幾千年來，人們對(duì)人工智能情有獨(dú)鐘。在古代神話中，古希臘神赫菲斯托斯通過嫻熟的技法，使用錘子制造了巨型青銅機(jī)器人，名為塔羅斯，目的是保護(hù)克里特島的歐羅巴免受海盜侵害。1817年，瑪麗·雪萊撰寫《科學(xué)怪人》之時(shí)也在深入思考人工智能的相關(guān)問題。1927年，經(jīng)典的未來主義電影《大都會(huì)》推出名為瑪麗亞的機(jī)器人，它的使命本是照顧孩子，但終讓城市陷入了混亂。
神話和科幻小說激發(fā)了人們的想象力，讓人們考慮人工智能可能帶來的災(zāi)難，哲學(xué)家們?nèi)栽谂�力定義人類智慧的本質(zhì)。17世紀(jì)初，托馬斯·霍布斯有一句名言推理就是計(jì)算（Reason is nothing but reckoning）。他得出結(jié)論：人只不過是記憶之和，或許人類的記憶可能通過編碼變成機(jī)器智能。
20世紀(jì)60年代，哲學(xué)家休伯特·德雷福斯批評(píng)了機(jī)器智能的這一觀點(diǎn)，并就此寫了幾本書，其中著名的作品是于1972年首次出版的What Computers Cant Do: A Critique of Artificial Reason，他的主要論點(diǎn)是，人類的本能永遠(yuǎn)無法用正式的規(guī)則來捕捉。
電影《終結(jié)者》暗示著創(chuàng)建像天網(wǎng)這樣的智能網(wǎng)絡(luò)也許很容易，但是也可能由于簡單的二進(jìn)制計(jì)算錯(cuò)誤而導(dǎo)致人類毀滅。硅谷名人一直在爭論人工智能是人類的成就還是會(huì)使人類滅絕的終原因。
神話、科幻小說和哲學(xué)使人工智能這一主題引人入勝。但當(dāng)我們開始研究人工智能機(jī)器的工作方式時(shí)，很難確定這是驚艷之舉還是乏善可陳。一方面，人工智能的一些功能是卓爾不群的，比如，乘坐自動(dòng)駕駛汽車是一種非常驚艷的體驗(yàn)。另一方面，現(xiàn)代人工智能大多專注于解決分類問題。智能機(jī)器能夠?qū)��?shù)以百萬的照片、視頻或音頻文件進(jìn)行分類。但這不是那種能促使你建造地下掩體或者開始粉碎機(jī)器人的技術(shù)。
當(dāng)然，人工智能具有無限潛力，但是我們傾向于根據(jù)事物的表現(xiàn)而不是潛力來進(jìn)行判斷。到目前為止，人工智能表現(xiàn)良好。近年來由于可以使用大規(guī)模的數(shù)據(jù)集，機(jī)器獲得了足夠的輸入，終對(duì)人類和人類生活的世界有了更深入的認(rèn)知。機(jī)器能夠識(shí)別人類無法識(shí)別或者根本想不到的數(shù)據(jù)模式，即使在識(shí)別數(shù)據(jù)模式這一維度，人工智能性能水平與人類智能之間仍然存在巨大差距。
來自人工智能的威脅與源自人性的威脅也存在巨大差距，人工智能帶來了實(shí)際的和倫理上的挑戰(zhàn)。輪挑戰(zhàn)主要不是關(guān)于創(chuàng)造眾生的倫理方面的影響，而是關(guān)于彼此之間的責(zé)任。不要把人工智能想象成電影《終結(jié)者》中毀滅人類的存在，它更像1981年的小眾經(jīng)典電影《紐約大逃亡》中所呈現(xiàn)的。這部電影上映時(shí)，16歲至24歲男性的失業(yè)率高達(dá)84%。影片中把紐約想象成一個(gè)無情的、無法無天的城市叢林，不得不被改建成監(jiān)獄。在流氓機(jī)器人造成生存威脅之前，人類和人工智能彼此之間的道德義務(wù)將會(huì)困擾我們很久。
人工智能帶來的個(gè)挑戰(zhàn)必然是如何援助那些失業(yè)的人，因?yàn)樗麄冋莆盏募寄軐��?huì)被自動(dòng)化淘汰。如何安置成千上萬被人工智能替代的卡車司機(jī)、出租車司機(jī)、零售工人、機(jī)器操作員和會(huì)計(jì)師？他們不可能都轉(zhuǎn)行去當(dāng)程序員、瑜伽教練、私人教練、YouTuber和藝術(shù)家。
