近年來(lái)，遇到了一些關(guān)于人工智能的誤解。

有時(shí)在與別人討論人工智能時(shí)，都覺得討論的是兩個(gè)不同的主題。

關(guān)于人工智能（AI）有很多的誤解，下面就是最常見的幾個(gè)。

1、應(yīng)用AI系統(tǒng)只是AGI的有限版本

人工智能，即AGI，一直是圖靈和今天所有AI科學(xué)家的動(dòng)力。

盡管許多人認(rèn)為，人工智能的最新技術(shù)仍遠(yuǎn)遠(yuǎn)落后于人類的智慧。

AGI幫助我們理解了人類和自然智能的各個(gè)方面，因此，我們根據(jù)理解和模型構(gòu)建了有效的算法。

然而，當(dāng)涉及AI的實(shí)際應(yīng)用時(shí)，AI從業(yè)者并不一定將自己局限于人類決策，學(xué)習(xí)和解決問題的純模型。

相反，為了解決問題并實(shí)現(xiàn)可接受的性能，AI從業(yè)者經(jīng)常做出構(gòu)建實(shí)際系統(tǒng)所需的一切。

導(dǎo)致深度學(xué)習(xí)系統(tǒng)的算法突破的核心是一種稱為反向傳播的技術(shù)。

2、有一個(gè)萬(wàn)能的AI解決方案

一個(gè)常見的誤解是：人工智能可以用來(lái)解決每一個(gè)問題。

現(xiàn)實(shí)情況大不相同：人工智能系統(tǒng)需要設(shè)計(jì)，有時(shí)需要大量設(shè)計(jì)，并且需要經(jīng)過專門培訓(xùn)的模型才能應(yīng)用于問題

雖然類似的任務(wù)，特別是涉及感知世界的任務(wù)（如語(yǔ)音識(shí)別，圖像或視頻處理）現(xiàn)在都有一個(gè)可用的參考模型庫(kù)，但這些模型需要專門設(shè)計(jì)以滿足部署要求，但可能沒有用。

此外，AI系統(tǒng)很少是基于AI的解決方案的唯一組件。

通常需要許多定制的經(jīng)典編程組件來(lái)組合以增強(qiáng)系統(tǒng)內(nèi)使用的一種或多種AI技術(shù)。

3、AI與深度學(xué)習(xí)相同

深度學(xué)習(xí)或深度網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)的大規(guī)模，“深層”不是指深層思考，而是指我們現(xiàn)在可以在人工神經(jīng)網(wǎng)絡(luò)中承擔(dān)的隱藏層數(shù)（之前它最多只有少數(shù)，現(xiàn)在它們可以在數(shù)百）。

深度學(xué)習(xí)方法中的“學(xué)習(xí)”是指模型的生成，而不是在新數(shù)據(jù)可用時(shí)能夠?qū)崟r(shí)學(xué)習(xí)的模型。

深度學(xué)習(xí)模型正在在線學(xué)習(xí)應(yīng)用程序中使用。這種系統(tǒng)中的在線學(xué)習(xí)是使用不同的AI技術(shù)實(shí)現(xiàn)的，例如強(qiáng)化學(xué)習(xí)或在線神經(jīng)進(jìn)化。

這種系統(tǒng)的局限性在于，只有在離線學(xué)習(xí)期間主要經(jīng)歷使用領(lǐng)域時(shí)才能實(shí)現(xiàn)深度學(xué)習(xí)模型的貢獻(xiàn)。

生成模型后，它將保持靜態(tài)，并且對(duì)應(yīng)用程序域中的更改不完全可靠。

現(xiàn)在有了像Sentient Ascend這樣的平臺(tái)使用進(jìn)化算法來(lái)推動(dòng)網(wǎng)站優(yōu)化，大量的歷史數(shù)據(jù)不再需要有效，而是使用神經(jīng)進(jìn)化來(lái)根據(jù)網(wǎng)站的當(dāng)前環(huán)境實(shí)時(shí)轉(zhuǎn)移和調(diào)整網(wǎng)站。

在大多數(shù)情況下，深度學(xué)習(xí)系統(tǒng)是由大型數(shù)據(jù)集推動(dòng)的，因此從大型獨(dú)特?cái)?shù)據(jù)集生成新的有用模型的前景加劇了誤解。

4、這都是關(guān)于大數(shù)據(jù)的

不是，它實(shí)際上是關(guān)于良好的數(shù)據(jù)。大型不平衡數(shù)據(jù)集可能具有欺騙性，尤其是當(dāng)它們僅部分捕獲與域最相關(guān)的數(shù)據(jù)時(shí)。

此外，在許多領(lǐng)域，歷史數(shù)據(jù)可能變得無(wú)關(guān)緊要。

例如，在紐約證券交易所的高頻交易中，最近的數(shù)據(jù)與2001年以前尚未采用十進(jìn)制數(shù)據(jù)的數(shù)據(jù)相比具有更大的相關(guān)性和價(jià)值。

5、如果解決了我們需要的問題，那意味著正在使用AI

實(shí)際上，圖靈的定義不會(huì)反駁這一點(diǎn)。

然而，就主流人工智能而言，一個(gè)完全設(shè)計(jì)的系統(tǒng)，比如能夠?qū)崿F(xiàn)不使用任何AI技術(shù)的自動(dòng)駕駛汽車，是不會(huì)被認(rèn)為是AI系統(tǒng)的。

如果系統(tǒng)的行為不是引擎蓋下使用的AI技術(shù)的緊急行為的結(jié)果，而是程序員以確定性和工程化的方式從頭到尾編寫代碼，那么系統(tǒng)不被認(rèn)為是基于AI的系統(tǒng)。

盡管圍繞人工智能存在著誤解，但人工智能仍然存在，而且是未來(lái)的窗口。

未來(lái)還有很長(zhǎng)的路要走，才能解決所有問題并實(shí)現(xiàn)大規(guī)模工業(yè)化。