我们该害怕人工智能吗?

要说最近这两年什么领域最火，那人工智能排名第二恐怕没有别的领域可以排第一了。阿尔法围棋（Alpha Go）在普遍不被看好的情况下战胜了围棋九段李世石，更是让人工智能成为焦点。

其实人工智能并不是一门新学科，早在60年前的1956年夏天，美国达特茅斯大学召开的学术会议上，约翰・麦卡锡（John McCarthy）就首次提出了“人工智能（Artificial Intelligence，AI）”这一名词。在研讨会上，他与马尔温・ 明斯基（Marvin Minsky）等10位年轻学者共同提出了一个极具创造性的研究计划：希望通过程序让计算机能够进行棋类游戏并完成其他任务，还可以让人类智能的各种特长和学习能力都能够在机器中实现。

Gartner预计到2018年，全世界将有60亿台设备用上人工智能技术，这些设备包括互联网家电、汽车和可穿戴设备等物联网产品。此外，Gartner预计到2020年，85%的客服服务都将由人工智能客服完成，社交媒体频道自动分析、客户关系管理系统软件和个性化聊天机器人的出现将大幅减少人工客服的需求量。人工智能系统不仅可以替代传统客服人员，还可以替代普通的医疗助手，自动驾驶汽车则可以没有职业司机。

Gartner预计到2018年，45%的公司都将雇用人工智能机器人，这些机器人的数量将超越人类。此举不但能大幅降低公司成本，还能大幅提高生产力。Forrester也认为，未来十年人工智能系统将抢走美国人16%的工作岗位。但是，人工智能的兴起也会创造许多新的工作岗位，比如维护人工智能平台和设备的技术人员。

牛津大学马丁学院技术与就业项目联席主任卡尔・贝内迪克特・弗雷（Carl Benedikt Frey）和迈克尔・奥斯本（Michael Osborne）之前的研究发现，未来20年，美国将有47%的职位属于被计算机取代的岗位。

金融机构则从另一个角度看待人工智能。美林银行预计，到2025年，人工智能每年所创造的颠覆性影响所产生的价值高达140亿到330亿美元，这其中包括因为采用人工智能而减少的人工成本90亿美元和因为雇用人类所产生的医疗保险成本80亿美元，以及因为采用无人机和自动驾驶汽车提升效率而节省的20亿美元等。

在大型创投社区AngelList上，跟人工智能相关的公司有上千家，每家平均估值超过500万美元，可见风险投资对人工智能领域的关注度之高。

Markets and Markets预计，随着机器学习和自然语言处理技术在媒体、广告、零售、金融和保健领域的广泛应用，人工智能市场规模将从2014年的4.2亿美元增长至2020年的50.5亿美元。

并不是所有人都看好人工智能，太空探索和特斯拉创始人、CEO埃隆・马斯克（Elon Musk）就曾多次表示：“创造出人工智能，就像在召唤魔鬼。”物理学家史蒂芬・霍金（Stephen Hawking）近日在接受采访时表示：“我并不认为人工智能的进化必然是良性的。一旦机器人达到能够自我进化的关键阶段，我们无法预测它们的目标是否还与人类相同。人工智能可能比人类进化速度更快，我们需要确保人工智能的设计符合道德伦理规范。”

小i机器人董事长袁辉则没有那么悲观，他将人类对人工智能的关系理解为亚当和夏娃，伊甸园里那个苹果已经被吃了第一口，人们在忧虑和期待中前行，但趋势是不可逆的。袁辉认为，机器人是人工智能最重要的代表，机器人将跟我们的未来生活有密切关系。

百度首席科学家吴恩达则更加直白地表达了自己的观点，担心人工智能会给人类带来灾难就好像在人类移民还未能踏足火星前就担心火星人口会过多一样。

格灵深瞳CTO赵勇认为，在感知层面上，人工智能会在未来几年有巨大的突破，它会成为一个有智能的机器，但不能跟有灵魂的人相提并论。“把人工智能或者机器人炒作成有情感、有人性的人，都不是做人工智能的，因为在我们这个领域里面做这样事情的人非常非常少。”他认为目前人工智能领域的从业者都还在解决一些基础问题，比如：如何让人工智能系统看懂一段文字或者听懂一段语音，了解用户想表达什么意思，看懂一张照片，帮助机器人做判断等非常具体的、有用的东西。

