
CDA数据分析师 出品
编译:Mika
【导读】
机器能让我们变得多聪明?Siri的联合创始人之一的Tom Gruber希望制造出 “人性化的人工智能”,从而增强人类的能力,并与我们合作,而不是与我们竞争。
今天我想给大家提供一个全新的角度看待人工智能这个领域。
我认为,人工智能的目的是用机器智能来增强人类的能力。
而随着机器变得更聪明,我们也会更聪明,我称之 为“人性化 AI”。即通过与AI合作,并强化人类的设计方式来满足人类的需求。
如今,智能助理逐渐成为主流。这象征了人类与AI之间的互动已被广泛接受,而其中一个产品就是我协助创造的Siri。
大家都知道Siri。Siri会明白你的意图,并协助你把一切搞定。
但各位可能不知道,当初我们在设计Siri时,就把它定位为“人性化 AI”,即通过对话的方式来强化人类体验,让行动成为可能。不论是谁,能力如何,都可以使用。
对我们大多数人而言,这项技术让我们更方便的使用智能产品。
但对我朋友Daniel而言,系统的AI功能却改变了他的一生。
Daniel是个很爱社交的人,他也是个四肢瘫痪的盲人。那些我们能够轻松使用的设备对他来说却很难使用。
上次我去他家,他哥哥说:“等等,Daniel还没准备好,他正在和网上认识的女生打电话。”
我说:“不错啊,他怎么办到的?”
事实上,Daniel用Siri来管理他自己的社交生活。他的电子邮件、短信、电话,而不用依赖他的照料人。这挺有趣的,对吧?
这个人通过AI,帮助他与真正的人类建立了关系,这就是人性化的人工智能。
还有一个可以改变人生的例子,也就是癌症诊断。
当医生怀疑病人有癌症时,他们会先取样交给病理学家,病理学家再利用显微镜来看样本。
病理学家每天要看数百片的载玻片,以及数百万个细胞。
所以为了支援这项工作,有几位研究人员做出了一种人工智能分类器。
如今,分类器已经会根据图片分辨这是否是癌症。
分类器挺厉害的,但没有人类那么厉害,人类大部分都能判读正确。但当机器与人类的能力结合在一起时,准确率可以达到99.5%。
加上人工智能的帮助,人类病理学家能减少个人判断时85%的错误。这其中很多的癌症患者,当初就是因误判而耽搁了治疗。
人类比较擅长判断假阳性案例。而机器则比较擅长判断难以辨别的案例。
但我们学到的并不是谁在图像分类上比较厉害,那些东西每天都会变。这里我们学到的是,通过结合人类与机器的能力,创造出的合作关系会有超人般的表现,而这就是人性化的人工智能。
我们再举个例子,这方面的进步也是突飞猛进,那就是设计。
假设你是个工程师,想要设计一个新的无人机骨架。
你打开你最爱的软件,电脑绘图辅助工具CAD。输入了外形和材料,然后按下分析表现,它只会跑出一种设计方案。
如果你把这些工具拿给AI使用,它会帮你跑出数千种设计。
如今,人类工程师只要说出想要实现的设计,机器就会得出许多种可能的方案。
现在,作为工程师的工作就是选出一种最符合目标的设计,这是作为人类最擅长的,用的就是人类的判断和专业知识。
在这案例中脱颖而出的设计一点也不刻意,就像是自然而然设计出来的。
现在来想想,如果跟着人性化AI的发展,它会把我们带到哪些意想不到的境界?
我们想要实现哪些方面的强化?认知强化如何?
别再问:“我们能把机器做到多聪明?”
而是要问 “我们的机器能把我们变得多聪明?”
举个例子,记忆。
记忆是人类智能的基础,但人类的记忆力是出名的差。
我们很会说故事,但无法保证细节都是准确的,我们的记忆会随时间衰退。
但如果你能拥有和计算机一样好的记忆力,而且这些记忆与你的人生有关,那会如何呢?
如果你能记得你见过的每一个人,叫得出每一个人的名字,家庭状况的细节,他们最爱的运动,你和他们上次的对话,那会如何呢?
如果你一生都有这样的记忆,你就可以让人工智能去看看你过去,与人们的所有互动,并帮助你反思你的人际关系。
如果我们能让人工智能去阅读所有你阅读过的内容,去听你听过的每首歌,会如何呢?
从最微小的线索,它就能帮助你找回你以前看过或听过的任何东西。
想像一下,这对于建立新连结以及产生新点子的能力会有什么影响。
那么我们的身体呢?
如果我们能记得吃过的每样食物,每颗药物,那会如何?
我们可以根据自己的数据进行研究自己,找出什么会让我们感觉很好并保持健康。
想像一下,这会对治疗过敏及慢性病带来怎样的革命。
我相信,人工智能能够实现个人记忆的强化。我不知道何时或需要哪些机遇,但我认为它一定会到来。
因为人工智能在当今够成功的原因,就是这些唾手可得的综合性数据,以及机器能从这些数据中理解出意义的能力,能够被应用到我们生活中的数据上。
我们现今就已经能够取得那些数据了,因为我们可以直接用手机或上网的方式将我们的生活与数字科技连接。
依我所见,个人的记忆是私人的记忆。我们可以选择是否要回忆或保留哪些记忆,这种安全性绝对是有必要的。
对大部份人来说,增强个人记忆所产生的影响会是可以获得心智上的成长,或是希望可以有更好的社交能力。
但对于数百万受阿兹海默症及痴呆症折磨的人而言,增加记忆能造成的改变就是让那孤独的人生,过上有尊严与外界保持联系的生。
我们现在正处于人工智能繁荣发展的时期当中。
仅仅在过去几年,我们就开始看到人工智能问题的解决方法。而这在过去数十年来一直是无法解决的问题,比如:语音理解、文字理解、图像理解,我们可以选择要如何使用这强大的技术。
我们可以选择用人工智能来做自动化的工作,并与我们竞争。我们还可以选择用人工智能,来做增强化的工作,与我们合作来克服我们的认知限制,并帮助我们去做我们想要做的事,而且做得更好。
随着我们发现新的方式来将智能赋予机器,我们可以把那种智能移转到全世界所有的人工智能助理身上。且不论如何,都要确保每个人都能因此受惠。
这就是为什么每次当机器变更得聪明,我们也会变得更睿智,而这就是人工智能值得推广的原因,谢谢!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28