【儀表網(wǎng) 儀表下游】導讀：實現(xiàn)我們的人工智能目標需要改變當前的數(shù)據(jù)范式；是時候?qū)⑷祟愔糜贏I培訓過程的中心了。
 

　　將人工智能作為解決具體問題的技術(shù)的熱情是不可否認的，也是值得注意的。但是，盡管每天通過監(jiān)督學習或強化學習等流行的人工智能方法仍取得了很大進展，但這些經(jīng)典方法的使用方式往往是單一的，這可能也是阻礙人工智能的因素。
 

　　雖然人工智能在越來越多的領(lǐng)域取得了越來越大的成功，但它仍然主要作為一種工具來執(zhí)行狹隘的任務(wù)，或者作為一種簡單的自動化形式，而不是與人類用戶建立關(guān)系的支持伙伴。它很大程度上依賴于精心策劃或注釋的數(shù)據(jù)，大多是歷史數(shù)據(jù)，而且只能非常間接地從人類用戶那里學習。
 

　　人工智能在某些情況下具有非凡的預(yù)測能力，但卻無法具備人類從嬰兒時期就具備的適應(yīng)能力。它只是不能像人類那樣根據(jù)從未遇到過的數(shù)據(jù)進行推斷。此外，對更高精確度的需求導致了越來越大和復雜的模型、計算密集型訓練和工程挑戰(zhàn)，這些挑戰(zhàn)阻礙了我們在基于人工智能的解決方案中尋求的可信度、可移植性和可擴展性。
 

　　實現(xiàn)我們的人工智能目標需要改變當前的數(shù)據(jù)范式；是時候?qū)⑷祟愔糜贏I培訓過程的中心了。從設(shè)計到部署將人力和AI資源混合的好處在其他獨立研究中得到了呼應(yīng)，例如麻省理工學院斯隆2020年人工智能全球高管研究和研究項目的發(fā)現(xiàn)，以及由此產(chǎn)生的結(jié)果在德勤洞察中，協(xié)作甚至被稱為“超級團隊”。
 

　　人工智能(Artificial Intelligence)，英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學。
 

　　人工智能是計算機科學的一個分支，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機器，該領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能從誕生以來，理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴大，可以設(shè)想，未來人工智能帶來的科技產(chǎn)品，將會是人類智慧的“容器”。人工智能可以對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。
 

　　與標準的AI方法相比，設(shè)計、培訓和部署混合人類用戶和AI代理的解決方案提供了新的成功途徑。模仿學習、課程學習和其他較新的技術(shù)已經(jīng)展示了通過利用人類的專業(yè)知識、反饋和指導來訓練人工智能的其他方法。與其將我們自己局限于一種方法，不如我們可以擁有一切，并將所有這些不同的方法結(jié)合在一起，與人類一起構(gòu)建新的智能系統(tǒng)，而不再局限于任何特定的方法、模型或算法。考慮到人類和人工智能各自的優(yōu)勢和劣勢，這種人與人工智能的伙伴關(guān)系將產(chǎn)生的不僅僅是其各部分的總和，利用互補的能力來實現(xiàn)僅靠一個或另一個不可能或很難實現(xiàn)的結(jié)果。然而，為了讓人工智能代理與人類盡可能緊密地協(xié)同工作，具體的方法、途徑和技術(shù)是有必要的。值得注意的是，它要求體系結(jié)構(gòu)設(shè)計自然有利于多代理、多人、技術(shù)不可知的分布式方法，在研究、原型和操作之間快速、無摩擦地反復迭代。
 

　　資料來源：千家網(wǎng)、百科