吴恩达深度解读AI：并非万能 媒体过分夸大
科技讯11月10日消息，据《哈佛商业评论》网站报道，吴恩达表示，近来在有关人工智能的力量上，有时候媒体的描述是很不切实际的。令人惊讶的是，尽管AI的影响范围很广，但目前投入实际应用中的AI类型仍然极其有限。近来几乎AI的所有进展都是基于一种类型，即利用某些输入数据（A）来快速产生一些简单的回应（B）。A→B技术距离科幻小说中设想的拥有感知能力的机器人还很遥远。人类智能能做的事远胜过A→B这一水平。此外，吴恩达还指出，在这个开源的世界中，稀缺的资源有数据和人才。
当许多高管问及人工智能（AI）能够胜任什么工作、将如何颠覆行业以及如何利用人工智能为企业带来变革等问题，吴恩达表示，近来在有关人工智能的力量上，有时候媒体的描述是很不切实际的。AI已对网络搜索、广告、电子商务、金融、物流、媒体等领域发挥着变革作用。作为谷歌Google Brain团队的创始领导人、斯坦福大学AI实验室的前任负责人以及百度AI团队（大约拥有1200名成员）的现任总负责人，吴恩达培养了全球许多领先的AI团队并打造了许多正由数亿人使用的AI产品。他指出，AI将变革许多行业，但依靠的不是魔法。
令人惊讶的是，尽管AI的影响范围很广，但目前投入实际应用中的AI类型仍然极其有限。近来几乎AI的所有进展都是基于一种类型，即利用某些输入数据（A）来快速产生一些简单的回应（B）。以下表格提供了一些具体例子，让我们以一种简单易懂的方式来理解监督学习。
这种输入A以获得回应B的模式将转变许多行业。 构建这种A→B软件的技术术语是“监督学习”。 A→B技术距离科幻小说中设想的拥有感知能力的机器人还很遥远。人类智能能做的事远胜过A→B这一水平。不过这些 A→B系统已迅速获得提升。目前最优秀的 A→B系统融入了一种名为深度学习或深层神经网络的技术。这一技术从人脑构造中获得了灵感启发。但这些系统仍然远远未达到科幻小说中描述的前沿水平。许多研究人员正在探索其他形式的AI，经证明其中一些形式的AI在某些有限的情况下是具有实用性的。未来也很可能会出现某种重大突破以实现更高水平的智能，但实现这一突破的途径目前仍不明朗。
当前的监督学习软件拥有一个弱点:需要大量的数据。我们需要向系统输入许多有关A和B的例子。例如，要实现图片标记功能，研发者需要提供数万张至数十万张照片（A）以及告知AI其中是否有人的标签（B）。打造一个语音识别系统则需要数万小时的音频（A）以及转录文字（B）。
因此A→B会做什么？以下是一条描述其颠覆性的经验法则:
如果一个普通人可用不到一秒的时间完成某项心理任务，那么在当前或不久的未来，我们或许可利用AI将其自动化。目前许多由人类执行的有价值的工作可在不到一秒内完成，如查看安保视频，评判可疑行为，判断汽车是否将撞到行人，发现及撤除网上的违规帖子。这些任务背后的技术已成熟，可实现自动化操作。然而，这些技术往往还需要适应以及融入更复杂更宽泛的操作环境中，因此找出这些技术与企业之间的关联也很重要。
在研究过程中，研发者需慎重选择A和B，并提供必要的数据以理清A→B这一关系。对A和B的创造性选择已彻底改变了许多行业。它还将彻底改变许多其他行业。
在理解AI有所能也有所不能后，高管们接下来要采取的措施是将它纳入他们的经营策略中。这意味着理解何处能够创造价值，以及什么产品或服务难以效仿。AI社区非常开放，大多数顶级研究者乐于发布和分享自己的想法，甚至开放源代码。在这个开源的世界中，稀缺的资源有哪些？
数据。在顶尖的AI团队之间，在至多一两年内，许多团队或许会效仿其他团队的软件。但获得别人的数据极为困难。因此，数据，而不是软件，是许多企业的防御式屏障。
人才。仅仅靠下载开源软件、并将之“应用”于自己的数据中是行不通的。AI技术需要根据具体的企业环境和数据来展开定制。目前能够胜任这类工作的AI人才十分稀缺。因此，目前人才争夺战已经打响。
AI能够折射出人类最好和最坏的一面，对AI的这一潜能，人们已经探讨了很多。例如，AI可与孤独者对话，聊以安慰；某些AI产品因人类的自身偏见也拥有了种族歧视的色彩。不过，对个人产生的最大危害是，由于利用AI技术可实现自动化的工作远多于过去，在短期内AI可能会导致某些工作岗位的消失。作为领导者，确保我们正在构建的世界里每个人都拥有良好的发展机会是我们义不容辞的义务。了解AI能做什么以及如何把它纳入你的管理策略中是这一过程的开始，而不是结束。（阿树）
