【真假】“人工”智能

先从用户的角度，谈一下，现如今已经满大街都飞扬着的“人工智能”。

总结一下： 说自己是AI产品的，大部分都是人工的AI；你感受不到的，却处处有AI。

我觉得上面的总结形容地应该很贴切了，由于很多普通用户对技术实现上没有太大的概念，所以总是被一些带有迷惑性质的AI宣传所欺骗，最后自己使用之后，评价基本都是：“什么破人工智能，真笨！”。而真正的人工智能技术，其实已经进入我们的生活，只是我们未曾察觉，而好的技术就是这样，不需要大张旗鼓的宣扬，却真真切切的提高了我们生活的效率。

先说说我们能看到的那些“假”人工智能

有很多所谓的“智能硬件”设备，它们通过人工的一些设定，达到自动的作用，但是如果情况有变， 我们希望更改设置时，就还需要人工的去设定，就非常的不智能了 。

但其实，是否需要人工设定，这个界限是有点模糊的，因为很多人工智能系统需要一个冷启动，但很多这样的智能硬件设备确实是一点AI的相关技术都没有用到，靠的是传感器显示和人工程序设定。

不过这类产品，可能也没想往AI上设计，但只是介于智能和普通之间，找不到其他好听的修饰词，所以便取了“智能”。就像刚出来的智能手机一样。 这里就再不细谈这些产品是否可以算入“假”的人工智能(因为人家也没有明确自己是AI产品)，但是，确实，会给用户带来一定的混淆。

【弱】人工智能产品的前因后果

不过，真正使用了”Machine Learning”的【弱】人工智能产品，才是让用户说出“什么破人工智能”的祸首。

智能机器人： 现在市面上的机器人基本可以用能动的和不能动的来区分价位。在交互上，有纯语音交互的，也有视觉+语音的。这些产品集成了大量的机器学习和深度学习技术，一开始的亮相惊艳无比，但是慢慢的新鲜感就会下降。

其实出现这样的现象，根本的原因是这些产品无法自学习。虽然对比不同的交互，会有不同的设定，甚至在出现训练时没有输入过的陌生指令，也可以很好地拆解并做出反应。但是，这些算法始终都无法自学习(无监督学习)，所以，某种意义上来讲，就是【弱】人工智能。

还有类似的：“智能推荐”、“个人语音助手”等，我们会发现都是在一定程度上的“智能”。这也是监督学习的一个弊端。机器无法自学习，在某种意义上就是【弱】人工智能。虽然，现在也有些“智能推荐”应用，可以根据用户的使用数据，不断学习用户行为迭代更新模型参数，但是，由于还是偏向学习用户历史行为数据，所以，这类的产品也会因为无法适应人类多变的兴趣和情感需求，而被诟病。

而对于，“聊天机器人”来讲，很多用户在使用过程中很容易跳戏，或者觉得并不智能。

清华大学的黄民烈博士表示，想要让机器像人一样与用户交流，还要需要几个关键点：

• 需要给机器一个固定的人格和属性。

• 要让机器知道交谈的话题是什么， 并且是在跟谁交谈。

• 要考虑对话时的一些其他环境信息，甚至考虑多方面的综合感知信息：如语音、语调、姿态和表情。

不过，以上说的这些，都是人工智能呈现一个完整的闭环产品形式在展现， 涉及到的使用场景是非常广泛开放性的，所以用户无法真切地感受到AI给我们生活中的细节末梢带来的巨大变化。

系统化、闭环形式的产品，总是难以打造的。当技术未成熟时，人工智能，很难作为一个独立的载体，开放式地为人类服务。 但是，由于深度学习近几年的飞速发展，在一些细分领域上，人工智能已经可以胜任人类的工作，例如：人脸识别、智能安防、语音识别等等。

所以接下来，我们就来看看，应用了AI技术的产品都有哪些，如今的AI+ 是如何改变我们生活方式和产品形态的。

这些年我们遇见的人工智能

这一块的内容思前想后了半天，写了又删，删了又写，主要是不知道该如何逻辑清晰地把概况都总结下来。最后还是觉得用【产品形式】和【应用行业】这两个角度进行总结，虽然有交叉的地方，但是大部分都还是有区别的，尽量全面的了解一下AI的各种应用。

AI应用中的产品形式展现

首先，先上一个导图。我按照产品的输入形式分为了4种：文字、语音、图像、视频。接下来，按照AI技术如何处理这些输入或产品的输出形式进行了举例。

AI产品——产品形式

首先要提一下，由于深度学习大量地应用到这些领域的研究中，所以从2012年到现在，在上述的大部分领域中，学术界大幅地提升了算法的精度，这给产品化的应用带来了前提条件。因为，在学术界，可能提高1%就可以发论文；但是在工业界，需要有一个很高的精度，才能投入使用。并且，值得一提的是，在有些领域里，机器的准确率已经比人类还要高。

这里我们需要感谢软件硬件技术的不断发展，让我们得到了巨大的计算能力 。也要感谢互联网的不断发展，让我们积累了庞大的数据。最后，也得感谢Geoff Hinton、Yann LeCun等学术泰斗，他们的坚持和创造让学术界重新看到了深度学习的无限潜力。