迷恋统计学美好的人工智能注定没有未来

所谓的统计学的范畴其实就是基于庞大的数据库,基于强大的算力,找出人们行为和习惯的确定性部分,再通过机械化的呈现来代替原本需要人做的事情。

投稿来源:孟永辉

有关人工智能的话题吵吵嚷嚷了很长一段时间。虽然在资本的加持、巨头的拥趸之下,人工智能俨然已经成为后互联网时代的全新热门领域,但是,在一片热闹之后,人们似乎并未特别明显地感受到所谓的人工智能给人们的生活带来的些许改变。

有关无人驾驶的实验还在持续,对于刷脸支付的讨论依然热烈,我们所了解的人工智能或许仅仅只有我们看到的这些这么简单。这显然与我们对于人工智能的期望有很大差距。因为按照我们对人工智能的界定,它是要成为人类第四次工业革命的“颜值担当”的。

不幸的是,人工智能并未朝着我们期望的方向发展,而是更多地走向了统计学的范畴。所谓的统计学的范畴其实就是基于庞大的数据库,基于强大的算力,找出人们行为和习惯的确定性部分,再通过机械化的呈现来代替原本需要人做的事情。如果仅仅只是将人工智能停留在这样一个范畴,显然有些低估了人工智能的内涵和意义,而对于这种方向的不断坚持可能会让我们失去人工智能发展的最佳时机。

很显然,人工智能绝不仅仅只是统计学的范畴,除了对人类的行为和习惯进行简单的模仿之外,它还应该具有更加丰富的概念和内涵。因为只有人工智能真正“智能”,而非“机械”,它才能真正成为第四次工业革命的“颜值担当”,最终为下一个时代增色。

于是,人们不禁要问,究竟什么样的人工智能才是真正意义上的智能?在我看来,所谓的人工智能若想成为真正意义上的智能,必然需要具备如下几个方面的特征:

首先,人工智能必须是智能的。现在人们对于人工智能的理解多半还停留在“无人”上,他们认为所谓的“无人”就是智能。其实不是。真正意义上的人工智能必须是智能的。所谓的智能就是可以根据真实情况做出更加合适、更加有效的反应,而不仅仅只是机械地做重复、简单的动作。

所以,人工智能想要真正称得上是真正的智能,必然需要告别简单、重复的机械性工作,真正根据具体的情况做出应激的反应,而非教条式的反应。因此,所谓的人工智能必须是应激、应变的,而不是预先被设定好的,简单、机械、重复式的动作。

其次,人工智能必须是超前的。这里所说的“超前”,其实就是可以尽可能多地提前预知到那些传统时代无法预知和判断的东西,从而可以减少错误的操作和失败,最终减少成本支出,提升行业的运行效率。如果仅仅只是根据已经发生的去做应对方案,很显然并不是人工智能。

如何做到超前呢?其实,这就需要基于强大的大数据库和超快速的算力来实现。基于互联网时代对于人们行为和消费数据的积累,我们可以通过统计范畴的计算来判断未来将会发生的事情,从而提前做出预案,减少盲目判断造成的损失。这仅仅只是初级阶段,随着人们数据量的不断积累,算力的不断提升,深度学习的不断加强,即使不经过统计,我们依然可以判断出未来事物的走向,这才能算得上是真正意义上的“超前”,而这才是真正意义上的“智能”。

再次,人工智能必须能自我学习和进化。可能听上去有些危言耸听,但是,如果人工智能无法跳出机械学习和人工改造的范畴的话,所谓的人工智能或许仅仅只是机械式进化的另外一个比较新潮的代名词而已。因此,真正意义上的人工智能必然也必须要能够自我学习和进化。

所谓的自我学习和进化主要是指人工智能本身可以根据以往自身的经验以及外部行业出现的改变来做出反应,不需要人的介入即可进行自我进化。只有人工智能可以自我学习和进化,它的发展才能真正跳出“人工”的藩篱,真正进入到一个真正由自我智能所驱动的全新时代。

基于以上的分析,我们不难看出,真正意义上的人工智能其实并不是像现在我们看到的“无人”、“机械”这么简单,而是具有更加深厚的内涵和意义。当下的人工智能多半还仅仅只是停留在统计学的范畴之下,只是人们根据以往的大数据所进行的一些预判性的工作,并未达到自我学习和进化的目的。正是因为如此,当下所谓的人工智能更像是一个过客,必然会被新的智能科技新方式所取代。

尽管当下的人工智能相当火爆,但是,在这一片火爆下,同样有隐忧存在。人工智能市场必然会经历一场洗牌,才能真正回归正道。

第一,人工智能的投入和产出不对等。对于人工智能行业来讲,投入和产出的不对等是困扰其发展的根本困境所在。我们看到的很多的人工智能企业之所以会对资本如此依赖,正是由这种原因所导致的。当人工智能作为第四次工业革命的主角尚未真正对制造业、物流业、金融业等传统行业进行深度改造和应用之前,这个行业的投入和产出将会持续处于不对等的状态。

这种不对等的状态所导致的一个最为直接的结果就是人工智能企业陷入到了不断依赖融资,不断持续投入的死循环。当资本难以为继的时候,人工智能市场的洗牌将会是在所难免。未来,只有那些真正找到投入和产出平衡的人工智能玩家,才能在这场变局当中存活下来。

第二,人工智能的技术和应用不顺畅。有关人工智能的研究其实已经达到了一个相当成熟的阶段,包括深度学习、神经网络、图像识别等技术,但是,这些人工智能的技术距离落地其实还很遥远。当人工智能的技术和应用不顺畅的时候,其实,这个行业的发展是处于一种并不顺畅的发展状态下的。

理论的不断拓展,落地的不断陷入困难,其实背后是人工智能行业发展并不健康的表现。当人工智能的理论与应用无法对等的时候,我们发现的是人工智能的参与者们在推出的一些应用,其实是落后的。当这个行业进入洗牌期的时候,只有那些真正可以将人工智能的最新研究成果进行落地的玩家,或许才能真正成为真正的王者。那些无法将最新研究成果落地的玩家,终将会被市场淘汰。

第三,人工智能并未形成体系和规模。虽然人工智能是未来的一个发展方向,但是,它在整个行业的发展过程当中依然是小众的。目前,我们看到的人工智能的应用依然是零星的、个体化的几个行业,并未形成规模化的效应。

在人工智能并未被社会全面接纳的时候,虽然行业是一片蓝海,但是,同样对参与者们提出了更高的要求和标准。只有那些真正能够在当下略显空白的大市场环境下,找到适合自身的发展方式的人工智能玩家,才能真正在这样的市场沙漠里存活下来,对于那些找不到合适的生存之道的玩家,或许将会被市场淘汰。

当人工智能行业的发展进入冰火两重天的发展状态时,有关这个行业发展的矛盾开始暴露。尽管行业异常火爆,市场前景依然光明,但是,不可否认这个行业将会面临更多新的挑战。经历了资本和巨头追捧的繁华似锦之后,人工智能行业或许同样将会经历一场洗牌才会真正成熟。

毕竟,基于统计学范畴的人工智能并无太多新意,同样不会有光明的前途。

 

声明:本文内容仅代表该投稿文章作者观点,不代表浑水号立场。 未经授权不得随意转载,浑水号保留追究相应责任的权利