导读：很多朋友问到关于如何让人工智能夸你的相关问题，本文首席CTO笔记就来为大家做个详细解答，供大家参考，希望对大家有所帮助！一起来看看吧！
你如何看待人工智能?
人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。
人工智能让生活更美好，你是如何看待AI的发展的？
说起人工智能有人想到的是它为生活带来的美好，同时也有人想到的是一些威胁论。人工智能在现在这个社会绝对是发展的主流之一，它改变了我们的生活，给我们的生活带来了很大的便利，不少上市公司都投入大量资金去研发人工智能。与之伴随的是人工智能对人类的威胁，以及人工智能的发展是否是正确的，不少说法认为人工智能最后会危害人类，会对人类产生巨大的威胁，但不论怎样人工智能还是以迅猛的一股势力进入到了我们的生活之中，人工智能的发展是有一定原因的。
人工智能给我们带来巨大的便利
目前各个国家人工智能的发展虽然说并不是特别的先进，但对我们的影响也是非常大的。比如日常生活中人工智能的一些家具，因为有了人工智能，家具就有了先进的技术，可以符合我们的一些需求，给我们的生活带来了极大的便利。另外，人工智能还和医学等其他各个专业相结合，进行跨界的融合。推动了医学、卫生等一些专业的研究，进行各类创新实验。在交通方面也运用到了人工智能，交通变得更加先进，管理模式也更加的智慧。另外，我们的手机上也有个人的一些人工智能，当然在未来还可能会出现一些智能的机器人。
人工智能会发展的越来越好
即使不少人都发出了人工智能威胁论一系列的说法，但是无可争议的是人工智能一定会在各个国家会得到更好的发展，它将会影响全世界。甚至有人说人工智能将会导致第四次科技革命的到来，这种说法是非常有可能的，很多国家的总统也有相同的说法。人工智能是人创造出来的，就像李彦宏说的人工智能是用人类的语言和设备进行互动，而人工智能是我们发明的工具，我们所要做的是去学会使用它、控制它。
对于人工智能和人类意识这一关系我们很难去界定。但不论怎么说人工智能确实给我们的生活带来了美好。如果未来会对我们人类产生威胁，那么肯定也会有相应的人去解决它。另外，人类是复杂的，人工智能很难去有相应的意识。
如何培养人工智能人才？
人工智能人才争夺战已经打响，如何打造优秀人才，教你3招
随着近年来我国人工智能发展迅速，人才之争的问题愈发凸显。人工智能发展之争，归根结底是人才之争。国内外企业巨头都在“抢”人工智能人才，通过各种途径、各种方法“喊”人才紧缺。如何利用几代人的时间培养出智能科技、智能产业和智慧社会人才。
(1) 了解神经网络
神经网络是一种以人脑为模型的机器学习。它通过一种允许计算机利用新数据的合成来学习的算法创造出一个人工神经网络。在这个阶段，你需要通过了解神经网络的每个细节来开始你的深度学习。你需要了解这些网络是如何利用智能做出决策的。神经网络是人工智能的核心，你需要彻底弄懂它！
(2) 熟悉大数据基本知识
获取大数据的知识不是一项强制性的任务，但我建议你为自己配备大数据的基础知识，因为所有的人工智能系统都只处理大数据。拥有大数据的基础知识将是一个很好的优势，因为它将帮助你设计出更优化和更现实的算法。
(3) 掌握优越技术
如何优化它。深度学习算法消耗了系统的大量资源，需要对系统的各个部分进行优化。优化算法帮助我们最小化(或最大化)一个目标函数(错误函数的另一个名称)E(X)，它是一个依赖于模型内部中可学习参数的数学函数，模型的内部参数对于有效地训练模型并产生准确的结果起着非常重要的作用。这就是为什么我们要使用各种优化策略和算法来更新和计算这些模型参数的最优值，从而优化模型的学习过程和模型的输出。
(4) 学习编程语言
学习一种或最多两种编程语言，并深入理解它。你可以从R语言、Python语言，甚至Java语言中选择！永远记住，编程语言只是为了简化你的生活，而不是用来定义你的生活。我们可以从Python语言开始，因为它比较抽象，并且提供了许多可以使用的库。
