
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
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13