未来人类将被AI取代?

如果说有一项技术彻底改变了 21 世纪,那一定是人工智能。Google 新掌门人 Sundar Pichai 曾说:“人工智能带给我们生活和工作的改变,甚至将超过火和电。”虽然噱头满满,但不可否认的是,人工智能正在翻天覆地的改变着人们的生活方式。以前只有在科幻小说中才能了解到的工具和生活方式正在人工智能的加持下,从各个角度渗透进我们的日常生活,并带动着技术进步、产业升级、推动市场经济整体快速发展。因此,正确理解人工智能的概念就变得非常重要。本文将帮助你理解人工智能的定义、阶段、类型以及研究领域。

人工智能的定义

1956 年,John McCarthy(1927~2011)在达特茅斯会议上提出了“人工智能 (artificial intelligence,AI)”一词。他将人工智能定义为:

“制造智能机器的科学与工程。”

‘The science and engineering of making intelligent machines.’

人工智能也可定义为能够执行需要人类智能的任务的计算机系统的开发,如制定决策、检测对象、解决复杂问题等等。

 

 

人工智能的阶段

很多文章都认为,强人工智能(Artificial General Intelligence)、弱人工智能(Artificial Narrow Intelligence)以及超人工智能(Artificial Super Intelligence)是不同类型的人工智能。其实更确切地说,它们是人工智能的三个阶段。

弱人工智能(ANI)

弱人工智能,又称为狭义人工智能。在这一阶段,机器并不具备任何思维能力,只是执行一组预定义的功能,如语音识别、图像识别等,是擅长单个方面的人工智能,类似高级仿生学。它们只为解决某一特定具体的任务而存在,大多是统计数据,从中归纳出模型。比如, AlphaGo 只会下围棋,并不能执行其他任务。

 

 

弱人工智能的例子包括 Siri、Alexa、自动驾驶汽车、AlphaGo、人形机器人 Sophia 等。到目前为止,几乎所有基于人工智能的系统都属于弱人工智能。

强人工智能(AGI)

强人工智能,又称为通用人工智能。不同于弱人工智能,强人工智能可以像人类一样应对不同层面的问题,而不仅仅只是执行一组预定义的功能。不仅如此,强人工智能还具有自我学习、理解复杂理念等多种能力。也正如此,强人工智能的开发比弱人工智能要困难得多。事实上,人工智能国际主流学界所持的目标也仅局限于弱人工智能。目前很少有人进行强人工智能的研究,也尚未形成相应的成果。

 

 

强人工智能还被许多科学家视为对人类生存的威胁, Stephen Hawking 警告称:

“完全人工智能(Full Artificial Intelligence)的发展可能意味着人类文明的终结……人工智能一旦脱离束缚,会不断加速重新设计自身。而人类由于受到生物进化的时间限制,无法与之竞争,很可能会被取代。”

超人工智能(ASI)

当弱人工智能已经大部分实现,强人工智能正在通过深度学习不断逼近之时,超人工智能的概念呼之欲出。在这一阶段,计算机的能力将超越人类。目前,强人工能智能是电影和科幻小说中描述的一种假想情景:机器已经接管世界。

 

 

“人工智能(我指的不是狭义的人工智能)的发展速度快得令人难以置信。除非你能够直接接触到 DeepMind 这样的组织,否则你根本不会知道人工智能的增长速度有多快——它正以接近指数级的速度增长。在五年内(最多十年)将存在发生危险事件的风险。"

——Elon Musk

人工智能的类型

当有人让你解释不同类型的人工智能系统时,你必须根据它们的功能进行分类。密歇根州立大学 Arend Hintze 将人工智能分为以下几种类型:单一反应型、有限记忆型、具有心智型以及自我意识型。

单一反应型(Reactive Machine AI)

这种类型的人工智能是最基本的人工智能系统,它仅基于当前数据运行的机器,只考虑当前情况。也就是说,反应型机器只能进行反应,它既没有记忆能力,也无法利用过去的经验来制定现在的决策。