在目前弱人工智能的状况下，已经有很多的挑战出现了。那么如果像专家预测的那样，在未来2040年或者2060年进阶到强人工智能时代，社会可能会发生翻天覆地的变化。
樊登：当“人工智能”来的时候，你怎么办？
樊老师分享人工智能首先对人工智能的底层逻辑分析，讲述了科技的幂次法则，人类那些岗位会首先被机器替代，进而说明我们人类要如何应对。
人工智能之所以能够出现是有底层的逻辑。
什么叫底层逻辑？就是为什么这个世界一定会朝着那个方向走过去。
目前为止最靠谱的说法是：在很多年前，有一个闪电劈在海里，在海里边打出了一个DNA，然后整个物种的第一个DNA是从海里边出现，它就形成了第一个小小的生命。
这个DNA最大的特性就是不断的分裂 ，不断的分裂组合，慢慢的竟然形成了海洋的生物，然后海洋里的生物觉得压力好大的时候就爬上岸，然后逐渐的从过去的卵生变成了胎生，因为胎生更容易存活。
就是这样经过了漫长的时间的旅程，从一个小小的DNA变成我们今天这么复杂的一个生物，这就是整个生命计划的一个过程。
这个过程当中什么东西最重要？
最重要的东西就是细胞可以分裂，
然后再组合。
根据这个原理，达尔文在物种起源里说遗传和变异是生命最根本的一个秘密，就是所有的生物父体和母体各贡献一半的DNA，组合在一起再稍微得变异，一个新的产品就出现了，用这样的方法变化出了整个世界上的生物。
有一个著名的实验叫做：机器人捡垃圾罐。
在地上画了很多格子，然后随机得放一些垃圾罐，然后扔一个机器人进去。这个机器人就是一个程序，如果走对了格子吃到罐子就加分；走错了或者撞到墙就减分，就这么几个简单的规则。
然后，让人类先设计一个程序，最快速得把这些罐子全部吃完，人类就用一个程序员的思维写了一个人工的程序来教这个机器人怎么吃这个垃圾罐，结果这个机器人的得分是200多分。
接下来，他们让这个机器人随机走，压根不去给它写任何程序，就告诉它随机走。一开始，实验里边有些机器人就一直在撞墙，不过也有不错的。
当第一代机器人走过了很多次以后，把这里边走的最好的两个机器人，拿第一名的上半段、再拿第二名的下半段组合在一起，再稍微变异一点。再扔进去。
然后这个机械就在之前冠亚军的基础上再随机走，随机走了很多次以后，挑出里边的第一名、第二名，然后再各取一半组合在一起。
结果，机器人在没有经过200次迭代后，就像人类遗传200代一样，他们的得分做到了500多分好。
500多分意味着什么？
这个路径是人类规划不出来，因为它很复杂，人类规划做了200多分，但是 这个机器人没有人教它，它自己不断的落地、不断的模拟、然后不断淘汰，最后它形成了一个超高分值的分数。
人工智能的底层逻辑：
它会自己学习，它自己可以优胜劣汰，它自己可以判断出来谁做得好、谁做得不好。
如果每一次计算的结果，都会代入到下一次的运算当中的话，他就会形成一个幂次法则的发展，而幂次法则的发展是机器人智能当中一个最根本的核心原因。
什么是幂次法则？
巴菲特的年化收益率是20%左右，但因为幂次法则就成为了世界首富。
他每年的受益都会成为第二年发展的基础时，就一定会以特别吓人的速度增加，这就是幂次法则。
如果把一张纸对折再对折、再对折，对折50下，这个纸最后的厚度有多高？
事实上，如果一张纸对折50次，它的高度远远超过地球到月球的距离。很震惊！
一张纸的厚度是0.08毫米。乘以2的50次方，最后算出来是，0.08mm*(2^50)=90021万公里，远远超过地球到月球的距离（地球到月球的距离约为38万公里）。
幂次法则VS线性思维
举个例子，基因检测当年在研究小组做出来的时候，他们拿了大笔的科研经费，花了投资方特别多的钱，用了整整七年时间，测算了人类基因的1%。七年的时间测算了1%，测算完需要700年， 我们人类的天然反应是线性的思维，因为人脑就喜欢线性思维。
但是这个科学家说：“我算出了1%就是完成了一半，第一年1%、第二年2%、第三年8%......”最后他用了六年多的时间,把人类基因全部测算完了。