自動(dòng)化帶來的社會(huì)經(jīng)濟(jì)挑戰(zhàn)很可能會(huì)掩蓋機(jī)器勝過人類這一擔(dān)憂。我們擔(dān)憂的不應(yīng)該是超級(jí)計(jì)算機(jī)控制機(jī)器人軍隊(duì)來對(duì)抗人類，而應(yīng)該擔(dān)憂自動(dòng)化漢堡機(jī)取代你侄子在快餐店中工作，畢竟，他可能依賴這份工作來支付大學(xué)學(xué)費(fèi)。
當(dāng)你在思考人工智能可能造成的影響時(shí)，就應(yīng)該意識(shí)到這些挑戰(zhàn)。但是本書并不涉及如何應(yīng)對(duì)社會(huì)經(jīng)濟(jì)挑戰(zhàn)，只討論機(jī)會(huì)，具體來說，只涉及商業(yè)機(jī)會(huì)。為了找到商機(jī)，你應(yīng)該對(duì)人工智能這一工具有一個(gè)全面了解。
細(xì)想下來，企業(yè)并沒有因?yàn)槁氏冗M(jìn)入市場而成功。蘋果公司并不是個(gè)制造音樂播放器的公司，谷歌也不是個(gè)搜索引擎。這些公司能夠成功，是因?yàn)樗鼈兞私夤ぞ吆图夹g(shù)的適用范圍，并知道如何將它們應(yīng)用于當(dāng)前和未來的業(yè)務(wù)中。
這本書就是一本帶你成功應(yīng)用人工智能的書。你將對(duì)人工智能行業(yè)中的各種技術(shù)有一個(gè)高屋建瓴的認(rèn)識(shí)。在本書中，你將了解將這些技術(shù)應(yīng)用于商業(yè)的案例。一旦你弄懂了這些工具，就將占據(jù)先機(jī)，具備為新業(yè)務(wù)或現(xiàn)有業(yè)務(wù)制定長期戰(zhàn)略的能力。
商業(yè)機(jī)會(huì)太多，不能一一列舉，這還不包括有待發(fā)現(xiàn)的機(jī)會(huì)。我希望讀者能夠理解技術(shù)的適用范圍并能將它們應(yīng)用于自身的組織中，甚至能創(chuàng)造新的商業(yè)機(jī)會(huì)。
本書分為四個(gè)部分。部分概述人工智能。第二部分對(duì)概述進(jìn)行擴(kuò)展，并加深讀者對(duì)機(jī)器學(xué)習(xí)的理解。第三部分涉及神經(jīng)網(wǎng)絡(luò)，即計(jì)算機(jī)通過使用多層相互連接的人工神經(jīng)元層來模擬人腦的結(jié)構(gòu)和功能。后，第四部分介紹了一些使用人工智能來輔助商業(yè)的常用工具。近年來由于計(jì)算機(jī)存儲(chǔ)、處理技術(shù)的可用性不斷提高，成本不斷下降，以及可以獲得海量數(shù)據(jù)，人工智能領(lǐng)域變得備受關(guān)注。
在部分，你將了解推動(dòng)批智能機(jī)器的設(shè)計(jì)的早期理論。這些理論大多是從理解人類智能開始的。智能意味著什么？是將符號(hào)與概念相聯(lián)系的能力嗎？是我們的創(chuàng)造力嗎？
你會(huì)看到早期計(jì)算機(jī)科學(xué)家在嘗試創(chuàng)建代智能程序時(shí)所付出的努力。初，許多計(jì)算機(jī)科學(xué)家專注于符號(hào)推理。他們認(rèn)為，如果能夠讓計(jì)算機(jī)識(shí)別人類符號(hào)，這將有助于它們更好地了解人類世界。因此，他們構(gòu)建了用于識(shí)別字母表中的字母、數(shù)字和不同圖形（如停車標(biāo)志、問號(hào)）的智能系統(tǒng)。
這些早期想法至今仍影響人工智能的發(fā)展。符號(hào)推理方法演變成了后來的專家系統(tǒng)，專家系統(tǒng)通過運(yùn)行數(shù)不清的if-then判斷語句進(jìn)行思考和決策。例如，如果看到A，則發(fā)出ah的聲音，如果看到停止標(biāo)志，就停下來。每一個(gè)決策點(diǎn)都必須縝密地事先編程到計(jì)算機(jī)中。