 

 

反应型机器的一个典型例子就是著名的 IBM 国际象棋程序 Deep Blue 。1997 年 5 月,它以 3.5:2.5 的战绩击败了世界冠军 Garry Kasparov,成为首个在标准比赛时限内击败国际象棋世界冠军的计算机系统。

Deep Blue 看似拥有人的智慧,实际上,它只关注棋盘上的现状,并在可能的走法中作出决策。除了遵守重复棋局不能连续出现三次的规定外,和经验丰富的人类不同,它对过去并没有任何概念。

目前的人工智能,要么对世界没有概念,要么只对其执行的特定任务有极其有限、具体的概念。Deep Blue 的创新之处在于,它放弃了拓宽计算机可能考虑的棋路范围的这种思路。相反,开发人员找到了一种方法,让它缩小自己的“视角”,根据它对某些走法的结果进行评估,停止追求一些可能的走法。类似地,AlphaGo 也无法评估所有的走法,但它采用了比 Deep Blue 更为复杂的方法:使用神经网络来评估棋局的走势。

这种类型的人工智能无法在专业领域之外发挥作用,而且容易被愚弄。它们无法通过交互的方式成为世界的组成部分。很显然,它们只是最基本的人工智能系统,并不符合我们对人工智能系统的未来预期,即能够与人类展开真正的互动,甚至对周围的环境作出真实的反应。

有限记忆型(Limited Memory AI)

有限的记忆,顾名思义,指人工智能可以通过研究以往的数据作出明智的决策。这种类型的人工智能具有短暂或临时的记忆,可以用来存储过去的经验并评估未来的行为。

 

 

自动驾驶汽车就是这种类型的人工智能,它利用最近收集的数据作出即时决定。例如,使用传感器识别过马路的行人、陡峭的道路以及交通信号等,从而作出更好的驾驶决策,这有助于防止交通事故的发生。

然而,自动驾驶汽车的历史信息存在的时间很短暂,无法像经验丰富的人类驾驶员那样将其存储在“经验库”中。这种类型的人工智能,并不能构建全面的“表现”(representations),它并不能记住自己的经验,并学会如何应对新的情况。

具有心智型(Theory Of Mind AI)

心智理论,心理学术语,是人类能够理解自身及周围人的心理状态的能力。这一理论来源于哲学,进入心理学领域后,慢慢成为认知心理学与神经心理学的研究重心之一。心智理论是人类社会形成的关键,通过这一理论,人们可以更好地理解社交、互动的内在动力。试想,如果人类不能理解彼此的动机和意图,那么,相互间的沟通、合作就会变得异常困难,甚至毫无可能。

 

 

这种类型的人工智能较前两种更为先进,它在心理学中扮演着重要的角色,主要体现在对机器“情商”的开发上。

如果人工智能系统真的能够与人类并肩行走,它们就必须能够明白,每个人都有思想和感受,理解人类预期,并由此调整自身行为,这正是我们目前的人工智能与未来的人工智能之间的重要差异。

自我意识型(Self-aware AI)

这是人工智能发展的最后一步:构建一套能够形成自我表征的系统。像 Elon Musk 和 Stephen Hawkings 这样的天才一直警告我们警惕人工智能的进化。让我们祈祷,我们永远不会达到这种人工智能的状态。因为,在这种状态下,机器将拥有自己的意识,它能够意识到自我,知道自己的内部状态,还可以预测他人的感受。当前,具有自我意识的人工智能离我们还有很远的距离。然而在未来,到达超人工智能的阶段仍存在可能。

 

 

人工智能的研究领域

人工智能可以通过以下技术解决现实问题:

机器学习
深度学习
自然语言处理
机器人
模糊逻辑
专家系统

 

 

机器学习

机器学习是一门借助机器解释、处理和分析数据以解决实际问题的科学。它的根源可以追溯到 1952 年就职于 IBM 的 Arthur Samuel(被誉为“机器学习之父”)设计的一款西洋跳棋程序。机器学习有三种类型,分别为监督式学习、无监督式学习和强化学习。