摩尔定律： 科技的本性属性就是不断加速，成本不断降低。第一次演进的结果作为第二次演进的基础。
体力劳动者
首先取代的就是体力劳动者，再接下来才是智力服务人群。
律师
会被人工智能替代的人中排在第一位很多人认为是律师，因为律师在美国特别招人恨，所以美国人就想研究律师来替代律师。
用机器人打官司比用人打官司要靠谱得多，他不会突然跟你说临时价钱。
医生
还有医生这个行业， IBM的超级计算机可以做到什么程度呢？它没有医生执照，所以它只能够给医生做辅助。
教师
现在的教师是学生读老师，听老师讲，但是人工智能是他来读每一位学者，可以观察到你的表情，你的疑惑，有针对性的解答和测试。
到最后是各行各业，都有可能被替代，那最有可能不被替代的是什么行业呢？
考古是最有可能不替代
考古学以及人文性质的产业，市场空间小，研究这方面相关的人工智能没有太多的利润空间，所以最可能不被替代。
情绪、情感也会被机器掌控
那还有什么不能被替代，有人说我们人类生命是有性感的，但是 你的爱情只是电信号而已。
当我们脑机的速度能够完全掌控你内心的喜怒哀乐的时候，让你高兴就高兴，让你生气就生气，胸前放一个芯片就能治疗抑郁症。
向机器人征税
比尔盖茨正在研究的是如何像机器人征税，因为机器人替代这么多人的工作，他们赚走了所有的钱，就收他们的税，完了给游手好闲的人发。
没有谁能阻挡技术的发展。更多的技术应用到人类。 智能手机已经是我们的身体的外延，人类的病灶器官也可以被更换，换个心脏、肝脏移植手术就照样生存下去。
二战遗留下来的面部整形手术、基因调整技术已经开始应用，在孩子出生前进行基因更加优良的调整改变他出生后的“落后”，人类是抵挡不住技术的诱惑。
注意：这该是你需要看到的最重要的一部分内容啦！！！！！
人类成为万物之灵长是因为智慧的大脑，你发现以后的时代人类不是最聪明的了，那怎么办？
你要记住没有什么，长期占领“右上角”。
企业越大就越是关注“右上角”的客户需求，而忽略底下的部分的客户群体，而这就出现了很多创新的机会。
同样的道理，没有那种物种长期统治世界。
我们还能干点啥？
下一代完全被机器替代，也许我们能做的上就是多赚点钱，到时候买一两个智能人。
而我们更倾向去研究心理学、哲学、逻辑学这些人文科学。
我们坦然的迎接新时代的到来，让自己的内心变得更加的强悍，推荐大家多去希腊斯多葛学派书对吧， 让我们多去掌控自己能够掌控的环境，而不要在不能掌控的事情上概括的焦虑。
听完樊登老师的分享之后，大家明显有很多对于自身职业的生活的疑虑。樊登老师也给与大家非常精彩的解答。
回答：外语翻译是非常容易被颠覆的。当然，还会有一些顶尖的翻译员只服务最高端的团，等到人工智能的客户体验感超过了人的时候，那些高端客户也会放弃，是毫不会留情面的。
回答：这个没有建议。 第一，所以不要固执地认为学什么就要办 。因为我大学本科学的是基础材料，但我我现在讲书。大学本科学的专业和你今后从事的工作几乎没有任何联系。
第二是，千万不要以为一定要有一份工作。 有一本书叫《反脆弱》，这个世界会变得越来越脆弱，就是规划越多就越脆弱。牛顿把这个世界机械的方式解构，达尔文把这个世界用生物的方式结解构， 你会发现到最后能够存活下来的一定是符合生物化的东西，而不是符合机械法的东西。
一个创业者，他的反脆弱能力比较强，是更符合生物发展规律的，所以建议你这么年轻创业好的。
回答：这是不用焦虑的，因为慢慢的发展过程当中，虽然医生可能会被替代，但是医学依然会在研究在地上，所以你女儿现在就想确定做医生，这是一点都不靠谱。
其实最可怕的妈妈就是，总想预测孩子未来的妈妈。
比这个更可怕的是，还想控制他的未来。
不要有一个人人生规划，你用生物学的理念， 生物学的理念就是多生一些孩子，然后让他们多尝试一些工作和路径，到最后优胜劣汰，就会有那个最好的选择 。所以当你会选择困惑的时候，多创造一些选项。