20世紀(jì)90年代，專家系統(tǒng)是人工智能的主要形式。公司使用專家系統(tǒng)進(jìn)行醫(yī)療診斷，批準(zhǔn)或拒絕貸款申請(qǐng)，選擇股票，等等。計(jì)算機(jī)是通過長長的if-then語句來實(shí)現(xiàn)這些功能的。用于貸款的專家系統(tǒng)會(huì)運(yùn)行預(yù)定義好的判斷列表，例如：如果有信用記錄，是否有逾期付款？如果有逾期付款，在過去一年有幾次逾期記錄？如果過去一年拖欠還款超過十次，則拒絕這項(xiàng)貸款申請(qǐng)。
可想而知，所運(yùn)行的判斷列表會(huì)很長，需要人們?nèi)ニ伎妓�有可能的判斷�?guī)則。這是一項(xiàng)非常復(fù)雜的任務(wù)，終會(huì)導(dǎo)致組合爆炸有太多的可能性，人類很難考慮到所有不同的組合。
當(dāng)程序員遇到這些限制時(shí)，他們開始重新審視機(jī)器學(xué)習(xí)思想。機(jī)器學(xué)習(xí)早在20世紀(jì)50年代早期就已存在，它被用于編寫可擊敗人類玩家的西洋跳棋比賽程序。跳棋程序很有創(chuàng)新性，機(jī)器可以執(zhí)行自己的策略并從錯(cuò)誤中學(xué)習(xí)。即使是這些早期的計(jì)算機(jī)也足夠先進(jìn)，能學(xué)會(huì)如何擊敗人類玩家。
機(jī)器學(xué)習(xí)是基于編程指令和僅模擬了人類思考和決策過程的if-then語句的一次巨大飛躍。本書的第二部分深入講解機(jī)器學(xué)習(xí)，揭示它如何改變傳統(tǒng)軟件的開發(fā)規(guī)則。
使用機(jī)器學(xué)習(xí)技術(shù)完成某項(xiàng)任務(wù)，無須對(duì)機(jī)器進(jìn)行顯式編程，機(jī)器可以直接利用大量數(shù)據(jù)集并構(gòu)建自己的決策邏輯。機(jī)器學(xué)習(xí)技術(shù)可以從數(shù)據(jù)中學(xué)習(xí)并構(gòu)建模型可以生成解釋數(shù)據(jù)之間關(guān)系的規(guī)則，并根據(jù)這些規(guī)則得出結(jié)論，做出決策和預(yù)測。
通過機(jī)器學(xué)習(xí)，你可以給智能機(jī)器提供制造汽車所需的所有數(shù)據(jù)以及制造好的汽車原型，智能機(jī)器通過全面學(xué)習(xí)數(shù)據(jù)，開始理解什么是汽車，它知道汽車需要輪子、門和擋風(fēng)玻璃。也許有數(shù)千種不同類型的汽車，但是智能機(jī)器會(huì)創(chuàng)建一個(gè)模型來識(shí)別所有汽車。
為了使機(jī)器能夠創(chuàng)建模型，程序員開發(fā)了許多高級(jí)機(jī)器學(xué)習(xí)算法。機(jī)器學(xué)習(xí)算法是一種數(shù)學(xué)函數(shù)，可使機(jī)器識(shí)別輸入和輸出之間的關(guān)系。程序員的工作已經(jīng)從編寫明確的指令轉(zhuǎn)變?yōu)閯?chuàng)造和選擇正確的算法。
為了將機(jī)器學(xué)習(xí)提升到更高的水平，計(jì)算機(jī)科學(xué)家提出了人工神經(jīng)網(wǎng)絡(luò)的概念，這就是本書第三部分的主題。人工神經(jīng)網(wǎng)絡(luò)將大腦的結(jié)構(gòu)和功能作為模板，它包含一個(gè)相互連接的人工神經(jīng)元網(wǎng)絡(luò)，每個(gè)神經(jīng)元都包含一個(gè)機(jī)器學(xué)習(xí)算法。這些神經(jīng)元依據(jù)其他神經(jīng)元的輸入、與其他神經(jīng)元的連接強(qiáng)度、決定性神經(jīng)元的算法和內(nèi)部偏差來做出決策。
人工神經(jīng)網(wǎng)絡(luò)的靈感來自生物神經(jīng)元在人腦中的工作方式。人類會(huì)通過增加神經(jīng)細(xì)胞之間的連接強(qiáng)度來進(jìn)行學(xué)習(xí)和記憶。