毫无疑问,机器学习有助于人类克服知识和常识方面的瓶颈,而我们认为这些瓶颈会阻碍人类水平的人工智能的发展,因此许多人将机器学习视为人工智能的梦想。

想了解有关机器学习的更多信息,你可以浏览以下博客:

Machine Learning Tutorial for Beginners

What is Machine Learning? Machine Learning For Beginners

深度学习

深度学习是在高维数据上实现神经网络以获得洞察力并形成解决方案的过程。深度学习是机器学习的一个高级领域,可以用于解决更高级的问题,它是 Facebook、自动驾驶汽车、Siri、ALexa 等虚拟助手人脸认证算法背后的逻辑。

想了解有关深度学习的更多信息,你可以浏览以下博客:

What is Deep Learning? Getting Started With Deep Learning

Deep Learning Tutorial: Artificial Intelligence Using Deep Learning

自然语言处理

自然语言处理是一门从人类自然语言中提取洞察力,以便与机器交流并发展业务的科学。它也是人工智能中最古老、研究最多、要求最高的领域之一。开发智能系统的任何尝试,最终似乎都要解决一个问题,即使用何种形式的标准进行交流。例如,比起使用图形系统或基于数据系统的交流,语言交流通常是首选。

20 世纪四五十年代,人们使用有限自动机、形式语法和概率建立了自然语言理解的基础。但是,20 世纪五六十年代,早期使用机器翻译语言的尝试被实践证明是徒劳无功的。20 世纪 70 年代,当时的潮流趋于使用符号方法和随机方法。进入 21 世纪后,随着机器学习的兴起,自然语言处理迎来新的突破,并推动了随机过程、机器学习、信息提取和问答等现有方法的应用。比如,Twitter 使用自然语言处理技术来过滤推文中的恐怖主义的语言,Amazon 使用自然语言处理了解客户评论并改善用户体验。