回答：我不是说要有创意的行业。现在已经有机器人写诗、写毛笔字，一分钟创作100篇。时代变化的速度永远比你想象的快很多。
总是说我擅长什么就做什么，永远是打工的思维。
我擅长是一个静态的东西，你用一个静态的东西去应付一个动态的世界，你怎么可能用得了。
真正的创业是：我要解决问题，所以我必须做什么，必须会什么。
唐僧上路的时候也不知道他能西天取经，他知道自己一定能去吗？它知道孙悟空等着它吗？没有，上路再说。创业就像开车，先开起来朝着方向走，寻找到和你志同道合的一起走。
因为这事是我必须干，所以我要克服一切的困难，我才能够成为这行的高手。
就是我觉得大家要创业的话， 回去多关注身边的需求，对这个世界还有什么地方不满。 找到那些不满的地方，然后想一个办法去解决它。这才是创业的心态，而不是我会做什么。
人类活在哲学家创造的思维通道里面。请问有没有颜色，我们说红色、蓝色，颜色其实是波发生反射呈现的颜色。是我们人类给与了它本身的“翻译”，亚里士多德、牛顿力学、爱因斯坦相对论，你以为的难道就是以为的那样么，科学技术扩宽我们的视野。不断认知人类怎么来的，生物规则的真相。
科技真的让未来更美好吗？科技让人类美好是需要有良好的结合。大自然体系与人类良好的互动。大自然也有反脆弱性，人类的无知、狂妄，会导致人类走向灭亡。我们需要探究更多的人文色彩，生物的本源、如何与大自然和谐。
仅以此篇，迎接这即将到来的人工智能时代。同时，感谢樊登老师以及读书会志愿者们，纪念下与樊老师的第一次见面。
本篇来自樊登读书会、书友分享、本人现场笔记等整理。
原文请见：
人工智能如何重新定义人类的意义
数月前，我长途跋涉来到位于纽约州约克城高地的IBM研究实验室的林间园区，为的就是能早早一窥那近在眼前却让人期待许久的人工智能的未来。这儿是超级电脑“沃森”(Watson)的研发地，而沃森在2011年就在“危险边缘”(Jeopardy!)节目的比赛里拔得头筹。最初的沃森电脑仍留于此处——它是一个体积约与一个卧室相当，由10台直立的冷柜式机器围成四面墙的计算机系统。技术人员可以通过系统内部的小细孔把各种线缆接到机器背部。系统内部温度高得出奇，仿佛这个计算机集群是活生生的一般。
如今的沃森系统与之前相比有了显著差异。它不再仅仅存在于一排机柜之中，而是通过大量对用户免费开放的服务器传播，这些服务器能够即时运行上百种人工智能的“情况”。同所有云端化的事物一样，沃森系统为世界各地同时使用的客户服务，他们能够用手机、台式机以及他们自己的数据服务器连上该系统。这类人工智能可以根据需求按比例增加或减少。鉴于人工智能会随人们的使用而逐步改进，沃森将始终变得愈发聪明;它在任何一次情况中所获悉的改进点都会立即传送至其他情况中。并且，它也不是一个单一的程序，而是各种软件引擎的集合——其逻辑演绎引擎和语言解析引擎可以在不同的代码、芯片以及位置上运行——所有这些智慧的因素都汇集成了一个统一的智能流。
用户可以直接接入这一永久连接(always-on)的智能系统，也可以通过使用这一人工智能云服务的第三方应用程序接入。正如许多高瞻远瞩的父母一样，IBM想让沃森电脑从事医学工作，因此他们正在开发一款医疗诊断工具的应用程序，这倒也不足为奇。之前，诊疗方面的人工智能尝试大多以惨败告终，但沃森却卓有成效。简单地说，当我输入我曾经在印度感染上的某种疾病症状时，它会给我一个疑似病症的清单，上面一一列明了可能性从高到低的疾病。它认为我最可能感染了贾第鞭毛虫病(Giardia)——说的一点儿也没错。这一技术尚未直接对患者开放;IBM将沃森电脑的智能提供给合作伙伴接入使用，以帮助他们开发出用户友好界面为预约医生及医院方面服务。“我相信类似沃森这种——无论它是机器还是人——都将很快成为世界上最好的诊疗医生”，创业公司Scanadu的首席医疗官艾伦·格林(Alan Greene)说道，该公司受到电影《星际迷航》中医用三录仪[2]的启发，正在利用云人工智能技术制造一种诊疗设备。“从人工智能技术改进的速率来看，现在出生的孩子长大后，很可能不太需要通过看医生来得知诊疗情况了。”
