{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title":"智慧的疆界 从图灵机到人工智能","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787111778004","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","uuid":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title":"智慧的疆界 从图灵机到人工智能","normalized_title":"智慧的疆界从图灵机到人工智能","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787111778004","isbns":["9787111778004","9787111695714"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":456,"navigation_url":"https://workshop.closeclaw.top/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title_url":"https://workshop.closeclaw.top/ai/title/%E6%99%BA%E6%85%A7%E7%9A%84%E7%96%86%E7%95%8C%20%E4%BB%8E%E5%9B%BE%E7%81%B5%E6%9C%BA%E5%88%B0%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","page_url":"https://workshop.closeclaw.top/api/ai/books/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page","search_url":"https://workshop.closeclaw.top/api/ai/books/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/search"},"page":{"printed_page":370,"pdf_page":385,"physical_index":385,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"f8a4be337bda5b88476fda6b83e4050927ed9b6fac76c13e42399bf3ba181972"},"chapter":"内容简介","content":"在 20 世纪 80 年代，专家系统的建设热潮是人工智能正式开始商业化的起点，信息处理和辅助决策理所当然地成为人工智能最早发展的应用形式之一。当下，如果让人工智能去做“辅助决策”，给人类专家提供建议，配合人类解决问题的话，得益于近几年机器学习、计算机视觉、自然语言处理等技术的快速发展，其最大的瓶颈—“缺乏专家来整理足够数量且格式标准的高质量数据”已经找到了突破的方向，随着计算机对人类历史积累的知识材料的利用越来越有效，在面向诸多专业领域时，人工智能都可以给出有价值的建议，反而在人类完全没有困难的常识问题上，由于缺乏逻辑性和训练材料，人工智能还是会遇到很大的障碍。\n\n不过如果让人工智能独立去做“自主决策”的话，这件事就另当别论了。如前面提到的金融投资和医疗诊断的例子，有多少患者能够完全信任人工智能产品、愿意相信人工智能诊断结果、遵循人工智能治疗计划就是很大的疑问。除非人工智能可以做到 100% 的诊断准确率，否则患者和监管方很难克服怀疑心理。只要无法清晰、明确地解释计算机是如何做出诊疗决定的，就不能冒做出错误决策伤害病人的风险。这并不是技术障碍，而是法律法规和伦理上的问题，即使最强大的人工智能已经在特定疾病的诊断上比人类临床医生更不容易犯错误，情况也不会改变。这听起来像是因噎废食，但是这切切实实地发生着。2018 年 3 月，优步（Uber）的一辆由人工智能驾驶的无人汽车撞死了一名行人，该事件导致优步全球的自动驾驶汽车都被暂停接受调查，此时没有人会去听人工智能自动驾驶的事故概率与致死概率比人类驾驶的要低得多这样的解释，因为在人类的认知里，犯了致命的错误，就必须找到对其负责的一方来承担责任。类似地，如果日后出现了人工智能的独立医疗诊断，无论是将有病的患者诊断为健康导致错过了治疗时机，还是将健康的人诊断为病患导致错误用药治疗，都将会是人工智能犯下的无法原谅的错误，尽管这些错误在人类医生身上也有发生的概率，而且可能犯错的概率更高。\n\n9.3.4 艺术创作\n\n比较了人类与机器对既有信息的识别、理解和决策能力，我们再来谈一个颇有争议的话题：艺术与创造性。2022 年以前，任何人都不会相信人工智能竟会以如此快的速度侵入艺术创作这种感性重于理性的领域。最乐观的学者也不可能预料到短短两三年时间，人工智能就意图在人类引以为傲的艺术创作上取代人类，自行创作音乐、影片、绘画、诗歌、小说。同时，人类也在快速适应和依赖这种使用机器进行艺术创作的新的艺术形式，现在有一些大学的艺术传媒系已经开设了诸如“人工智能与艺术”“智能交互设计”这样使用人工智能工具进行艺术创作的专业课程。\n\n370\n\n第四部分 人机共生","previous_page":369,"next_page":371}