讀人工智慧全傳08人工智慧的今天

1. 人工智慧的今天

1.1. 未來，或許有些領域會有非常明顯的人工智慧痕跡，有些領域則不會

1.2. 2018年，來自計算機視覺處理器公司英偉達的研究人員證明了人工智慧軟體能夠創造出虛假的人物照片，並且能夠完全令人相信它是真實的

1.2.1. 由被稱為生成性對抗網路的全新神經網路製造

1.2.2. 事實上它們是由神經網路創造的

1.3. 2018年末，AlphaFold是一個能根據基因序列來預測蛋白質3D結構的程式，能夠解決名為“蛋白質摺疊”的問題

1.3.1. 使用經典的機器學習技術來學習如何預測蛋白質結構，這意味著在理解蛋白質性狀方面邁出了一大步

1.4. 2019年4月，世界上第一張黑洞的照片問世

1.4.1. 黑洞影像是透過人工智慧實現的：人們使用先進的計算機視覺演算法來重建影像，“預測”圖片中缺失的元素

2. 人工智慧醫療

2.1. 哪怕是對政治和經濟最不敏感的人都能意識到，不管是對政府還是對企業而言，醫療衛生都是全球最重要的經濟問題之一

2.2. 在過去的兩個世紀裡，醫療衛生的改善可能是工業化和科技世界帶給人們的最大福祉

2.2.1. 1800年，歐洲人的壽命預測不會超過50歲

2.2.2. 今天，預測一個人能活到70歲是非常合理的

2.2.3. 20世紀40年代抗生素的出現，首次為細菌感染提供了可靠、有效的治療方法

2.3. 可喜的進展又帶來了新的問題

2.3.1. 人類的平均壽命增長了，老年人通常比年輕人需要更多的醫療衛生資源，這就意味著醫療衛生的成本在整體上升

2.3.2. 隨著我們開發更多的治療疾病的新方法和研製更多新的藥品，可以治療疾病的總體範圍增加了，這也導致了更多的醫療支出

2.4. 個人醫療健康管理系統是人工智慧在醫療健康領域的重要新機遇

2.4.1. 可穿戴裝置使個人醫療健康管理成為可能

2.4.2. 這些裝置持續監測我們的生理資料，比如心率和體溫等

2.4.3. 大量的使用者不斷生成當前健康狀況的資料流，人工智慧系統可以對這些資料進行分析

2.5. 阿爾茨海默病是一種毀滅性的疾病，對人口老齡化的社會構成了巨大挑戰，可以輔助早期診斷或者管理阿爾茨海默病的工具將非常受歡迎

2.6. 自動化診斷是人工智慧在醫療保健領域的又一個令人興奮的潛在應用

2.7. 謹慎地推動人工智慧在醫療領域的應用

2.7.1. 醫療衛生行業是一個人文學科，可能比起任何職業都更需要與人互動和與人交往的能力

2.7.1.1. 全科醫生需要“解讀”病人，瞭解病人的社會背景，瞭解哪些治療方案對這個病人可能更有效，而哪些方案是無效的，等等

2.7.2. 有些人更傾向於依賴人的判斷，而不是機器的判斷

2.8. 兩個問題需要說明

2.8.1. 把人類專家的判斷奉若圭臬，實在是太過天真的想法

2.8.1.1. 每個人都會有缺陷，即使是最勤奮、最有經驗的醫生，也會有感到疲憊或情緒化的時候

2.8.1.2. 不管我們怎麼努力去克服，都難免或多或少帶有偏見以及經驗主義

2.8.1.3. 我們人類並不太擅長做理性決策，而機器可以做出與人類專家同等水準的判斷，醫療衛生行業的挑戰或者說機遇，應該是將機器的這種能力用最佳的方式利用起來

2.8.1.4. 人工智慧的作用並不是取代人類的醫療衛生專業人員，而是用來增強他們的能力，讓他們從某些煩瑣的工作中解脫出來，更專注於專業領域中真正困難的部分

2.8.1.4.1. 讓他們的思考更加全面

2.8.2. 選擇人類醫生還是人工智慧醫療程式那是已開發國家的人才會抱怨的問題，對世界上許多地方的人來說，要麼接受人工智慧，要麼就無人處理

3. 無人駕駛汽車

3.1. 人工智慧能夠帶來大幅降低交通事故的前景：在發展智慧中期內出現無人駕駛汽車，已經成為可能

3.1.1. 利用計算機程式來控制汽車駕駛，顯然更高效，能夠更好地利用稀缺和昂貴的燃料或動力資源，從而產生更環保、執行成本更低的汽車