机器人

人工智能机器人是在现实环境中行动的人工智能体,通过采取负责任的行动来产生结果。这一领域在计

推荐文章

目 录摘 要 ........................................................7一、 简介 ....................................................... 9(一) 《国家人工智能研究和发展战略计划》的目的 ............. 9(二) 预期结果 ............................................ 11(三) 利用人工智能推进国家优先事项的愿景 .................. 121、 促进经济发展 ....................................... 122、 改善教育机会和生活质量 ............................. 133、 增强国家和国土安全 ................................. 14(四) 人工智能的现状 ...................................... 14二、 研发战略 .................................................. 18(一) 战略一:对人工智能研究进行长期投资 .................. 211、 提升基于数据发现知识的能力 ......................... 212、 增强人工智能系统的感知能力 ......................... 223、 了解人工智能的理论能力和局限性 ..................... 224、 研究通用人工智能 ................................... 235、 开发可扩展的人工智能系统 ........................... 246、 促进类人的人工智能研究 ............................. 247、 开发更强大和更可靠的机器人 ......................... 258、 推动人工智能的硬件升级 ............................. 269、 为改进的硬件创建人工智能 ........................... 26(二) 战略二:开发有效的人类与人工智能协作方法 ............ 281、 寻找人类感知人工智能的新算法 ....................... 292、 开发增强人类能力的人工智能技术 ..................... 303、 开发可视化和人机界面技术 ........................... 304、 开发更高效的语言处理系统 ........................... 31(三) 战略三:了解并解决人工智能的伦理、法律和社会影响 .... 331、 改进公平性、透明度和设计责任机制 ................... 332、 建立符合伦理的人工智能 ............................. 345 美国国家人工智能研究与发展战略计划 中国信通院(CAICT)编译组整理 3、 设计符合伦理的人工智能架构 ......................... 34(四) 战略四:确保人工智能系统的安全可靠 .................. 361、 提高可解释性和透明度 ............................... 362、 提高信任度 ......................................... 363、 增强可验证与可确认性 ............................... 374、 保护免受攻击 ....................................... 385、 实现长期的人工智能安全和优化 ....................... 38(五) 战略五:开发用于人工智能培训及测试的公共数据集和环境 391、 开发满足多样化人工智能兴趣与应用的丰富数据集 ....... 392、 开放满足商业和公共利益的训练测试资源 ............... 403、 开发开源软件库和工具包 ............................. 40(六) 战略六:制定标准和基准以测量和评估人工智能技术 ...... 421、 开发广泛应用的人工智能标准 ......................... 422、 制定人工智能技术的测试基准 ......................... 423、 增加可用的人工智能测试平台 ......................... 434、 促进人工智能社群参与标准和基准的制定 ............... 44(七) 战略七:更好地了解国家人工智能人力需求 .............. 