大家好，我是本专栏的编辑郝帅，现在给大家解释一下上面的一些现实世界的ai问题，这是一种常见的心理现象：如果你把任何一个词重复得足够多，最终都会失去所有的意义，就会像一个浸透了的组织一样分解成语音的虚无。对我们许多人来说，“人工智能”这个词在很久以前就已经以这种方式崩溃了。人工智能现在充满了技术。据说它拥有从电视到牙刷的所有功能，但它从未让自己变得不那么卑鄙。

尽管毫无疑问，“人工智能”这个词已经被滥用，但这项技术比以往任何时候都更好——无论好坏。它用于医疗保健和战争；它帮助人们制作音乐和书籍；它会仔细检查你的简历，判断你的声誉，并调整你在手机上拍摄的照片。总之，不管你喜不喜欢，它都会做出影响你一生的决定。

不管你喜不喜欢，人工智能都是用来决定你的人生的。

与科技公司和广告商谈论AI炒作和咆哮可能很难比较。以Oral-B的Genius X牙刷为例，这是今年ces上推出的众多设备之一，他们吹捧所谓的“AI”能力。然而，除了新闻稿的顶行，所有这些都意味着它提供了关于你是否在正确的时间和地点刷牙的非常简单的反馈。有一些智能传感器可以解决刷子在嘴里的位置，但称之为人工智能是无稽之谈，仅此而已。

如果不涉及炒作，就会产生误解。新闻报道可以夸大研究，并在任何模糊的人工智能故事上发布终结者照片。这通常归结为对人工智能甚至其他东西的困惑。对于非专家来说，这可能是一个棘手的话题。人们经常错误地将当代人工智能与他们最熟悉的版本混淆：有意识计算机的科学视野比人类聪明许多倍。专家指的是人工智能具体实例的人工一般智能。如果我们曾经创造过这样的东西，未来很可能还有很长的路要走。在此之前，没有人通过夸大AI系统的智能或能力来帮助他们。

反正什么是AI？从顶部顺时针：大都会的模型，欧乐b的AI牙刷，自动送货机器人。)

那么，与其谈AI，不如谈“机器学习”。这是人工智能的一个子领域，包含了几乎所有对世界影响最大的方法(包括所谓的深度学习)。作为一个短语，它没有“AI”的神秘性，但更有助于解释技术的功能。

机器学习如何工作。这几年看了看几十个解释，发现最有用的区别就在于名字：机器学习就是电脑可以自己学习。然而，这意味着它是一个更大的问题。

先问个问题。假设你想创建一个可以识别猫的程序。出于某种原因，它总是一只猫。你可以在清晰的规则中尝试老式的编程方式，比如“猫有尖耳朵”和“猫是毛茸茸的。”但是当你给它看一张老虎的照片时，程序会怎么做呢？用所有需要的规则编程会很费时间，而且你必须在这个过程中定义各种困难的概念，比如“闷热”和“轻微”。最好让机器自己学习。所以你可以给他提供大量的猫咪照片，通过这些照片看到他自己的图案。第一，它的连接点几乎是随机的，但是你反复测试，保持最好的版本。而且，到时候，说什么是猫而不是猫就很好了。

到目前为止，可以预见。其实你之前可能看过这个解释，很抱歉。但重要的不是读光彩，而是真正考虑光彩的寓意。让决策系统这样学习有什么副作用？

这个方法最大的优点是最明显的：你永远不需要实际编程。当然，你做了大量的修复工作，改进了系统处理数据的方式，提出了更聪明的方法来提取信息，但你没有告诉它要寻找什么。这意味着它可以发现人类可能错过或从未想过的模式。而且因为所有的程序需求都是数据-1和0-有很多工作你可以训练它，因为现代世界充满了数据。手里拿着机器学习锤，数字世界里到处都是随时可以钉到位的钉子。

就像DeepMind的一系列围棋AI系统一样，自学机器可以产生强大的效果。谷歌通过Getty Images拍摄的照片。

但是，我们也应该考虑他们的缺点。如果你不明确教计算机，你怎么知道它是怎么做决定的？机器学习系统无法解释他们的想法，这意味着由于错误的原因，您的算法可能表现良好。同样，因为所有的计算机都知道你提供了它们的数据，所以它们可能会得到一个有偏见的世界观，或者它们可能只擅长于看起来与之前看到的数据相似的狭隘任务。它不具备你所期望的人类的常识。你可以构建世界上最好的猫识别器程序，它永远不会告诉你小猫不应该开摩托车，或者猫更有可能被称为“Tiddles”而不是“the Ondying”。

教计算机自学是一条明智的捷径——像所有的捷径一样，它涉及到偷工减料。

教计算机自学是一条明智的捷径。像所有的捷径一样，它涉及到偷工减料。AI系统里有智能，如果你想这么叫的话。但它不是有机智能，也不会遵循和人类一样的规则。你们

那么我们现在的人工智能在哪里?经过多年的头条宣布下一个大的突破(其中，好了，他们还没有完全停止还)的，也有专家认为我们已经达到了一个东西高原。但这并不是进步的障碍。在研究方面，我们现有的知识中有大量的途径需要探索，而在产品方面，我们只看到了算法冰山的一角。

风险资本家，前人工智能研究员李开复将当前时刻描述为“实施时代” - 技术开始“从实验室渗透到世界之外。”另一位风险投资策略师本尼迪克特·埃文斯比较机器学习关系数据库，这是一种企业软件，它在90年代创造了财富并彻底改变了整个行业，但是你的眼睛看起来很平凡，可能只是阅读这两个词。这些人正在做的一点是，我们现在正处于人工智能正常快速发展的地步。“最终，几乎所有东西都会在[机器学习]的某个地方进行，没有人会关心，”埃文斯说。

他是对的，但我们还没有。

在这里和现在，人工智能 - 机器学习 - 仍然是新的，往往是无法解释或未经检查的。因此，在本周特刊“The Verge，AI Week”中，我们将向您展示它现在是如何发生的，这项技术如何用于改变事物。因为在将来，你会发现它是如此正常，你甚至都不会注意到。