人工智能是一個不可避免的話題，如今媒體對人工智能的報告鋪天蓋地，引發(fā)了社會的廣泛關(guān)注，人們擔心目前的工作會被機器人代替。退一步講，非常有必要認識到現(xiàn)在以及將來，人工智能將會越來越普遍的情況，同時還要承認人工智能可以解決其所涉及的實際業(yè)務(wù)和社會問題。

弱人工智能（也稱為ANI或弱AI）是指進行編程以執(zhí)行單一任務(wù)的系統(tǒng)，例如下棋、在MRI掃描中識別疾病的早期階段還有在環(huán)境中自主駕駛。雖然這些任務(wù)在復雜性和人工智能技術(shù)的高級功能方面存在顯著差異，但它們?nèi)詫儆谔囟ǖ牟僮黝I(lǐng)域。

強人工智能（AGI或強AI）是指具有人類智能的機器，人工智能是有意識的，有感情的，有情緒的；這通常是人工智能在流行科幻片中展現(xiàn)出的樣子：例如機械姬，Her，我，機器人和西部世界等電影。人工智能還可能有更多級別，例如人工超級智能，機器人可以在多個領(lǐng)域和任務(wù)中超越人類智能，例如自動駕駛汽車到醫(yī)院檢測患者疾病，然后在國際象棋中擊敗人類。

盡管人工智能研究在過去幾年中取得了巨大進展，但可能還需要一段時間才能在AGI方面實現(xiàn)突破；人工智能研究人員推測人工智能的實現(xiàn)短則10年內(nèi)長則100多年才能實現(xiàn)。

AI是取代任務(wù)，而不是執(zhí)行任務(wù)

在自動化和人工智能取代工作中涉及的任務(wù)與取代工作本身存在很大的誤解。正如我們對ANI所了解的，單個任務(wù)可以實現(xiàn)自動化，但人們低估了一般工人需要經(jīng)歷各種不同的和不斷變化的任務(wù)。麥肯錫估計，工作崗位能夠?qū)崿F(xiàn)100％自動化的不到5%。通過對反復出現(xiàn)的某些單一任務(wù)實現(xiàn)自動化來提高生產(chǎn)力，從而創(chuàng)造了新的工作崗位。例如，IDC預測到2023年，25％的主要零售商將探索或部署店內(nèi)機器人，以減輕人員重復性工作，從而將工人的生產(chǎn)率提高40％。可能會有一些工作崗位流失，但這可以通過使用增強現(xiàn)實等創(chuàng)新培訓工具來獲得技能和技能提升來解決。

如今實踐中的人工智能可以拯救生命

云計算、傳感器和處理器等互補技術(shù)的進步推動了跨行業(yè)的AI研究，解鎖用例并解決曾經(jīng)被認為無法克服的問題。與大多數(shù)新興技術(shù)一樣，人工智能的目標是解決困擾醫(yī)療保健等行業(yè)的實際挑戰(zhàn)。

在醫(yī)療保健行業(yè)，全球醫(yī)療人員短缺，即使在美國等發(fā)達國家，估計到2030年將缺少多達120,000名醫(yī)生。

通過基于人工神經(jīng)網(wǎng)絡(luò)的新興深度學習技術(shù)，AI可以擴展醫(yī)生的專業(yè)知識，以緩解這種技能差距，并成為時間有限的醫(yī)療專業(yè)人員的補充工具。

一種被稱為DeepGestalt的深度學習計算機視覺模型通過其表面分析框架能夠以91％的準確度識別超過215種遺傳綜合征。加州大學圣地亞哥分校的研究人員使用AI來分析結(jié)構(gòu)化（健康記錄，測試結(jié)果）和非結(jié)構(gòu)化（手寫筆記）兒科患者數(shù)據(jù)，診斷鼻竇感染的準確度達到了95％，急性哮喘的準確率為97％，以及診斷單核細胞增多癥的準確性為90％。

人工智能可以挽救生命但不會使醫(yī)療專業(yè)人員失業(yè)；微軟的醫(yī)療保健機器人服務(wù)旨在簡化更直接的客戶服務(wù)問題，而復雜的問題還是需要人來操作，從而優(yōu)化時間并改善與患者的互動。

各個行業(yè)的其他AI應用程序并沒有直接挽救生命，但仍在提高我們的安全性。為了從不同方面挽救生命（根據(jù)國家公路交通安全管理局的數(shù)據(jù)，94％的碰撞是由于人為錯誤造成的），ANSYS正在使用模擬技術(shù)通過虛擬駕駛場景訓練自動駕駛汽車，從而改善其自動駕駛AI算法而不會危及人身安全。羅克韋爾自動化的項目Sherlock正在創(chuàng)建一個更安全的環(huán)境，通過AI模塊提高運營效率，減少工業(yè)環(huán)境中鍋爐、泵和冷卻器的誤報警。

如果AI是大腦，那么數(shù)據(jù)就是生命線

數(shù)據(jù)的可訪問性是任何AI部署的關(guān)鍵要素。DeepGestalt計算機視覺系統(tǒng)的培訓使用了26,000例患者病例，加州大學圣地亞哥分校的病例分析用到了中國廣州一家大型醫(yī)療中心超過1億數(shù)據(jù)點的130多萬患者就診情況。在現(xiàn)實世界中部署微調(diào)的推理AI模型需要大量的數(shù)據(jù)訓練。在自動駕駛汽車的用例中，大約需要80億英里的無故障試駕才能達到與人類駕駛相當?shù)男阅堋?br />
通過越來越多的互聯(lián)終端，工業(yè)物聯(lián)網(wǎng)平臺正在利用組織的高價值和不同資產(chǎn)中的數(shù)據(jù)實現(xiàn)情境化。然后，這些數(shù)據(jù)可以輸入到AI模型中，并生成由AI驅(qū)動的分析，以應用其優(yōu)勢或在云端進行應用。3D CAD模型可以提供帶注釋的產(chǎn)品數(shù)據(jù)集，以對對象和圖像識別應用程序進行訓練，從而實現(xiàn)服務(wù)技術(shù)人員所使用的AR體驗。產(chǎn)品構(gòu)思階段的AI源自生成設(shè)計模擬軟件，分析與不同約束、材料、物理性質(zhì)、制造過程和設(shè)計目標的數(shù)據(jù)的關(guān)系。

總結(jié)

隨著這些數(shù)據(jù)輸入的增加，AI生成的用例在變化和規(guī)模上繼續(xù)大幅增長。IDC預測，人工智能系統(tǒng)的支出將在2022年達到近780億美元，遠高于2018年的240億美元。人與機器之間“共同促進”的故事將繼續(xù)快速發(fā)展；普華永道調(diào)查的67％的高管都聲稱同時使用人工和人工智能創(chuàng)造了更強大的價值主張。AI的首要主題將不再是取代人們工作，而是解決我們今天面臨的客戶、行業(yè)和社會問題。

審核編輯：彭菁