医学仅仅只是一个开始。所有主流的云计算公司，加上数十家创业公司都在争先恐后地开展类似沃森电脑的认知服务。根据量化分析公司Quid的数据，自2009年以来，人工智能已经吸引了超过170亿美元的投资。仅去年一年，就有322家拥有类似人工智能技术的公司获得了超过20亿美元的投资。Facebook和谷歌也为其公司内部的人工智能研究小组招聘了研究员。自去年以来，雅虎、英特尔、Dropbox、LinkedIn、Pinterest以及推特也都收购了人工智能公司。过去四年间，人工智能领域的民间投资以平均每年62%的增长速率增加，这一速率预计还会持续下去。
纵观所有这些活动，人工智能的未来正进入我们的视野之中，它既非如那种哈尔9000(HAL 9000)(译者注：小说及电影《2001：太空漫游》中的超级电脑)——一台拥有超凡(但有潜在嗜杀倾向)的类人意识并依靠此运行的独立机器那般——也非让奇点论者心醉神迷的超级智能。即将到来的人工智能颇似亚马逊的网络服务——廉价、可靠、工业级的数字智慧在一切事物的背后运行，偶尔在你的眼前闪烁几下，其他时候近乎无形。这一通用设施将提供你所需要的人工智能而不超出你的需要。和所有设施一样，即使人工智能改变了互联网、全球经济以及文明，它也将变得令人厌倦。正如一个多世纪以前电力所做的那样，它会让无生命的物体活跃起来。之前我们电气化的所有东西，现在我们都将使之认知化。而实用化的新型人工智能也会增强人类个体(加深我们的记忆、加速我们的认知)以及人类群体的生活。通过加入一些额外的智能因素，我们想不到有什么东西不能变得新奇、不同且有趣。实际上，我们能轻易地预测到接下来的一万家创业公司的商业计划：“做某项事业，并加入人工智能”。兹事体大，近在眼前。
大约在2002年时，我参加了谷歌的一个小型聚会——彼时谷歌尚未IPO，还在一心一意地做网络搜索。我与谷歌杰出的联合创始人、2011年成为谷歌CEO的拉里·佩奇(Larry Page)随意攀谈起来。“拉里，我还是搞不懂，现在有这么多搜索公司，你们为什么要做免费的网络搜索?你是怎么想到这个主意的?”我那缺乏想象力的无知着实证明了我们很难去做预测，尤其是对于未来的预测。但我要辩解的是，在谷歌增强其广告拍卖方案并使之形成实际收益，以及进行对YouTube的并购或其他重要并购之前，预测未来是很难的。我并不是唯一一个一边狂热地用着谷歌的搜索引擎一边认为它撑不了多久的用户。但佩奇的回答让我一直难以忘怀：“哦，我们实际上是在做人工智能。”
过去数年间，关于那次谈话我想了很多，谷歌也收购了14家人工智能以及机器人方面的公司。鉴于搜索业务为谷歌贡献了80%的收入，因此乍一看去，你可能会觉得谷歌正在扩充其人工智能方面的投资组合以改善搜索能力。但是我认为正好相反。谷歌正在用搜索技术来改善人工智能，而非使用人工智能来改进搜索技术。每当你输入一个查询词，点击搜索引擎生成的链接，或者在网页上创造一个链接，你都是在训练谷歌的人工智能技术。当你在图片搜索栏中输入“复活节兔子”(Easter Bunny)并点击看起来最像复活节兔子的那张图片时，你都是在告诉人工智能，复活节兔子是长成什么样的。谷歌每天拥有12亿搜索用户，产生1210亿搜索关键词，每一个关键词都是在一次又一次地辅导人工智能进行深度学习。如果再对人工智能的算法进行为之10年的稳固改进，加之一千倍以上的数据以及一百倍以上的计算资源，谷歌将会开发出一款无与伦比的人工智能产品。我的预言是：到2024年，谷歌的主营产品将不再是搜索引擎，而是人工智能产品。
这个观点自然也会招来怀疑的声音。近60年来，人工智能的研究者都预测说人工智能时代即将到来，但是直到几年前，人工智能好像还是遥不可及。人们甚至发明了一个词来描述这个研究结果匮乏、研究基金更加匮乏的时代：人工智能之冬。那么事情真的有变化吗?
