专注打假 三招教你识别“伪人工智能”

简介: 本文讲的是专注打假 三招教你识别“伪人工智能”【IT168 评论】好像突然之间,每一个应用程序都云服务都被人工智能或机器学习强化了,新增的各种各样的特性功能,都像魔法一样神奇。

本文讲的是专注打假 三招教你识别“伪人工智能”【IT168 评论】好像突然之间,每一个应用程序都云服务都被人工智能或机器学习强化了,新增的各种各样的特性功能,都像魔法一样神奇。

  但是市场上很多关于AI和机器学习的营销都是有误导性的,他们做出的承诺是不现实的,而且经常会在不适用的情况下使用。换句话说,有很多宣传语都是在胡说,千万不要“拜倒在它们的石榴裙下”。

专注打假 三招教你识别“伪机器学习”

  在解释如何判断软件或服务是否真正使用机器学习或AI之前,先来说明一下这些术语的真正含义:

  人工智能是一种广泛的认知技术,可以使特定的或情境推理、计划、学习、交流、感知,以及能够处理对象达到预定目标的能力。这些技术以不同的组合方式,创造机器或软件实体,或至少表现得像人类和其他动物物种所拥有的自然智能。正如自然生命的智慧在不同物种间的变化一样,人工智能的智能也同样如此。

  机器学习是人工智能的一个子集。它指的是专门用于检测模式和观察结果的技术,然后利用这种分析来调整自己的行为或引导人们做出更好的结果。机器学习不需要我们与智力相关联的那种感知和认知;它只需要非常好的、非常快速的模式匹配,以及将这些模式应用于它的行为和建议的能力。这与人类和其他动物的学习方式是一样的:知道什么是有效的,什么时候该做的更频繁,知道去避免那些不好的东西。相比之下,一台普通的机器只做它被告知或被编程的事情。

专注打假 三招教你识别“伪机器学习”

  真伪AI/机器学习的判断依据:

  1:将逻辑与学习两个概念混淆

  近年来,机器学习取得了很大的进步,所以并非所有机器学习都是“南郭先生”。快速的方法是向供应商询问软件或机器人是否可以在不进行软件更新的情况下自动学习和调整。另外,问清楚对方如何训练它;训练如何帮助它学习你的环境并得到期望的结果。

  大多数营销人员所谓的机器学习只是逻辑上的。从第一天开始,程序员就一直在使用软件中的逻辑来告诉程序和机器人该做什么。复杂的逻辑可以为软件或机器人提供多种路径,根据逻辑设计的参数来进行处理。

  今天的硬件可以运行非常复杂的逻辑,因此应用程序和设备看起来是智能的,能够自己进行调整。但大多数人并没有真正认识到,如果他们的开发人员没有预料到这种情况,他们就不能像一个真正的机器学习系统一样自己调整,通过基于模式分析的试验和错误处理。

  即使真正的机器学习已经到位,机器学习系统也会被它的逻辑所设定的任何参数所约束——不像真正的人工智能,它不能在编程的世界之外发现新的事实,只能学会理解和与编程的世界互动。

  2、物联网或云技术的使用让它变得智能

  营销人员喜欢采用热门的技术术语,并将它们洒在已有的产品上。许多人并不真正理解这些术语的含义,或者他们不关心。他们只需要你的关注。如果你看到的是流行语,而缺乏技术细节,就应该清楚这是一个伪人工智能了,这是一项适应新市场应用的老技术。

  如今,物联网和云计算都很热门,所以它们往往是营销的核心。两者确实都可以在机器学习或人工智能系统(真正的人工智能系统)中发挥作用,但并不是非常重要的角色,如果它们被随便拿来用的话,你就要小心了。

  物联网依赖于本地和网络传感器,同时依靠本地和服务器(云)逻辑分析和执行器来做一些分析工作。总之,这让设备看起来很智能,因为它们被编程,可以自动调节它们所感知到的各种事件。对于机器学习来说,它们是学习部分的重要输入,也是调整后的操作的输出。

  云计算带来了过去无法想象的处理和数据存储功能。设备不必承担所有的开销;相反,他们可以将所有的工作和硬件都转移到云上,以支持应用。这就是苹果的Siri、微软的Cortana和谷歌现在的工作方式:他们把你的演讲发送到云端,然后把它转化为响应,然后再把它发送回你的手机。这样,你就不必在你的口袋里装一个主机或数据中心,或者把它放在你的桌子上。因此对于机器学习来说,云计算可以说是一种分析处理能力上的支持。

专注打假 三招教你识别“伪机器学习”

  3、机器学习就意味着智能

  Siri、Cortana和Google Now这样的服务真的让人印象深刻。但是,我们很快就能看到他们在编程之外的领域是让人崩溃的,他们用简单的网络搜索来寻找他们没有事先编好的东西。不过现在,毫无疑问,苹果、微软和谷歌都在使用机器学习,让它们看起来更聪明。

  如果有人声称应用程序、服务或机器是智能的,那几乎就是一个伪机器学习了。当然,人们会用“智能”这个词作为一种“更有力的逻辑”的捷径,但如果他们不解释“智能”是什么意思,你就应该知道,他们把你当成傻子了。

