一、数据比算法更关键
人工智能有三要素：算法、数据和计算能力。
计算能力可以利用大公司的云平台，因为各大公司都把自己的人工智能平台开放出来了。
而算法也往往是开源的，虽然有时候要做调整和优化，但是包括谷歌的TensorFlow在内的人工智能学习系统极大地降低了算法难度。
TensorFlow是谷歌研发的人工智能学习系统，它是让开发者可以把复杂的数据传输到人工智能神经网里进行分析和处理的系统。它是开源的，开发者可以直接拿来用。
所以，相对而言数据就更关键了。
有数据，没有懂算法的人，当然也没有用，因为需要懂算法的人不断调整。但是懂算法的人会成批地增加，不是因为这么多人攻克了难题，而是因为大公司做出来的工具成为了基础设施，导致应用开发的门槛在迅速降低。
相当于说二十年前做网页是需要编程序的。但是，现在基本上不需要了，因为已经有了网页设计软件，普通人只要打开这个软件，直接粘粘贴贴，调整一下格式就能做出不错的网页了。
所以，人工智能有类似特点，就是它的开发门槛在迅速降低，基本的工具都做好了，你直接拿来用就行。
二、需要训练才能成长
我们介绍过人工智能的开发，就像培养孩子，不像以前一样写个死程序就行，主要是需要训练，要让人工智能成长。
训练的核心叫“ 有监督学习 ”，说白了就是要给反馈，不给反馈很快就会跑偏。
这个有个著名的例子：
微软的人工智能程序被扔到社交网络里训练它和人聊天。因为没有给足够的好坏反馈，所以这个系统首先学会了一堆脏话。像我们的孩子也是这样，一旦孩子说脏话，你立刻要制止他，不然的话他也更容易学会说脏话。
当然，反馈方法有两种：
第一种是客观结果，比如说围棋，客观结果就是输赢，因为输赢的判断是有客观依据的。
第二种是专家结果，就是并非完全客观的东西，比如说艺术，或者说作曲，一个曲子是不是旋律优美并非完全客观。但是，基本上专家的判断还是可以做判断依据的，这样可以作为一个反馈作用。
DeepMind在战胜柯洁的时候，用到了增强学习，指的是人不给任何指导，只是告诉机器输赢的规则，让两台机器自己下棋，并根据输赢的结果自己总结最优策略，这种做法避免了人类的局限，但仍然需要有客观的结果帮助判断。
也就是说，如果结果是明确的，人工智能的学习可以逐步摆脱人类的监督，这也是近期人工智能研究的一个重点。
三、人工智能应用的方向
容易出成果的人工智能领域非常多，几乎每一个领域人工智能都有进入了以后提升领域能力的空间。
尤其是一些判断模式相对复杂，但是结果很明确的领域更是机器比人强了。
比如说智能的商品推荐和广告服务，比如说人工智能的投资，金融投资、股票投资，比如说法律文档的整理，公司和个人的报税系统的准备，这些都已经有人工智能系统开发出来了，证明是相当优秀的。
不仅于此，很多时候还取决于我们能不能为人工智能找到更多的应用空间。
比如有大学生在社交网络上去识别社交网络里的海量用户上传的图片里的野生动物，从而能够复制出整个全球的野生动物迁徙的路线图和迁徙的模型。
所以，真的是人工智能几乎接近于万能工具，关键是你能不能熟悉运用它的技巧，而且为它找到在你的领域里的运用空间。
当然，除了这样的硬的产业领域。现在，软的领域里面也有很多的突破了。就是我们讲的以专家意见为准的领域，只要能够找到好的专家合作，也可以开发人工智能。
比如已经有人工智能的作曲家了，甚至人工智能的画家。它叫Ostagram，就是俄罗斯的一个程序员编写的，它是调用谷歌的系统。
你只要输入两幅画，一幅是风格，另一幅是构图，人工智能系统就自动地把第一幅的风格叠加到第二幅的构图上去，形成统一风格的作品。
比如说，你在风格那幅用梵高的《星空》，在构图这幅随便用一个风景画，结果你的风景画就被改造成了梵高的星空风格。
你看，未来连画家都不保险。
当然，如果你是最早训练人工智能的画家，那你就可以拥有一个强力的人工智能助手，让它来帮你干活，你的效率就会大大地提升了。
所以，我们一直讲，未来人必须要具有人类的机器智商，理解机器，让机器为你干活，你就是未来的人生赢家。
网友评论