内容
- 1. AI由看起来像人的智能机器人或机器人组成。
- 2.人工智能，机器学习和深度学习都是一回事。
- 3. AI完全可以自己学习。
- 4.聊天机器人是AI的最基本形式。
- 5.执行未来所有深度学习操作所需的能力是不可持续的。
- 没有错误，没有压力-在不破坏生活的情况下创建可改变生活的软件的分步指南
- 6.企业很容易租用推动AI运作所需的计算能力。
- 7.您需要大量的数据来训练AI。
- 8. AI将取代现有的BI工具，从而使以前的任何技术都过时。
- 9.神经网络就像生物网络，但是是机械的。
- 10.人工智能最终将变得足够聪明，以至于可以理解人类对其具有危险，必须将其消灭。
资料来源：美国Pyon / Dreamstime.com
带走：
人工智能是一项炙手可热的技术，但许多人对其确切含义存在误解。在这里，我们看一下有关AI的一些神话，并研究事实。
为什么每个人都在谈论AI，但我们仍然看不到诸如“星际迷航”中的数据之类的友好机器人在人类之间行走？我们是否记得将RoboCop的Second Prime Directive添加到他们的脚本模式中，以便他们可以“保护无辜”，而不是在他们获得充分的感知后立即消灭人类？
如今，关于什么是真正的人工智能（AI），机器学习和深度学习，“智能机器”可以做什么以及AI技术的当前状态有很多困惑。现在是时候享受一些不错的老式拆封了，所以让我们消除关于AI的10个最普遍的神话。 （有关AI的潜在未来的更多信息，请查看AI革命是否将使全民收入成为必要？）
1. AI由看起来像人的智能机器人或机器人组成。
这里的每个人都有太多的“银翼杀手”，嗯？尽管机器人技术和AI之间存在很多普遍的混淆，但是它们是两个完全不同的科学领域，服务于不同的目的。机器人是由执行器和传感器提供服务的物理设备，可以执行各种任务，例如在工厂中制造，搬运或拆卸产品。
AI的软件编程方式使其具有足够的自治性，可以做出决策并从错误中吸取教训。尽管某些机器人最终可能会通过AI算法得到增强，但“智能”部分只是AI可能拥有的另一项功能。
2.人工智能，机器学习和深度学习都是一回事。
尽管它们都是同一大型AI系统的组成部分，但它们是三件不同的事情。基本上，机器学习是AI从外部资源中学习的方法，就像使用算法来区分数据并确定其正确行为一样。深度学习只是在机器学习的实际应用中使用的一种可能的技术。它基于神经网络（NN），用于告诉AI做出正确决策的可能性。
3. AI完全可以自己学习。
尽管有人夸大了对AI的夸大宣传，据说可以自己学习，但仍然找不到一个具有AI的系统，该系统具有任何可以在没有人工协助的情况下从零知识中发展出来的现实应用程序。 AI不能“理解”任何必须处理隐藏信息或任何类型不确定性的系统，人工智能仍然需要人工来输入和输入数据。此外，每一点信息都必须有明确的目的，而如果没有外部资源（至少在开始时），人工智能是无法猜到的。
4.聊天机器人是AI的最基本形式。
同样，即使有一些聊天机器人使用或多或少的基本形式的AI，它们中的大多数也不过是通过或语音接口与人互动的基本程序。大多数聊天机器人并没有真正地“智能化”，而是对其进行了预先编程的响应，这些响应是针对用户输入中的某些关键字而给出的。为了使聊天机器人成为真正的AI，它必须具备多种技术，使其能够理解人类，了解其需求并做出相应的反应。它需要语音或识别软件，情感分析，某种形式的机器学习程序以及自然语言生成技术。 （要了解有关聊天机器人的更多信息，请参阅《 IT专业人员》，企业将来将如何使用聊天机器人。这就是他们所说的话。）
5.执行未来所有深度学习操作所需的能力是不可持续的。
