首先......停止它。

人工智能不是“智能”。而且它不是“人工意识”。

每个人都害怕AI突然醒来，心烦意乱，接管世界。

或者AI会醒来并完成所有工作。这将发生。但没有“醒来”部分。

下面我描述真正的AI是什么。

如果我们想要了解“存在主义威胁”，我们首先需要知道AI是什么。

然后，如果你正在参加一个鸡尾酒会并且有人说，“但是如果机器人很聪明怎么办呢？” 你可以与事实争论，加上一点点酒精。

A）统计

统计数据是大多数人工智能计划的核心。

就像统计数据是很多人类决策的核心一样。

例如，如果你看到天空中的云彩，你的大脑会想：“嗯，最后100次我看到这个黑暗的云，它通常意味着即将下雨”。

当你这么想的时候，你正在使用统计数据来做出决定：“我现在应该_可能会进去。”

我将给出一个AI例子：Siri或Alexa。Alexa如何理解您刚才所说的话？

1989年，我访问卡内基梅隆，决定是否去那里读研究生。

其中一名研究生，Kai-Fu-Lee（现在是世界上最着名的投资者之一，我会看看他最近关于人工智能的优秀TED演讲）向我展示了他的工作内容：

对于可能在海军战舰上发生的大约60个命令的语音识别（关于谁为他的项目提供资金的十个猜测）。

当你说“火！”这个词时 创建声波。当你说“你好”这个词时，会产生一个看起来不同的声波。

如果100个人说“火”并且100个人说“你好”，那么所有这些声音都存储在数据库中。

现在，如果一个全新的人说“你好”，计算机程序需要确定该人是否说“你好”或“开火”。

每个声波可能有10种不同的属性。它将新人的声波分解为这10个属性。

然后它将10个属性的“向量”与其数据库中“Hello”和“Fire！”的所有向量进行比较。

它使用一种称为“隐马尔可夫分析”的统计技术来确定声波是否更像是数据库中的“hello”，或者更像是“Fire！”。在数据库中。

然后它对自己说，“这家伙说”你好“。”

然后它有一行代码说“如果有人说”你好“然后说”你好“回来”。

此外，它将“Hello”添加到其数据库中。

你的“Hello”可能与其他100个“Hello”略有不同，所以它只是学会了一种说“你好”的新方法。这使得它在未来能够识别出“你好”这个词。

换句话说，它“学会了”。

因此，它使用Statistics来听取您的声音，使用代码来响应您，并使用数据库技术来学习。那里没有真正的情报，但感觉就像是情报。

相比之下，30年和数以百万计的模式和计算机速度提高了一百万倍，而今天的厨房里就有Alexa和Siri。

问“Siri”它的性别是什么。

B）评估功能

我刚刚提到语言识别。但是自动驾驶汽车如何运作？

每一秒它都必须做出决定。它向前发展了吗？它会刹车吗？为避免意外而突然转向吗？它向左转吗？

它是如何从A点到B点的？

1）谷歌地图。 - 使用GPS它知道它在哪里。它将自己置于谷歌地图上。

2）列出所有可能的路线。这是数学意义上的“硬”问题（没有办法猜测最快的路线。它必须列出每条路线，然后按最短路线排序。）

但现在计算机是如此之快，通常是一个缓慢的决定（驱使我从新泽西州皮斯卡塔韦的角落到加利福尼亚州萨克拉门托的首都大楼）现在只需要几秒钟。

3）Waze。使用Waze消除流量过大的路由。

4）开始驾驶。

5）统计：每微秒它使用统计数据来查看是否有空格或必须避免的对象或必须遵循的交通标志。

6）根据代码决定做什么。对于每个交通标志，它有代码告诉它该做什么（如果一个标志说“停止”它停止一秒，使用统计数据来查看是否有任何交通发生在它的两侧（用雷达和相机提供图像） 。）

