--- schema_version: "library-reader-v1" source_type: "original_book" title: "人工智能时代：破解人机共存密码（套装共10册）" author: null edition: null publisher: null year: null isbn: "9787521719512" library_document_id: "396e1bee-219e-4bee-9884-3214c17ff8f5" source_sha256: "e5d429a1fedfac2a13b0bd25057c39d818c33927767948a9bb41411f01413ced" pdf_physical_page_count: 3314 pdf_physical_page_index_base: 0 range_start: 490 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5?start=490&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=490&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=480&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=500&limit=10" --- # 人工智能时代：破解人机共存密码（套装共10册） > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=490 | PRINTED_PAGE=NOT_DETECTED 虽然AI芯片只是一块小小的芯片，但是AI芯片产业却是一个大的产业，因为它既能在用户端上进行人工智能的运算，也能在服务端进行人工智能的运算。虽然服务端跟用户端是连通的，但是网络存在延迟，直接在用户端进行计算可以缓解这个延迟。从整体架构上来说，设备端和服务端中间是应用层，其中包括像微信、QQ（腾讯公司的即时通信软件）这样的应用App，通常企业需要花大量的时间和精力去改良这些应用，提高用户体验和服务质量。例如，谷歌开发的语音助手Google Assistant的语音模型一开始是存储在谷歌服务端的，它能够准确识别出用户所说的指令并做出相应的回应。但是在使用过程中，用户对着Google Assistant说一句话，这句话需要上传到服务端才能被语音模型识别，然后再传回用户的手机，这就导致了语音识别速度很慢。为了改善用户在使用语音助手时的体验，谷歌对语音模型做了处理，将其大小从100G压缩到了0.5G，使其可以直接缓存到用户的手机上。如此一来，语音在手机和服务端之间的传输时间大大减少，Google Assistant的语音识别速度提高了将近10倍，极大地提高了用户体验。 所以前文提到的AI炼金术，其实是构建在这样一套赋能架构上的。从图3-11最左边的用户到最右边的企业，环环相扣，人工智能不仅可以由企业的服务端提供算力，也可以在用户的设备上进行运算。这块根据响应时间会有一个切分，对响应时间比较敏感的会在用户端进行，而对时间要求没有那么紧急的任务，可以放在服务端进行。另外，服务端有更多更全的数据，适合更为宏观的人工智能运算。这套连接服务端和用户端的赋能架构，是人工智能炼金术所依赖的系统基础。理解整个赋能架构，能够帮助我们更好地应用人工智能，通过人工智能更多的创造价值。 ## PDF_PHYSICAL_PAGE_INDEX=491 | PRINTED_PAGE=NOT_DETECTED 人工智能应用矩阵 人工智能的发展、传播和被接受是经过了一段漫长的寒冬的。十多年前，它还只是一个不被人看好的小众领域，但是现在，它却已经成为街头巷尾的热点谈资，几乎任何事情都可以和人工智能联系在一起。 短短十年间，世界发生了天翻地覆的变化，新数据不断涌现，各种问题层出不穷，直到现在，人工智能的春天才算是真的到来了，各个领域都亟须人工智能的帮助。这也是为什么人工智能的商业化应用范围如此广阔，人工智能市场更是如一块等待开垦的处女地一般。如图3-12，这是一份人工智能的商业版图，横轴代表不同的行业领域，例如金融、零售、医疗和教育等，纵轴代表不同的职能方向，例如营销、风控和安全等。横轴和纵轴共同构成了一个二维的商业矩阵，对于每个行业中的相关职能，人工智能都可以探索相关应用场景，例如在金融行业的营销、CRM（客户关系管理）、客服、风控和安全等方面以及零售行业的营销、CRM和客服等方面都已经有人工智能实践落地。