设想一下，给头顶的电灯安装上摄像头和传感器，这种“智能电灯”通过机器学习，能及时发现并提醒准备离开的你，“手机落在座位上啦”；医院里的“智能电灯”也能检测到房间里的病人有没有摔倒，在病人需要用药的时候，以最快的速度告知医护人员……美国工程院院士、卡耐基梅隆大学计算机科学学院院长Tom Mitchell教授，在第一期上海人工智能大讲堂上给现场听众这样描述未来人工智能在日常中的应用。在他看来，人工智能的发展将给未来的生活带来无限可能。
机器学习让技术真正改变生活
“人工智能被持续关注，是不是已经过度发展？事实上，人工智能在一些领域已经取得不小的成果，这些技术进步在未来会改变社会的发展方向，应该经常回顾过去，展望未来。”回溯过去十年中人工智能取得的进展，Tom Mitchell教授指出，十年前的计算机视觉能力并不太好，识别简单图片中物体的能力也不高，但如今这个“盲人”已经“脱盲”，在物体识别方面的能力大大提高，能够观察并准确识别图片中的物体。
除了计算机视觉能力不断提高，未来生活中会出现越来越多具备智能的应用。而这些新的人工智能产品，将很大程度通过机器学习的训练模型“学会思考”。比如，在机器学习的一步步教学下“学会”发送邮件，成为比苹果手机智能助手Siri更加“智能”的手机助理。据Tom Mitchell教授所言，随着时间的推移，人工智能的阅读能力和知识都在不停地提高和增长，“我们在实验中获得一些经验以及教训是，必须让机器从标记的数据中进行学习，还要优化语言的一致性，提高准确率。”
可以说，机器学习是一种基于算法的人工智能技术，这也是人工智能的开发者改变策略的结果开发者们不仅通过编写计算机的程序，使得计算机能够识别物体，而且对它进行训练，教育机器进行自我学习。对于计算机来说，拥有了机器学习能力，意味着能够在物体识别、游戏等方面取得进步。比如Tom Mitchell所描述的“智能电灯”，这种电灯成本低，可联网，可与软件兼容，能够通过摄像头捕捉到画面，运用机器学习后的算法对图片进行识别和分析，判断出病人是否晕倒在地、是否有人把手机落在座位上等等行为，再通过传感器，将分析到的情况给予反溃“机器学习和深度学习正在推进人工智能进入更多的新领域，当然，最终能有多成功还有待观察，但这个趋势鼓舞人心”
自动驾驶前路漫漫但仍可期待
自动驾驶，正在成为人工智能技术最具商业潜力和社会价值的应用之一。无论是传统汽车厂商还是造车新势力，无一不在布局自动驾驶。然而，伴随着伤人事故频发，尽管饱受追捧，自动驾驶汽车要想真正实践和应用，依然前路漫漫。正如Uber资深研究科学家、哥伦比亚大学计算机科学系兼职教授Erran Li所言，自动驾驶的大部分问题已慢慢解决，但距离成功还有不小的距离。
麻省理工学院计算机科学和人工智能实验室主任Daniela Rus教授，基于其在自动驾驶领域的研究认为，“尽管许多汽车制造商仍然认为自动化是驾驶的未来，然而，培训这些自动驾驶系统非常困难，其中大多数需要使用来自预扫描区域的复杂数据在道路上反复训练。”
据Daniela Rus介绍，目前麻省理工学院的研究人员正在开发一种能够通过基于GPS的地图自我学习的人工智能系统，它使用与人类相同的直觉学习方式，但也需要研究数据集，不过不是研究道路本身，而是研究人类如何在道路上行驶，如何获取标志、结构和地图的线索，使得一辆自动驾驶的汽车能够在不同区域的计划路线上，设法做出几乎与人类完全相同的决策。
在她看来，了解人工智能是为了更好地了解自己，并创造机器来支持人类的认知和体力工作。自动驾驶技术无疑是在分担人类的认知和体力的部分工作，如果能取得成功，将给人类生活带来极大便利。同时，她也指出，“摄像头如果安装在无人驾驶的车辆上，光照太强烈可能什么都看不到”等等自动驾驶还未解决的问题。目前自动驾驶的错误率仍然太高，现在并不完全可靠，不能完全依赖基于摄像头进行可靠的自动驾驶，这一点必须要改善。
取代医生？人机合作而非简单取代
随着人工智能技术在各行业的应用越来越深入，不免有人担心人工智能是否会取代一些职业，甚至会取代一些高技术含量的工作。
对于这个担忧，Tom Mitchell和Daniela Rus提出了各自观点。“机器的自动化和人工智能将在未来承担更多工作，但大多数受影响的工作将部分实现自动化而不是完全消失。”Tom Mitchell如是说。
在发表于《美国经济协会论文与会议录》(American Economic Association Papers and Proceedings)的一篇论文中，研究者们深度分析了机器学习可以完成哪些特定任务不同于研究机器学习对特定工作的影响，研究者们通过涵盖23个问题的标准来评估机器能否学会执行某一项任务，其试验对象是美国900多个职业。研究结果显示，几乎每个职业中都有部分工作会受到机器学习的影响，但也有很多工作无法被机器取代。当然，这也意味着有一些职位受到的影响更大一些。
近年来，机器取代医生进行诊断的情况成为社会各界关注的热点。在Daniela Rus看来，医生并不会被沃森机器人、达芬奇手术机器人等机器所取代，“人和机器共同合作，而不是取代。”她进一步解释道，机器人具备多任务处理学习的能力，即研发者们使机器人能够将很多变量因素一并考虑，从而提升系统预测的准确度，比如诊断和监测肺炎病人的病情恶化情况。除了肺炎本身的严重程度，还需要一并考虑病人的白细胞数量、是否曾经转入ICU 治疗等，通过这种方式来更好地诊断和预测病人肺炎恶化的几率。“数据显示，机器人诊断并分析病情的速度快，而医生有智力，机器人有速度，人机合作的误诊率可降低80%。”
已有研究人员建议，可以利用人工智能可以完成高度自动化任务的特点，将这些工作从其他任务中分离出来，让机器人可以做它们擅长的任务，而人力劳动可以被解放出来做更多机器学习不适合的工作，从而提高行业的整体工作效率。
可以说，人工智能与人类工作相结合是未来的趋势，而不是简单的职业取代和替换。
相关文章