現(xiàn)代人工神經(jīng)網(wǎng)絡(luò)可以形成由數(shù)十億個(gè)神經(jīng)元組成的機(jī)器學(xué)習(xí)系統(tǒng)。這么復(fù)雜的神經(jīng)網(wǎng)絡(luò)具備從海量數(shù)據(jù)集中挖掘出隱藏模式的能力。通過將數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)系統(tǒng)將創(chuàng)建模型來更好地識(shí)別更多的模式。例如，可以將數(shù)百萬幅狗圖像輸入神經(jīng)網(wǎng)絡(luò)中，并使其進(jìn)行自我學(xué)習(xí)、建模，讓系統(tǒng)具備識(shí)別狗的能力。這種模式可能與人類識(shí)別狗的模式不盡相同。它可能無法通過觀察狗的形狀、顏色、耳朵和鼻子來識(shí)別狗，而是通過識(shí)別狗圖像中不同點(diǎn)的統(tǒng)計(jì)模式來獲得對(duì)狗的認(rèn)知。從某種意義上說，神經(jīng)網(wǎng)絡(luò)形成了自己的一套獨(dú)特的認(rèn)知狗的方式。這種認(rèn)知方式可以讓神經(jīng)網(wǎng)絡(luò)系統(tǒng)做到即使從未見過狗，也能夠?qū)W會(huì)正確識(shí)別狗。
你應(yīng)該想象得到，神經(jīng)網(wǎng)絡(luò)的預(yù)測能力具有廣泛的實(shí)際應(yīng)用價(jià)值和巨大的商業(yè)潛力。在金融行業(yè)，神經(jīng)網(wǎng)絡(luò)可以用于發(fā)現(xiàn)市場趨勢，指導(dǎo)人們進(jìn)行交易。在制藥行業(yè)，神經(jīng)網(wǎng)絡(luò)可用于發(fā)現(xiàn)現(xiàn)有藥物的特征，并將其與新化合物進(jìn)行比較。在零售行業(yè)，神經(jīng)網(wǎng)絡(luò)能夠幫助從業(yè)者挖掘出客戶購買商品的模式，預(yù)測顧客下一次的購買意向。
許多大公司已經(jīng)將神經(jīng)網(wǎng)絡(luò)用于語音識(shí)別、轉(zhuǎn)錄和個(gè)人數(shù)字助理。例如，如果你訂閱了Netflix，則系統(tǒng)會(huì)根據(jù)你過去觀看的內(nèi)容為你推薦電影和節(jié)目。亞馬遜使用神經(jīng)網(wǎng)絡(luò)進(jìn)行有針對(duì)性的產(chǎn)品推薦，并為其個(gè)人數(shù)字助理（如Alexa）提供技術(shù)支持。
但享受神經(jīng)網(wǎng)絡(luò)的價(jià)值并不需要你付出巨大努力，想想你所在組織的數(shù)據(jù)，并從中挖掘出潛在的價(jià)值。如果你可以快速發(fā)現(xiàn)有價(jià)值的模式，那么人工智能可能對(duì)你的組織有用。
如果你不熟悉人工智能，好通讀本書，部分機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)可以讓你更好地理解后面更復(fù)雜的主題。如果你已經(jīng)熟悉人工智能，可直接從第二部分開始閱讀。
當(dāng)你閱讀本書時(shí)，請(qǐng)記住本書的目的是讓你思考在你的業(yè)務(wù)或者專業(yè)領(lǐng)域中可能存在的問題以及面臨的挑戰(zhàn)，這些是可以運(yùn)用人工智能和機(jī)器學(xué)習(xí)技術(shù)來解決的。想想你有哪些數(shù)據(jù)，思考你能夠從數(shù)據(jù)中提取出什么有價(jià)值的信息，用于面對(duì)特別的挑戰(zhàn)，回答或解決特定的問題。畢竟，如果沒有人類提出問題，思考可能的機(jī)會(huì)，人工智能和機(jī)器學(xué)習(xí)將毫無用處，它們價(jià)值的發(fā)揮是人類的創(chuàng)造力與工具的完美結(jié)合。