曾经的科幻思想实验现在已成为日常生活中不可或缺的一部分。人工智能 (AI) 是智能助手、机器人吸尘器和自动更正等技术背后的驱动力。人工智能读取和解释庞大数据集的能力为社会各行各业创造了无限可能。医学研究可以交叉引用患者数据。娱乐平台可以了解人们的口味并建议适合的内容。教师可以通过测试分析找出学生的薄弱环节。所有这些选项以及更多选项都可以在最少的人为参与的情况下实现。

人工智能的历史

英国数学家艾伦·图灵探索了可以从经验中学习的机器的想法。他在 1950 年发表的论文《计算机与智能》提出了一项测试，以确定机器是否可以与人类没有区别。

图灵的想法更多地倾向于哲学而不是实施。直到他去世两年后，数学家才迈出了迈向现代学习型 AI 模型的第一步。

Logic Theorist 是由 Allen Newell、Cliff Shaw 和 Herbert Simons 编写的程序。该程序模仿了人类数学家的心理过程，并为某些定理开发了数学证明。其中许多证明比原件更深入。

这个程序是证明人工智能有效性的一大步。它的成功表明，当提供足够的数据时，机器可以得出并解释人类水平的结论。

今天的人工智能

人工智能的理论方面最终以计算能力无法匹敌的速度发展。计算机不够复杂，无法存储和处理研究人员进行实际测试所需的大量数据。

令人惊讶的是，人工智能的下一个大舞台在几十年后的国际象棋世界中出现了。IBM 超级计算机 Deep Blue 与当时的国际象棋世界冠军 Garry Kasparov 进行了对抗。

深蓝在 1996 年输掉了第一场比赛，但以真正的电影方式，它在纽约复赛中取得了胜利。今天，这项技术已成为任何在线国际象棋网站的标准，但深蓝的胜利在当时是具有里程碑意义的。

它证明了人工智能根据不断变化的情境因素做出决策的能力。该事件激发了进一步的全球研究，新的实施迅速浮出水面。

从那以后，数学家和程序员一直在扩展这个领域。计算能力每年都呈指数增长，并允许过去的“不可能”。

人工智能的优点

对忙碌的工作有一种社会公认的仇恨。这是强调典型办公室陈词滥调的首选目标。AI 承担了很多这项繁忙的工作，并将其放在砧板上。

这是更聪明地工作的缩影，而不是更努力地工作。人工智能在不浪费人力资源的情况下执行令人麻木的任务，并在几秒钟内完成数月的计算。不可否认，人工智能在正确的地方使用时可以提高个人和专业的效率。

自动化流程

通过自动化流程，人工智能可以让员工腾出时间来处理更具创造性或社会细微差别的任务。

这种自动化的一个典型例子是聊天机器人和客户支持。超过 60% 的消费者更喜欢聊天机器人而不是等待人类。大家都看到了屏幕右下角弹出的小消息框。它会问一些问题，例如“我能帮你什么”或“你需要帮助吗？”

聊天机器人中的人工智能

Chatbot AI 是一种用于企业支持交互的低成本解决方案。如果问题对聊天机器人来说太棘手，则会将其发送给人类代表来处理。该管道可确保公司仅在最难解决的查询上扩展人力。

从理论上讲，聊天机器人管道代表了工作场所人工智能的理想目标。它会自动执行任务，直到有偿员工必须介入。该模型还包括数据输入和复杂的网络安全更新等任务。

减少人为错误

长时间的心理活动会导致疲劳感，类似于锻炼肌肉。这被称为认知疲劳，会对精力和注意力产生负面影响。头脑下意识地变得懒惰，错误开始溜走。错误有一种相互叠加的方式，就像不良贷款一样。一个小错误可能会滚雪球，在未来造成巨大损失。

处理无穷无尽的数字列的数据繁重的任务会加剧认知疲劳。大脑开始做出糟糕的假设来创造捷径。幸运的是，这些类型的工作是人工智能最闪耀的地方。

AI 的“大脑”不会因重复而感到疲倦。如果程序和输入数据正确，那么十有八九会产生准确的结果。

做决定

人为错误超出了收集和组织数据的范围。即使是最精心记录的信息，不正确的解释也会毁掉。当人类查看数据时，他们与生俱来的偏见和直觉可以看到虚构的趋势。

例如，人类的大脑倾向于强调最近发生的事件。这种现象称为新近偏差。人类不会看过去十年的趋势，而是将不合理的重力放在过去四个月。

人类对 你

当然，在某些情况下，最近的趋势更为重要。然而，人类无法从数字上评估这些趋势的价值。至少不及人工智能的速度。人工智能决策程序完全根据所有可用数据提出选择建议。瞬间，它搜索了无数类似的案例，没有一个过分重视。

