6分钟让你理解AI是什麽、在做什麽、会变成什麽
　　AI在这两年发展之快速令人难以置信。从第一个自动驾驶的Uber，到AlphaGo的胜利 – 人工智慧无疑成为了镁光灯的焦点。所以，作为我们对这个社群的贡献，我们决定解码一些流行语，并且分享一些重要的统计数据，展示你应该了解的趋势。
　　需要一些茶余饭後闲嗑牙的话题吗？
　　85％的客服系统，预计将在2020年之前全部自动化。（Gartner）
　　＄ 1。5亿美金：这是截至2016年5月，投资於AI的风险投资金额。（CB Insights）
　　45％的人表示他们对网路隐私和安全的关注阻止他们以完全实名的方式使用网络。（NTIA）
　　我知道什麽是AI啦…应该吧
　　透过好莱坞电影和你书架上的科幻小说，相信你对於未来AI的样貌已经有相当多的想像。但是其实AI已经在我们身边了，只是…比较低调。
　　机器自主代理的智能行为就是AI。AI这个词描述的是大脑，而不是身体，所以今天许多的机器已经是AI了（注意AI≠机器人）。今天的AI可以完成某些特定的任务（驾驶一辆车、预订会议、挑选你的下一个Netflix影集）。人工智能研究正在导向更先进的综合人工智能（artificial general intelligence， AGI）。综合人工智能将可以用和人类一模一样的方式学习与工作，这是我们都在等待的。
　　AI的交响曲
　　AGI（综合人工智能），是在交响乐结束後的大合奏。但在我们演奏那最後磅礡的和弦之前，每个单独的乐器必须发挥最好的专业知识。我们相信AI的基础工具包括：机器学习，深度学习，自然语言理解，环境意识和数据隐私。开始演奏吧！
　　AI关键字
　　机器学习（Machine Learning， ML）
　　机器学习和AI是不一样的。机器学习是AI交响乐中的一个工具 – AI的一个组成部分。那麽机器学习（ML）究竟是什麽？它是一种从先前的数据学习进行运算以预测行为的能力。 ML是教机器在他们从未见过的情况下做出决策。
　　ML最主流的方法是向算法显示情境的数据集，并且透过训练模型告诉它什麽是正确的决定。这是有监督的机器学习。一旦模型已经被训练，我们可以通过算法喂给机器新的，更多的外部数据，并且希望机器能够在这些新的情况下做出聪明的决定。
　　打个比方：当你学习演奏小号时，你会教导手指正确的位置来吹奏音符，这是监督的AI。学习笔记是你的训练模型。你，人类机器，则负责处理「如何吹奏出之前从没看过的曲子」（玩其他乐器，播放不同的音乐，不同的节奏…等等）。
　　深度学习（Deep Learning， DL）
　　深度学习是机器学习的一个分支，其中人工神经网络 – 由神经元在大脑中工作的方式启发的算法 – 通过组合多层人造神经元来找到原始数据中的模式。随着层数的增加，神经网络学习抽象的概念的能力也越来越大。
　　例如，神经网络可以学习如何识别人脸。怎麽办到的？第一层神经元从范例图片获取像素，下一层学习像素如何形成边缘的概念，然後该层将该知识传递到其他层，组合边缘的知识以学习脸部的概念。这种分层知识的过程一直持续到神经网络可以识别特定的特徵，最终就能够判断特定的面孔。
　　深度学习是 Google DeepMind 在 AlphaGo AI 机器中使用的核心技术。这台机器在围棋对奕中击败了人类世界冠军李世乭。为什麽用围棋？因为围棋所有落子可能性的总和，比宇宙中的原子数还要多。
　　自然语言处理（Natural Language Processing， NLU）
　　AI必须与人沟通，人必须与彼此沟通。在AI中，这种理解水平被称为自然语言理解（NLU）。 NLU是人工智能研究中的一个非常重要的优先事项和挑战。为什麽？因为人类之间的沟通不像是跟机械下指令，而是一个复杂的网络关系 ：随机、乱序、幽默、情感或是冲突，自然语言和当下的情境（Context）有很大的关系。
　　一旦AI征服了人类沟通的挑战，解码复杂的问题（自然语言查询），就可以给出有意义的答案，这会是一个突破性的成长。
　　语义感知（Context Awareness）
　　目前的AI助手还没有办法像是管家或是秘书一样，懂得理解你的需求，并解能够察言观色。如果你的助理只能每天照着你的行事历提醒事项，但没有办法帮你收集其他的相关资讯…好吧，这不是一个非常有用的助理。
　　当涉及复杂任务时，理解情境与上下文的关系是非常重要的。当AI可以辨认你到底是真的命令，或是只是在开玩笑的时候，他便可能成为你真正的助理。
　　看累了吧，我们再来一些数据：
　　1，196间，这是在Crunchbase上市的AI创业公司数量，这是在全球范围内所有资助创业公司的在线名单。 （Crunchbase）
　　6％的成年人说，他们「非常有把握」政府机构可以保护他们的隐私记录和资料安全（Pew）
　　6倍：这是从2011到2015年，人工智能的创业公司股权交易增加额。这里的人工智能包括一些只是简单应用的公司：像是医疗，广告，金融，以及一般AI技术。 （CB Insights）
　　60亿：到2018年将提出服务请求的连接设备的数量。想想：你可以用手机控制烤面包机。（Gartner）
　　16％的美国就业机会将在十年之内被人工智慧取代。 （Forrester）
　　2百万需要佩戴健康和健身跟踪设备作为就业条件的员工人数（为了他们的安全！）。 Gartner
　　未来的趋势
　　“Hey， Siri” ：使用语音指令的频率会愈来愈高
　　随着用自然语言沟通的需求愈来愈多，「语音到文本」技术得到了极大的改进。像是改良版的 Siri 和 Amazon Echo 和或是 Google 语音APP的推出都是很好的真实案例。
　　AI不是机器的兴起，它是人类的机械化
　　虽然电影里面经常出现人和机械结合的剧情，但是却很少谈到这些机器具有AI。如 Elon Musk 已经开始谈论关於 AI 与人体的合并，AI 的纳米技术或许可以让人类免於死亡！听起来似乎很有发展性。
　　网路上的内容会被当做测试的基础
　　为了变得更聪明，AI需要大量的数据，模式和新的情况。许多内容平台已经引进了AI技术。比如说用户的消费模式已经在 Spotify 的「每周发现」，Netflix的「为您推荐」和 Facebook 里面被记录，你在这些平台做的筛选决策，将会成为这些AI用来学习的机会。
　　AI正在学习减少偏见
　　当一群科学家认识到他们的AI会复制人类的偏见（认为「人 ＝ 计算机程序员」或是「女人 ＝ 家庭主妇」），他们正在打破这些偏见并且让AI变得更中立。
　　科技会变得不可或缺…或是消失
　　我们今年达到了人类依赖科技的顶峰。然而，今年也有许多对於技术过度应用的反动…几个「正向技术」的运动和相关产品的诞生，像是 Tristan Harris 的《Time Will Spent》，或是 Rand Hindi 的 《Make Technology Disappear》，如 The Light Phone 和 Vinaya 手镯。
　　为了面对未来的各种情况，我们现在就需要做好资料隐私
　　AI的未来取决於数据隐私。为什麽？ 因为没有这些数据可供学习，AI就不能变得更聪明，开发进度会慢下来。也就是说，现在的这些网路公司会无所不用其极的收集你的个人资讯。而这些公司也必须致力於创造私人和安全的产品。
　　用户需要获得保证，如果他们允许AI完全访问，他们的个人数据将受到保护。