人工智能来了，自动化是不是该害怕了？

机械化是用机器代替人的体力，但机器的运作还是要靠人的。比如说，用水泵抽水，就不再需要手提肩挑了，但开泵关泵还是要靠人看管，否则水池满了、溢出来了，或者池塘见底了，泵在空抽、造成损坏，就不好了。在自动化时代，水池里加个水位计，池塘里也加一个水位计，水池满了，或者池塘干了，就自动停泵;水池的水位下去了，而且池塘的水位也足够，那就重新开干。

在人工智能的时代，可能有一个高级应用在监管着。水池可能不满，池塘也有足够水位，但现在其实用水的地方并不需要，白白抽那么多水上来，影响节水，增加挥发，也是高峰用电的电价，浪费了，可以等等再决定是不是要抽水。或者说，现在有好多地方都需要用水，需要综合权衡一下，哪里有优先权可以多用水，哪里需要牺牲一下顾全大局，或者在水价低的时候多用，水价高的时候少用。这样在更高层次上规划用水要求，决定自动抽水是不是进入工作状态，还是继续待命，这可以看作最低初级的人工智能。

也就是说，人工智能可以看作更高层次的自动化。如果说自动化可以比作查表办事，表上说看到“1”就做“A”，看到“2”就做“B”，看到的在“1”和“2”之间，那要做的也在“A”和“B”之间;那人工智能就像炒股，需要对比好多曲线，查对好多条件，说不定还要根据自家秘制的公式计算一下成本、收益和风险，才能决定到底怎么办了。说到底，还是有一定之规的，只是这“规”要复杂得多。

人工智能有很多分支，当前主流基本上围绕着神经元网络。

神经元网络模仿人类大脑的思维，其基本单元是神经元。神经元的数学表述不复杂，就是一条S形曲线。也就是说，在输入值从小变到大的时候，输出值从也从小变到大，但不是均匀地变，而是先慢、后快、再慢地变。

神经元这条S曲线有几个参数可调，一是可调“小”到底多小，“大”到底多大，二是可调S形的弯度，还有参数可以整体升高或者降低基线。“拉直”了，S曲线就和笔直的斜线差不多了，这时神经元的表现和传统的连续变量接近。“拧巴”到极点了，S曲线就和开关曲线差不多了，也就是说，输入值从小变到中的时候，输出值基本不变，保持在低位;但在中点前后急剧上升，一过中点，输出值就基本保持在高位了。这时，S曲线的表现和传统的断续变量接近。

S曲线可以在连续变量(像温度、水位)和离散变量(像“好/坏”、“开/关”)之间无缝过渡的特点，使得神经元既可以模拟连续变量，也可以模拟离散事件，这是人工智能更加“聪明”的关键。

单个的神经元还只是好玩的玩具，多个神经元组网起来，就可以模拟高度复杂的现象。一层一层的神经元网络组成高度复杂的网，这就是深度学习了，已经展现出令人类害怕的智能了。

什么是智能、人工智能vs人类智能可能会成为永恒的哲学问题，但对眼下来说人工智能已经远远超过简单重复人类智能的地步了。“阿尔法狗”大胜人类顶级围棋手成为里程碑式的转折，“阿尔法狗1.0”还是还是用人类最优秀的棋局首先训练一遍然后在“自我琢磨”的，“阿尔法狗2.0”就是脱离人类棋局完全用自学习训练出来的。在更加“接地气”的层面上，人脸识别已经做到惊人的准确度和速度。

但就这些还是抢不了自动化的饭碗的。人脸识别对标的是传感器，自动化的核心还是在于控制器。

（编辑：宜春站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!