时间: 2021-08-03 09:59:24 人气: 16 评论: 0
AI**思考围棋。但是，AI**思考么？我倾向于认为目前的AI并不**思考，或者换个角度，目前的AI不**像人类一样思考。
柯洁大战AlphaGo落幕已经有一段时间了，蹭热度的文章也已经不少了。AI这个话题，又开始被人们广泛讨论。其实在第一场棋后我就想写篇文章，终于还是拖了大半个月。
自媒体一如既往喜欢调动民众情绪，人工智能将取代人类甚至统治人类的观点甚嚣尘上。人们眼中的AI更多的是《终结者》和《西部世界》那样的**思考且能力极其强大的存在。不了解AI的人，要么极度低估了AI，要么极度高估了AI，这样的论调，就是属于后者。
在回答这个问题之前，先分享一个答案。知乎上我回答了一个问题——AlphaGo「理解」围棋吗？
答案如下：
一个东西，看起来像鸭子，叫起来像鸭子，那么这就是鸭子。
我们怎么判断人理解围棋？可以和对手下棋，理解规则。有布局有细节操作，根据对手有针对性下法，懂得怎么赢下来比赛。所以我们觉得人理解围棋。机器也可以做到相同的事情，甚至比人做得好。所以机器也理解围棋。
只是人不理解机器而已。机器学习的算法，SVM也好，神经网络也好。不是机器不理解所输入的样本。而是人不理解怎么把机器输出结果的逻辑，用人能理解的逻辑表达出来。
AI**思考围棋。但是，AI**思考么？我倾向于认为目前的AI并不**思考，或者换个角度，目前的AI不**像人类一样思考。
人是怎么学习的呢？作为一个dota资深菜鸟玩家，当我第一次玩王者荣耀的时候，选了英雄，看了技能介绍，第一局就拿到了非常好的数据。在这之前，我没有看过任何王者荣耀的视频或者介绍。而整个学习过程只有几分钟。
AI是怎么学习的呢?如果有一个dota碾压职业玩家的AI，想学习王者荣耀，之前训练出的模型瞬间失效。这个时候只能拿到职业选手的大量比赛视频，进行算法训练。整个学习过程需要大量的计算资源，并且需要一段较长时间的训练评估。
这里面看到了人类为作为自然界46亿年进化出的生物算法，相比较婴儿期的AI算法，具有一个绝对优势：快速迁移学习的能力。目前AI并不具有这种能力，而且在可预期的时间内，不可能具有这种能力。
脑科学领域研究目前没有突破性进展，我们并不知道人类怎么思考。而在机器学习领域，算法从规则算法升级到机器学习之后，我们也不知道机器怎么思考。
但是如果把人和机器作为一个黑箱，我们发现人和机器作为不同的系统，信息处理能力非常不一样。
在新场景下，人拿到的信息非常少，也能快速适应，比如鲁滨逊漂流荒岛，可以迅速适应并生存。而机器学习在缺少数据和规则不明确的情况下，无法发挥作用。
在稳定场景下，有大量反馈数据的情况下，人的决策能力反而不如AI。这也是人类个体单个大脑算力决定。在面对大量数据的时候，人**归纳数据，分析数据，并从数据中提取大量规则。在遇到问题的时候用规则快速决策。
这个归纳数据，分析数据的过程，本身就是信息丢失的过程。换句话说，拿到1000条数据和拿到10000条数据，对于人而言差别可能不大。而计算机基于统计算法和学习模型，最大规模的保存了信息量，数据量不断增长，决策效率也**不断提高。
总结而言：人可以通过复杂的类比、联想等策略，在无明确目标的新场景下表现良好。AI在明确的场景，并且有足够数据反馈的情况下，可以**过人类的决策。
人工智能**替代的领域有哪些？这是一个老生常谈的问题。
总结而言：长期固定类型的脑力劳动工作者，决策数据来自线上数据库或者可以被线上数据大量收集，工作效果可以有线上数据的反馈或者记录。
在这些行业中，需要根据数据做出判断。而由于数据过载，大量的数据人在决策是时候无法完全利用，只能挖掘数据中的一些规则，做出应对方案。在这样的领域，人是很容易被替代的。
比如运营排期，广告投放，素材设计，医生诊断，等等。
在互联网中，活动排期通常是需要依赖运营手动配置，在个性化推荐引擎面前，千人一面的活动排期本身就是有先天缺陷的。而个性化推荐引擎可以分期所有的历史用户行为，给出最优结果。素材设计目前淘宝已经上线，虽然有时候**有明显的Badcase，但是根据每个人的历史行为数据给出的banner素材，引流效果在总体上肯定是优于千人一面的banner样式的。
广告投放也好，金融分析也好，都是需要分析历史的结果，以及进行不断优化过程数据，而高效处理数据则是算法的强项。
在医生诊断领域，大量的检查数据，需要有效的处理，要求医生有足够多的背景知识，而无论哪个医生，有多么充分的经验，都不可能了解所有的案例。一方面人工智能知识储备和案例储备远远**过人，另一方面，对图像的处理和识别的能力也慢慢提高。人工智能通过大量的样本学习，目前顶尖的人工智能诊疗在一些领域已经**过了人类医生的水平。
当然，随着信息化程度变高，语义识别图像识别的发展，计算机信息收集能力的提高。越来越多的固定直接可能被取代：同声传译，金融分析，自动驾驶等等。
目前的计算机计算能力，和AI算法的发展情况来看，AI在短期内**快速普及，并渗透进信息化程度比较高，且人力成本比较高的行业。比如：互联网广告投放，互联网运营，金融，医疗等等。但与此同时，这些行业的人并不**完全消失，而是需要更少的人，需要这些人有更多的技能。
机械化时代之前，农民种地，一个人能照看土地也就几亩，只要**翻地播种除草施肥就够了。而目前现代化的农场主。一个人可以照看公顷级别的土地。但是需要驾驶收割机，拖拉机，使用机械装置施肥，播种。
计算机的发明，无数数学家物理学家从繁琐的计算中挣脱，而探索新的领域。未来人需要不断通过创造力发现和探索新的场景，而AI则可以通过数据，在定义好的场景下发挥到极致。
人虽然不能在医疗诊断中战胜AI，但人可以研究新的诊断技术和方法。人虽然不能在Feed流排序的时候战胜个性化推荐，但人可以探索新的用户场景，引入新的内容模式。一个特定的医疗诊断，一个确定样式的Feed流，就是棋**，人无法在这个棋**上和AI争胜负，但并非就此被取代。人类要做的不是战胜AI，而是用自己独特的思考能力，不断开拓AI的使用场景。
人不能在围棋上战胜AI，但人可以发明围棋。
潘一鸣，人人都是产品经理专栏作家，THU/PM，知乎专栏：产品逻辑之美
本文原创发布于人人都是产品经理。未经许可，禁止转载。
