些允许机器学习任务而无需使用明确的指令进行编程。这可能听起来很怪异，但事实是，这完全取决于一些相当普通的统计数据。机器是程序，或者说是算法，其设计具有发现所提供数据内的关系的能力。有许多不同的方法可以让我们实现这一目标。例如，我们可以一个接一个地向机器呈现手写字母（az）的图像，并要求它告诉我们每次按顺序显示哪个字母。我们已经提供了可能的答案， 它只能是（az）中的一个。

机器随机写了一封信，我们通过提供正确答案来纠正它。我们还对机器进行了编程以重新配置，以便下次如果出现相同的字母，则更有可能为下一个提供正确的答案。结果，机器随着时间的推移改善了其性能并“学习”识别字母表。本质上，我们已经对机器进行了编程，以利用数据中的常见关系来实现特定任务。例如，所有版本的“a”看起来结构相似，但与“b”不同，算法可以利用它。有趣的是，在训练阶段之后，机器可以将所获得的知识应用于新的字母样本，例如由机器从未见过的手写的。

然而，人类善于阅读。也许一个更有趣的例子是Google Deepmind的人工Go玩家，它在游戏性能方面超越了每个人类玩家。它清楚地以一种与人类不同的方式学习，与自己一起进行一些人类无法在其长时间所完成的游戏。它被特别指示赢得并告诉它所采取的行动决定它是否胜利。也被告知游戏规则。通过一次又一次地玩游戏，它可以在每种情况下发现什么是最好的策略动作，发明以前没有人执行过的动作。

现在这会让AI Go玩家比人类更聪明吗？当然不是。AI非常专注于特定类型的任务，并且不显示人类所做的多功能性。AI被称为“智能”的事实最终归结为它可以学习的事实。但即使在学习方面，它也无法与人类相提并论。事实上，幼儿可以通过观看他人的解决问题方式来学习。

另一方面，人工智能需要大量数据和大量尝试才能在非常具体的问题上取得成功，而且很难将其知识概括为与受过训练的人完全不同的任务。因此，虽然人类在生命的最初几年迅速发展出令人惊叹的智力，但机器学习背后的关键概念与一二十年前的情况并无太大差别。

ck现代人工智能的成功较少是由于新技术的突破，更多是由于可用的大量数据和计算能力。但重要的是，即使无限量的数据也无法提供类似AI的人类智能，我们需要首先在开发人工“通用智能”技术方面取得重大进展。这样做的一些方法涉及构建人类大脑的计算机模型， 我们甚至都没有实现这一模型。

最终，仅仅因为人工智能可以学习，它并不真正意味着它将学习人类智能的各个方面并且超越我们。人类智能甚至没有简单的定义，我们当然也不知道智能是如何在大脑中体现的。但即使我们能够解决它然后创建一个可以学会变得更聪明的人工智能，这并不一定意味着它会更成功。

就个人而言，我更关注人类如何使用人工智能。机器学习算法通常被认为是黑盒子，并且在精确定位我们的算法所发现的解决方案的细节方面做出的努力较少。这是一个重要且经常被忽视的方面，因为我们经常沉迷于表现而不是理解。了解这些系统发现的解决方案非常重要，因为我们还可以评估它们是否是正确或理想的解决方案。

例如，如果我们以错误的方式训练我们的系统，最终它已经学会了一般不具备的关系。比如说我们想设计一台机器来评估潜在学生的工程能力。可能是一个可怕的想法，但让我们为了论证而遵循它。在传统角度上，这是一个男性主导的学科，这意味着培训样本很可能来自以前的男学生。例如，如果我们不确定培训数据是否平衡，那么机器最终可能会得出工程学生是男性的结论，并且错误地将其应用于未来的决策。

机器学习和人工智能是工具。它们可以以正确或错误的方式使用，就像其他一样。这是他们使用的方式，应该关注我们，而不是方法本身。人类的思想和人类的非智能化远远超过人工智能。