凱瑟琳·沃爾奇（Kathleen Walch） 

追蹤人工智能行業(yè)的人們面臨的挑戰(zhàn)之一是，令人驚訝的是，對于真正的人工智能還沒有公認(rèn)的標(biāo)準(zhǔn)定義。AI專家對AI是什么都有稍微不同的定義。羅德尼·布魯克斯（Rodney Brooks）表示，“人工智能并不意味著一件事……它是人們將各種實(shí)踐和實(shí)踐結(jié)合在一起的集合”。當(dāng)然，對于需要了解什么是人工智能技術(shù)以及如何將其應(yīng)用于特定需求的公司來說，這并不是特別適合的選擇。

通常，大多數(shù)人會同意AI的基本目標(biāo)是使機(jī)器具有以前只有人類或其他智能生物才具有的認(rèn)知，感知和決策能力。Max Tegmark只是將AI定義為“非生物智能”。很簡單，但是我們還不完全了解生物智能本身的含義，因此，試圖人為地構(gòu)建它是一個(gè)挑戰(zhàn)。

從最抽象的層面上講，AI是模仿人類智慧和行為的機(jī)器行為和功能。具體來說，這通常是指我們認(rèn)為是學(xué)習(xí)，解決問題，理解和與現(xiàn)實(shí)環(huán)境交互以及對話和語言交流的東西。但是，細(xì)節(jié)很重要，尤其是當(dāng)我們試圖應(yīng)用這種智能來解決企業(yè)，組織和個(gè)人所面臨的非常具體的問題時(shí)。

說的是AI但實(shí)際上是別的意思

追求AI技術(shù)以解決最終問題為目標(biāo)的人中有一部分是：創(chuàng)建可以處理人類可以解決的任何問題，情況和思考過程的人工智能（AGI）。AGI無疑是許多在學(xué)術(shù)和實(shí)驗(yàn)室環(huán)境中進(jìn)行的AI研究的目標(biāo)，因?yàn)樗暮诵氖腔卮鹬橇κ欠裰挥猩飳?shí)體才能擁有的基本問題。但是，當(dāng)今市場上談?wù)揂I的大多數(shù)人并不是在談?wù)揂GI或解決這些基本的智能問題。相反，他們正在考慮將非常特定的AI子集應(yīng)用于縮小問題區(qū)域。這是經(jīng)典的寬/窄（強(qiáng)/弱）AI討論。

由于沒有人成功構(gòu)建AGI解決方案，因此，當(dāng)前所有的AI解決方案都很狹窄。雖然肯定有一些狹窄的AI解決方案旨在解決更廣泛的智能問題，但絕大多數(shù)狹窄的AI解決方案并未試圖實(shí)現(xiàn)比該技術(shù)所應(yīng)用的特定問題更大的目標(biāo)。這里我們要說的是，我們并不是為了解決一般的AI問題而進(jìn)行狹義的AI，而是為了狹義的AI而進(jìn)行狹義的AI。對于那些特定的組織來說，它不會變得更廣泛。實(shí)際上，應(yīng)該說很多企業(yè)對AGI并不十分在意，而這些組織的AI目標(biāo)不是AGI。

如果真是這樣，那么看來該行業(yè)對AI是什么以及它走向何方的認(rèn)識與許多研究或?qū)W術(shù)界的想法不同。企業(yè)最感興趣的不是AI，它正在解決通用智能的問題，而是人類在組織中一直在做的特定事情，而現(xiàn)在他們希望機(jī)器去做。這些任務(wù)的范圍因組織及其要解決的問題類型而異。如果是這種情況，那么為什么要為一個(gè)定義不明確的術(shù)語而煩惱呢？在這個(gè)術(shù)語中，最初的定義和目標(biāo)與實(shí)際實(shí)施中的有很大差異？

什么是認(rèn)知技術(shù)？

僅僅因?yàn)楠M窄的應(yīng)用程序而應(yīng)用狹窄的AI的更好的說法是認(rèn)知技術(shù)。企業(yè)不是在嘗試構(gòu)建人工智能，而是在利用認(rèn)知技術(shù)來自動化并實(shí)現(xiàn)需要認(rèn)知某些方面的廣泛問題領(lǐng)域。通常，您可以將這些方面的認(rèn)知分為三個(gè)“ P”類別，這些類別是從自動駕駛汽車行業(yè)借來的：

