很多文章的报道都是由微观而宏观，今日小编讲给大家带来的关于人工智能在2019年的状态的资讯也不例外，希翼可以在一定的程度上开阔你们的视野！y有对人工智能在2019年的状态这篇文章感兴趣的小伙伴可以一起来看看
部分真实世界的AI问题，这是一种常见的心理现象：足够重复任何一个词，它最终会失去所故意义，像湿透的组织一样分解为语音虚无。对于我们许多人来说，“人工智能”这个词在很久以前就已经以这种方式崩溃了。人工智能现在到处都是技术，据说是从电视到牙刷的所有功能，但从来没有让自己的意思更少。
虽然毫无疑问，“人工智能”一词毫无疑问地被滥用，但这项技术比以往任何时候都要好 - 无论好坏。它被用于医疗保健和战争;它帮助人们制作音乐和书籍;它会仔细检查您的简历，推断您的信誉，并调整您在手机上拍摄的照片。简而言之，无论你喜欢与否，它都会做出影响你生活的决定。
无论你喜欢与否，人工智能都被用来做出关于你生活的决定。
与科技公司和广告商讨论AI的炒作和咆哮可能很难对比。以Oral-B的Genius X牙刷为例，这是今年在CES上推出的众多设备之一，它们吹捧了所谓的“AI”能力。但是，除了新闻稿的顶线之外，所有这些意味着它提供了非常简单的反馈，关于你是否在正确的时间和地点刷牙。有一些聪慧的传感器可以解决刷子在嘴里的位置，但称之为人工智能就是胡言乱语，仅此而已。
如果没有涉及炒作，就会产生误解。新闻报道可以夸大研究，在任何含糊的AI故事上贴上终结者的照片。通常这归结为对人工智能甚至是什么的混淆。对于非专家而言，这可能是一个棘手的主题，人们经常错误地将当代人工智能与他们最熟悉的版本混为一谈：故意识的计算机的科学视野比人类聪慧多倍。专家指AI的特定实例的人工一般智力，如果我们曾经制造这样的事情，它很可能是一个在未来很长的路要走。在那之前，没有人通过夸大AI系统的智能或能力来帮助他们。
无论如何，AI是什么?(从顶部顺时针方向：电影Metropolis的模型，Oral-B的AI牙刷，自动送货机器人。)
那么，谈论“机器学习”而不是AI更好。这是人工智能的一个子领域，它包含了几乎所有对世界影响最大的方法(包括所谓的深度学习)。作为一个短语，它没有“AI”的奥秘感，但它更有助于解释技术的作用。
机器学习如何运作?在过去的几年里，我阅读并观看了数十种解释，我发现最实用的区别就在于名称：机器学习就是让计算机能够自己学习。但是，这意味着是一个更大的问题。
让我们从一个问题开始吧。假设您要创建一个可以识别猫的程序。(它总是猫由于某些原因)。你可以尝试用老式的方式通过编程在明确的规则中编写，比如“猫有尖耳朵”和“猫是毛茸茸的。”但是当你向它展示一只老虎的照片时，程序会怎么做?在所有需要的规则中进行编程将是耗时的，并且您必须在此过程中定义各种困难的概念，例如“闷热”和“轻微”。更好地让机器自学。因此，您可以为它提供大量的猫照片，并通过这些照片查看它所看到的自己的图案。它首先连接点几乎随机，但你反复测试它，保持最好的版本。并且及时，它很好地说什么是猫而不是猫。
到目前为止，如此可预测。事实上，您之前可能已经阅读过这样的解释，我很抱歉。但重要的不是阅读光泽，而是真正考虑光泽所暗示的含义。让决策系统像这样学习有什么副作用?
嗯，这种方法的最大优点是最明显的：你永远不必实际编程。固然，你做了很多修补工作，改进了系统处理数据的方式，并提出了更聪慧的方法来提取信息，但你并没有告诉它要追寻什么。这意味着它可以发现人类可能会错过或从未想到的模式。而且因为所有的程序需求都是数据 - 1和0 - 所以有很多工作你可以训练它，因为现代世界充满了数据。手中拿着机器学习锤，数字世界充满了准备好被钉到位的钉子。
与DeepMind的一系列Go-playing AI系统一样，自学的机器可以产生强大的效果。由谷歌通过Getty Images拍摄的照片
但是，那么也要考虑它们的缺点。如果您没有明确地教授计算机，您如何知道它是如何做出决定的呢?机器学习系统无法解释他们的想法，这意味着您的算法可能因错误的原因而表现良好。同样地，因为所有计算机都知道你提供它的数据，它可能会获得一个偏见的世界观，或者它可能只擅长看起来类似于之前看到的数据的狭窄任务。它没有你对人类所期望的常识。你可以建立世界上最好的猫识别器程序，它永远不会告诉你小猫不应该驾驶摩托车，或者猫更可能被称为“Tiddles”而不是“Megalorth the Ondying”。
教电脑为自己学习是一个明智的捷径 - 就像所有捷径一样，它涉及到偷工减料
教电脑为自己学习是一条明智的捷径。和所有快捷方式一样，它涉及到偷工减料。AI系统中有智能，如果你想称之为。但它不是有机智能，它不会遵循人类所做的相同规则。你也可以问：一本书有多聪慧?在煎锅中编码了什么专业知识?
那么我们现在的人工智能在哪里?经过多年的头条宣布下一个大的突破(其中，好了，他们还没有完全停止还)的，也有专家认为我们已经达到了一个东西高原。但这并不是进步的障碍。在研究方面，我们现有的知识中有大量的途径需要探究，而在产品方面，我们只看到了算法冰山的一角。
风险资本家，前人工智能研究员李开复将当前时刻描述为“实施时代” - 技术开始“从实验室渗透到世界之外。”另一位风险投资策略师本尼迪克特·埃文斯比较机器学习关系数据库，这是一种企业软件，它在90年代制造了财富并彻底改变了整个行业，但是你的眼睛看起来很平庸，可能只是阅读这两个词。这些人正在做的一点是，我们现在正处于人工智能正常快速进展的地步。“最终，几乎所有东西都会在[机器学习]的某个地方进行，没有人会关怀，”埃文斯说。
他是对的，但我们还没有。
在这里和现在，人工智能 - 机器学习 - 仍然是新的，往往是无法解释或未经检查的。因此，在本周特刊“The Verge，AI Week”中，我们将向您展示它现在是如何发生的，这项技术如何用于改变事物。因为在将来，你会发现它是如此正常，你甚至都不会注意到。
