从A到Z，人工智能改变世界的26个关键词

如今，人工智能已经不是一项虚无缥缈的实验室科技，它已经融入我们生活的方方面面。BBC Future 栏目撰写了一篇轻松愉快的文章，选出了首字母 A 到 Z 的 26 个单词，借助它们介绍机器的思考方式。

A 人工智能(Artificial Intelligence)

从计算机技术发展的早期开始，科学家们就一直致力于创造在思考、推理和学习能力方面能够与人类相媲美的机器，即人工智能。

虽然今天的人工智能系统仍未实现这一目标，但他们在某些特定任务中的表现已经做到和人一样好，甚至比人类更优秀。新技术让机器能够运用海量的数据进行学习，使得 AI 已经迈出了长足的一步。

AI 逐渐走出研究实验室，进入现实世界，对我们的生活产生深远影响。毫无疑问，我们正在进入人工智能时代。

B 偏见(Bias)

当 AI 在现实中评估贷款申请、宣告法庭判决或医院初诊阶段分类患者时，其最根本的缺陷也暴露了出来，那就是偏见。

算法中的代码写得是什么水平、用的数据是什么水平，算法给出的结果就是什么水平。每个算法都可能带着编辑者先入为主的印记：比如说面部识别软件存在的问题是，它可能会对黑人进行错误分类，或是无法识别女性;犯罪特征分析算法则容易将非白人列为高风险人群;而招聘工具对女性的评分普遍会低于男性。

这些技术难点已经给科技巨头公司们带来了越来越大的压力，它们亟需得到解决。

C 对话机器人(Chatbots)

这些对话机器人运用人工智能的两个分支(自然语言处理和自然语言生成)来与人类用户交流。它们出现在社交媒体信息流、客户服务页面和网站上，提供对话、建议和陪伴，它们正在改变我们与社会组织的互动方式，这些组织包括公用事业公司、成人网站、披萨递送公司、在线商店、银行甚至政府等。

D 设计(Design)

为汽车或飞机设计新部件是一个缓慢而艰苦的过程，但是人工智能可以在短短几个小时内设计出数以百万计的新外形和配件。在上述视频可以看出，只需一些简单的指令，算法就可以高效设计出新的无人机模型。像通用汽车(General Motors)和空中客车(Airbus)之类的公司都在使用人工智能(AI)来帮助它们设计新的组件。

E 紧急情况(Emergencies)

如今世界正面临有史以来最严重的人道主义危机：预计有6850万人因干旱、饥荒或战争而流离失所。

但也许人工智能能提供些许帮助。一些正在与联合国合作的研究人员，正致力于构建一种算法，它能够利用能源生产、经济增长、人口规模和粮食生产的数据预测可能发生的移民危机。

其他机构，如英国的艾伦·图灵研究所(Alan Turing Institute)和美国的政治维稳工作队(Political instability Task Force)，一直致力于研发一款能够预测冲突发生地的人工智能。它将使用统计数据、军事报告，并分析新闻报道以寻找紧张局势上升的迹象，这款机器可以估测出混乱地区暴力升级的可能性。

F 足球(Football)

足球比赛的结果可以取决于一个运动员瞬间的关键选择。例如，如果当思运动员选择传球而不是射门，那么会对他们球队的形势产生巨大的影响。

研究人员与英超最大的俱乐部之一切尔西足球俱乐部合作，正在使用人工智能来帮助分析这些球员的关键决定，以预测如果他们做了不同的事情会发生什么。他们希望这能帮助球队学习如何在比赛中做出更好的决定，甚至赢得更多的比赛。

G 生成性对抗网络(Gan)

现实中这样一些人并不存在。他们可能看起来具有名人的特征，但事实上，这些面孔是被一种叫做「生成式对抗性网络」的人工智能计算机系统想象出来的。

顾名思义，这个「生成式对抗性网络」系统是由相互对立的算法组成的。以一个名人照片为例，第一个算法负责训练数据生成一张自己版本的照片，随后第二个算法会对第一种算法的成果进行检测，判断第一种算法生成的照片与原图之间的差异;于是，作为回应，第一个算法的网络就调整了制作照片的方式，试图骗过第二个算法的网络——结果是，这次计算生成的图片比最开始生成的图片要更加逼真了。

尽管早期它的人脸生成的图像是低分辨率的混乱图像，且经常产生一些诸如有多双眼睛或者具有融化效果的面部图像，但随着时间的推移，现在它们终于能生成出高质量的逼真图像了。

H 幻觉(Hallucinations)

虽然近年来这些 AI 的性能有了质飞跃，但它们仍然会以一些很逗的方式出错。以 AI 俄罗斯方块游戏机器人为例，它认为避免输掉游戏的最佳方法居然是永远暂停游戏!

有时候这些 AI 的判断甚至会让人觉得啼笑皆非又摸不着头脑。麻省理工学院的科学家最近证明，用于在图像和照相机镜头中识别物体的流行机器视觉算法，可能会将海龟的模型认成步枪;或将棒球认成浓缩咖啡——因为它们是通过微妙地改变物体的纹理来达到识别目的的，因此我们眼中的某样物品在机器眼中，很有可能就像另外一些风马牛不相及的物品。

主导这项研究的研究员阿尼什·阿塔利警告说：「人们担心，如果现实世界的系统——例如自动驾驶汽车的机器视觉——遭到这种'幻觉式'系统攻击，那还真的是会威胁到人们的生命安全。」

I 想象(Imagination)

随着机器学习的使用越来越频繁，有一点可以肯定的是，机器看待世界的方式与我们截然不同。虽然人类从出生起就带有强大的学习能力，对自然界的运转规律了然于心，但机器可做不到自学成才，它们需要经过特别的训练才能掌握这些知识。但除开这些条条框框，它们也产生了一些野性的景象，这些景象有助于激发艺术家、音乐家和电影制作人的灵感。

机器视觉研究员和艺术家海伦娜·萨林把自己的画导入到一个生成性对抗网络中(参见G部分)，结果生成了如上图所示的这些奇妙美丽的图像。

J 拥堵(Jams)

在拥堵的道路和繁忙的城市里，交通流量的起伏总是很难预知的。因为它会随着各种复杂的因素而产生变化，比如：人为因素、道路状况、时间流逝、天气状况和突发事故等。

但是，通过运用AI快速分析大量的信息，将有望通过控制交通信号、预测事故和潜在拥堵，来促进交通变得更加顺畅。

K 编织(Knitting)

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!