• 感知（Perceive） –了解您周圍的環(huán)境和來自傳感器的輸入。

• 與感知相關(guān)的認(rèn)知技術(shù)包括圖像和對象識別和分類（包括面部識別），自然語言處理和生成，非結(jié)構(gòu)化文本和信息處理，機(jī)器人傳感器和IoT信號處理以及其他形式的感知計(jì)算。專注于感知的功能是高級研究神經(jīng)網(wǎng)絡(luò)方法（尤其是深度學(xué)習(xí)）的發(fā)展獲得最大推動的AI研究領(lǐng)域。

• 預(yù)測（Predict） –了解模式以預(yù)測下一步將發(fā)生什么，并從不同的迭代中學(xué)習(xí)以提高系統(tǒng)的整體性能。

• 專注于預(yù)測的認(rèn)知技術(shù)利用一系列機(jī)器學(xué)習(xí)，強(qiáng)化學(xué)習(xí)，大數(shù)據(jù)和統(tǒng)計(jì)方法來處理大量信息，識別模式或異常并建議下一步和結(jié)果。神經(jīng)網(wǎng)絡(luò)在這里很有幫助，但是其他進(jìn)行機(jī)器學(xué)習(xí)的方法以及更簡單的方法（例如知識圖和統(tǒng)計(jì)貝葉斯模型）也是如此。面向預(yù)測的認(rèn)知技術(shù)涵蓋了從大數(shù)據(jù)分析到復(fù)雜的，類似于人的決策模式的范圍。

• 計(jì)劃（Plan） –使用所學(xué)到的知識和感知力來做出決策并計(jì)劃下一步。

• 以計(jì)劃為中心的認(rèn)知技術(shù)包括決策模型和方法，這些模型和方法試圖模仿人類如何做出決策。早期嘗試包括專家系統(tǒng)。較新的方法使用了在諸如啟用認(rèn)知的網(wǎng)絡(luò)安全或貸款決策等情況下使用的一系列方法。由于當(dāng)前的機(jī)器缺乏直覺，常識，情感智商以及其他使人類在計(jì)劃和決策方面變得更好的因素，因此以計(jì)劃為中心的認(rèn)知技術(shù)是可以使用更多AI通用研究進(jìn)行改進(jìn)的領(lǐng)域。

從這個(gè)角度來看，很明顯，雖然認(rèn)知技術(shù)確實(shí)是人工智能技術(shù)的一個(gè)子集，但主要區(qū)別在于，人工智能既可以應(yīng)用于AGI的目標(biāo)，也可以應(yīng)用于狹ly的AI應(yīng)用。另一方面，使用術(shù)語“認(rèn)知技術(shù)”而不是“ AI”表示接受這樣一個(gè)事實(shí)，即所應(yīng)用的技術(shù)是從AI功能中借用的，但除了用于狹窄的特定任務(wù)的技術(shù)外，沒有其他野心。

在下一個(gè)AI冬天中生存

AI行業(yè)的情緒正在發(fā)生明顯變化。營銷炒作，風(fēng)險(xiǎn)投資資金和政府興趣都有助于將對AI技能和技術(shù)的需求推向極限。我們離AGI的最終愿景還很遙遠(yuǎn)。公司正在迅速認(rèn)識到AI技術(shù)的局限性，并且正如企業(yè)在第一個(gè)AI Winter大會上所經(jīng)歷的那樣，隨著企業(yè)推遲過度承諾和交付不足的風(fēng)險(xiǎn)，我們冒著行業(yè)反彈的風(fēng)險(xiǎn)。最大的擔(dān)憂是，興趣將降溫太多，并且AI投資和研究將再次放緩，從而導(dǎo)致另一個(gè)AI Winter。但是，也許人工智能從來沒有涉及這個(gè)問題。人工智能一直是樹立學(xué)術(shù)研究和興趣的崇高目標(biāo)，就像在火星上建造定居點(diǎn)或星際旅行一樣。但是，就像太空競賽已導(dǎo)致當(dāng)今技術(shù)被廣泛采用一樣，即使我們從未實(shí)現(xiàn)AGI的目標(biāo)，AI Quest也將導(dǎo)致認(rèn)知技術(shù)得到廣泛采用。