缘起
我遇到的现象
自从大概4、5年前起，人工智能（AI）的概念逐渐兴起，一如前几年的云计算、大数据等。无论是媒体的播报，还是人们的谈论，都随着业界的进展大大增加了。在这个过程中，很多对AI技术没有了解的人，在赞叹AI展现的不可思议能力的同时，以人类特有的想象力，“赋予”了AI无穷的能力。其中最令人激动而又恐惧的，则是AI可能会产生类似人类的“意识”，包括情感之类的说法。
然而，就像技术发展领域的一个个大泡泡一样（著名的如21世纪初的.com泡沫），人们对AI的吹捧，也充满了很大的泡泡。
下面，我以自己对AI技术的了解，来从技术的角度破解对AI的这类迷思。
我对AI的学习和了解
2017年，我学习了著名的、由前百度人工智能首席科学家Andrew Ng教授的Coursera课程：Machine Learning。虽然对AI的实践并不多，对于Deep Learning的算法了解也很少，不过大体上建立了对AI的技术基础。
非技术人员对AI的经常误解
一个最经常的误解，是认为AI无所不能。的确，对于不明白里面技术实质的人来说，既然AI能够下棋、翻译、识别人脸、驾驶，甚至可以作出医疗诊断，那么自然而然地认为，AI当然已经产生了一些”意识“，它最终可能会进化成电影《终结者》一样的”智能“，人类可能会被迫与”类人智能“相处。各行各业的人们，都在恐惧它，担心它会替代自己的工作。作家担心它会代替自己写作，工人担心它会使自己的工作消失（部分的确是）。
很多人，甚至包括一些著名的聪明人，比如霍金（对，就是那个写了《时间简史》的），经常对大家发出”要警惕人工智能“的耸人听闻的声音。
以上的很多说法，虽然有部分是事实（比如流水线工人的担心），但也有很多东西，AI其实无能为力。
关于AI的事实
AI的技术实质
人工智能的算法，（大部分情况下）从根本上来讲，是一种”逐渐逼近“的算法。以最简单的分类为例子，下面这张图片展示，机器学习算法是如何找到一个不错的分类参数。
对于大学中万恶的高等数学还残留有一丢丢印象的同学来说，可能还会记得”偏导“的概念，机器学习算法就是通过：一次随机分类->通过偏导调整一点参数->再调整->再调整…的方式，找到了一个比较靠谱的结果。
那么，聪明的，你告诉我，这个”AI“跟”意识“有什么关系？
从这个小例子，我们也可能得到一些结论：
-
人工智能需要数据。如果没有图上上面几百个已经有了结果的数据，人工智能算法再NB，也无能为力。
-
人工智能需要大量运算。一般来说，机器学习算法，能有O(n*log(n))的时间复杂度就已经算是非常理想了。很多算法的复杂度可能是O(n^2)，甚至是O(n^3)等。对于算法的时间复杂度有了解的同学，会明白这个概念的意义：大量的消耗运算量。
-
人工智能只能解决确定性问题，并且这些问题的答案，我们人类已经知道了。AI并不像阿拉丁神灯一样，你跟它说一声”神灯神灯告诉我，谁是世界上最美丽的女人“（好像哪里不对劲），它就可以回答。
-
人工智能是个笨蛋，你必须告诉什么是错的，什么是对的，它才能慢慢学习。也就是说，首先必须我们人类知道答案，它才有可能知道答案。如果连我们人类都不知道答案的问题，AI也不会知道。
这也是为什么人工智能发展最快的，都是像Google、百度这类大公司，因为它们既有数据，也有运(R)算(M)量(B)啊。
AI可以大显身手的领域
可以很明确地被定义的问题，是AI可以大显身手的地方。
自动驾驶；
图像识别；
声音识别、合成；
翻译；
医疗诊断；
自动化；
智能推荐算法；
等等。
AI无能为力的地方
意识（感情），这是（至少目前）人类所独有的，也是我们”万物之灵长“可以骄傲的地方。
情绪判断。不能说完全无法判断，但现在的AI算法的”聪明“程度，估计连1、2岁的小孩都不如。
自己找问题，自动解决。如果你不告诉它，一个”人工智能“是永远不会想到要给一组数据作分类的。
创造性。跟上面一样，因为没有”自我意识”，也就不会产生真正的创造性。
另外，还有一些似是而非的以为人工智能能做的事情，让一些即使有一定技术背景的人，也会以为人工智能能做。后面我会逐渐搜集起来，一个一个解释。
