程式員花14小時查找假疫苗，人工智慧就不行！
假疫苗的事件引起了很多網友的關注,近日，某程式員從昨天早上9點到晚上11點吐血抓取了各個地方網站的數據整理的數據表，並進行了數據分析和整理，統計出了長春長生的疫苗究竟賣到了哪些地方。
感謝這些默默無聞的程式員，為社會正能量做出的貢獻。雖然現在很多人擔心，人工智慧越來越強大，會編程的人工智慧也已經出現，那麼程式員會下崗嗎？
答案當然很明顯：不可能下崗！比如上文中的程式員，我們的社會就需要這樣的程式員！這樣有愛心有責任感的程式員，怎麼可能被社會淘汰呢？！再來分析現在的人工智慧發展，以及人工智慧與程式員之間的微妙關係，你就明白了。
隨著移動互聯網的爆發，數據量呈現出指數級的增長，大數據的積累為人工智能提供了基礎支撐。2006年，Hinton教授提出“深度學習”神經網路使得人工智慧性能獲得突破性進展，進而促使人工智慧產業又一次進入快速發展階段。
按產業鏈結構劃分，人工智慧可以分為基礎技術層、AI技術層和AI應用層。基礎技術層主要聚焦於數據資源、計算能力和硬體平臺，數據資源主要是各類大數據，硬體資源包括晶片研發、存儲設備開發等。AI技術層著重於演算法、模型及可應用技術，如計算智能演算法、感知智能演算法、認知智能演算法。AI應用層則主要關注將人工智慧與下游各領域結合起來，如無人機、機器人、虛擬客戶服務、語音輸入法等。
過去幾年，矽谷最大的科技公司正在積極發展新的計算技術，即機器學習。在傳統的編程方法中，工程師寫下精確的指令讓電腦去執行。而對於機器學習技術，程式員編寫的並不是讓電腦去執行的指令。程式員只是訓練電腦。如果你希望讓神經網路去識別小貓，那麼不需要告訴電腦小貓的長相，例如眼睛、耳朵和皮毛。你只需向電腦展示成千上萬的小貓照片，隨後電腦自己就能在圖片中找出小貓。如果你將狐狸的照片混在了小貓照片中，那麼也沒有關係，你只需要給予電腦大量正確的訓練即可。
這樣的方法並不新穎，出現時間已有數十年，但直到近期才變得更強大。這部分是由於深度神經網路的興起。這樣的大規模分佈式計算系統模擬了大腦中的多層神經元結構。無論你是否意識到這點，機器學習都已經在我們的線上活動中扮演了重要角色。
Facebook使用機器學習去判斷，將哪些內容投放至你的消息流。穀歌照片使用機器學習去識別照片中的人臉。微軟的Skype Translator能即時翻譯不同語言之間的對話，而基礎也是機器學習。無人駕駛汽車利用機器學習去避免交通事故。甚至穀歌搜索引擎也開始依靠深度神經網路。
今年2月，穀歌任命機器學習專家約翰·吉安南德裏(John Giannadrea)為搜索業務負責人，並啟動新專案給工程師培訓這一新技術。吉安南德裏表示：“通過開發學習系統，我們不需要再編寫這些規則。”
不過問題在於：在機器學習系統中，工程師無法知道，機器如何去完成自己的工作。神經網路的運行很大程度上不透明，令人無法捉摸。換句話說，這是個黑盒。隨著這樣的黑盒在我們的日常生活中扮演越來越重要的角色，它們不僅將變革人類與技術之間的關係，將改變我們對自己、對世界，以及對我們與世界關係的思考。
如果說在傳統觀念中，程式員就像是上帝，是電腦系統規則的制定者，那麼現在他們更像是家長，像是寵物的訓練員。作為家長或者寵物的主人，你與孩子或寵物的關係將會有些說不清、道不明。
在很長一段時間裏我們仍需要程式員，不過這樣的需求將逐漸下降，而編程將成為一項“元技能”。用艾倫人工智慧研究所CEO奧林·艾奇奧尼(Oren Etzioni)的話來說，編程的目的將變成為機器學習的運行“搭腳手架”。量子力學的發展並沒有徹底打破牛頓經典力學，而代碼仍將帶來強大的力量，並且是我們探索世界的工具。然而，在提供特定的功能方面，機器學習將會代替我們去做很多工作。
說到人工智慧學習，穀歌就曾經在去年推出了AIY計畫，起目的就是讓人人都可以DIY自己的AI人工智慧產品，真正實現AI平民化，讓更多人能學習、探索並體驗人工智慧。AIY全稱是 Artificial Intelligence Yourself，顧名思義就是利用 AI 來進行的 DIY 功能套件。穀歌一共為自己的AIY專案發佈了兩款AI硬體產品—— AIY Voice Kit 和 AIY Vision Kit。這項計畫不僅可以幫助程式員們，也可以幫助初學者一起瞭解和學習人工智慧。
