然而，科技和人工智能經(jīng)常讓那些糾結于人工智能是什么以及它是如何工作的復雜解釋的人感到害怕。兩位教授,尼克Polson從芝加哥大學(xué)布斯商學(xué)院和詹姆斯·斯科特從德克薩斯大學(xué)奧斯汀分校,試圖把臉?lè )旁诩夹g(shù),寫(xiě)一本書(shū),通過(guò)幾個(gè)例子說(shuō)明了人工智能的開(kāi)端的歷史人物和其他個(gè)人發(fā)達算法對于人類(lèi)的不同的問(wèn)題。

這本名為《AIQ:人與機器是如何結合在一起的》(AIQ: How People and Machines Are Smarter Together)的書(shū)列出了在第二次世界大戰中與敵人作戰的數學(xué)方法，以及在克里米亞戰爭中更好地記錄健康狀況。它的使命是讓讀者明白，人工智能只是人們?yōu)榱颂岣咝识圃斓牧硪环N技術(shù)。波爾森近期分享了本書(shū)對人工智能的一些見(jiàn)解，以及這項技術(shù)在美國新聞中面臨的挑戰。采訪(fǎng)內容經(jīng)過(guò)了篇幅和清晰度的編輯。

人和機器一起更聰明地工作。人工智能與人類(lèi)智商的結合。這也是這本書(shū)名字的來(lái)源。

它帶來(lái)的挑戰是什么?

在未來(lái)20-30年里，從幼兒園到高中再到大學(xué)，再到任何人，要更好地了解人工智能，都是一大挑戰。在可預見(jiàn)的未來(lái)，更多地了解人工智能是什么以及它是如何工作的，是人類(lèi)面臨的一大挑戰。希望人類(lèi)和機器以一種更聰明的方式一起工作是積極的方式之一。

人工智能并不新鮮，在一開(kāi)始沒(méi)有人會(huì )把它和殺人機器人或工作剝奪聯(lián)系起來(lái)。什么是AI的開(kāi)始?

人工智能的開(kāi)始將是收集和記錄數據的開(kāi)始。人工智能所需的燃料只是純數據。在這本書(shū)中，我們有7個(gè)關(guān)于人類(lèi)用人工智能解決問(wèn)題的故事。例如，19世紀50年代克里米亞戰爭期間，弗洛倫斯•南丁格爾(英國改革家、現代護理的創(chuàng )始人)是開(kāi)始收集醫療記錄的人之一，他們試圖根據數據做出更好的醫療決策。所以在某種意義上，人工智能可以追溯到數據收集的開(kāi)始，(a)很久以前。

為什么我們現在要談?wù)撍?

電腦和機器的速度越來(lái)越快，這是一場(chǎng)正在發(fā)生的大變革。我們不僅有大量的數據，比如社交媒體和其他的搜索媒介，而且我們還有更快的計算機，所以你現在可以操作和查看數據來(lái)找到模式和那類(lèi)東西。為什么(人工智能)在2018年變得越來(lái)越重要是因為(因為)更多的數據收集。而且，電腦更善于觀(guān)察和嘗試在數據中找到模式。

我們是否應該像埃隆•馬斯克(Elon Musk)預測的那樣，擔心機器人有朝一日會(huì )變得具有自我意識，并與我們作對?

我傾向于以一種更積極的方式來(lái)看待它。我們現在應該做的是更好地告訴自己。它也帶來(lái)了很多積極的東西。我們應該告訴自己它(AI)是什么，什么機器是擅長(cháng)的，以及它們是如何做到的。所以少些恐懼，多一些積極的東西——人和機器一起更聰明地工作。

(還有)埃隆·馬斯克(Elon Musk)說(shuō)過(guò)的一件有趣的事，我認為比爾·蓋茨(Bill Gates)也說(shuō)過(guò)，就是我們需要仔細考慮我們需要對人工智能實(shí)施何種監管。例如，也許你在網(wǎng)上和聊天機器人聊天，也許應該有一個(gè)小窗口說(shuō)你實(shí)際上是在和電腦說(shuō)話(huà)，而不是跟人說(shuō)話(huà)。人工智能的監管問(wèn)題也是一個(gè)很大的挑戰，但要正確監管，首先要了解它。

既然更多的任務(wù)將被自動(dòng)化，那么年輕一代應該準備什么呢?

我總是試圖說(shuō)服我的孩子們去學(xué)習數據科學(xué)或數據分析，任何你可以用來(lái)提高這些技能的課程。而且，人們喜歡研究這些類(lèi)型的東西，這是一項在過(guò)去五到十年中不斷增長(cháng)的技能，而且似乎正在爆炸式增長(cháng)。很多人想做更多的分析和數據科學(xué)，這是人工智能革命的另一個(gè)積極的方面，人們現在正試圖理解這些方法和應用。