【源自：品途商业评论《一文读懂：人工智能与人类智能有何区别？》2018.08】

我们不是机器，机器也不是人类，未来将是人工智能和人类智能共同构建的!

随着人工智能变得越来越聪明，关于AI将消灭人类的说法也不断涌现出来。事实上，很多大人物都在呼吁人们提起警惕。到现在，似乎AI支持者谷歌首席工程师雷·库兹韦尔对未来的乐观态度似乎已经不敌比尔·盖茨、伊隆·马斯克和史蒂芬·霍金提出的担忧。

诚然，我们确实有理由表示担忧，但未来并不一定会是一个黑暗的未来，因为我们可以有利用AI的更好方式，关键是认识到人类与机器智能之间的互补关系。说到底，人工智能与人类智能有着天壤之别，所以以后可以停止对二者的比较了。

如今，人们很容易相信人工智能已经变得像人类智慧一样聪明了——如果不是更聪明的话。比如，前一段时间，谷歌发布了DuplexAI，能够帮助用户完成外呼预定美发沙龙和餐馆等操作。由于它的声音几乎与人类一模一样，所以在整个过程中可以瞒过其对话伙伴，使之认为自己是人类。

此外，谷歌子公司DeepMind开发了一款人工智能，在最复杂的棋盘游戏中击败了世界冠军。而最近，人工智能又被证明它可以像训练有素的医生一样准确诊断眼疾……还有很多的事件可以表明，在不久的将来，机器人有可能会让人类身处失业的状态。

随着技术的发展与突破，人工智能在以我们肉眼可见的速度解锁新领域、新任务、新技能，而这些领域之前被认为是人类智能的专属。但这是否意味着人工智能比人类智能更聪明呢?在小智君(ID：Aiobservation)看来，将人工智能与人类只能进行对比，这本来就是一个错误的想法，因为二者是完全不同的东西，即使有时候它们的功能会重叠。

人工智能擅长处理数据不善于抽象思考

首先，即使是最复杂的人工智能技术，其核心也与其他计算机软件没有什么不同：以超快速率运行数据。AI及其分支，如机器学习和深度学习，只要研究员能将其转换为正确的数据集，就可以解决任何问题。

举个例子，图像识别。如果给出深度神经网络、深度学习算法的基础结构以及足够多的标记图像，人工智能就可以用非常复杂的方式进行数据对比，并找到定义每种类型对象的相关性和模式，进而实现用该信息标记之前从未见过的图像中的对象。当然，语音识别的过程也是如此：如果有足够多的人的声音的数字样本，神经网络可以找到人的声音中的共同模式并确定某段录音是否属于那个人。

最近上线公测的阿里AI鉴黄语音反垃圾服务便是基于此理论，除识别色情图片、色情视频和色情文字外，涉黄语音也能通过AI鉴别了。为了让AI智能机器具备识别多国语言和多地方言的能力，事先需要有一个训练学习的过程，对此阿里安全部产品专家念夏表示，“可以把它想象成一个小孩，需要不断喂养、训练、学习，它才具备这样的能力。”比如学习广东话，除了从第三方公司购买训练素材外，还使用阿里系统内的视频平台上的粤语电视剧，来训练机器人学习。

实际上，我们所了解到的关于AI的应用，无论是进行人脸识别还是诊断癌症的计算机视觉算法，亦或是能够驱逐恶意网络流量的人工智能网络安全工具，甚至是玩电脑游戏的复杂AI项目，都有这样一个同样的规则。只不过，技术不断在改变和进步。

正如有句老话说的是“人无完人”，所以AI也有自己的缺点，而它欠缺的就是抽象思考、常识的运用以及知识迁移。说回开头提到的谷歌DuplexAI，它可能非常擅长预订餐厅或美发沙龙，但这是两项非常狭窄且非常具体的任务。甚至这个人工智能还可以使用人类的语腔语调完成一次模仿人类对话的自然行为，但一旦谈话偏离了轨道，Duplex就会很难以连贯的方式作答。在这种情况下，它要么终止对话，要么在人类的帮助下才能以有意义的方式继续对话。

迄今为止，已经有很多实例可以证明，一旦AI模型出现在其擅长领域之外的事件中或者接收到与他们训练过的数据不同的内容，他们就会以一种不合逻辑的方式失败。范围越广，人工智能需要掌握的数据越多，就会出现一些边缘案例，这些场景还没有被训练数据所覆盖，最终会导致人工智能的失败。一个例子便是自动驾驶汽车，尽管已经行驶了数千万公里，但它仍在努力实现完全自主，远远超过人类成为专家驾驶员的需要。