46三、 建议 ...................................................... 471、 建议一 ............................................. 472、 建议二 ............................................. 47附录:首字母缩写词 ............................................. 48译者注 ......................................................... 506 美国国家人工智能研究与发展战略计划 中国信通院(CAICT)编译组整理 摘 要人工智能(AI)是一种具有巨大社会和经济效益的革新性技术。人工智能有可能彻底改变我们的生活、工作、学习、发现和沟通的方式。人工智能研究可以推进美国的国家优先任务,包括增加经济繁荣、改善教育机会和生活质量,以及加强国家和国土安全。由于这些潜在的益处,美国政府已经对人工智能研究投资多年。然而,与联邦政府感兴趣的任何重要技术一样,指导人工智能领域联邦资助研发的总体方向时不仅具有巨大的机会,还必须考虑到一些注意事项。 2016 年 5 月 3 日,政府宣布成立一个新的国家科学技术委员会(NSTC)机器学习和人工智能小组委员会,以帮助协调联邦在人工智能领域的活动。1 该小组委员会于 2016 年 6 月 15 日,请求网络和信息技术研究和发展计划(NITRD)小组委员会编写《国家人工智能研究和发展战略计划》(以下简称“AI 研发战略计划”或《战略》)。之后成立了一个 NITRD 人工智能工作组,以确定人工智能研发为联邦的战略重大计划,特别关注产业不可能解决的领域。 这项《战略》为联邦资助的人工智能研究制定了一系列目标,既包括政府内部的研究,也包括联邦资助的政府外部研究,例如在学术界。这项研究的最终目标是产生新的人工智能知识和技术,为社会提供一系列积极效益,同时尽量减少负面影响。为实现这一目标,《战略》确定了联邦资助人工智能研究的以下重大计划: 战略一:对人工智能研究进行长期投资。优先投资下一代人工智能,将促进新发现和洞察力,同时使美国在人工智能领域保持世界领先地位。 战略二:开发有效的人类与人工智能协作方法。并非取代人类,大多数人工智能系统将与人类合作以实现最佳性能。需要研究来创建人类和人工智能系统之间的有效交互。 战略三:了解并解决人工智能的伦理、法律和社会影响。我们期望人工智能技术根据我们持有人类同胞的正式和非正式规范表现。需要研究以了解人工智能的伦理、法律和社会影响,并开发设计符合伦理、法律和社会目标的人工智能系统的方法。 战略四:确保人工智能系统的安全可靠。在人工智能系统广泛使用之前,7 美国国家人工智能研究与发展战略计划 中国信通院(CAICT)编译组整理 需要保证系统将以受控、充分定义和充分理解的方式安全地操作。需要进一步加强研究,以解决创建可靠、可信任和可信赖人工智能系统的挑战。 战略五:开发用于人工智能培训及测试的公共数据集和环境。训练数据集和资源的深度、质量和准确性显著影响人工智能性能。研究人员需要开发高质量的数据集和环境,并允许负责访问高质量数据集,以及测试和培训资源。 战略六:制定标准和基准以测量和评估人工智能技术。人工智能进步极其重要的是指导和评估人工智能进展的标准、测试基准、测试台和社区参与。需要进行额外的研究来开发广泛的评价技术。 战略七:更好地了解国家人工智能人力需求。人工智能的进步将需要一个强大的人工智能研究人员社区。需要更好地了解人工智能当前和未来研发人员需求,以帮助确保有足够的人工智能专家能够应对本计划中概述的战略研发领域。 《战略》最后提出了两方面建议: 建议一:开发一个人工智能研发实施框架,以抓住科技机遇,并支持人工智能研发投资的有效协调,与本计划的第一至六项战略保持一致。 建议二:研究创建和维持一个健全的人工智能研发队伍的国家愿景,与本计划的战略第七项保持一致。 8 美国国家人工智能研究与发展战略计划 中国信通院(CAICT)编译组整理 一、简介(一)《国家人工智能研究和发展战略计划》的目的 1956 年,来自美国的计算机科学研究人员在新罕布什尔州的达特茅斯学院会面,讨论一个新兴的计算分支,即人工智能或 AI 的开创性思想。他们想象了一个世界,“机器使用语言,构成抽象和概念,解决现在人类的问题,并改善自己”。2 这次历史性会议为 AI 的政府和行业研究设置了几十年阶段,包括感知、自动推理/规划、认知系统、机器学习、自然语言处理、机器人和相关领域的进展。今天,这些研究进展已经产生影响我们日常生活的新兴经济部门,从制图技术到语音辅助智能手机,到邮件传递的手写识别,到金融交易,到智能物流,到垃圾邮件过滤,语言翻译,甚至更多。AI 进展也为精准医学、环境可持续性、教育和公共福利等领域的社会福利带来巨大的益处。3过去 25 年来,AI 方法的显著增加在很大程度上得益于统计和概率方法的采用,大量数据的可用性以及计算机处理能力的提高。在过去十年中,机器学习的 AI 子领域,使计算机能够从经验或例子中学习,已经表现出越来越准确的结果,引起了人们对 AI 近期前景更多的兴趣。