  事实是,大多数被贴上“智能”标签的技术并不智能,仅仅是“能”。区别在于,智能需要智慧和认知,而“能”只需要信息和利用信息的能力。

  就连IBM大肆宣传的Watson也不是真正意义上的智能。它很有能力,它非常快,它可以学习。但如果Watson真的足够智能,IBM现在就能统治商业世界。沃森不会治愈疾病,无法帮助中东地区实现和平,也不能创造新的税收优惠或者解决世界饥饿问题。不过如果价格合适,它可以帮助人们更好地处理各种各样的行为,做出决策。

  不要相信那些不提供依据而大肆吹嘘自家产品的供应商,他们只想把东西卖给你然后赚钱。

原文发布时间为:2017-07-19 

本文作者:谢涛

本文来自云栖社区合作伙伴IT168,了解相关信息可以关注IT168

原文标题:专注打假 三招教你识别“伪人工智能”

目录
相关文章
|
5月前
|
机器学习/深度学习 人工智能 文字识别
文本,文字扫描01,OCR文本识别技术展示,一个安卓App,一个简单的设计,文字识别可以应用于人工智能,机器学习,车牌识别,身份证识别,银行卡识别,PaddleOCR+SpringBoot+Andr
文本,文字扫描01,OCR文本识别技术展示,一个安卓App,一个简单的设计,文字识别可以应用于人工智能,机器学习,车牌识别,身份证识别,银行卡识别,PaddleOCR+SpringBoot+Andr
|
6月前
|
人工智能 自然语言处理 搜索推荐
人工智能在智能客服系统中的情感识别与应对
人工智能在智能客服系统中的情感识别与应对
|
5月前
|
机器学习/深度学习 人工智能 算法
【坚果识别】果实识别+图像识别系统+Python+计算机课设+人工智能课设+卷积算法
坚果识别系统,使用Python语言进行开发,通过TensorFlow搭建卷积神经网络算法模型,对10种坚果果实('杏仁', '巴西坚果', '腰果', '椰子', '榛子', '夏威夷果', '山核桃', '松子', '开心果', '核桃')等图片数据集进行训练,得到一个识别精度较高的模型文件,让后使用Django搭建Web网页端界面操作平台,实现用户上传一张坚果图片 识别其名称。
54 0
|
7月前
|
机器学习/深度学习 人工智能 算法
人工智能在医疗影像识别中的应用与挑战
【2月更文挑战第5天】 传统医疗影像识别依赖于医生肉眼观察和经验判断,但这种方法存在着主观性和误判的风险。随着人工智能技术的发展,医疗影像识别逐渐引入了深度学习、卷积神经网络等技术,为医生提供了更精准的诊断工具。本文将探讨人工智能在医疗影像识别中的应用现状、技术挑战和未来发展方向,旨在展示人工智能在医疗领域中的巨大潜力和影响。
|
7月前
|
机器学习/深度学习 人工智能 算法
鱼类识别Python+深度学习人工智能+TensorFlow+卷积神经网络算法
鱼类识别Python+深度学习人工智能+TensorFlow+卷积神经网络算法
108 2
鱼类识别Python+深度学习人工智能+TensorFlow+卷积神经网络算法
|
7月前
|
人工智能 Shell 开发工具
全球人工智能技术创新大赛【热身赛一】布匹疵点智能识别:比赛全流程体验(baseline训练+Docker提交)
全球人工智能技术创新大赛【热身赛一】布匹疵点智能识别:比赛全流程体验(baseline训练+Docker提交)
249 1
|
机器学习/深度学习 编解码 人工智能
中科院团队新研究:人工智能有助于从空间分辨转录组学中识别组织亚结构
中科院团队新研究:人工智能有助于从空间分辨转录组学中识别组织亚结构
157 0
|
人工智能 自然语言处理 API
调用百度api实现人工智能文本语义识别
调用百度api实现人工智能文本语义识别
195 0
调用百度api实现人工智能文本语义识别
|
机器学习/深度学习 人工智能 编解码
《GAP8人工智能物联网芯片》:毫瓦级人脸识别 – 识别篇
人脸识别因在安全领域的不同应用(门锁,门禁,闸机等)而受到了学界,业界及媒体的广泛关注,同时人脸识别也可以被广泛应用于各种其他方案,如刷脸取纸,账户管理等等。设备可自动的使用者(区别于其他使用者)可以创造出完全不一样的用户体验,如人脸识别咖啡机可识别了解每个用户对不同咖啡的喜好程度,从而推荐或制作符合用户口味的咖啡。同时,咖啡供应商也可以根据结果进行更详细的市场分析,物流管控,生产调整等从而获得更高的利润。是否可以仅用数美金就让现有设备配备可以长期依赖电池运行的人脸识别功能? AliOS Things + GAP8让这一切可以轻松得以实现!
《GAP8人工智能物联网芯片》:毫瓦级人脸识别 – 识别篇
|
机器学习/深度学习 人工智能 文字识别
【人工智能】机器学习及与智能数据处理之降维算法PCA及其应用手写字体识别以及【自定义数据集】
利用PCA算法实现手写字体识别,要求: 1、实现手写数字数据集的降维; 2、比较两个模型(64维和10维)的准确率; 3、对两个模型分别进行10次10折交叉验证,绘制评分对比曲线。
465 1
【人工智能】机器学习及与智能数据处理之降维算法PCA及其应用手写字体识别以及【自定义数据集】