是的。近期的三大突破让人们期待已久的人工智能近在眼前：
1. 成本低廉的并行计算
思考是一种人类固有的并行过程，数以亿计的神经元同时放电以创造出大脑皮层用于计算的同步脑电波。搭建一个神经网络——即人工智能软件的主要结构——也需要许多不同的进程同时运行。神经网络的每一个节点都大致模拟了大脑中的一个神经元——其与相邻的节点互相作用，以明确所接收的信号。一项程序要理解某个口语单词，就必须能够听清(不同音节)彼此之间的所有音素;要识别出某幅图片，就需要看到其周围像素环境内的所有像素——二者都是深层次的并行任务。但直到最近，标准的计算机处理器也仅仅能一次处理一项任务。
事情在十多年前就已经开始发生变化，彼时出现了一种被称为图形处理单元(graphics processing unit -GPU)的新型芯片，它能够满足可视游戏中高密度的视觉以及并行需求，在这一过程中，每秒钟都有上百万像素被多次重新计算。这一过程需要一种专门的并行计算芯片，该芯片添加至电脑主板上，作为对其的补充。并行图形芯片作用明显，游戏可玩性也大幅上升。到2005年，GPU芯片产量颇高，其价格便降了下来。2009年，吴恩达(Andrew Ng)(译者注：华裔计算机科学家)以及斯坦福大学的一个研究小组意识到，GPU芯片可以并行运行神经网络。
这一发现开启了神经网络新的可能性，使得神经网络能容纳上亿个节点间的连接。传统的处理器需要数周才能计算出拥有1亿节点的神经网的级联可能性。而吴恩达发现，一个GPU集群在一天内就可完成同一任务。现在，一些应用云计算的公司通常都会使用GPU来运行神经网络，例如，Facebook会籍此技术来识别用户照片中的好友，Netfilx也会依其来给5000万订阅用户提供靠谱的推荐内容。
2. 大数据
每一种智能都需要被训练。哪怕是天生能够给事物分类的人脑，也仍然需要看过十几个例子后才能够区分猫和狗。人工思维则更是如此。即使是(国际象棋)程序编的最好的电脑，也得在至少对弈一千局之后才能有良好表现。人工智能获得突破的部分原因在于，我们收集到来自全球的海量数据，以给人工智能提供了其所需的训练。巨型数据库、自动跟踪(self-tracking)、网页cookie、线上足迹、兆兆字节级存储、数十年的搜索结果、维基百科以及整个数字世界都成了老师，是它们让人工智能变得更加聪明。
3. 更优的算法
20世纪50年代，数字神经网络就被发明了出来，但计算机科学家花费了数十年来研究如何驾驭百万乃至亿级神经元之间那庞大到如天文数字一般的组合关系。这一过程的关键是要将神经网络组织成为堆叠层(stacked layer)。一个相对来说比较简单的任务就是人脸识别。当某神经网络中的一组比特被发现能够形成某种图案——例如，一只眼睛的图像——这一结果就会被向上转移至该神经网络的另一层以做进一步分析。接下来的这一层可能会将两只眼睛拼在一起，将这一有意义的数据块传递到层级结构的第三层，该层可以将眼睛和鼻子的图像结合到一起(来进行分析)。识别一张人脸可能需要数百万个这种节点(每个节点都会生成一个计算结果以供周围节点使用)，并需要堆叠高达15个层级。2006年，当时就职于多伦多大学的杰夫·辛顿(Geoff Hinton)对这一方法进行了一次关键改进，并将其称之为“深度学习”。他能够从数学层面上优化每一层的结果从而使神经网络在形成堆叠层时加快学习速度。数年后，当深度学习算法被移植到GPU集群中后，其速度有了显著提高。仅靠深度学习的代码并不足以能产生复杂的逻辑思维，但是它是包括IBM的沃森电脑、谷歌搜索引擎以及Facebook算法在内，当下所有人工智能产品的主要组成部分。
