人工智能的發展過程是遲緩的，但這三件事可以讓它變快

編者按：2016年，人工智能行業呈現爆發趨勢，但是目前仍然處於人工智能的“初級階段”，未來還有很長的路要走，本文作者 Curtis Peterson 認為當前的人工智能發展過程是緩慢的，並給出了可以加快這一進程的三種措施。
目前，數據觀測者預算我們平均每天至少創建270萬字節的數據——足夠使數字世界每兩年翻一番。數字化分享經濟帶動應用程序市場的興起。所有生成的字節數據其中的大部分是無人問津的。我們如何有效地利用這些大量的數據呢？

一致的回答是利用人工智能。人工智能會把這些數據垃圾場中的數據用於一些應用的突破，包括從無人駕駛汽車和醫療診斷到國家安全和科學發現。但事實是，除了一些特殊的情況外，人工智能作為一門廣泛學科已停滯了幾十年。除了一些系統外，現在可利用的人工智能使用的驅動器似乎和我20多年前上大學時主修的計算機工程課中所使用的驅動器是一樣的，而那時可以在幾小時內瀏覽整個互聯網。

鑑於這種狀態，人工智能需要快速追趕上商業和信息技術中的領導者、技術專家、教育者以及決策者的腳步。我們處在一個對人工智能抱以熱切期盼的社會之中，我們都需要對它進行投資。這裏有三件我們可以做的事來幫助人工智能完成目標。
1. 培養和吸引人工智能領域的年輕人才

從教育的角度來看，我們需要培養出對人工智能生涯感興趣的年輕一代，而不是隻會敲代碼的人。現在的人工智能沒有足夠的智囊團，我們需要更多的專家和人才。人工智能的核心是困難的高級別的計算，它需要精通專業知識的博士，而不是在為期六週的訓練營培訓結束後開始編碼的畢業生。

技術領導人員可以立即去做的一件事就是識別擁有攻讀人工智能博士學位能力的人才，開始培訓他們併為他們交大學學費。然後要做的就是通過提供更好的職位和其他激勵機制去留住他們。絕大多數公司需要的人才都是無法在人才市場上找到的，並且為這些博士生交的學費要比直接聘用人才所花的費用便宜。

2. 定義和建立一個人工智能管理的框架

為了推動人工智能的發展，私人和公共部門必須規定人工智能做哪些和不能做哪些。現在很多法律都是圍繞着人制定的，但是一旦電腦學會像人一樣思考時，我們應該制定什麼樣的規則呢？我們允許人工智能根據物聯網數據或健康數據做出決策嗎？
我們既需要去規定人工智能的預期進度，還需要規定相關的邊界。並且需要股東們團結一心，去解決人工智能帶來的問題。國家科學技術委員會最近建立了一個人工智能小組委員會去解決這些問題。但是同樣需要創建更多的人工智能小組。Uber最近宣佈建立了一個人工智能實驗室，它讓人工智能的專家和研究者聚在一起，做到了一個在人工智能領域負責任的企業應該做的事情。

技術領導人員可以制定用户數據使用的公共行為準則，並且停止依靠落後的監管來定義道德行為。我們還需要從過去的錯誤中吸取教訓，比如“道德黑客”，我們並不能保證這樣的政策會給消費者帶來的收益。

3. 創建快速成效、跨行業的人工智能商業模式，產生更大的需求

目前，人工智能被定義為解決這些問題：治療癌症，破解加密數據，以及管理我們的全球電網。現在人工智能發展所欠缺的地方是滿足消費者和企業的需求。企業需要在行業的更大範圍內充分利用機器學習、自然語言處理、智能代理和人工智能附屬領域，將其運用到特定的業務領域中去。

無人駕駛汽車就是一個很好的例子。科學家已經開發出圍繞無人駕駛汽車的人工智能技術，部分原因是它們的算法只需要遠程處理中的一個特定的數據集——馬路、樹木、橋等等，而不是數據宇宙中無限的數據。申請無人駕駛汽車同樣會得到豐厚的資金獎勵。
類似的（相對）快速、特殊的獎勵將幫助產生人才、金錢、慾望和數字經濟的勢頭，以人工智能應用程序的形式將幫助我們將人工智能具體化到更大更復雜的數據集中。重要的是，這些應用程序會幫助用户衡量他們在人工智能上的投資回報率，從而估測出他們在更大範圍內使用人工智能將會帶來的影響。

需要收集大量數據，但缺乏模式或行為分析的企業會從這樣的工具中受益。我給他們的建議就是去建立一個人工智能實驗室，即使是一個小的實驗室。數據很重要，並且你不能只是坐在那裏然後希望從中獲取價值。你需要進入市場。在我的公司，我們有豐厚的回報和獎勵措施以提高用户產品體驗。使用這些知識，我們計劃在我們的空間內使用人工智能技術（統一標準、綜合通信）來實現短期、簡單但是強大的產品提升。當每個人都付出一些努力的時候，整個市場就會向前推進。

我們所期望的人工智能水平可以達到嗎？我相信會的，但最終取決於我們。作為技術領導者，我們需要行動起來，更多地參與到技術研究中來，讓這門科學不再遙不可及，使其真正地為我們工作。


翻譯來自：蟲洞翻翻 譯者ID：蓋里君

資料來源：36Kr