3.1.2. 計算機程式在利用電子地圖和導航方面也更具備優勢，例如，可以為擁擠的交通道路帶來更好的通行能力

3.1.3. 如果汽車變得安全，它們就不再需要如此昂貴和沉重的保護底盤，這將再次降低汽車的價格和油耗

3.1.4. 既有老牌汽車公司不顧一切地拒絕被時代車輪甩掉，也有新公司發現有機會來搶奪傳統汽車製造商的蛋糕

3.2. 2014年，美國自動化工程師協會為自動駕駛分級制定了標準

3.2.1. Level 0：人工駕駛

3.2.1.1. 汽車沒有自動控制功能，駕駛員始終自主控制車輛

3.2.1.2. 儘管車輛會提供警告和其他資料用來輔助駕駛員駕駛

3.2.1.3. 如今公路上的絕大部分汽車都是L0級

3.2.2. Level 1：輔助駕駛

3.2.2.1. 汽車提供了一定程度的控制，通常是在常規駕駛方面，但駕駛員仍須在駕駛過程中保持全神貫注

3.2.2.2. 自適應巡航控制系統是輔助駕駛的一個例子，它可以使用剎車和油門來控制車速

3.2.3. Level 2：部分自動化

3.2.3.1. 汽車可以參與轉向和速度的自主控制，但駕駛員同樣需要持續監控駕駛環境，並準備好在必要的時候進行干預

3.2.4. Level 3：有條件自動駕駛

3.2.4.1. 駕駛員已經不再需要持續監控駕駛環境，儘管汽車可能會要求使用者在遇到無法應對的情況下進行控制

3.2.5. Level 4：高度自動化駕駛

3.2.5.1. 汽車能夠自動完成正常駕駛操作，不過駕駛員仍然可以干預駕駛行為

3.2.6. Level 5：全自動駕駛

3.2.6.1. 你只需要坐上一輛車，說出你的目的地，然後剩下的所有事情都交給汽車自動處理

3.2.6.2. 這種汽車甚至連方向盤都沒有

3.3. 脫離接觸

3.3.1. 指人類駕駛員不得不干預汽車行駛，接管汽車控制權的情況

3.3.2. 2017年，有20多家公司向加利福尼亞州提交了自動駕駛汽車脫離報告

3.3.2.1. 一家名為Waymo的公司遙遙領先，該公司的自動駕駛汽車平均每行駛5000英里才報告1次脫離

3.3.2.2. 表現最差的是汽車巨頭梅賽德斯-賓士，每千英里不少於774次脫離

3.3.2.2.1. 汽車行業經驗的積累並不是無人駕駛汽車技術取得成功的關鍵條件

3.3.2.2.2. 無人駕駛汽車的關鍵不是內燃機，而是軟體——人工智慧軟體

3.3.3. 2018年，Waymo的報告說，該公司旗下無人駕駛汽車已經達到平均行駛超過11000英里才報告1次脫離的水準

3.4. 出現完全無法預計的突發狀況,人類駕駛員可以憑藉豐富的經驗進行處理，利用經驗思考處理方案，如果實在來不及思考，也會憑藉直覺處理

3.4.1. 人駕駛汽車沒有直覺這種奢侈的東西

3.4.1.1. 在可以預見的未來，它們也不會擁有

3.5. 另一個艱難的挑戰是如何從我們的道路現狀(道路上所有車輛都是由人類駕駛)，到一個混合過渡(即道路上的車輛部分由人類駕駛，部分自動駕駛)，最終過渡到完全無人駕駛

3.5.1. 無人駕駛汽車在駕駛時的行為與人類不同，這會讓與之共用道路的人類駕駛員感到困惑和不安

3.5.2. 人類駕駛員的行為是不可預測的，他們不一定會嚴格遵守交通法規，這就使人工智慧很難理解他們的行為，並與之安全地互動

3.6. 無人駕駛汽車技術在某種形式上很快就會在日常生活中應用

3.6.1. 採礦業已經大規模使用自主汽車駕駛技術

3.6.2. 橫跨英國和澳大利亞的跨國礦業集團力拓集團於2018年宣稱，在西澳大利亞皮爾巴拉地區，他們的大型自動卡車車隊已經運送超過10億噸礦石和礦產

3.6.2.1. 更偏向“自動化”而不是“自主駕駛”

3.6.3. 無人駕駛汽車在有限的環境中能夠發揮巨大作用

3.6.3.1. 無人駕駛車輛似乎非常適用於工廠、港口或者軍事設施區域

3.7. 在城市和主要高速公路上設定無人駕駛汽車專用車道

3.7.1. 發出一個明確的訊號：小心機器人司機