这一由并行计算、大数据和更深层次算法组成的完美风暴使得持续耕耘了60年的人工智能一鸣惊人。而这一聚合也表明，只要这些技术趋势继续下去——它们也没有理由不延续——人工智能将精益求精。
随着这一趋势的持续，这种基于云技术的人工智能将愈发成为我们日常生活中不可分割的一部分。但天上没有掉馅饼的事。云计算遵循收益递增(increasing returns)[4]法则，这一法则有时也被称为网络效应(network effect)，即随着网络发展壮大，网络价值也会以更快的速度增加。网络(规模)越大，对于新用户的吸引力越强，这又让网络变得更大，又进一步增强了吸引力，如此往复。为人工智能服务的云技术也遵循这一法则。越多人使用人工智能产品，它就会变得越聪明;它变得越聪明，就有越多人来使用它;然后它变得更聪明，进一步就有更多人使用它。一旦有公司迈进了这个良性循环中，其规模会变大、发展会加快，以至于没有任何新兴对手能望其项背。因此，人工智能的未来将有两到三家寡头公司统治，它们会开发出大规模基于云技术的多用途商业智能产品。
1997年，沃森电脑的前辈、IBM公司的深蓝电脑在一场著名的人机大赛中击败了当时的国际象棋大师加里·卡斯帕罗夫(Garry Kasparov)。在电脑又赢了几场比赛之后，人们基本上失去了对这类比赛的兴趣。你可能会认为故事到此就结束了，但卡斯帕罗夫意识到，如果他也能像深蓝一样立即访问包括以前所有棋局棋路变化在内的巨型数据库的话，他在对弈中能表现得更好。如果这一数据库工具对于人工智能设备来说是公平的话，为什么人类不能使用它呢?为了探究这一想法，卡斯帕罗夫率先提出了“人加机器”(man-plus-machine)比赛的概念，即用人工智能增强国际象棋选手水平，而非让人与机器之间对抗。
这种比赛如今被称为自由式国际象棋比赛，它有点儿像混合武术对抗赛，选手们可以使用任何他们想要用的作战技巧。你可以单打独斗;也可以接受你那装有超级聪明的国际象棋软件的电脑给出的帮助，你要做的仅仅是按照它的建议来移动棋子;或者你可以当一个卡斯帕罗夫所提倡的那种“半人半机”的选手。半人半机选手会听取人工智能设备在其耳边提出的棋路建议，但是也间或不会采用这些建议——颇似我们开车时候用的GPS导航一般。在接受任何模式选手参赛的2014年自由式国际象棋对抗锦标赛上，纯人工智能的国际象棋引擎赢得了42场比赛，而半人半机选手则赢得了53场。当今世上最优秀的国际象棋选手就是半人半机选手Intagrand，它是一个由多人以及数个不同国际象棋程序所组成的小组。
但最令人惊讶的是：人工智能的出现并未让纯人类的国际象棋棋手的水平下降。恰恰相反，廉价、超级智能的国际象棋软件吸引了更多人来下国际象棋，比赛比以前增多了，棋手的水平也比以前上升了。现在的国际象棋大师(译者注：国际象棋界的一种等级)人数是深蓝战胜卡斯帕罗夫那时候的两倍多。现在的排名第一的人类国际象棋棋手马格努斯·卡尔森(Magnus Carlsen)就曾接受人工智能的训练，他被认为是所有人类国际象棋棋手中最接近电脑的棋手，同时也是有史以来积分最高的人类国际象棋大师。