更现实点的担心可能是来自就业问题。随着人工智能的发展，机器取代初级劳动者已经成为现实。富士康2015年就曾表示，将在三年内用自动化设备和机器人替代70%的人类工作岗位。当然，富士康大力推动自动化可能更多是从企业成本和效率方面进行考虑的，这就像当年蒸汽机、电脑发明时，人们总是担心自己被机器所取代，但是实际情况则是每次技术革命都给人类带来了巨大的进步，新技术创造的工作比消亡的旧工作要多得多，毕竟实施自动化也是要靠人来完成的。

麦肯锡全球研究院的研究显示，相比工业革命时期，现在人工智能掀起的社会变革速度要快10倍，规模要大300倍，影响更是扩大3000倍。目前来看，视频监控、自动驾驶汽车、机器人、环境监测等领域将是未来人工智能发展的主要领域。

让潜在危险无处遁形

随着城市中摄像头越来越多，人们的安全感大幅提升。但是传统的视频监控都是人工值守，视频监控只负责记录场景，具体发生什么事情需要值班人员进行人工判断，这样不仅会造成监控人员工作压力大、反应慢等问题，还容易使重要的场景被监控人员忽略。除此之外，从海量的视频信息中查找特定的信息也无异于大海捞针，过去监控人员为了找到一段视频甚至要花几十小时查看记录的影像。

随着人工智能的发展，智能视频监控开始兴起。分析监控的内容，减轻监控人员负担，提高监控效率，这就是智能视频监控的目标。

真正的智能视频监控，至少要具备下面4种能力。

第一就是对摄像机的保护。摄像机是监控获取信息的重要来源，如果摄像机得不到保护，其他的就都是空中楼阁。如果摄像机出现被遮挡、被移动、模糊不清等情况，人工智能要能够及时自动调整摄像头、报警并通知监控人员。

第二是入侵监测和运动目标跟踪。对于非正常进入监视区域的可疑目标要能够及时监测，并能够识别单个或多个目标的运动情况（如运动方向、运动速度等）。在监测到可疑目标后，发送控制指令使摄像机自动跟踪目标，在物体超出该摄像机监控范围之后，自动通知邻近的摄像机协同工作，继续进行跟踪并向监控人员发出报警信号。

第三是滞留物和搬移物报警。当监控区域中（如ATM取款间、候机室、储藏室等）某一物体（如手提箱、包裹等）在敏感区域停留的时间过长，或者原场景中存在的物体（如ATM取款机、手提电脑、仪器仪表等）被无故搬走移动时，系统就自动发出报警信号，同时自动在前面的视频画面中查找放置滞留物或搬走原有物品的可疑人。

第四是群体行为分析，包含对人群、车流等目标的正常行为和异常行为分析：能够对场景中群体的正常行为进行分析，如统计穿越出入口或指定区域的人或车的数量、高速公路交通流量，识别人群的整体运动特征，包括速度、方向等；也能够对场景中群体的异常行为进行分析和判断，如检测、分类、跟踪和记录过往行人、车辆和其他可疑物体，判断公路上是否有车辆非法停靠，是否有故障车辆，是否有行人和车辆在内发生长时间徘徊、停留、逆行等行为，检测公共场所是否有人员的集聚、奔跑、斗殴等异常行为。

智能语音机器人进入语音客服领域

“您好，请问是张先生吗？我是XX公司，我们想对您最近在我公司购买的产品做一个用户满意度调查，请问您对我们的产品满意吗？”这种用户回访电话想必大家一定很熟悉，但是大家不知道的是，可能在不久的将来，这种回访电话将由人工智能客服完成。人工智能呼叫中心可以帮助企业大幅降低建立和维护呼叫中心的人工成本。

不过，要想实现高标准的人机交互对话，智能语音技术也面临着诸多挑战。首先是人工智能对自然语言的识别和理解问题，要建立理解语义的规则，还有克服语音信息量大、语音的模糊性、环境噪声和干扰导致的语音识别率低等问题。