人类不善于处理数据擅长做抽象决策

从数据部分开始。与计算机相反，人类在存储和处理信息方面非常糟糕。比如，想要记住一首歌的歌词，必须多次循环听才能记住它;但对于计算机来说，记住一首歌就像在应用程序中按“保存”或将文件复制到其硬盘中一样简单。同样，对于人类来说，不记忆也是很困难的。即使尽自己所能，一些不是很好的记忆还是会存在自己的脑海里。而对于计算机来说，忘记一些东西就像删除文件一样简单。

说实话，在处理数据方面，人类远不如人工智能。在上文提到的所有示例中，人类或许能够执行与计算机相同的任务，只不过在人类识别和标记图像所花费的时间内，AI算法可以完成对一百万个图像的分类。毫不夸张的说，计算机的绝对处理速度使它们能够在涉及数学计算和数据处理的任何任务中超过人类。

然而需要注意的是，人类可以基于本能、常识在信息稀缺的情况下，做出抽象决定。比如，人类孩子在很小的时候就学会归纳整理物品。但对于AI算法，执行相同任务需要数年的训练。科技评论家尼古拉斯·卡尔(NicholasCarr)在被问及智能机器与人类的区别时曾表示，“计算机没有疯狂地带，它们不能矛盾，也无法设计去处理模稜两可的情形，它们也没有直觉。”

举个例子，当人们第一次接触视频游戏时，他们可以快速地将日常生活中的知识转移到游戏环境里，像远离坑，壁架，火和尖尖的东西(或跳过它们)。他们知道必须要躲避子弹、避免被车辆撞到才能生存。但对于AI来说，每个视频游戏都是一个新的未知的世界，它必须从头学习。人类可以发明新事物，包括已经引领人工智能时代的所有技术，而AI只能获取数据，进行比较，提出新的组合和演示，并根据之前的序列预测趋势。

人类可以感受、想象、梦想，可以无私或贪婪，可以爱恨交加，可以撒谎，甚至有时候会混淆事实。所有这些情绪都可以以理性或非理性的方式改变他们的决定。人是一种由肉体制成的不完美的有缺陷的生物，每一个人都以自己的方式独特生存;而人工智能，从核心上讲，是由数十一个无生命的电路运行的微小的电流。

人工智能与人类智能截然不同请停止比较

总的来说，所有这些都不意味着人工智能优于人类智能，反之亦然。因为本质上，二者就是完全不同的东西。AI擅长重复性任务，这些任务具有明确定义的边界，可以用数据表示，而且对于需要完成基于不完整信息，凭直觉做出决策的任务来说，往往表现的很糟糕。相比之下，人类智能适用于需要常识和抽象决策的环境，而对于需要进行大量实时计算和数据处理的任务则表现不佳。

从不同的角度看，我们应该将AI视为增强智能。人工智能与人类智能相辅相成，弥补了彼此的不足。因此，他们可以一起完成任何自己无法单独完成的任务。比如，AI善于利用大量的网络流量找出异常情况，但在决定哪些是需要调查的真正威胁时会犯错误。而另一方面，人工分析师不善于监控通过公司网络传输的千兆字节数据，但他们擅长将异常与不同事件联系起来，并确定哪些是真正的威胁。所以，AI和人工分析师可以填补彼此的空白。

诚然，现在人工智能可以做越来越多的事情，它们的逻辑也变得更为复杂，所以它们有能力去应对更复杂的情况，以及处理更多的变量参数。但是人工智能和人类各自的强项都体现在不同的领域，这意味着我们需要探索的是共生关系，而不是竞争关系。

很多人都持有一种观点，即机器会取代人类的工作机会。在小智君(Aiobservation)看来，其中不乏夸张的宣传，事实证明，人工智能的扩张创造了更多的就业机会而不是摧毁。但是，正如过去每项技术突破所做的那样，在许多任务中，它确实可以消除对人类的需求。但这可能是因为那些工作从来都不是针对人类的。现在我们在这些工作上花费了大量宝贵的人力资源和劳动力，或许就是因为我们尚未开发出能使其自动化的技术。

随着人工智能变得善于执行更多的任务，作为人类，我们将有更多的时间把我们的智慧用于具有创造性、社交性、艺术性、体育、文学、诗歌以及其他有价值的应用中。到那个时候，我们就使用我们的增强智能工具来增加这些工作的创造力了。

最后，我们不是机器，机器也不是人类，未来将是人工智能和人类智能共同构建的!

