你刷短视频时,系统为啥总推你爱看的?手机拍照,怎么就能自动识别出风景和人脸?说白了,这背后啊,都是人工智能在默默“打工”。但你可能要问了,这人工智能,它具体是怎么工作的?它真像电影里那样,是个会思考的“大脑”吗?今天咱就来唠唠这个,用大白话给你讲明白。
很多人一听“人工智能”,就觉得高深莫测,脑海里立马浮现出机器人统治世界的画面。打住,咱们先把这个科幻滤镜关掉。目前咱们生活中接触到的人工智能,绝大部分的核心工作就一件事:模仿人类在特定任务上的判断能力。
它不是凭空创造智慧,而是通过海量的数据,去学习人类做决策时的“套路”。举个例子,你教一个小孩认猫,你得给他看很多猫的图片,告诉他这是猫。人工智能也一样,你要让它学会识别猫,就得“喂”给它成千上万张标注好的猫图和非猫图。这个过程,就叫“训练”。训练好了,它再看到一张新图片,就能根据之前学到的“套路”(比如猫有圆脸、尖耳朵、长胡子)去猜:嗯,这玩意儿有87%的概率是只猫。
所以说,它的工作起点,就是处理数据和寻找规律。它干的不是“思考”,而是“计算”和“匹配”。
人工智能完成一项任务,比如给你推荐电影,通常要经历三个关键步骤。咱们拿这个当例子,一步步拆解。
人工智能自己没长眼睛耳朵,它怎么知道你喜欢啥呢?这就需要我们把信息转换成它能懂的语言——数据。
*你的行为变成数据:你每次在视频平台点了什么赞、收藏了啥、看了多久,甚至在哪一秒滑走了,这些行为都被悄悄记录,变成一串串数字。
*电影本身也变成数据:电影的标签(喜剧、科幻)、演员、导演、简介,甚至用户的历史评论,都会被分析,变成结构化的信息。
这步就好比给人工智能准备食材,食材(数据)越丰富、质量越高,它后面做出来的“菜”(推荐结果)才可能越合你胃口。
食材备好了,现在该下锅炒了。这一步是人工智能真正“工作”的地方,主要在它内部的“模型”里完成。
*模型是啥?你可以把它理解成一套极其复杂的数学公式和规则。这套规则是在之前“训练”阶段,从海量数据里总结出来的。
*它是怎么推荐的?系统会把代表你喜好的数据,和代表电影特征的数据,一起塞进这个模型里。模型开始飞速计算,进行比对和预测:“根据过去十万个和用户A口味相似的人的数据来看,他们看了《流浪地球》后,有92%的人也喜欢《星际穿越》。所以,把《星际穿越》推荐给用户A的成功率很高!”
这个过程是静默且高速的,可能零点几秒就完成了。它没有情感,只是在执行概率计算,找出最有可能让你满意的那个选项。
计算完成了,模型得出了一个结论(比如:推荐《星际穿越》)。但这还不够,它需要把这个结论变成你能感知到的形式。
于是,它会把“推荐《星际穿越》”这个指令,转化成你能看到的:在APP首页的一个醒目位置,出现《星际穿越》的封面图,下面可能还有一行小字“根据你的喜好推荐”。点击,就能直接播放。
你看,它的一份工作闭环就完成了:收集信息 -> 分析计算 -> 给出结果。从你刷手机,到看到推荐,这个“打工人”已经悄无声息地完成了一次高效服务。
了解了基本工作流程,你可能会发现,哎,这套路好像在很多地方都见过。没错,人工智能现在已经是个“斜杠青年”了,身兼数职。
*在手机上:语音助手(比如你叫“小度小度”)、人脸解锁、拍照美颜,这些都是它在实时处理你的声音和图像。
*在出行时:地图软件的智能导航,能预测路况、规划省时路线;自动驾驶汽车更是集大成者,要同时处理摄像头、雷达的海量数据,做出瞬间的驾驶决策。
*在娱乐时:除了内容推荐,游戏里的智能NPC(非玩家角色)也越来越像真人,能和你进行有来有回的对话。
*在专业领域:医疗影像分析,帮医生快速筛查病灶;金融风控模型,评估贷款风险;甚至科研领域,帮助科学家从浩如烟海的论文中发现新的研究思路。
说真的,它的“就业范围”还在不断扩大。但记住一点,目前绝大多数应用,都属于“弱人工智能”或“专用人工智能”。意思是,它们只擅长某一件事。下围棋的AlphaGo不会推荐电影,识别猫的AI也开不了车。离我们想象中那种啥都会、有意识的“强人工智能”,还差着十万八千里呢。
聊了这么多,不知道你是不是对人工智能的工作有了点实感。它不像一个魔法黑箱,更像一个建立在数据和算法上的、不知疲倦的模式识别专家。
我个人觉得啊,咱们对待它的态度,不妨中立一点,乐观一点。没必要过分恐惧,觉得它马上要取代所有人。它更像是锤子、汽车一样的工具,是来辅助和增强人类能力的。它能处理我们处理不过来的海量信息,完成重复枯燥的计算,把我们从一些繁琐劳动中解放出来,让我们有更多精力去从事创造性的、有情感交流的工作。
当然,问题也存在。比如,它依赖的数据如果本身有偏见(比如历史上某种招聘数据偏向男性),那它学到的“套路”也会带有偏见,这就是常说的“算法偏见”。再比如,隐私和安全,也是个需要时刻绷紧弦的大问题。
所以,咱们普通人要做的,不是抗拒它,而是试着去理解它运作的基本逻辑。知道它是怎么“想”的,你就能更好地利用它,也能更清醒地看待它给出的结果。比如,当推荐系统给你打造了一个“信息茧房”时,你能意识到,并主动去搜索一些不同的观点,打破这个循环。
---
说到底,人工智能这个“打工人”,干得怎么样,最终还得看咱们这些“老板”——人类——怎么去设计任务、提供数据和制定规则。它的未来,其实就握在咱们手里。技术本身没有好坏,关键看用它的人,怀着怎样的目的和智慧。咱们一起,边用边看,边学边想吧。
