如何跟孩子解释人工智能？这篇一看就懂的文章，一定能帮到你！

过去的2016年，有一则新闻让果酱印象深刻：北京300路公交车的售票员要游行抗议，他们不是罢工抗议，因为他们已经无工可罢。公交车改成自助刷卡，售票员失业了。这是在历史上曾无数次出现的故事，在未来仍会不断上演。我们所处的这个时代变化太快了，唯一可以确定的就是“变化”。未来，人工智能将使一些人失业，但同样也会创造新的就业机会，我们需要让孩子更早一点，先人一步去储备相关的知识，当然，要从了解它开始……

李世石对战AlphaGo，它人类的大脑一样自发学习进行直觉训练，以提高下棋实力。

作者：Albert_JIAO、Tim Slavin、Ajay Dasgupta

自从计算机发明以来，科学家一直有一个梦想，能让机器像人类一样，智能的学习和执行智能的任务。

人工智能是让机器可以像人类一样思考的科学。我们现在的计算机可以存储大量的信息，并以惊人的速度来处理它们。但是它们没有学习和做出“智能决策”的能力。

想象一下，你摸到一个电熨斗，并且烫伤了手。两天后，你面前出现另一个电熨斗。你还会不假思索地摸吗？还是会记起之前你的手是如何烫伤的，弄清楚电熨斗是不是热的之后，再摸电熨斗呢？

被烫了一次之后，第二次不再摸电熨斗，就是智能的例子。智能就是获得知识和技能并加以应用的能力。记住第一次你的手被烫伤不是智能。智能就是能够利用你的记忆，然后基于记忆的内容采取行动的能力。

如果一台计算机，可以在第一次摸了滚烫的电熨斗之后，通过经验得出，第二次再摸烧热的电熨斗的时候，要戴一副厚厚的手套，那么，它就是一台智能的机器。

再以这个电熨斗为例，现在的电熨斗，在达到一定温度的时候，可以自动关闭。这看起来是智能的，但由于这种“智能”不是通过经验或者说学习获得的，所以还不是真正的智能。

都说人工智能难，难在哪？

制造一台智能电脑是一件非常困难的事儿！

这是因为，一般情况下，在给电脑编写程序之前，程序员知道他想让电脑做的任务是什么。可是，在人工智能领域，程序员要求电脑做正确的事情，可同时又不是很清楚事情到底是什么。比如我们让电脑去识别人脸，可是我们人类自己也不是完全清楚大脑是如何识别人脸的。

在现实世界中，我们不仅要面对还要处理种种不确定性事件。比如你在达到一个目标前，受到诸多困难，你需要排除万难；你在驾车时，前方冲出一辆车，你需要转动方向盘避免撞车；你在处理一项任务时，突然接到另一项重要任务，你需要随机应变。一个智能的电脑程序不仅能够按照既定计划完成任务，还能确保在不确定事件发生的情况下完成任务。所以，真正的人工智能，必须能够感知周围环境的变化，并对此做出反应，适时改变和调整自己的行动，以期出色完成任务。

20世纪60年代，研究人工智能的科学家们满怀梦想，信心十足，认为他们将在几十年内实现他们的目标，就像航天领域里，从第一架喷气式飞机到人类登上月球也只用了30年。为什么人工智能不可以拥有这样火箭般的发展速度呢？

事实上，两者之间最大的不同之处在于，对于人工智能，我们找不到像F=ma和E=mc2那样既简洁又通用的公式。到了20世纪80年代，研究人员意识到，他们既没有足够硬件也没有足够知识，来模拟人可以做的所有事情，于是整个领域被分成很多部分。以往研究人员的共同目标是制造一台拥有人类智慧的电脑，取而代之的是，研究人员侧重研究这个宏大问题的某个方面，比如语音识别、计算机视觉、概率推理，甚至国际象棋这个小领域。

在很多这样小的领域，人工智能都有所突破，或许你没有意识到，其实你每天都在和人工智能打交道，比如，手机里的Siri帮你接通电话，体感游戏识别你的姿势……

Watson，它可以回答《危险边缘》智力竞赛节目里那样的各种刁钻问题。

益智游戏冠军

现在，世界上最“聪明”的“人工智能”机器，已经可以做出很多让人惊讶的事情了。2011年，IBM向世界推出沃森（Watson），拥有3000个联网在一起的处理器，其中储存着几百万份文件，沃森可以利用这些海量的信息回答几乎所有问题。

IBM让沃森亮相美国一个电视问答娱乐节目《危险边缘》（Jeopardy！）。《危险边缘》一向以提出”拐弯抹角”的问题而出名，有点像国内的《开心辞典》和《幸运52》。这个游戏可比国际象棋复杂得多，沃森不仅需要综合所有人类知识，还需要理解问题中的双关语等文字游戏。

在沃森精彩舞台表现的背后，人工智能的一个分支领域——概率推理功不可没：这项技术帮助沃森从不完整的信息组合中提炼出完整答案。比赛前，IBM的工程师们把百科知识和以往《危险边缘》的节目资料塞进沃森的硬盘里，然后把沃森的电脑程序分成100个小程序，每个小程序负责一个方面。比如，一个程序负责”著名作家”，另一个程序负责”食品”。比赛时，针对提出的问题，沃森的100个分程序各自从数据库里寻找答案，最终沃森综合这100个分程序的结果，选择最有可能正确的答案。比赛结果并不出乎意料，沃森曾经在电视节目中击败两位真人冠军。