延伸阅读——

人工智能、深度学习与人类智能之间的区别和联系

【源自：一分钟看懂科技文献《人工智能、深度学习与人类智能之间的区别和联系》2018.03】

人工智能的浪潮正在席卷全球，人工智能（ArtificialIntelligence）、深度学习（DeepLearning）、人类智能（HumanIntelligence）这些高频词汇经常出现。那么，什么是人工智能？什么是深度学习？什么又是人类智能呢？

人工智能

（1）人工智能：1956年几位计算机科学家相聚在达特茅斯会议提出“人工智能”的概念。得益于数据量的上涨，人工智能的研究领域也在不断扩大，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。

（2）深度学习：用以实现人工智能的一种机器学习方法。深度学习本来并不是一种独立的学习方法，其本身也会用到有监督和无监督的学习方法来训练深度神经网络。但由于近几年该领域发展迅猛，一些特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。

深度学习网络

（3）人类智能：人类智能就是人类认识世界和改造世界的才智和本领。人类之所以能成为万物之灵，是因为人类具有能够高度发展的智能。它包括“智”和“能”两种成分。“智”主要是指人对事物的认识能力；“能”主要是指人的行动能力，它包括各种拔能和正确的习惯等等。人类的“智”和“能”是结合在一起而不可分离的。

复杂的人类大脑神经纤维

在解释完上述三个概念之后，他们之间又有什么联系呢？

1965年，美国著名计算机科学家西蒙(H.A.Simon)曾预言:“在20年内，机器将有能力做人类所能做的一切。”几十年过去了，人工智能作为21世纪智力革命的核心领域，汇聚了一大批杰出的计算机科学家、心理学家、神经科学家、语言学家和哲学家开展了深入的研究，取得了举世瞩目的成就，却没能达到先驱者当年预期的目标。

今天，最先进的人工智能可以完成人类无法完成的复杂计算、做人类不能做的精密工作，但却仍然无法像人类那样敏捷和流畅地思考。

近20年来，人工智能学家们试图用神经网络建模来模拟大脑，用生物进化机制来提升机器的智能。他们将自治体的方法论与神经网络的模型结合起来，形成了当代人工智能研究中最令人兴奋的、最具开拓性的研究成果-深度学习。有了深度学习的技术支持，人工智能在机器翻译、问答游戏、阅读理解、图像识别等领域有了革命性的发展。

因此从这个解释上来看，人工智能实际上是一种模拟人类智能的存在，而深度学习是人工智能实现人类智能的一种手段。

那么，深度学习就真的能够实现人类智能吗？

就研究现状看，深度学习模型还存在着一些亟待解决的问题。例如，无法应对小数据的环境、无法进行迁移学习、无法进行常识性推理以及无法将所有的技术整合在一起以适应多个领域的工作等等。而导致这些研究困境的不仅仅是技术问题，而是更为深层次的问题:将人类的学习和智能仅看作是大脑神经网络的功能。这似乎注定了深度学习模型仅仅是一个更大、更花哨但从本质上说仍然是脆弱的、不可理解的“专门系统”。因此，深度学习模型尽管模拟了大脑的神经结构，却仍与人类学习之间有着本质区别。人类的学习过程与我们的身体、语言以及周围的现实世界不可分离。很多时候，人类的学习能力不是来自于明确的数据结构，而是来自一些更为现实的东西:如身体意向性以及身体熟练地应对当下情境的能力等等。

从数据结构的角度说，人类生活的日常世界很难被符号化。即便是深度学习模型对人类的大脑结构进行了抽象，被抽象也只能是其数学成分。纯数学无法对人类的生活世界进行充分描述。从神经网络的角度说，人类生命的整体性远远大于大脑，我们的大脑、身体与世界之间紧密相连。单就大脑而言，神经元有10^12个，不同的连接方式有6×10^13种。可以说，我们现在对大脑工作方式的了解还很有限。从人工建模的角度说，人类智能和学习能力的形成是几百万年的进化的结晶。正如当前最著名的人工智能学家之一的D.Hassabis所说:“若想突破人工智能应用的天花板，我们必须要对人类自己的智能有更为深入的了解”。通过人工神经网络来模拟大脑的深度学习模型，任重而道远。