但其实，现在的人工智能只填充了广阔的商业领域中非常小的一部分，还有更多没尝试和拓展的人工智能应用场景。 在金融行业，人工智能应用十分广泛。以金融服务集团蚂蚁金服为例，他们推出了智能理赔服务，用户可以直接在手机上上传票据，通过智能审核就能迅速获得赔付款；支付宝将人脸转变为数字密码的刷脸支付功能也是人工智能在金融行业的应用。除此之外，人工智能还可以通过模型和投资组合优化等，为用户提供投资参考的智能投顾服务；通过自然语言理解、语音识别等，实时为用户咨询提供回答的智能客服服务；通过推荐模型，根据大数据为用户推荐个性化产品的智能营销服务；以及通过人脸识别和指纹识别，在支付时检测用户身份的智能风控服务。这样一系列服务使人工智能在金融领域扎实落地。 ## PDF_PHYSICAL_PAGE_INDEX=492 | PRINTED_PAGE=NOT_DETECTED 随着社会经济的发展，居民收入水平的提高，人们的消费能力逐渐上升，零售行业规模随之扩大。根据预测，2020年全球零售销售总额将超过26万亿美元。由此可见，人工智能在零售业的落地也有很大的应用前景。例如，人工智能可以依靠基于大数据的机器学习模型，为用户生成精准化、定制化的推荐，提高零售业销量，Stitch Fix的成功就是很好的证明。Stitch Fix是美国的一家时尚电商，活跃用户达数百万人。它之所以在电商行业竞争如此激烈的当下能够留住用户，就是因为正确运用了人工智能，向用户推荐个性化商品。StitchFix专门请数据科学家建立了人工智能推荐模型，根据用户的身高、体重、职业等信息以及穿衣风格和购买价位等偏好，为用户推荐定制化、个性化的商品。Stitch Fix在2016年和2017年分别创造出了7.3亿美元和9.8亿美元的销售额，而且这些销售额来自智能推荐。由此可见，人工智能可以有效地赋能零售行业，为其带来效益的增长。 ## PDF_PHYSICAL_PAGE_INDEX=493 | PRINTED_PAGE=NOT_DETECTED 在工业、医疗行业等领域，人工智能虽然也有应用，但并不及在金融和零售行业普遍。从整体来看，由于人工智能是近几年才发展起来的新技术，所以它在很多行业和领域的应用并不广泛深入。但是人工智能发展势头很好，在每个行业都有落地的可能性，而且随着机器学习、计算机视觉、语音识别、自然语言处理等人工智能领域的发展，我们有理由相信，人工智能在各个领域都能扎下根去，遍地开花。 以前，行业追求的都是芯片驱动（Intel inside），用芯片为企业提供算力和速度，让企业能够跑赢市场，找到自己的阿尔法。但这都已经成为过去，以后行业追求的人工智能驱动（AI inside）才是真正的阳关大道。人工智能会成为行业的决策引擎，取代在战术层面上需要人工干预的场景，持续有效地让企业在最佳状态下运行；而且人工智能带来的效果不仅仅是“优化”这么简单，而是革命性的、成倍数的增长。如此，人工智能才能真正展现它的能力，真正为行业赋能。 AI炼金术的场景化应用 既然AI炼金术在各个领域都有落地应用的可能性，并且在多个领域的应用已经产生了不错的效果，那么，它在具体的场景下是如何展开应用的呢？为了便于理解，我们先从一个大多数人都比较熟悉的例子讲起。比如说，你在一个电商网站上买东西时，遇到了很多广告。这些广告位都是商家花钱购买的，即使你可能并不会购买广告位的商品，这个商家在此投入的广告费是无法撤回的，所以商家要尽可能地提高你购买广告位商品的概率。此时，人工智能精准推荐就成为商家提高购买率的法宝，因为显示一个顾客感兴趣的商品能大大提高他的购买率。事实证明，经过人工智能精准推荐出现在广告位的商品，让无数剁手党们欲罢不能。 ## PDF_PHYSICAL_PAGE_INDEX=494 | PRINTED_PAGE=NOT_DETECTED 百年大计，教育为本。社会各界对教育越来越重视，国家更是提出了科教兴国的教育发展战略。教育是不可忽视的，但与此同时，教育业也存在诸如教育水平发展不均衡，学生学习负担重、学习兴趣不高等问题。而人工智能的出现为这些问题提供了解决方案。在教学环节，教师可利用人脸识别模型实时检测学生随堂表现，辅助教师教学；在练习环节，文字识别模型可批改文科作业，图像识别模型可批改数学作业，这些智慧作业平台大大减轻了教师批改作业的负担；在考试环节，语音识别模型可对语言语音进行打分，也可利用人工智能进行试卷批改，统计、分析分数；课堂之外，学生可以利用人工智能搜集资料、完成作业等，比如遇到不会做的题目，学生可利用各种人工智能拍照搜题找到答案。除此之外，人工智能还可以根据学生的成绩、课堂表现、作业反馈等信息，判断该学生的学习习惯、学习能力以及学习程度，并为其制订个性化学习方案。