如果有人站在它前面，它可能会停止。

如果没有预期的流量，它可能会触发程序重新路由。

如果它是空白区域，它将继续前进。

如果有一个婴儿过马路并且必须转弯以避免撞到它，但是如果转弯会导致汽车撞到卡车，杀死车内的乘客，那么汽车的“AI”取决于道德决策汽车的程序员。

换句话说，在每种情况下，它确定它的选项，然后使用由编码器编程的“评估函数”来确定哪个选项具有最成功的结果（向前移动行程，不要杀死任何人）。

最终评估功能不会由人类编码器编程。

相反，通过成千上万的其他自动驾驶汽车的经验，经验和结果将全部放入中央数据库。

当遇到新体验时，代码将查找数据库中的经验，数据库将吐出最佳结果。

代码将统计学习每个可能决策的最佳结果，并相应地更改代码并向所有自动驾驶汽车发送更新。

-----

C）树木

世界上最难的游戏是一款名为GO的棋盘游戏。有了国际象棋，如果计算机每秒可以评估十亿种可能性，那么它可以成为世界冠军级玩家。

但Go游戏可能涉及数万种可能性。谷歌如何制作一个程序Deep Go，以击败世界上最好的Go玩家。这被认为是不可能的。

然而谷歌做到了。

对于任何游戏，计算机程序首先构建可能性树。就像人类一样。

一个人认为：“如果我在跳棋中做出这个动作，我的对手可能用A，B或C回应然后我可以做D，E或F然后我的对手可以做G，H，如果我做D或者它可以做J，K，L如果我做E而且我永远不会做F.

计算机不能选择人类，因此它构建了FULL树。意思是，它可以做的所有可能的动作是什么，我的对手的所有可能的反应是什么，等等。

然后它使用编程的评估函数来查看它构建的树的叶子。

无论哪个移动都会产生树的最佳叶子（由评估函数确定），这是它所做的移动。

这就是计算机国际象棋如何运作数十年。我会在一秒钟之内找到计算机征服国际象棋的秘密酱。

之后我将描述计算机如何奇迹般地征服了Go。

在科学能够解释它之前，这只是一个奇迹。它只是“智能”，直到它可以由程序员编码。

D）硬件

几十年来，每个人都想到（包括许多诺贝尔奖获得者），当科学家将世界上最好的国际象棋选手的知识编码到评估函数中时，将开发出最好的计算机国际象棋程序。

世界冠军如何重视一个位置而不是弱势球员？

结果证明这是错误的。

评估功能中的更多代码（即“智能”评估功能是从人的角度来看）SLOWER程序。

这意味着将建造一个更小的树，这意味着将分析更少的可能性。

真正让IBM的程序员在1997年构建击败Garry Kasparov的“Deep Blue”是两件事。

两者都与硬件有关。

一个。电脑变得更快。

湾 首先，Deep Blue的创建者开发了软件。但随后他们将软件变为硬件，将逻辑构建到计算机的硬件基础架构中。使程序比原本快100倍。

最后，他们使评估函数STUPID以便使用更少的代码，因此硬件可以估算更多的位置。

然后，在任何人抓住他们的“人工智能”之前，他们在击败世界国际象棋冠军后立即退役深蓝。

随着硬件变得越来越快，人工智能变得越来越“智能”。

[顺便说一下，我曾经给过一个芯片，这个芯片是“芯片测试”的最初芯片 - 成为最好的国际象棋电脑Deep Blue的“祖先”。她被赶走了。]