如果人工智能能帮助人类成为更优秀的国际象棋棋手，那么它也能帮助我们成为更为优秀的飞行员、医生、法官以及教师。大多数由人工智能完成的商业工作都将是有专门目的的工作，严格限制在智能软件能做到的工作之内，比如，(人工智能产品)把某种语言翻译成另一种语言，但却不能翻译成第三种语言。再比如，它们可以开车，但却不能与人交谈。或者是能回忆起YouTube上每个视频的每个像素，却无法预测你的日常工作。在未来十年，你与之直接或者间接互动的人工智能产品，有99%都将是高度专一、极为聪明的“专家”。
实际上，这并非真正的智能，至少不是我们细细想来的那种智能。的确，智能可能是一种倾向——尤其是如果我们眼中的智能意味着我们那特有的自我意识、一切我们所有的那种狂乱的自省循环以及凌乱的自我意识流的话。我们希望无人驾驶汽车能一心一意在路上行驶，而不是纠结于之前和车库的争吵。医院中的综合医生“沃森”能专心工作，不要去想自己是不是应该专攻英语。随着人工智能的发展，我们可能要设计出一些阻止它们拥有意识的方式——我们所宣称的最优质的人工智能服务将是无意识服务。
我们想要的不是智能，而是人工智慧。与一般的智能不同，智慧(产品)具有专心、可衡量、种类特定的特点。它也能够以完全异于人类认知的方式来思考。这儿有一个关于非人类思考的一个很好的例子，今年三月在德克萨斯州奥斯汀举行的西南偏南音乐节(South by Southwest festival)上，沃森电脑就上演了一幕厉害的绝技：IBM的研究员给沃森添加了由在线菜谱、美国农业部(USDA)出具的营养表以及让饭菜更美味的味道研究报告组成的数据库。凭借这些数据，沃森依靠味道配置资料和现有菜色模型创造出了新式的菜肴。其中一款由沃森创造出的受人追捧的菜肴是美味版本的“炸鱼和炸薯条”(fish and chips)，它是用酸橘汁腌鱼和油炸芭蕉制成。在约克城高地的IBM实验室里，我享用了这道菜，也吃了另一款由沃森创造出的美味菜肴：瑞士/泰式芦笋乳蛋饼。味道挺不错!
非人类的智能不是错误，而是一种特征。人工智能的主要优点就是它们的“相异智能”(alien intelligence)。一种人工智能产品在思考食物方面与任何的大厨都不相同，这也能让我们以不同的方式看待食物，或者是以不同的方式来考虑制造物料、衣服、金融衍生工具或是任意门类的科学和艺术。相较于人工智能的速度或者力量来说，它的相异性对我们更有价值。
实际上，人工智能将帮助我们更好地理解我们起初所说的智能的意思。过去，我们可能会说只有那种超级聪明的人工智能产品才能开车，或是在“危险边缘”节目以及国际象棋大赛中战胜人类。而一旦人工智能做到了那些事情，我们就会觉得这些成就明显机械又刻板，并不能够被称为真正意义上的智能。人工智能的每次成功，都是在重新定义自己。
但我们不仅仅是在一直重新定义人工智能的意义——也是在重新定义人类的意义。过去60年间，机械加工复制了我们曾认为是人类所独有的行为和才能，我们不得不改变关于人机之间区别的观点。随着我们发明出越来越多种类的人工智能产品，我们将不得不放弃更多被视为人类所独有能力的观点。在接下来的十年里——甚至，在接下来的一个世纪里——我们将处于一场旷日持久的身份危机(identity crisis)中，并不断扪心自问人类的意义。在这之中最为讽刺的是，我们每日接触的实用性人工智能产品所带来的最大益处，不在于提高产能、扩充经济或是带来一种新的科研方式——尽管这些都会发生。人工智能的最大益处在于，它将帮助我们定义人类。我们需要人工智能来告诉我们，我们究竟是谁。
结语：以上就是首席CTO笔记为大家介绍的关于如何让人工智能夸你的全部内容了，希望对大家有所帮助，如果你还想了解更多这方面的信息，记得收藏关注本站。