灵伴科技CEO陈博博士在近日举办的睿思智能社会服务云平台――AIaaS（人工智能既服务）的会上表示：“它的语音合成非常接近真人自然发声，它能够理解并生成人类正常使用的语言，避免与人交流过程中的歧义问题。智能语音应用的关键在于人机交互，它也能够理解并实现多轮对话。”睿思智能社会服务云平台基于深度神经网络建模，实现了声学模型的区分性训练，提高了语音识别的性能，基于概念体系的合理构建，实现了对话过程的高效规划，提高了人机对话的自然度，使得智能的人机对话成了一种可能。

灵伴机器人可以通过语义、情感、态度、话题、意向诱导，与人类话务员高度相似，让机器人坐席代替传统人工坐席，不仅可节省80%的客服成本，还能使企业客服总体业水平进一步提升，将大幅提升中小企业的竞争力。陈博表示：“脱离了噱头与概念才是智能语音的未来。灵伴一直在思考如何助力智能硬件产品，真正踏实了解用户交互需求，做到对语言和知识的深度理解。只有找到语音交互与硬件产品的结合点，才是智能产品长远发展的道路。”

自动驾驶离人们越来越近

来自Frost & Sullivan的数据显示，未来10年，约有30～40种来自不同整车制造商的车型将配备LIDAR（激光探测与测量）系统，拥有该系统的汽车将具有自动驾驶功能。

理论上讲，自动驾驶可以分成4个阶段：辅助驾驶员驾驶、半自动驾驶、高速自动驾驶、完全自动驾驶。

辅助驾驶员驾驶简单来说就是司机在驾驶的时候，系统会提醒他。半自动驾驶是在某些场景下，可以实现汽车自动驾驶，在大多数情况下还是由人驾驶。高速自动驾驶是在高速公路等封闭道路上实现全天候的无人驾驶。

说到自动驾驶就不得不提一下特斯拉和谷歌，特斯拉一直是自动驾驶的倡导者和践行者，谷歌则一直在进行大量的自动驾驶路面测试。

最近特斯拉被泼了冷水――一辆特斯拉Model S行驶在一条双向、有中央隔离带的公路上，自动驾驶功能处于开启模式，此时一辆拖挂车从与Model S垂直的方向穿越公路。在强烈的日照条件下，驾驶员和自动驾驶都未能注意到拖挂车的白色车身，因此未能及时启动刹车系统。由于拖挂车正在横穿公路，且车身较高，这一特殊情况导致Model S从挂车底部通过时，其前挡风玻璃与挂车底部发生撞击，造成驾驶员死亡。

针对此事，特斯拉公司表示，假使当时车辆发生的是正面撞击或追尾事故，即便在高速行驶条件下，Model S的防撞系统都极有可能避免人员伤亡的发生，因为在此前的很多起事故中，Model S都有过如此表现。

智能行车预警系统制造商Mobileye在特斯拉Model S发生事故之后表示：发生事故的特斯拉车内的摄像设备仅适用于防止后部撞击而非避让从侧面穿越而来的车辆，系统要到2018年才能对侧面的交通状况做出反应。也就是说目前特斯拉Model S的系统仅为辅助驾驶而非人们所认为的自动驾驶。

把视线拉回国内，现在有一家以实现真正自动驾驶为目标的企业驭势科技在快速发展。驭势科技从创立之初就表示：跳过辅助驾驶，直接进军自动驾驶。

“我们经常说‘发明一样东西的人是最后一个看到它过时的’，他们的基因、观念，都有路径依赖。你看英特尔做PC，它是最后一个认为PC过时的。” 驭势科技联合创始人、CEO吴甘沙表示，Mobileye从1999年至今，已经把传统视觉算法的潜力挖掘到极致了，下一步要提升只能靠深度学习，但它又不舍得把传统的算法扔掉，Mobileye芯片给深度学习留下的地方不多，这是它的历史包袱。

现在主流的自动驾驶方案主要基于三种感知技术：高精度激光雷达、高精度GPS和高精度惯性导航，而这三套设备的售价分别为70万元、50万元～100万元、30万元。仅是感知设备就需要花费将近200万元，是目前市面上家用轿车的10倍甚至更多。

