[译] 人工智能何以留存

• 原文地址：Why AI is here to stay
• 原文做者：Cassie Kozyrkov
• 译文出自：掘金翻译计划
• 本文永久连接：github.com/xitu/gold-m…
• 译者：YueYong
• 校对者：TrWestdoor，lsvih

人工智能何以留存

人机之间的沟通革命

若是你曾经参加过人工智能会议，我打赌你必定会路过一个目光十分平静的镀铬机器人，这一张图片是从使人不寒而栗的机器人图库中精心挑选的，以致于现现在，任何一个营销团队都没法拒绝在广告牌上贴出这张图。

很明显，我使用了玲珑蓝（octarine-blue）的科幻艺术配色来吸引疲惫的读者阅读个人博客，对此我感到十分抱歉。虽然这种方法十分奏效，不过遗憾的是，这些图像几乎与人工智能无关。

机器人技术使人振奋，但大多没有用处；

现在的人工智能大多无聊，但却很是有用。

也许你认为咱们都应该为本身感到羞耻，可是不用担忧，人工智能太有用了，以致于不管咱们怎么喊“狼来了”，它都不会消失。理由以下。

人工智能为程序员提供了另外一种方法，来告诉计算机要作什么事。

营销人员四处奔走，试图用科幻噱头来吸引你的注意力，但你长期在人工智能上消费的缘由并非由于这些噱头。真正的缘由是与机器进行交流。

人工智能为程序员提供了另外一种方法，来告诉计算机要作什么事。这种与机器交谈的新方式为什么如此有用？为何它会是一场技术革命？为了理解这些，让咱们先暂时忘记计算机，而后把关注点放到人上面。我会摊开全部的牌，而后帮你揭开人工智能用途的层层迷雾。

人与人之间如何交谈

咱们经过两种方式向别人表达咱们的意愿。一个是经过明确的指令，另外一个是经过举例。

若是你想学习如何预测我要点的星巴克订单，你能够在个人旅行中跟随我，你可能会注意到，我在美国机场会点一杯四盎司的浓缩咖啡，可是到了台北、孟买和内罗毕就变成了一杯拿铁。这是怎么回事？再举几个例子，你可能就能本身找出规律了。这就是人工智所要作的 —— 将实例转化为指令。若是你只看到我订了一两次星巴克（没有足够的数据），或者你只观察到 50 次我在街上同一个地方订购我经常使用的卡布奇诺咖啡（可有可无的数据，由于地点不是星巴克），那你将不可能把这些弄清楚。人工智能也是如此。

固然，我也能够把个人星巴克规则告诉你，由于表达起来很是容易：“若是他们有 B 奶，点一中杯四盎司的浓缩咖啡，而后加满 B 奶（别批判个人喜爱）。若是没有，那就点一份中杯拿铁。”

这里的重点是，若是我教一我的类旅伴，让他可以使用两种交流方式天然是很是好的。当明确的指令易于提出和表达时，我就能够像人们几十年来一直与电脑交谈同样为朋友编写程序：若是是这样，就那样作。

但若是我甚至不知道为何我在纽约的某些日子点一杯卡布奇诺，而在其余日子点馥芮白呢？我不能给你公式，由于即便是我也不知道。但我能够请你看着我，看你能不能找出规律。也许有一个，也许没有，但你至少能够尝试着算出来，这很棒。没有机器学习或者人工智能，计算机就没法尝试找到一个模式。那样的话要么是明确的指示，要么就是失败。

人工智能是关于人类的自我表达。

也许你会发如今有些地凭方气味就能作到这些。你可能不知道为何这样会有效（也许这种气味会引起一种与我父亲在去完剧院后喝卡布奇诺相关的感受，可是你没法得到这些信息）但你会意识到，你可以准确预测我要作什么。最终，你会自信满满的说：“此次是白咖啡？我知道了。” 我会目瞪口呆地站在那里，由于我不知道你是怎么知道的。过一段时间我就不会担忧了，我会相信你。只要个人偏好不变，你就会一直作对，即便咱们都不知道为何。

我给出明确指令这一过程是传统编程。我要求你学会从相关例子中学习,这才是机器学习和人工智能的本质。

因此这就是为何人工智能并非昙花一现：在现实生活中，若是我不可以聪明地提出指示，我就没法放弃依靠举例教学的能力。我很肯定，当我在现实世界中磕磕绊绊时，我更多地是用例子而不是指令来与他人交流。

人工智能意味着我能够用第二种方式与电脑交流——经过例子——而不只仅是指令，你是认真地要求我忽然把本身的嘴塞住吗？请记住，在过去，咱们必须主要依赖指令，只是由于咱们不能用另外一种方法来作，部分缘由是，处理全部这些示例将使上世纪可怜的台式机的 CPU 不堪重负。

可是如今人类已经经过实例解锁了向机器表达本身的能力，为何咱们会忽然彻底放弃这个选择呢？这第二种与计算机交谈的方式过重要了，不能像昨日的垫肩那样抛弃掉。

咱们应该放弃的是指望有一种通用的方式与计算机就每一个问题进行通讯。说出你的意愿，并以最佳方式说出来。有时你想要提供指令，有时你想要提供大量示例。

有些任务太复杂了，你没法记住它们的指令

由于人工智能容许你自动化处理那些没法言说的东西，就是在某些状况下咱们只会作出惟一的选择，但咱们却没法细化成特定的指令。你还不够聪明去弄清楚这些模式是什么意思，或者这些指令是如此的复杂以致于当你读到第七千行时你忘记了第一行。

计算机不介意记忆冗长乏味的示例集或指令手册。他们能够快速地浏览这些例子，即便这是一项你根本不想碰的任务。有些任务太复杂了，你没法记住它们的指令。当全部容易实现的任务都经过直接而明确的指令自动完成时，就须要处理复杂的任务。在那个领域，除了人工智能谁都作不了。

若是这些任务很是复杂，你可能没法完美地自动化它们，可是使用人工智能你仍然能够作得比什么都没作好（不要忘记创建安全网）。若是你确实得到了完美的表现，个人第一直觉就是想知道你的任务是否如此简单，以致于你真的应该以传统方式解决它。不要用人工智能转换美圆和美分……说真的，你在作什么？！这就是你可能在面对复杂问题而求助于人工智能的老套路。这也是为何人工智能的第一步是从任务开始，并反复检查没有人工智能你是否就不能解决它。这也是为何人工智能的第一步是从任务开始，并反复检查没有人工智能你是否就不能解决它。

若是你渴望开始让 AI 对你有用，那么这里有一个指南，决策者应该在全部人甚至思考数据或技术细节以前阅读。

若是发现译文存在错误或其余须要改进的地方，欢迎到 掘金翻译计划 对译文进行修改并 PR，也可得到相应奖励积分。文章开头的 本文永久连接 即为本文在 GitHub 上的 MarkDown 连接。

---

掘金翻译计划 是一个翻译优质互联网技术文章的社区，文章来源为 掘金 上的英文分享文章。内容覆盖 Android、iOS、前端、后端、区块链、产品、设计、人工智能等领域，想要查看更多优质译文请持续关注 掘金翻译计划、官方微博、知乎专栏。