人工智能：心理学视角

---

人工智能领域的计算机科学家致力于创造能够学习并执行复杂任务的智能计算机，这些任务通常需要人类的智慧。人工智能的基础是专门的硬件和软件，用于开发和重新训练机器学习算法。虽然常见的选项是 Python、R 和 Java，但人工智能开发有很多常用的语言。人工智能 (AI) 系统通常通过获取大量标记的训练数据、处理这些数据以识别模式和相关性，然后利用这些见解来预测未来的结果来发挥作用。聊天机器人可以通过分析人类之间文本交互的实例来学习模仿人类的对话。相比之下，图像识别软件可以通过分析数百万个示例来学习识别和描述照片中的物体。

什么是人工智能？

人工智能 (AI) 指的是机器（主要是计算机）展现通常与人类智慧相关的特征的能力。专家系统、语言学、语音识别和机器视觉都是智能如何被使用的具体例子。人工智能的潜在用途是无限的。许多领域和组织都可以从这项技术中受益。具有 AI 的机器包括下棋的计算机和自动驾驶汽车，这些汽车目前正在医疗保健领域进行测试。在银行和金融领域，人工智能能够发现可疑迹象，例如异常的借记卡使用或大额存款。人工智能开发优先考虑这三种认知能力：学习、推理和自我修正。

自我教育

人工智能编程的这一领域侧重于获取数据并制定规则，将数据转化为有用的知识。算法是告诉计算机如何执行某些操作的规则，通过按顺序执行每个步骤。

演绎推理技能

人工智能开发的这一领域侧重于制定战略性的算法决策。

自我改进方法

人工智能开发的这一领域旨在调整程序，以持续产生精确的结果。

人工智能的意义何在？

人工智能之所以重要，是因为它有可能为企业提供以前无法获得的对其运营的见解，并且因为它有时可以比人类做得更好。人工智能系统尤其擅长快速完成任务，并且错误相对较少，尤其是在重复性、特定任务方面，例如审查大量法律文件以验证重要区域是否已正确填写。这推动了生产力的飞速增长，并为一些大型公司提供了进入全新市场的机会。十年前，使用算法将乘客与出租车匹配的想法是不可想象的；现在，Uber 已成为世界上最有价值的公司之一。该系统使用复杂的机器学习技术来预测出行需求最大的时间和地点，从而提前派遣司机。另一个例子是 Google，它在许多利基在线服务行业中脱颖而出，这在很大程度上归功于它利用机器学习来更好地理解和满足用户需求。Google 首席执行官 Sundar Pichai 在 2017 年表示，该公司将成为一家“人工智能优先”的企业。世界上最大、最赚钱的公司已将人工智能纳入其运营中，以提高效率并获得竞争优势。

什么促成了人工智能？

人工智能是一门科学和技术，它借鉴了计算机科学、生物学、心理学、语言学、数学和工程等领域。人工智能的一个关键重点是开发与人类智能相关的计算机功能，例如思考、学习和解决问题。以下一个或多个领域可以有助于开发智能系统。

各种人工智能版本

人工智能有两种类型，分别是弱人工智能和强人工智能。

弱人工智能

只能执行一项特定任务的计算机程序。像国际象棋这样的游戏以及像 Alexa 和 Siri 这样的数字助理都是弱人工智能系统的例子。当你向助手提出查询时，它会做出回应。

强人工智能系统

这些系统能够执行通常与人类相关的操作。这些系统通常更复杂和更精致，其软件使它们能够在各种环境中自主解决问题。此类系统的应用包括自动驾驶汽车和手术室等。

我们现在在哪里应用人工智能？

如今，人工智能被应用于各种环境中，通常具有不同程度的复杂性。人工智能的流行应用包括推荐算法（建议人们接下来可能喜欢的内容）和出现在在线网站或智能设备（例如 Alexa 或 Siri）形式的聊天机器人。人工智能的许多用途包括预测天气和经济、简化制造和减少重复的认知工作。人工智能可以分为四种类型，从特定任务的系统到尚未存在的具有感知能力的系统。类别

反应式机器

这些人工智能系统是特定任务的，并且没有记忆。深蓝在 20 世纪 90 年代击败了加里·卡斯帕罗夫。深蓝可以识别棋子和做出预测，但它没有记忆，也无法从过去的错误中吸取教训。

记忆型

这些人工智能系统可以利用过去的经验来做出未来的判断。自动驾驶汽车将此方法用于某些决策。

思维型

具有社交智能的人工智能可以理解情绪。这种人工智能可以识别人类意图并预测行为，从而使其能够加入人类团队。

自我意识型

此类人工智能系统具有自我意识和意识，自我意识机器了解自己，这种人工智能尚不存在。

人工智能的优缺点

人工智能正在迅速发展，因为它可以比人类更快地分析海量数据并生成更准确的预测。

优点

数字虚拟代理始终可用，并且擅长处理细节繁重的工作。

缺点

成本高昂；需要技术技能，合格的人工智能开发人员很少；仅限于显示的内容；以及无法进行泛化。

机器学习

机器学习是计算机从训练数据中提取意义的过程。例如，如果你希望算法检测电子邮件中的垃圾邮件，则必须通过向算法展示许多已手动标记为垃圾邮件或非垃圾邮件的电子邮件实例来训练该算法。该算法“学习”识别表明电子邮件可能是垃圾邮件的模式，例如特定术语或词组的重复出现。机器学习可用于解决各种问题和数据集。你可以训练算法识别照片集中的猫的照片、保险索赔中可能存在的欺诈实例、将手写内容转换为结构化文本等等。所有这些场景都需要标记的训练集。

根据所采用的方法，可以通过添加反馈循环来改进算法，该循环会告诉它在哪里出错。与人工智能的区别在于，机器学习算法永远不会“理解”它被编程执行的操作。它可能能够检测垃圾邮件，但它需要学习什么是垃圾邮件以及为什么我们希望检测它。此外，如果出现新的垃圾邮件类型，它很可能无法识别它，除非有人（人类）重新训练该算法。大多数人工智能系统都是建立在机器学习的基础上的。但是，虽然机器学习系统可能看起来“很聪明”，但根据我们对人工智能的定义，它并不属于人工智能。

结论

最近在人工智能方面做出的努力导致许多领域的进步，包括一些以前未探索的领域。此外，人工智能变得越来越具体，为汽车提供动力、检测疾病，并在流行文化中巩固了自己的地位。作为第一个计算机程序，IBM 的深蓝在 1997 年击败了世界象棋冠军加里·卡斯帕罗夫。此前，IBM 开发的超级计算机沃森击败了两位《危险边缘》冠军，这台超级计算机诞生于 20 世纪 90 年代，公众对此感到着迷。与人工智能硬件、软件和人员相关的成本意味着许多供应商正在将其基本产品中集成人工智能功能或提供对 AIaaS 平台的访问权限。企业和个人可以使用人工智能即服务来尝试这项技术以满足其自身需求，而无需完全投入任何人工智能平台。