----

插曲

我刚刚描述的是所有基础知识。你现在可以停下来。

其余的人工智能只是结合基础知识来制作更先进的技术。

-----

E）统计+树

记住计算机游戏中的TREE。和语音识别中的统计。

现在让我们去看看不可能的Go游戏吧。当其他人都认为需要20到50年的时间时，Google开发了“AlphaGo”计划以赢得Go。

首先，请记住致力于语音识别的李开复。后来开发了Apple在90年代首次尝试语音识别？

在他毕业的学生时代，他厌倦了海军战列舰的命令（就像一个人那样），并决定专注于建立一个演奏奥赛罗的节目。

他最终建立了奥赛罗的世界冠军。

他参加了很多比赛，比方说一百万，并把它们放在数据库中。每个游戏中的每个位置，他都会在大型数据库中标记“获胜”（如果它是胜利方的位置）或“失败”。

他会确定每个位置的几个属性（有多少白色碎片，相对于黑色碎片，有多少角被控制，两侧有多少碎片等）。

现在，如果计算机正在玩一个全新的游戏，它将确定该位置的所有属性，然后使用隐马尔可夫分析（记住：语音识别）将该位置与数据库匹配。

如果位置模式匹配“获胜位置”，那么它将进行将导致该获胜位置的移动。如果它与“失败的位置”相匹配，则不会进行此操作。

该计划成为奥赛罗的世界冠军。

AlphaGo更进了一步。

它放置了数百万个Go职位的位置并做了同样的细分。

它使用更快的硬件来加速这个过程。

然后，一旦它变得相当擅长GO，它就会与ITSELF进行数十亿场比赛，将数十亿的新职位投入到数据库中。换句话说，它“学会了”。

现在它已经准备好玩Go了。它击败了世界冠军

------

基本上就是这样。这都是人工智能。

假设一家银行想解雇所有负责贷款的员工。并用人工智能取而代之。

银行如何借钱？

那么，那里已经有数以百万计的贷款。对于每个借钱的人，我都知道：

- 他们的年龄

- 他们长大的地方

- 他们的工作是什么，他们结婚了吗？

- 他们离婚了吗？他们有孩子吗？

- 他们多久移动一次？他们是如何对此类贷款做的？我甚至知道他们在亚马逊上买的东西以及他们飞往拉斯维加斯的频率。

我可以将所有这些载体放在一个数据库中，并将它们划分为“最有可能偿还贷款”的人和“最有可能违约”的人。

然后，就像语音识别或上面的奥赛罗计划一样，我可以使用统计数据来确定我应该向谁贷款。

如果我说“不”，我不必解释。到下一个！

---

让我们说我想打击恐怖分子。

我已经有许多恐怖分子的例子，他们曾在美国接受过训练，然后继续表演或尝试恐怖行为。

我知道他们的银行账户的一切。他们多久转移一次钱。他们经常旅行的频率。他们多久都拿出现金而不是使用借记卡。

等等。

我可以建立一个恐怖分子银行账户的属性向量。然后，我可以将新人与恐怖分子的载体数据库相匹配。

相信我，每次你进行银行转账，都会有一些人工智能程序试图确定你是否是恐怖分子。

----

这就是AI的全部。

它仅此而已。从人的角度来看，它并不“聪明”。它没有意识，也不会有意识。

以下是人工智能在过去四十年中的改进方式（以及如何改善未来40年）：

- 统计数据变得更好

- 建树的方法变得更好了（这是我研究生时的一些研究课题）

- 硬件变得更快

- 有关所有内容的更多数据。

最快的变化是数据。现代社会的土地掠夺不是土地，黄金或石油。

这是数据。

我投资了很多收集和销售数据的公司。我的早期投资（和上的板）bit.ly，作为一个例子。bit.ly约占所有互联网流量的2-5％。

相信我，当我说，数据驱动的公司知道你去年夏天吃了多少草莓。

目前，数据主要用于定位您关于运动鞋的广告。还是政治。

但这是AI 1.0。很快，这些数据将用于针对您的每一个动作，您的每一个需求，您的每一个需求。

亚马逊Prime不会为您提供您想要的明天。亚马逊Prime Plus将为您提供您想要的昨天。

警察2.0将像电影“少数派报告”。

甚至艺术和音乐也将由人工智能驱动，人工智能研究你喜欢的音乐对你不喜欢的音乐的神经化学反应。然后相应地撰写。

人类在哪里仍然是独一无二的？

我不知道。向人类询问AI植入物可以增强他们的大脑，所以当他们看着你时，他们确切地知道什么样的答案会让你开心。

但是...... AI会取代工作吗？

答案（至少在未来十年左右......）是否定的。

看看最近的例子：

A）许多人担心ATM机将取代银行出纳员。

相反，银行赚取了如此多的利润，他们开辟了比以往更多的分支机构，创造了新的就业机会。

B）自动递送服务会花费工作。

现在有数百万卡车司机参与运送货物。通过自主交付，更少的人会去购物，更多的人将被要求在过道购物，为人们寻找产品。

显然这不是一项高端工作。但这取代了需要更少收银员和司机的事实。

与此同时，将会有更多的高端职位。为汽车，客户服务，营销等提供更多维护工程师。

C）电子商务。品牌化将变得不那么重要了（当大家在大型商店购物时，品牌非常重要，但广告必须变得更加聪明和数字化）因此，人工智能产生的数百万利润将过滤到更多人开始电子商务企业和与之相关的辅助业务。）

定论：

AI可能会产生“有”和“没有”的情况，特别是当人类开始使用AI来增加心理和身体能力时

这可能是社会的净负面因素，因为高等阶层将能够提供“超级AI”能力，使他们成为下层阶级的半神。

人工智能不会破坏尽可能多的工作

相反，将产生巨额利润，这将通过股市上涨，机会增加等渗透到经济中。

我们无法预测。自动取款机没有破坏银行出纳员。录像机没有摧毁电影院。Spotify / Pandora /等确实摧毁了音乐商店并创下了销售记录，但这已被音乐之旅收入的增长所取代。

教育需要扩大规模。需要研究AI，编程以及将要创建的高端作业。学院不是研究这些机会的地方。相反：可汗学院，Lynda，CodeAcademy，Coursera等应该获得认证，让人们为即将到来的机会做好准备。