在吴甘沙看来，目前自动驾驶做得最好的是谷歌，他认为谷歌是用2.0的视力在做无人驾驶――解决方案，包含激光雷达、高精度GPS、高精度惯性导航系统，但是成本高昂。而驭势科技要做的则是用1.0的视力（用商用雷达、商用GPS、商用惯性导航系统）加上强大的计算和人工智能实现和谷歌相似的效果，成本控制在3000美元以下，只有将成本降低到汽车厂商和消费者可以接受的程度，自动驾驶才能真正实现商业化。

吴甘沙选择了一条和谷歌不太一样的路线，谷歌更加重视自动驾驶的眼睛――激光雷达、高精度GPS、高精度惯性导航系统，而驭势科技将主要精力放在大脑，也就是计算系统方面吴甘沙认为提升计算能力目前看更加现实。

智能环境监测 提供决策支撑

过去环境监测都是被动的，环保部门只能根据各个监测点的数据预测对城市的环境进行评估，但是这种方法存在一些问题，比如监测点是否具有代表性、不是监测点的地方无法体现出来等。

IBM利用自身在认知计算、大数据分析，以及物联网技术上的优势，开发了绿色地平线平台，它可以分析空气监测站和气象卫星传送的实时数据流，凭借自学习能力和超级计算处理能力，能够提供未来72小时（过去一般是24小时）、1平方公里范围内的高精度空气质量预报，实现对城市地区的污染物来源和分布状况的实时监测，以及全国300个主要城市提前7天的污染趋势预报。

值得一提的是，绿色地平线平台甚至能够实时在社交网络上抓取用户即时的微博，比如者在某地吃烧烤，照片显示乌烟瘴气，平台也会将这个污染因素进行分析和评估。

在实时监测与高精度预报的基础上，IBM的研发人员通过给不同地区建立相应子模型，然后对这些模型中的大数据进行综合分析，对可能影响空气质量的相关因素进行分析预测，判断各项影响因素在不同情况下与空气质量的量化关系，从而帮助城市管理者进行环保决策。比如：怎么把污染降低到可以接受的程度，是通过关闭几家污染严重的工厂还是对机动车实行限行措施。

IBM中国研究部主管沈小伟之前在接受采访时表示：“我们的研究人员现在正在努力增加系统的功能，希望可以提供更早的天气质量预测，比如提前十天。同时，我们还加入了其他功能，比如污染源追踪、相关案列分析，并对减排措施给出合理化建议。”

链接 Gartner人工智能发展十大预测

1.作者将被机器取代

到2018年，20%的商业文件将由机器来创作和编辑。机器人已经能制作预算报告、体育和商业报道，且不带偏见和情感。

2.万物互联

到2018年，60亿相连的“物”需要支持。用户要求各类服务、数据，及合适的支持方式，新业务、新业态由此产生。

3.程序开始参与人类经济活动

到2020年，独立于人类控制的自主软件程序将参与5%的社会经济活动。智能算法开始用于独立交易。

4.机器可以控制工人

到2018年，全球将有超过300万工人由机器人管理。不过，机器人没有人的类反应和举止。

5.智能建筑暴露安全问题

到2018年，20%的智能建筑可能遭遇数字攻击。相互联系的商业和住宅建筑，在变得越来越智能的同时，遭受攻击的可能也在变大。

6.智能机器大量进入公司

到2018年，50%的快速成长型公司将使用大量智能机器和少数智能“员工”。智能“员工”系统可进行工厂运营分析和工作评估。

7.数字助手技术成熟

到2018年，数字助手可通过脸和声音来识别用户，不再依赖密码。生物识别技术发展快速。

8.智能设备降低企业用工成本

到2018年，作为雇佣条件，成百万员工将被要求穿戴健康和运动追踪设备。员工保险成本有望下降。

9.智能程序进一步发展

到2020年，智能程序可支持40%的移动交易。诸如苹果Siri的智能助手将逐渐成为通用接口。

10.出现新的安全威胁

到2020年，95%的云安全故障可能由客户自身造成，而非供应商。