虽然最近注意到例如深度学习等统计方法的重要性,4 但在其他各种领域 AI 也已经取得了影响深远的进展,例如:感知、自然语言处理、形式逻辑、知识展示、机器人技术、控制理论、认知系统架构、搜索和优化技术以及其他更多方面。 (注:深度学习是指使用多层神经网络的一系列方法的汇总,这些方法支持快速完成一度被认为无法自动化完成的任务。)AI 的最近成就对这些技术的最终方向和影响已经产生了重要问题:当前 AI技术的重要科学和技术瓶颈是什么?新的 AI 进展将提供什么积极,需要的经济和社会影响?如何继续安全和有益地使用 AI 技术?如何设计 AI 系统以符合伦理、法律和社会原则?这些进步对 AI 研发人员的影响是什么? AI 研发的情况变得越来越复杂。虽然政府过去和现在的投资造就了 AI 的突破性方法,但其他部门也已成为 AI 的重要贡献者,包括广泛的行业和非营利组织。这种投资环境提出了关于联邦投资在 AI 技术发展中适当作用的重要问题。联邦对 AI 投资的正确优先事项是什么,特别是在行业不可能投资的领域和时间框架方面?是否有机会进行产业和国际研发合作,推动美国的优先事项? 9 美国国家人工智能研究与发展战略计划 中国信通院(CAICT)编译组整理 2015 年,美国政府对 AI 相关技术的未分类研发投资约为 11 亿美元。虽然这些投资已经产生了重要的新科学和技术,但是仍有机会在联邦政府之间进一步协调,使这些投资能够充分发挥潜力。5认识到 AI 的革新性影响,2016 年 5 月,白宫科学和技术政策办公室(OSTP)宣布了一个新的跨部门工作组,以探讨 AI 的利益和风险。6 OSTP 还宣布了一系列四个研讨会, 举办于 2016 年 5 月至 7 月的一段时间,旨在促进 AI的公众对话,并确定其所带来的挑战和机遇。研讨会的结果是伴随公共报告《为人工智能的未来准备》的一部分,与该计划一起发布。 在 2016 年 6 月,新的 NSTC 机器学习和人工智能小组委员会 - 它被特许在联邦政府、私营部门和国际上与 AI 的进展保持同步,并帮助协调联邦在 AI 的活动,任命 NITRD 国家协调办公室(NCO)创建《国家人工智能研究和发展战略计划》。小组委员会指示本计划应传达一系列明确的研发优先重点,以解决战略研究目标,将联邦投资重点放在行业不太可能投资的领域,并解决扩大和维持 AI 研发人才渠道的需求。 本 AI 研发战略计划的输入来自广泛的来源,包括联邦机构、AI 相关会议的公开讨论、投资于 IT 相关研发的所有联邦机构的 OMB 数据呼叫、投资 IT 相关研发,OSTP 信息请求 RFI),该信息请求向公众征询了有关美国如何为未来的 AI7做出最佳准备的意见,以及 AI 公开出版物的信息。 该计划对 AI 8的未来做出多个假想。首先,假设 AI 技术将继续发展至复杂巧妙并无所不在,而这多亏了政府和行业对 AI 研发的投资。第二,本计划假设AI 对社会的影响将继续增加,其中包括就业、教育、公共安全和国家安全,以及对美国经济增长的影响。第三,假设行业对 AI 的投资将继续增加,因为最近的商业成就已增加了研发投资的预期回报。同时,本计划假设一些重要的研究领域不太可能获得来自行业的足够投资,因为它们受制于典型的公共物品投资不足问题。最后,本计划假设对 AI 专业的需求将继续在行业、学术界和政府内部增长,从而对公共和私人造成劳动力压力。 与 AI 研发战略计划相关的其他研发战略计划和方案包括《联邦大数据研究和发展战略计划》、9《联邦网络安全研究和发展战略计划》、10《国家隐私研究和发展战略》、11《国家纳米技术倡议战略计划》、12《国家战略计算计划》、13《推进创新神经技术脑研究计划》14 与《国家机器人方案》。15 涉及某10 美国国家人工智能研究与发展战略计划 中国信通院(CAICT)编译组整理 些 AI 子领域的其他战略研发计划和战略框架处于发展阶段,其中包括视频和图像分析、健康信息技术、机器人和智能系统。这些额外计划和框架将提供补助和详细叙述本 AI 研发战略计划的协同建议。 (二)预期结果 本 AI 研发战略计划超越了近期的 AI 功能,着眼于 AI 对社会和世界的长期变革影响。AI 的最新研究进展让 AI 的潜力更为乐观,使行业得到迅猛发展,并让 AI 方法变得商业化。然而,虽然联邦政府可以利用 AI 的行业投资,但许多应用领域和长期研究挑战不会存在明确的近期利润驱动因素,因此不可能完全由行业进行解决。联邦政府是长期高风险研究计划以及近期发展工作的主要资金来源,以实现部门或机构的具体要求,或解决私营企业并不从事的重要社会问题。因此,联邦政府应该强调重大社会重要性领域内的 AI 投资,这不针对消费市场的领域,如用于公共卫生、城市系统与智慧社区、社会福利、刑事司法、环境可持续性和国家安全的 AI,以及加速 AI 知识和技术生成的长期研究。 跨联邦政府的 AI 协调研发工作将增加这些技术的积极影响,并为决策者提供用于解决与使用 AI 相关的复杂政策挑战的所需知识。此外,协调方法将有助于美国利用 AI 技术的全部潜力来改善社会。 