将人工智能技术融合到其他行业中来！

在未来 20 年内，随着机器人技术的进步，自动驾驶汽车、工业机器人和医用机器人将拥有更强的能力、更高的自主性，并得到更为广泛的应用。不可避免，这些自主机器人可能会犯下决策方面的错误，造成数百上千人死亡。但如果人类参与其中，这种灾难是可以避免的。

这样的未来固然可怕，不过一旦人类社会能负责任地运用机器人技术，获救的生命将多于造成的死亡。

机器学习的过程

机器人并非经由人类“编程”而模仿人类的决策过程。它们从大数据中学习，利用从数据中推导出的复杂数学公式，执行诸如“识别红绿灯”之类的任务。机器学习过程需要的数据量远远超过人类所需。然而，一旦经过训练，机器人在任何特定任务中的表现都将优于人类。借由机器学习，人工智能和机器人的性能在过去五年里已经获得了极大的提升。

我在这篇文章提出的观点适用医疗健康、制造业及其他正在快速实现自动化的行业。先以自动驾驶为例，一位经验丰富的人类司机，一生中可能有几十万英里的驾驶经验，而谷歌旗下的自动驾驶汽车公司Waymo，仅在2021年一年间就完成230万英里的上路测试里程，其背后的AI技术通过数据学习了每一辆车的驾驶经验，而且这些自动驾驶车辆永不疲劳，也不像健忘的人类司机，可能忘记他们曾经犯的错误。

特斯拉公司的“智能召唤”功能首次推出后，汽车可以在没有车主操作的情况下，离开停车位并绕开障碍物。一开始许多用户抱怨这个新功能表现得不尽如人意，但在短短几周内，特斯拉公司便收集了早期用户的数据，重新训练了新功能背后的机器学习模型。从此，“智能召唤”显著获得改进，成为了特斯拉新车的一大关键竞争优势。

构建AI模型和数据集

来自 EPRI 的 Renshaw 报告了几个方面的进展。

例如有 300 多家企业机构参加 L2RPN 挑战，构建具有强化学习功能的 AI 模型。有些企业能够同时控制多达五个任务来防止停电。

Renshaw 表示：“我们希望实现 80% 普通操作任务的自动化，这样操作人员就可以更加专注于解决 20% 最复杂的挑战。”

2021 年的一份关于 AI 如何应对气候变化的报告将 L2RPN 工作作为一个重要的用例。这项工作今年正在扩展到更复杂的模型。

此外，EPRI 正在整理 10 组匿名数据，电力公司可以使用这些数据训练 AI 模型并使用这些模型处理他们最关键的工作。其中一个数据库已经有 15 万张由无人机拍摄的老化电力设备图像。

EPRI 还领导一个初创企业孵化器，使电力公司可以与 NVIDIA 初创加速计划成员 Noteworthy AI 等 AI 初创企业合作开展创新的项目。为了保护共享数据的隐私，EPRI 可以使用 NVIDIA FLARE 软件来训练AI模型。

未来电网发展拐点

EPRI 还在两座办公楼开展了试点项目，使用 AI 减少了 30% 的电能浪费。继去年电力线路遭到勒索软件攻击后，EPRI 正在与其他方面合作研究如何使用机器学习加强网络安全。

有待解决的问题还在不断增加。不过 Perez 告诉了我们一个好消息：全球正在采取行动为创建一个更加智能、清洁和安全的电网提供大量资金，比如《美国基础设施投资和就业法案》。

他表示：“我们现在正处于一个拐点。如果没有 AI 和高性能计算，我们根本无法制定出适合未来电网的可行计划。”

加州大学伯克利分校齐亚德·波米耶(ZiadObermeyer)副教授发表了题为《剖析算法偏差以及利用机器学习发现诊断错误》的主旨演讲。他以急诊室中测试心脏病发作为例，表明可以使用机器学习识别医生诊疗中的偏差。他还展示了算法预测和医生决策之间的对比，表明AI算法不仅可以辅助决策，还是产生科学知识强有力的新工具。