不过，成为《危险边缘》的冠军并不是沃森的真正使命，IBM计划派给沃森更实用的任务，比如给医学、商业、农业等领域提供时效性强的重要信息。

无人驾驶汽车

行驶在美国拉斯维加斯的公路上，如果你看到一辆汽车的牌照是红色，其上印有无穷大符号，就要留意一下了，它是一辆无人驾驶的汽车。2012年初，美国内华达州为无人驾驶汽车发放了第一张牌照。

在世界上其他地方，无人驾驶汽车也会火起来吗？应该说，到现在为止，驾驶还是一项由真人司机占据主导地位的任务。虽然驾车称不上很难，但其中有太多变数，比如尾随你的汽车是以60千米/时还是70千米/时的速度行驶？角落里是否有一辆行驶在你的视角之外的汽车？如果你想超车，前面车的司机会不会突然加速？诸如此类的问题还有很多。

无人驾驶汽车行驶在公路上并不难。早在1994年，两辆无人驾驶汽车就曾经在环绕巴黎的公路上行驶了1000千米。但是，如果让无人驾驶汽车在城市中穿行，任务一下子就变得困难很多，城市交通中很多不成文的规则会让无人驾驶汽车摸不到头脑。比如，如果谷歌公司的工程师严格按照司机守则为无人驾驶汽车编写程序，在十字路口上一定要为其他汽车让路，他们会发现，这台太过老实的无人驾驶汽车永远也没法走过这个路口。于是，他们对程序做了一点改进，当无人驾驶汽车等待一段时间后，就会自动缓慢向前移动，向其他汽车示意自己想要先走，而不只是傻傻地等待。

2005年度美国无人驾驶汽车大赛中，美国斯坦福大学的“斯坦利”号赛车拔得头筹。

对于无人驾驶汽车来说，还有一个难题，即如何判断自己所处的位置。GPS有时并不靠谱，误差会达到几米之多。无人驾驶汽车不仅能使用GPS，还能同时开启照相机、雷达和测距激光，共同帮助校正GPS的数据。

除了担任驾驶职责外，无人驾驶汽车还能自动调节汽车燃料进出，提高能源利用率。代表前沿科技的无人驾驶汽车综合了多项人工智能技术，越来越被人们所接受。通过特别许可，谷歌公司的无人驾驶汽车已经在完全无人控制的情况下，在美国加利福尼亚州的公路和街区中穿行了成千上万千米。相信世界上其他地方很快也会接纳智能的无人驾驶汽车。

人工智能的应用范围

计算机通过处理数据并经验获得智能，一个更为直接的例子是发那科工业机器人（Fanuc industrial robots）。这些机器人在学习如何对容器里的部件进行分类的过程中会共享数据。每个机器人会对容器拍摄照片，然后对照片进行分析，并且与其发出捡起指令的编程代码进行匹配，然后机器人会捡起其认为是正确的部件。机器人之间会共享成功和失败的经验。其结果就是，一个机器人可以在八个小时内，从一无所知开始，掌握如何对容器内的部件进行加工的能力，并且具备90%的准确度。

Fanuc industrial robots

还有其他有关计算机和人工智能的有趣项目。

例如，麻省理工学院有一个帮助孩子学习的项目叫做DragonBot。然而，它需要一个人从远程对智能机器人进行操作，被称为奥兹效果（Wizard of Oz effect）。在《绿野仙踪》的书和电影中，魔法师奥兹貌似是一个可怕的人，但其实他是一个站在窗帘后面操作机器让自己听起来吓人的一个小小人。

DragonBot

然而，DragonBot的奥兹效果并不是为了吓唬孩子。其目的是为了制作一个计算机，可以共享孩子的好奇心，并鼓励孩子去探索自己感兴趣的内容。DragonBot会对孩子的问题以及孩子们对DragonBot所提问题的回答做出反应。

Quill

还有，自动写作技术公司（Narrative Science）提供一款叫做Quill的产品，能够通过收集事实，然后把这些内容变成他们所谓的数据调用以及人们所谓的文章和内容。在某些情况下，比人类报告同样的事件和事实更加全面，而效果一样。

例如，美联社使用Automated Insights公司的软件撰写成千上万的文章。他们的目标不是为了给许多人写一篇文章，而是为了给小范围的受众写更多的文章。虽然用Quill来写报告和文章听起来很棒，但是是否有人核查软件所制作的内容，目前尚不清楚。错误信息或虚假信息充斥着网络世界。在计算机术语中，这叫做垃圾输入输出（Garbage In Garbage Out）。我们只能假定，在这个过程中确实有人在某处核查这些文章是否真实。

模拟人类的神经网络

既然我们的目标是制造一台具有人类智能的机器，为何不直接复制一下人脑呢？毕竟，人类自己是智能的最好样本。过去几十年，神经科学为大脑如何处理和存储信息提供了很多新的认识。

大脑的神经元，大脑里的小灯。