AI 应用

了解AI将如何的在我们应用中体现和利用AI进行提升我们的技能和用户体验

了解AI业务

我们有两个基本的途径来了解 AI 的世界:通用人工智能(General AI 或 AGI)和狭义人工智能(Narrow AI)。狭义 AI 指的是利用机器来智能地解决具体问题,而通用 AI 是指一台或一组机器拥有人类完整的认知能力。与科幻电影描绘不同的是,通用 AI 还有很长的路要走。

通用 AI 面临的挑战
通用 AI 的主要挑战是,我们并不完全了解什么是意识。当代哲学家们的思想已经超越了笛卡尔的身心观,认识到意识是由我们的大脑所产生。但是,像神经科学家或其他一些人一样,我们仍然不理解它是什么,更不用说如何创造它了。

  • 我们没有硬件,但是
    未来学家 Ray Kurtzweil 预测说模拟人类智慧所需要的硬件在2020年就能以合适的价格出现。
  • 我们没有软件,但是
    AlphaGo 在复杂的游戏中获得胜利,这件事令人印象深刻,还有的计算机对语言的理解比人类还准确,听起来都棒极了,而这些只是在复杂难题里需要解决的一些小碎片而已。

举个例子,OpenWorm项目已经开始模拟像蠕虫一样简单的生物。尽管对蠕虫的了解(蠕虫模拟)逐渐深入,但还是存在很多问题,比如怎样创造它,而造出来的蠕虫智力很有限。所以还需要很多研究时间,直到最后不得不考虑 AI 的奇点是否出现,或者像终结者(Terminator )粉丝一样担心天网(Skynet)问题。

狭义 AI
另一方面,狭义 AI 已经对我们带来了冲击,并且迅速蔓延到很多领域。多年来它一直在影响我们的日常生活,比如股票购买得到一些建议,或者亚马逊上被推荐一本书。狭义 AI 一直给我们提供有价值的东西,它通过大而结构化的数据集来解决那些有明确的结果或规则的问题,现在 AI 的发展已经超越了这些领域。

AI、机器人、团队和管理

机器人和 AI 辅助并参与团队活动的可能性越来越大,背后的关键驱动力是:

  • 数据是可访问的
    软件的构造过程中,会产生开发任务、程序问题、日志、源代码、测试结果等等很多信息,所有数据会存放在系统的某些地方。利用 API 、插件、基于云的方式,可以让系统间的这些数据访问越来越方便。
  • 数据杂乱
    团队使用的数据是杂乱的,这不是任何人的错,这是由工作的性质所决定。当一个团队在运转时(总是这样的),由于时间限制和发布压力,很难找到时间来清理数据。但是因为非结构化数据处理能力的进步,如今这些不一定是个问题了。
  • 数据足够大
    相对于亚马逊、脸谱、Google庞大的数据集,大多数团队的数据量是非常小的。一个团队通常只有几十或几百个任务,较大一点的甚至有几千个任务,但从统计意义上来说,还是很小。而小规模数据集上的算法优化,使得狭义 AI 能为团队带来有意义的结果。
  • 团队过程标准化
    世界各地的、不同组织的大多数团队,它们的工作过程和方法在本质上是相似的。普遍存在的敏捷软件开发团队就是这方面的一个例子。狭义 AI 的含义是,对很多人而言它容易使用并且更有价值。通过标准化,意味着有机会将跨组织的数据合并成更大的数据集。
  • 生产力提高降低误差
    算法不断在发展,虽然仍然存在误差。但是通过成本的降低、速度的提高、或者理解的深入,发展所带来的好处都要大于那些缺陷、误差以及一些聊天机器人目前在狭义 AI 上的烦恼。