兼听则明，偏信则暗

兼听则明，偏信则暗

——读《浅谈人工智能：现状、任务、构架与统一》有感

文：唐安陶

这篇文章先阐述了人工智能的研究现状，进而分析了各个细分学科前沿的研究方向，介绍了其中遇到以及解决思路，并穿插其中其中简要讲述了作者提倡的从整体上解决这些细分领域问题的框架——“小数据、大任务范式”，并介绍了分析这些问题时的重要模型STC-AOG、STC-PG。

如文章中所描述的那样，我们所恐惧的人工智能其实离我们还很远，现在被媒体追捧的神经网络、深度学习技术其实近年来其实只是在计算机视觉、数据挖掘、自然语言处理以及无人驾驶等等领域取得了突破。或许是存在着巨大的商业价值，但是并不如媒体所描述的那样具备智能，而是需要学习大量的历史数据，才能去解决一个范围很局限的问题，这与我们想象中的人工智能大相径庭。

在现今这种信息碎片化、自媒体兴起的时代，正是百家争鸣，抢夺流量时，为了抢夺流量，标题、内容变得越发夸张、浮躁而内容空洞，对人工智能的宣传炒作在一次次传播过程中逐渐失真。结合推荐算法，一旦你短时间内阅读了几篇人工智能的文章，可能时间线上充斥着的都是这种扭曲的信息，让人错以为人工智能的时代即将到来。2016、2017年交际之时，人工智能元年的口号几乎响彻了整个互联网，但现如今热潮退去，已经有媒体又开始报道人工智能的倒闭潮即将到来。

但是真正的人工智能离我们也很近了。就像作者说的那样，人工智能的各个细分学科正在不断取得突破，更在逐渐走向融合。5月8号在美国加州举行的GoogleI/O 2018开发者大会上，Google公布了其在各个领域取得的进展，其中Google Assistant在人工智能的惊艳表现更是令人惊叹。

GoogleAssistan在帮助用户与商户预约时，如同真人一般的语音语调，可以准确理解对话上下文，得体的应答，处理常规情况以外的突发情况，并最终促使任务完成，这不正是文章中所倡导的强人工智能吗？当然在技术落地到实际应用中时，可能没有发布会那么完美无瑕，但我们也不难看到人工智能正在快速的发展着。

历史上没有新鲜事，同样的故事其实一直在上演。2012年的大数据领域，2015年的VR领域等等，都发生过这样被热炒而又很快淡出大众视线的阶段。我深刻体会到在面对新领域时，在媒体的噪音保持冷静，坚持独立思考，以文献、以数据、以第一手的信息去分析才是正确的方式；在面对新知识时，了解它的思想，原理，认真的去学习、钻研才是正确的态度。

人工智能、机器学习其实能够给我们带来很多思考，我在学习吴恩达的coursera上的课程，真正能独自去完成图像识别，就像识别一个小猫头像，快感和成就感是很大的。而这些图像识别逐渐已经改变人们的生活，火车站减少了很多人工检票的窗口了；机器学习呢，能够帮助保险公司得出人们的驾驶习惯对于出事故频率的影响，进而可以估算风险、设计保费。

新知识、新鲜事物的出现，对工作、生活的改变肯定是巨大且有益的。首先要保持冷静，不要浮躁，紧接着要去保持好学，并且思考它对于自己的工作有没有一些改进，能不能自己去掌握它，从而改善自己的工作效率、方式和成果。