数字援助的进步

一些千禧一代可能还记得在公路旅行中使用过大得不可思议的地图，或者从谷歌打印出路线。

今天，我们口袋里的小声音处理了我们大部分琐碎的负担。Siri、Google Assistant 和GPS等数字辅助 AI不断从庞大的数据池中学习。他们了解人们去哪里，吃什么，喜欢买什么。

不知道你需要什么？没问题。AI 可以根据过去搜索的数据库为您提供建议。我们手机上的人工智能非常先进，甚至可以在用户说错话时纠正他们。

虽然关于这种信息收集的道德规范存在一些争论，但数字援助已被证明在提高日常生活便利性方面非常宝贵。

自然灾害预测

它需要广泛而精确的数据，但人工智能可以预测特定类型的自然灾害。这些包括：地震、飓风、龙卷风、火山喷发。

人工智能系统可以通过比较降雨记录、地震活动和风速等因素来推断这些灾害的发生时间和地点。了解这两件事可以通过早期疏散或智能施工来挽救数千人的生命。在恶劣天气下驾驶或为自然灾害做准备时，知道是成功的一半。

2018 年，谷歌和哈佛宣布开发一种人工智能，旨在预测地震后余震的位置。它使用全球地震数据来确定危险地震发生的地点和时间。

人工智能的缺点

人工智能带来了新的便利生活水平，并以惊人的速度帮助社会进步。然而，就像声纳和炸药一样，发展中的技术有着令人不安的后果的令人讨厌的记录。

以下是人工智能兴起的不利因素。

失业率上升

随着越来越多的专业任务变得自动化，企业对人工参与的需求减少了。其明显的副作用是预计失业率会增加。悲观的估计表明，大约 25% 的美国工作面临人工智能的风险。

世界经济论坛估计，人工智能将创造多达 5800 万个工作岗位。然而，人工智能将主要取代那些没有资格填补新创建职位的低技能工人。

网络威胁的复杂性增加

网络犯罪是一个数字游戏。大多数攻击失败是因为他们的方法和语言使目标处于边缘。“索取免费奖品”的随机招揽往往会引起怀疑。

现在，如果这些信息听起来自然而合法呢？如果骗局类似于需要必要表格的医生怎么办？骗局听起来越人性化和可信，目标就越有可能上当。

2021 年，来自新加坡的一个政府团队测试了人工智能制作网络钓鱼电子邮件的能力。他们发现，人工智能创建的电子邮件的成功率明显高于人类创建的电子邮件。在网络攻击中实施机器学习意味着每次攻击都是针对目标量身定制的。

道德和创造力下降

机器经常被描述为冷酷无情。具有情感或同理心的人工智能仍然安全地处于科幻小说的领域。虽然这些程序可以模仿这些感觉，但机器无法达到人类的情感深度。

没有情绪或道德

缺乏情感会妨碍形成道德的能力。人工智能旨在分析和学习提供的大数据。即使创建人工智能是为了追求正义，它也会在数学上分析旧的先例，而不会剖析当前的社会格局。这种正义将是一种算术正义，在不考虑道德上正确的情况下进行判断。

类似的推理也适用于人工智能无法复制真正的创造力。人工智能可以通过将数以百万计的创意作品融合在一起来产生新的东西。然而，这只是一个非常复杂的数学再现。

机器无法复制引导真正创造力的情感和精神。

成本高

在 1950 年代初期，租用一台电脑每月花费大约 200,000 美元——所有这些钱都用于一台几乎无法执行国际象棋人工智能的设备。

计算机的制造成本已经变得相对便宜，但人工智能开发的价格并没有出现同样的下降。基本的“狭义”人工智能示例，如语音分析和推荐引擎，开发成本高达 20,000 美元。

世界上最著名的人工智能程序使公司损失数百万美元。苹果在 2010 年以 2 亿美元的价格收购了 Siri。

风险资本家投资的基本规则是，只有大约 20% 的人工智能推销会带来成果。这种失败率和巨大的开发成本使得人工智能项目的启动具有挑战性。

数据和保险

对抗人工智能缺点的一种方法是为您的数据提供保险。如今，企业和个人都可以选择依靠网络安全保险来保护数据，并将其作为商业责任保险的一部分。

每家公司都有独特的要求来获得其网络保险单的资格，但也提供不同的功能。您必须对选项进行分类，以确定哪种类型的数据保护将使您的信息最安全。

人工智能的影响

人工智能看起来光鲜亮丽，但它的发展已经跨越了 70 多年的全球努力。它改变我们日常生活和社会的程度是惊人的，但这个领域却在不断发展。这种进化是否给人类带来的好处多于损失，将取决于它从现在开始的发展方式。