不可否认，人工智能需要大量额外的计算能力来进行训练并执行其所有复杂的深度学习操作。在将来大多数企业将在某种程度上使用AI的情况下，此问题可能会发展到史无前例的程度，使其使用可能无法持续。但是，人工智能实际上可以为我们提供 更多 通过解决一个长期存在的能源生产问题来解决电力问题：电网的浪费和效率低下。公用事业公司最终从私人用户那里购买了多余的能源，由于目前的电网并不是为适应现代化的多样化水平而建造的，私人用户也浪费了他们产生的大部分电力。 AI可以通过用更新的，智能的，由AI驱动的微电网代替旧的电网来拯救我们，这些微电网确切地知道如何以最大的效率实时分配电力。
没有错误，没有压力-在不破坏生活的情况下创建可改变生活的软件的分步指南
当没有人关心软件质量时，您就无法提高编程技能。
6.企业很容易租用推动AI运作所需的计算能力。
...如果AWS，Google，Microsoft和阿里云当前未将世界上绝大多数可用的计算能力集中化。因此，AI开发人员目前只有两种选择：以极高的价格租用它或购买自己的超贵硬件。
但是，有可能在不久的将来...揭穿这个神话。一家名为Tatau的新公司开发了可以解决该问题的基于区块链的超级计算平台。他们的解决方案允许对基于GPU的机器的全球分布式网络的合并资源进行汇总和转售。想象一下，加密货币矿工，游戏玩家或其他高性能计算机将其计算能力投入到AI开发中。人工智能公司可以利用这种开发不足的GPU功能来以便宜得多的价格训练他们的机器学习模型。请注意，此新平台还可以为第5点中突出显示的问题提供答案，因为它可以促进对当前未使用资源的有效利用。
7.您需要大量的数据来训练AI。
不必要。当然可以 很多 数据和计算能力来训练AI 从头开始。而且，尽管程度较小，但您需要TB的数据来训练AI以执行诸如驾驶汽车之类的复杂任务。但是，根据AI的应用领域，预训练的神经网络足够灵活，仅在某些特定区域进行重新训练。基本数据框架可能来自更大，更通用的数据集，而仅需要替换网络的最后一部分以“填充空白”特定于给定用例。
8. AI将取代现有的BI工具，从而使以前的任何技术都过时。
至少可以这样说，这有点麻烦。大多数现代商业智能（BI）解决方案都是高度可扩展的，并且通常是可定制的，因此任何未来基于AI的模型都可以轻松地直接集成到其平台中。公司始终喜欢仅实施那些不会对工作流程造成任何风险的解决方案，而AI技术已经适应了这一需求。因此，大多数AI平台都是通过Web实施的，因此无需更换，或者在最坏的情况下可以分阶段安全地实施。
9.神经网络就像生物网络，但是是机械的。
没有神经网络甚至希望达到人类大脑复杂程度的一小部分。尽管进行了多年的临床和科学研究，但由于神经元在人体中完成了许多不同的任务（想想感觉神经元和运动神经元之间的差异），甚至通过神经元传递信息，我们仍然无法完全理解生物神经网络。许多不同的途径（使用电，化学势和神经递质）。神经网络只能以典型的1或0（“是”或“否”）机器方式理解非常简单的输入。这就像将军用飞机和风筝的复杂性进行比较，只是因为它们都可以飞行。
10.人工智能最终将变得足够聪明，以至于可以理解人类对其具有危险，必须将其消灭。
好吧，我们实际上不能揭穿这个神话，因为它不是神话。这是现实。振作起来，因为抵抗是徒劳的！
撇开笑话，简单地说，人工智能没有足够的智能来理解周围的世界并做出自主，理性的决策。每种算法都是为了执行一项任务而开发的，不能执行其他任务，更不用说达到独立思考的能力了。计算机使用其强大的计算能力的“蛮力”来找到相对简单的问题的解决方案，但它们缺乏理解，感知深度和战略复杂性，因此其目的不在其编程的范围之内。
因此，请放轻松，因为AI长期以来就是我们的人工助手和仆人。