【猎云网（微信号：ilieyun
）】8月9日报道 （编译：小白）
最近人工智能似乎无处不在，但是大多数人还是不太明白AI技术，不清楚其能力和局限性。
尽管被称为“人工智能”、“机器学习”以及“神经网络”，这些技术事实上跟人类的思维与智商丝毫扯不上关系。说白了，他们就是另一种计算机程序，采用海量数据对计算机进行训练来执行某一项任务。这些方法的强大之处在于，相比传统的软件开发方式，这些人工智能方法有着显著优势。
AI的商业使用在二十多年前走了点弯道。那时候，IBM开发的一个名为“深蓝”的系统打败了当时的象棋大师Garry Kasparov。但是这一代的AI并没有解决多大实际问题，因此也就没有对改进计算机编程起到实质性帮助。
但自此之后，AI领域取得了不少技术进步，尤其是在机器学习方面。这让AI不再局限于实验室范畴，可以逐渐被应用到商业化产品和服务中。计算机能力的大幅提升。相比25年前，如今轻易搜集到的海量数据是AI技术得以实践应用的关键。
今日，AI技术已经在许多产品中占有重要地位，从谷歌等搜索引擎到亚马逊Alexa等一众智能语音，到智能手机和社交媒体上的面部识别以及部分的“智能”消费型设备和家电。AI也逐渐成为车辆安全系统的一部分，全自动驾驶汽车和卡车近在咫尺。
鉴于最近在机器学习与神经网络领域取得的进步，计算机系统现在可以被训练来解决更有挑战性的任务，通常这些数据来自人类对该类任务的执行信息。这类训练不仅涉及大量的数据，同时还要求相关人员在软件开发和机器学习领域具备扎实的专业知识。尽管神经网络最早于上世纪五十年代引入，直到最近它们才被重视起来。
但是，机器学习究竟是如何工作的呢？神经网络虽然是受到人类和其他动物的神经系统启发，但其工作原理却和生物上的神经网络不一样。事实上，神经网络是互联的、简单的计算器的合集。
机器学习领域的最近一大进步则是所谓的“深度学习”，这里，神经网络被布置到多层输入（比如数码图像的像素）和输出（如识别该图像中的人脸）之间。这类网络通过大量的输入（以面部识别为例，输入的即为图像）来进行训练，然后给出相应的输出结果（即识别这类图像中的人脸）。
若要了解AI的潜在社会和经济影响，不妨回顾下工业革命。蒸汽机在十九世纪极大的推动了工业化直至二十世纪电力时代的到来，使得工业化进程大幅提升。同样地，我们现在正步入一个AI技术将成为工业革命主要力量的时代。
AI不会取代软件，正如电力并没有取代蒸汽机。蒸汽涡轮至今仍在生成大部分电力，而传统软件也是AI系统的组成部分。但是，AI可以更好地解决复杂任务，相比传统软件技术，AI具有无可争议的优势。
尽管传统软件开发和AI方法在解决任务时都需要对该任务进行清晰的定义，但传统软件开发还需要软件开发人员在计算机程序中编入明确的解决方案。反之，AI技术则可以自动或半自动地执行任务，极大地提高了可解决任务的范围和难度。
虽然AI系统有无限潜力，但是在某些问题上，他们的能力依然远不如人类，比如涉及手眼协调或者手工灵巧度的任务。大多数交易、工艺和手工艺仍大大超出AI的能力范围。对于没有明确定义的任务，亦是如此。同时AI还缺乏创新与发明能力，缺乏同情心，无感知能力。但是，重复性的脑力工作，正如重复性的体力工作早已被自动化取代一样，亦将很快被AI取代。
新技术与工作之间的关系实在复杂。一方面，新技术可以带来价格优惠且质量更好的产品与服务，另一方面，因为工作效率的大幅提高，许多不必要的工作岗位将被取消。站在全社会的角度，新技术或许是好的，因为他们广泛地提升了生活水平；但是，当新技术导致失业率上升时，不仅个人生活会受到影响，身份认同感也会被弱化。
一个有趣的例子是1970年代引入的ATM机器，这些ATM机将银行从只能接待有限用户的行业变成了24小时营业的行业。但与此同时，美国的出纳员就业率几十年来始终保持稳定。AI对就业率的影响很有可能会更加复杂，因为AI所具备的自动化角色比之前的技术都要复杂得多。
说到底，我们仍处于重要技术变革的早期，并且AI的巨大潜力依然是个未知数，至于就业率和某些工作中的身份认同感更是说不清道不明。
