为什么要制定与人类能力相匹配的AI

在过去几年里，人工智能几乎覆盖了所有新闻版面，吸引了企业家、投资者和消费者的很多目光。我们可以看到它的潜力：自动驾驶交通工具、家庭机器人助手以及亚马逊Echo 14.0版本，它们可以让人们做些人类大脑永远都无法思考的事情。这样的未来并不遥远，也许十年时间就能成为现实。

但是，正如我们所谈论的AI话题和阅读与AI有关的文章那样，我们中的许多人仍然以错误的方式思考这个问题。人们把AI与人类智能相提并论，常常把人类智能视为AI所能达到的最终目标。我们已经非常熟悉人类智能，因此想要用它来作为衡量标准是很自然的事情。但事情是这样的：人类智能更接近于最底层。

对许多人来说，AI的目标是创造出能像人类那样思考的技术。但它过于简单化了，认为任何智能（无论是人类智能还是人造智能）都能在如此简单的尺度上被评价为“好还是坏”。有些人擅长记忆、逻辑推理或情商，而有些人视觉或听觉能力更强。类似地，AI也有优势和弱点。此外，为什么要制定能与人类能力相匹配的AI目标，而且要将打败人类智能纳入研究范畴呢？

想想所有AI似乎已经超越人类智能的所有维度。人类能在短短1秒内将一段文字翻译成300种语言中的任何一种吗？如何立即确定最佳驾驶路线以避开所有交通拥堵？在许多任务中，机器的表现已经超过了我们，特别是那些涉及大数据处理的任务。

别误会我的意思。令我感到兴奋的是，AI开始通过观察和与世界互动模仿人类，并学习人类的能力。这就是所谓的通用人工智能（AGI），它不需要通过数据训练就可直接获得经验。

当然，电影产业正被通用AI所吸引——机器以人类的形态出现，有完整的五官，能够理解世界，并与世界沟通。想象与人类在形态和智力上难以分辨的机器共存是一种超现实的、有趣的想法，但它并不是理解AI当前环境和轨迹的有用基准，以及AI将如何影响大多数产品和行业。AI不应该被以人类的方式来评判。

相反，AI在未来10年的最大影响可能是特定领域。为了实现这一目标，AI需要数据，而且是大量的数据。这些新的令人惊叹的智能形式诞生于快速算法，后者可以处理越来越多的数据。

专注于某个领域的AI和数据驱动软件正处于引发大规模工业颠覆的边缘。例如，在Applied SemanTIcs以及后来的谷歌中，我们建立了机器学习系统，从数百万则广告中选出最好的，而所有这些都在几毫秒内完成。每次我们为一个没有点击的广告服务，它就成了一个额外的数据点，可以用来训练AI，因为这是系统学习的一个小机会，更重要的是，可以帮助AI对这个世界做出新的结论。有了数万亿个数据点，这些系统就变得出奇地有效，肯定远远超出了人类的能力范畴。

我们正在见证对数据的需求呈几何级数增长。商业世界几乎每一个行业和领域都朝着数字化转型的方向发展：从实体购物到电子商务，从电视广告到移动营销，从现金到加密等等。这些新的规范要求软件、AI和数据，大量的数据。

这正是我创建Factual的原因：为数字创新提供最高质量的位置数据，包括AI。数据公司帮助企业开发新产品、获取客户，并理解现实世界中的使用模式。为了打造用于生产此类数据的引擎，我们必须打造自己的AI，而这反过来又会得到来自合作伙伴的更多数据所支持，这是一个非常好的反馈循环。

我们专有AI的有效性无法轻易地与人类相提并论，因为其能力位于不同的智力维度，例如通过处理数万亿个数据点来获得意义。AI许多最有前途的应用并不是那些看起来最像我们的应用，而是那些可以做我们从未想过的事情的应用。