本 AI 研发战略计划定义了一个高级框架,该框架可用于确定 AI 的科学和技术差距,并跟踪用于填补这些差距的联邦研发投资。AI 研发战略计划确定了AI 短期和长期支持的战略优先事项,以此来解决重要的技术和社会挑战。然而,AI 研发战略计划并未为个别联邦机构定义具体的研究议程。相反,其为行政部门设定了目标,在这些目标中,各机构可以根据其任务、能力、权威和预算来决定优先顺序,以便整个研究组合能与 AI 研发战略计划保持一致。 AI 研发战略计划也并未制定 AI 的研究或使用政策,亦未就 AI 对就业和经济的潜在影响作更广泛的探讨。虽然这些议题对国家至关重要,但它们在题为“人工智能的机遇和挑战,这次会有所不同吗?”8 的经济顾问委员会报告中进行了讨论。 AI 研发战略计划侧重于有助定义和推进确保 AI 责任、安全和权益用途的政策的研发投资。 11 美国国家人工智能研究与发展战略计划 中国信通院(CAICT)编译组整理 (三)利用人工智能推进国家优先事项的愿景 推动此 AI 研发战略计划是未来世界充满希望的愿景,AI 将给所有社会成员带来显著益处。人工智能的进一步进展可以提升社会中几乎所有部门的福利,16让国家优先事项获得进展,其中包括促进经济发展、改善生活质量和加强国家安全。这种潜在利益的例子包括: 1、促进经济发展新产品和服务可以创造新市场,并提高多个行业现有商品和服务的质量和效率。通过专业决策系统创造更有效的物流和供应链。17通过基于视觉的驾驶员辅助和自动/机器人系统,18 能更有效地运输产品。通过用于控制制造工艺和调度工作流程的新方法来改善制造业。19如何促进经济发展? (1)制造业:技术进步能在制造业,包括整个工程产品生命周期内引发新工业革命。更多使用机器人技术能使制造业回归陆上。20AI 可以通过更可靠的需求预测、提升运营和供应链灵活性,以及对改变制造业营运的影响进行更好的预测来加速生产能力。AI 可以创造更智能、更快、更便宜和更环保的生产流程,这能提高工人的生产率、提高产品质量、降低成本并改善工人的健康和安全。21 机器学习算法可以改善制造流程的调度并减少库存要求。22 消费者可以从现时的商业级 3-D 打印中获利。23(2)物流:私营部门制造商和托运人可以使用 AI,通过适配调度和路线来改进供应链管理。24通过自动调整天气、交通和意外事件的预期影响,让供应链更加牢固难以中断。25(3)金融:工业和政府可以使用 AI 提供多种规模的异常金融风险早期检测。26安全控制可以确保金融系统自动减少恶意行为的机会,例如市场操纵、欺诈和异常交易。27他们可以进一步提高效率并降低波动性和交易成本,同时预防系统性失效,例如定价泡沫和低估信用风险。28(4)交通:AI 可以增强所有交通方式,实质上影响所有类型的旅途的安全。29它可以用于结构安全监测和基础设施资产管理,提高公众信任,降低维修和重建成本。30 AI 可用于乘客和货运车辆,从而通过增强情景意识来提高安全性,并为司机和其他旅客提供实时路线信息。31 AI 应用还可以改善网络级移动12 美国国家人工智能研究与发展战略计划 中国信通院(CAICT)编译组整理 13 性并减少整个系统的能源使用和运输相关的排放。32(5)农业:AI 系统可以创建通往可持续农业的途径,使农业产品的生产、加工、储存、分配和消费更灵活。AI 和机器人能收集有关作物的特定场所和时间数据,仅在它们需要的时间和地点才应用所需的投入(例如水、化学品和化肥),并填补农业劳动力的紧迫缺口。33(6)营销:AI 方法能使商业实体更好地配合供应与需求,增加用来资助进行中资助私营部门发展的税收。34 其能预测和识别消费者需求 35,使他们以更低的成本获得更好的产品和服务。 (7)通信:AI 技术可以最大限度地有效利用带宽和信息存储和检索的自动化。36 AI 可以改进数字通信的过滤、搜索、语言翻译和摘要,积极影响商业和我们的生活方式。37(8)科学和技术:AI 系统可以协助科学家和工程师阅读出版物和专利,使理论与之前的观察值更一致,使用机器人系统和模拟、进行实验,并设计新的设备和软件。382、改善教育机会和生活质量通过用于制定专有学习计划的虚拟导师来实现终身学习,以此根据每个人的兴趣、能力和教育需求进行自我挑战和参与其中。通过为每个人定做和调整的个性化健康信息,让人们能过上更健康和更积极的生活。智能家居和个人虚拟助手可以节省人们的时间,并减少每日重复任务所损失的时间。 AI 将如何改善教育机会和社会福利? (1)教育: AI-增强的学习型学校随处可见,通过其自动化辅导能衡量学生的发展 16。 AI 辅导员可补充面授教师,还可以因材施教。16 AI 工具可以促进终身学习并让所有社会成员获取新技能。16(2)医学:AI 能支持从大规模基因组研究(如全基因组关联研究,排序研究)中识别出遗传风险的生物信息学系统,并预测新药物的安全性和有效性。39 AI 技术允许进行多维度的数据评估,以研究公共卫生问题,并为医疗诊断和处方治疗提供决策支持系统。40 AI 技术为个人提供药物定制;由此可提高医疗效果、患者舒适度和减少浪费。41(3)法律:通过机器对法律个案史进行分析会变为普遍。42