感謝這些默默無聞的程式員，為社會正能量做出的貢獻。雖然現在很多人擔心，人工智慧越來越強大，會編程的人工智慧也已經出現，那麼程式員會下崗嗎？
答案當然很明顯：不可能下崗！比如上文中的程式員，我們的社會就需要這樣的程式員！這樣有愛心有責任感的程式員，怎麼可能被社會淘汰呢？！再來分析現在的人工智慧發展，以及人工智慧與程式員之間的微妙關係，你就明白了。
隨著移動互聯網的爆發，數據量呈現出指數級的增長，大數據的積累為人工智能提供了基礎支撐。2006年，Hinton教授提出“深度學習”神經網路使得人工智慧性能獲得突破性進展，進而促使人工智慧產業又一次進入快速發展階段。
按產業鏈結構劃分，人工智慧可以分為基礎技術層、AI技術層和AI應用層。基礎技術層主要聚焦於數據資源、計算能力和硬體平臺，數據資源主要是各類大數據，硬體資源包括晶片研發、存儲設備開發等。AI技術層著重於演算法、模型及可應用技術，如計算智能演算法、感知智能演算法、認知智能演算法。AI應用層則主要關注將人工智慧與下游各領域結合起來，如無人機、機器人、虛擬客戶服務、語音輸入法等。
過去幾年，矽谷最大的科技公司正在積極發展新的計算技術，即機器學習。在傳統的編程方法中，工程師寫下精確的指令讓電腦去執行。而對於機器學習技術，程式員編寫的並不是讓電腦去執行的指令。程式員只是訓練電腦。如果你希望讓神經網路去識別小貓，那麼不需要告訴電腦小貓的長相，例如眼睛、耳朵和皮毛。你只需向電腦展示成千上萬的小貓照片，隨後電腦自己就能在圖片中找出小貓。如果你將狐狸的照片混在了小貓照片中，那麼也沒有關係，你只需要給予電腦大量正確的訓練即可。
這樣的方法並不新穎，出現時間已有數十年，但直到近期才變得更強大。這部分是由於深度神經網路的興起。這樣的大規模分佈式計算系統模擬了大腦中的多層神經元結構。無論你是否意識到這點，機器學習都已經在我們的線上活動中扮演了重要角色。
Facebook使用機器學習去判斷，將哪些內容投放至你的消息流。穀歌照片使用機器學習去識別照片中的人臉。微軟的Skype Translator能即時翻譯不同語言之間的對話，而基礎也是機器學習。無人駕駛汽車利用機器學習去避免交通事故。甚至穀歌搜索引擎也開始依靠深度神經網路。
今年2月，穀歌任命機器學習專家約翰·吉安南德裏(John Giannadrea)為搜索業務負責人，並啟動新專案給工程師培訓這一新技術。吉安南德裏表示：“通過開發學習系統，我們不需要再編寫這些規則。”
不過問題在於：在機器學習系統中，工程師無法知道，機器如何去完成自己的工作。神經網路的運行很大程度上不透明，令人無法捉摸。換句話說，這是個黑盒。隨著這樣的黑盒在我們的日常生活中扮演越來越重要的角色，它們不僅將變革人類與技術之間的關係，將改變我們對自己、對世界，以及對我們與世界關係的思考。
如果說在傳統觀念中，程式員就像是上帝，是電腦系統規則的制定者，那麼現在他們更像是家長，像是寵物的訓練員。作為家長或者寵物的主人，你與孩子或寵物的關係將會有些說不清、道不明。
在很長一段時間裏我們仍需要程式員，不過這樣的需求將逐漸下降，而編程將成為一項“元技能”。用艾倫人工智慧研究所CEO奧林·艾奇奧尼(Oren Etzioni)的話來說，編程的目的將變成為機器學習的運行“搭腳手架”。量子力學的發展並沒有徹底打破牛頓經典力學，而代碼仍將帶來強大的力量，並且是我們探索世界的工具。然而，在提供特定的功能方面，機器學習將會代替我們去做很多工作。
說到人工智慧學習，穀歌就曾經在去年推出了AIY計畫，起目的就是讓人人都可以DIY自己的AI人工智慧產品，真正實現AI平民化，讓更多人能學習、探索並體驗人工智慧。AIY全稱是 Artificial Intelligence Yourself，顧名思義就是利用 AI 來進行的 DIY 功能套件。穀歌一共為自己的AIY專案發佈了兩款AI硬體產品—— AIY Voice Kit 和 AIY Vision Kit。這項計畫不僅可以幫助程式員們，也可以幫助初學者一起瞭解和學習人工智慧。