▲AI·未來
人工智能一直是近幾年大家討論的熱門話題，鋼鐵人東尼和人工智慧電腦「賈維斯」的互動讓人稱羨，那麼這樣的情景有沒有可能發生在不久的將來呢？人類有可能從勞力密集中釋放，尋求更多生命的意義嗎？
李開復博士在《AI·未来》這本書中分享了人工智能發展的過去與未來，以及中美之間的優劣勢，有助於我們初步認識整個行業，這裡擷取重點分享給大家。
美國發展較早，中國緊追在後
1990年代開始，美國已在人工智能領域有所成就，而隨著中國互聯網快速發展，中國大陸官方發佈，希望到2030年成為全球人工智能領域創新中心：
北京中關村是中國人工智能發展的核心地帶，相關資源, 政策, 人才均為重點投入目標。
2017年給予人工智能創業公司的風險投資，佔全球人工智能投資的48%，首次超越美國。
中國快速發展的互聯網，提供了海量豐富的數據，為人工智能發展建立良好優勢。
人工智能的科學方法
主要分成兩種：
1.規則式方法(符號式系統/專家系統)
指用一系列的邏輯規則來教導計算機如何思考，如”若X則Y”，通過將相關領域的專家智慧轉變成可依循的規則定義，讓人工智能軟件更好的適應現實世界，但這種方式只適合簡單且定義明確的問題，無法處理可能的選擇或操作大增的狀況。
規則式方法沒有自行學習的能力，所以當遇到的狀況不在事前的考慮範圍內時，就無法處理，因此還是有其侷限性。
2.神經網絡方法(深度學習)
既然複雜的問題，無法通過窮盡所有規則來解決，那何不如在機器上直接重建人腦呢？畢竟人腦可是處理複雜問題的專家。
神經網絡方法通過模仿人腦的「類神經網路」（Neural network），讓機器可以有「學習」能力：我們將某一現象(圖片或語音等)的大量例子輸入人工神經網絡，讓網絡從這些數據中學習，識別出規律。
「深度學習」僅能用於特定領域做出決策、預測和分類，所以需要使用大量來自特定領域的數據，才能為想要的結果做出最佳決策。
而「深度學習」為什麼近幾年這麼紅呢？原因是在於：
需要大量的計算機運算力 => 現在運算力變的強大又便宜
需要大量的數據 => 互聯網崛起，產生海量的數據
舉個目前我的團隊在做的「人工智能測膚」為例：
▲人工智能測膚報告
首先，我們必須要明確這套算法是要針對哪些人種進行皮膚問題的檢測，因為不同人種皮膚問題/膚色會有所差異，這會決定我們用來訓練算法的數據源。=> 假設我們選定黃種人，需要檢測出黑眼圈、色斑、痘痘等問題。
第二步，蒐集大量照片，人工標注每張照片上的皮膚問題，(不要懷疑，就是人工一張張標記)，這就是作為機器學習的算法要達到的最高標準：即和真人判斷的一致，所以當人工標注越準確，算法所輸出的結果也會越精準。
第三步，設計算法並修正。我們會先設計一套算法來跑這些數據，然後輸出結果和準確率，例如算法告訴我這張照片上有10顆痘痘，分別在左右臉頰上的哪些位置，這時去對應人工標注的結果，照片上應該只有5顆痘痘，且在左臉頰，那就代表這套算法還不夠準確，存有誤判，這時需要再修正算法(告訴它右臉頰的不是痘痘～)，直到精確度提高到我們想要的標準為止。
最後，當我們拍一張照片時，即便這張照片不在一開始的算法訓練中，這套算法也能準確告訴我們它辨識出的皮膚問題，且這個判斷會和人為結果近乎一致，這時我們就能到一個智能的測膚專家啦～
人工智能應用的四波浪潮
第一波：互聯網智能化
在這波浪潮下的主要獲益者是互聯網公司，通過蒐集用戶行為數據，來貼上標籤，算法可以了解、研究、學習個人喜好，從而推薦專門針對我們的內容，例如抖音、淘寶、Google等。
第二波：商業智能化
指的是將傳統公司過往累積的大量專業數據貼上標籤，結合強特徵和弱特徵，挖掘隱性關係，為企業提供決策依據，例如保險公司能從理賠事故中更好的識別出保險詐欺、星期三取得貸款的人往往較快地償還。
美國目前在商用人工智能領域領先中國，原因在於美國的金融業有良好的儲存架構，利於人工智能的發展。中國公司大多使用自己特有的系統來保存數據，且對於第三方的專業服務較不願意投入。 中國大部分傳統企業存在數據尚未結構化, 企業文化老舊等現象，使其難在第二波人工智能時享受技術紅利。
第三波：實體世界智能化
將人工智能延伸至生活環境中，以大量的傳感器和智能型器材，把現實世界轉化成可被深度學習算法分析和優化的數據，算法能夠模擬人腦的運作方式，把圖片或視頻的像素匯集成有意義的集群，以辨識其中的對象。聲音數據則可以提煉其中字詞，解析整個句子的意思，例如：小愛音箱、人臉支付等。
此波人工智能開始模糊線上線下世界之間的界限，大幅增加我們和互聯網的互動節點，形成OMO(Online-Merge-Offline)：將線上世界的便利性帶進線下，把線下世界感知道的內容帶到線上 eg. 肯德基刷臉支付、定制教育(針對每個人的學習程度動態設計課程)等。
▲支付寶和肯德基共同推出刷臉支付
中國因對於公共數據和個人隱私接受度較高，願意藉此換取便利性，加上深圳有智能硬件的製造優勢，所以相對美國發展快速。
第四波：自主智能化
指的就是大家熟悉的無人機、自動駕駛的應用了，值的一提的是中國在城市規劃上，直接是以配合自動駕駛來考量，所以更能很好的提供其發展空間。
人工智能的省思：回到人的價值
人工智慧的四波浪潮已經改變了世界，未來也將對全球經濟和社會造成巨大的衝擊 ，和可能帶來大規模失業。
李開復博士提出從「人機協作」和「關愛型工作」來調整未來的崗位需求，以真正減輕人工智慧對就業造成的巨大衝擊，同時讓人類發揮特有的價值。
本文經作者 Livia Yang 同意，轉載自：【書摘】AI 未來 李開復博士深度解析人工智能未來十年趨勢