热门文章

        对数据标注行业稍微有些了解的人都知道数据标注进入门槛低,适合很多人兼职也适合创业。        正是因为数据标注行业的门槛低这个特点最近两年从事数据标注的小公司小工作室如雨后春笋般的遍布全车大大小小的县城。        但是目前有个有趣的现象,那就是有很多进入数据标注行业做了一段时间的人慢慢的感觉数据标注行业就是个坑?为什么有些人会说数据标注就是个坑呢?        其实对与有上述问题认识的人我们认为,这些人多数都是有于对这个行业对自身条件的不了解,盲目的开始进入数据标注行业的。为什么我们会这样说呢?下面就给给大家来分析下到底有哪几方面的原因:        一、有相当一部分人是听了朋友或者网上消息说这行很火爆,好做,门槛低,也有一部分人了因此租办公室买电脑招人,然后就去群里面找分发项目的人就开张干起来了。可实际上这些人他们大多数都没有充分了解数据标注行业,更没有认真仔细得去调查分析,到底自己能不能做好一个项目,到底自己能不能有质有量按时交付的完成一个项目,到底自己有没有这个能力来管理项目。更多的人也没有去用长远的眼光去考虑数据标注项目。        二、数据标注项目虽然入门门槛低,但是相当一部分有于理解认知应变能力上都不能保证去做好数据标注项目,还有一部分人由于自己对标注项目重视程度不足接到项目之后呢?不仔细认真的去阅读理解项目规则,更没有很好的对规则质检标准去培训员工,而对员工的要求主要看重每天的产出效率,从而导致接到手的项目做的质量很差,频繁的返工,有提项目甚至因为质量太烂项目方不给结算或者是结算比例很少,最终的结果就是做好些个项目但基本都是赔钱。        三、虽然业内人都 说数据标注简单,但是标注项目他也是一个系统性的工程,一个项目能不能做好并不简单的看项目好做就能赔钱。实际上决定项目赚不赚钱考验的是一个团队的项目管理水平,质量管理能力,运营能力各方面因素的。一句话再好赚钱的项目也照样有人赚钱也有人赚钱,要赚钱不是那么简单的。        四、还有些工作室 、小公司因为对行业不够了解等他们做了一段时间后发现,自己团队经常会没有项目做,而自己团队接项目的业务能力又不具备,甚至有的时候为了员工有活干去接一些价格极低根本就不赚钱的标注项目,时间稍微一长这些工作室团队就会赔上很多钱最终关门倒闭。        五、下来要说的就是一部分人人兼职人员由于认识不到位,对项目的规则质量要求 文件不认真阅读消化理解导致做的项目质量差返工有的甚至最后不结算,最终退出这行。更有一些人由于经验不足被标注行业的项目骗子给忽悠到辛苦劳动到最后结算时找不到人。        标注行业本身由于进入门槛低,做的人很行业内盲目打价格战,导致很多转手二手三手的项目在质量工期的要求下根本就不赚钱甚至赔钱,所以在这里也提醒大家做任何事都要谨慎而行。