[譯] 人工智能何以留存

• 原文地址：Why AI is here to stay
• 原文做者：Cassie Kozyrkov
• 譯文出自：掘金翻譯計劃
• 本文永久連接：github.com/xitu/gold-m…
• 譯者：YueYong
• 校對者：TrWestdoor，lsvih

人工智能何以留存

人機之間的溝通革命

若是你曾經參加過人工智能會議，我打賭你必定會路過一個目光十分平靜的鍍鉻機器人，這一張圖片是從使人不寒而慄的機器人圖庫中精心挑選的，以致於現現在，任何一個營銷團隊都沒法拒絕在廣告牌上貼出這張圖。

很明顯，我使用了玲瓏藍（octarine-blue）的科幻藝術配色來吸引疲憊的讀者閱讀個人博客，對此我感到十分抱歉。雖然這種方法十分奏效，不過遺憾的是，這些圖像幾乎與人工智能無關。

機器人技術使人振奮，但大多沒有用處；

現在的人工智能大多無聊，但卻很是有用。

也許你認爲咱們都應該爲本身感到羞恥，可是不用擔憂，人工智能太有用了，以致於不管咱們怎麼喊「狼來了」，它都不會消失。理由以下。

人工智能爲程序員提供了另外一種方法，來告訴計算機要作什麼事。

營銷人員四處奔走，試圖用科幻噱頭來吸引你的注意力，但你長期在人工智能上消費的緣由並非由於這些噱頭。真正的緣由是與機器進行交流。

人工智能爲程序員提供了另外一種方法，來告訴計算機要作什麼事。這種與機器交談的新方式爲什麼如此有用？爲何它會是一場技術革命？爲了理解這些，讓咱們先暫時忘記計算機，而後把關注點放到人上面。我會攤開全部的牌，而後幫你揭開人工智能用途的層層迷霧。

人與人之間如何交談

咱們經過兩種方式向別人表達咱們的意願。一個是經過明確的指令，另外一個是經過舉例。

若是你想學習如何預測我要點的星巴克訂單，你能夠在個人旅行中跟隨我，你可能會注意到，我在美國機場會點一杯四盎司的濃縮咖啡，可是到了臺北、孟買和內羅畢就變成了一杯拿鐵。這是怎麼回事？再舉幾個例子，你可能就能本身找出規律了。這就是人工智所要作的 —— 將實例轉化爲指令。若是你只看到我訂了一兩次星巴克（沒有足夠的數據），或者你只觀察到 50 次我在街上同一個地方訂購我經常使用的卡布奇諾咖啡（可有可無的數據，由於地點不是星巴克），那你將不可能把這些弄清楚。人工智能也是如此。

固然，我也能夠把個人星巴克規則告訴你，由於表達起來很是容易：「若是他們有 B 奶，點一中杯四盎司的濃縮咖啡，而後加滿 B 奶（別批判個人喜愛）。若是沒有，那就點一份中杯拿鐵。」

這裏的重點是，若是我教一我的類旅伴，讓他可以使用兩種交流方式天然是很是好的。當明確的指令易於提出和表達時，我就能夠像人們幾十年來一直與電腦交談同樣爲朋友編寫程序：若是是這樣，就那樣作。

但若是我甚至不知道爲何我在紐約的某些日子點一杯卡布奇諾，而在其餘日子點馥芮白呢？我不能給你公式，由於即便是我也不知道。但我能夠請你看着我，看你能不能找出規律。也許有一個，也許沒有，但你至少能夠嘗試着算出來，這很棒。沒有機器學習或者人工智能，計算機就沒法嘗試找到一個模式。那樣的話要麼是明確的指示，要麼就是失敗。

人工智能是關於人類的自我表達。

也許你會發如今有些地憑方氣味就能作到這些。你可能不知道爲何這樣會有效（也許這種氣味會引起一種與我父親在去完劇院後喝卡布奇諾相關的感受，可是你沒法得到這些信息）但你會意識到，你可以準確預測我要作什麼。最終，你會自信滿滿的說：「此次是白咖啡？我知道了。」 我會目瞪口呆地站在那裏，由於我不知道你是怎麼知道的。過一段時間我就不會擔憂了，我會相信你。只要個人偏好不變，你就會一直作對，即便咱們都不知道爲何。

我給出明確指令這一過程是傳統編程。我要求你學會從相關例子中學習,這纔是機器學習和人工智能的本質。

因此這就是爲何人工智能並非曇花一現：在現實生活中，若是我不可以聰明地提出指示，我就沒法放棄依靠舉例教學的能力。我很肯定，當我在現實世界中磕磕絆絆時，我更多地是用例子而不是指令來與他人交流。

人工智能意味着我能夠用第二種方式與電腦交流——經過例子——而不只僅是指令，你是認真地要求我忽然把本身的嘴塞住嗎？請記住，在過去，咱們必須主要依賴指令，只是由於咱們不能用另外一種方法來作，部分緣由是，處理全部這些示例將使上世紀可憐的臺式機的 CPU 不堪重負。

可是如今人類已經經過實例解鎖了向機器表達本身的能力，爲何咱們會忽然徹底放棄這個選擇呢？這第二種與計算機交談的方式過重要了，不能像昨日的墊肩那樣拋棄掉。

咱們應該放棄的是指望有一種通用的方式與計算機就每一個問題進行通訊。說出你的意願，並以最佳方式說出來。有時你想要提供指令，有時你想要提供大量示例。

有些任務太複雜了，你沒法記住它們的指令

由於人工智能容許你自動化處理那些沒法言說的東西，就是在某些狀況下咱們只會作出惟一的選擇，但咱們卻沒法細化成特定的指令。你還不夠聰明去弄清楚這些模式是什麼意思，或者這些指令是如此的複雜以致於當你讀到第七千行時你忘記了第一行。

計算機不介意記憶冗長乏味的示例集或指令手冊。他們能夠快速地瀏覽這些例子，即便這是一項你根本不想碰的任務。有些任務太複雜了，你沒法記住它們的指令。當全部容易實現的任務都經過直接而明確的指令自動完成時，就須要處理複雜的任務。在那個領域，除了人工智能誰都作不了。

若是這些任務很是複雜，你可能沒法完美地自動化它們，可是使用人工智能你仍然能夠作得比什麼都沒作好（不要忘記創建安全網）。若是你確實得到了完美的表現，個人第一直覺就是想知道你的任務是否如此簡單，以致於你真的應該以傳統方式解決它。不要用人工智能轉換美圓和美分……說真的，你在作什麼？！這就是你可能在面對複雜問題而求助於人工智能的老套路。這也是爲何人工智能的第一步是從任務開始，並反覆檢查沒有人工智能你是否就不能解決它。這也是爲何人工智能的第一步是從任務開始，並反覆檢查沒有人工智能你是否就不能解決它。

若是你渴望開始讓 AI 對你有用，那麼這裏有一個指南，決策者應該在全部人甚至思考數據或技術細節以前閱讀。

若是發現譯文存在錯誤或其餘須要改進的地方，歡迎到 掘金翻譯計劃 對譯文進行修改並 PR，也可得到相應獎勵積分。文章開頭的 本文永久連接 即爲本文在 GitHub 上的 MarkDown 連接。

---

掘金翻譯計劃 是一個翻譯優質互聯網技術文章的社區，文章來源爲 掘金 上的英文分享文章。內容覆蓋 Android、iOS、前端、後端、區塊鏈、產品、設計、人工智能等領域，想要查看更多優質譯文請持續關注 掘金翻譯計劃、官方微博、知乎專欄。