例如，一个学生的英语听说能力很好，读写能力不足，那么在日常英语学习中，可以相对减少一点对于听说能力的训练，节省下来的时间用于加大读写能力的训练。通过人工智能制定的个性化学习方案，老师和家长能更好地帮助学生找到学习的乐趣，提高学习的能力，获得更多的知识。 人工智能在法律领域的应用也非常广泛。当事人如果遇到法律问题，人工智能可以根据当事人的信息、相似案情的判决等数据来进行决策，为当事人提供法律咨询，或者为当事人推荐最合适的律师。对于律师来说，人工智能的文本处理能力可以帮助律师搜集资料，例如相关法律条文、相关案情的判决书等。人工智能现在已经可以根据已有信息判断案件能否胜诉。比如说，CaseCrunch公司的人工智能就可以根据案件信息进行判决预测，并且预测的成功率高达86.6%，打败了人类律师62.3%的成功率。 ## PDF_PHYSICAL_PAGE_INDEX=495 | PRINTED_PAGE=NOT_DETECTED 2018年斯坦福等高校联合开发的律政界人工智能软件，和20名有经验的律师做了一个比赛。该比赛的内容是在4小时内审查5项协议，并回答30个法律问题，涉及领域包括仲裁、赔偿等。最终，人工智能软件以94%的准确率完胜律师的85%。人工智能为法律领域带来的价值是为不懂法律的大众提供专业的法律帮助，为律师减轻工作负担，提高法律案件处理的效率，协助法律系统创造一个公平清明的世界。 人工智能在维护社会公平自由的同时，还能为医疗行业贡献一份力量，维护人类的健康。根据《2018世界人工智能产业发展蓝皮书》显示，2013年至2018年第一季度，全球人工智能的投资在医疗健康领域的热度最高。据老牌咨询公司麦肯锡预测，到2025年，全球智能医疗行业规模将达到总计254亿美元，约占全球人工智能市场总值的1/5。由此可见，人工智能在医疗领域有广阔的应用前景。 医疗行业长期存在优质医生资源分配不均的问题，与此同时，在诊断过程频频出现误诊漏诊现象，而且医疗费用一直居高不下。对于普通民众来说，也一直存在看病难、看病贵的问题。人工智能通过对大量医疗数据、病人信息的分析，可以了解病人的病情，甚至能够预测一些疾病的发病时间。根据这些信息，人工智能可以生成针对每个病人的个性化医疗方案，帮助病人尽快康复并预防其他疾病。而那些严重的疾病，比如基因变异引起的癌症，虽然千差万别，情况复杂，但是人工智能可以针对每个人独特的基因变异数据，协助制订最佳的治疗方案，最大限度地挽救生命。病人康复出院之后，人工智能还能提供长期的健康监测服务，防止旧病复发、新病萌芽等现象。同时，人工智能医疗流程系统还能为医护人员安排最合理的工作流程，避免医生在简单的咨询工作中耗时过长，从而提高医生的诊疗效率。 ## PDF_PHYSICAL_PAGE_INDEX=496 | PRINTED_PAGE=NOT_DETECTED 人工智能在各行各业的广泛应用空间可能会使你有些恐慌，觉得人工智能再发展下去将取代人类的工作，甚至给这个世界带来灾难。这不只是一个人的忧虑。早在2016年，英国著名物理学家霍金就说过人工智能可能是人类的灾难：“对于人类来说，强大人工智能的出现可能是最美妙的事，也可能是最糟糕的事。”但我们现在的人工智能大部分都是弱人工智能，是那些不能真正地独立推理和解决问题的智能机器。有人又要问，AlphaGo不是具有自我学习独立思考的能力吗？其实不然，围棋有固定的规则，对手下棋的习惯可以被模型捕捉到，但真实世界里的情况千变万化，不用说庞大而复杂的基因数据了，就是普通人的行为都千差万别，没有人类参与的人工智能是很难成气候的。而那些能够独立推理和解决问题的强人工智能的出现目前来看还很遥远，所以我觉得，认为人工智能会取代人类这样的焦虑，有些杞人忧天。 [1] 中台即在一些系统中，被共用的中间件的集合。——编者注 ## PDF_PHYSICAL_PAGE_INDEX=497 | PRINTED_PAGE=NOT_DETECTED 在制造分秒的时候，钟表把时间从人类的活动中分离开来，并且使人们相信时间是可以以精确而可计量的单位独立存在的。分分秒秒的存在不是上帝的意图，也不是大自然的产物，而是人类运用自己创造出来的机械和自己对话的结果。 ## PDF_PHYSICAL_PAGE_INDEX=498 | PRINTED_PAGE=NOT_DETECTED —《娱乐至死》— ## PDF_PHYSICAL_PAGE_INDEX=499 | PRINTED_PAGE=NOT_DETECTED 在前文中，我们首先从“道”的层面理解了AI是时代的机遇，之后又从“法”的层面讲了AI思维的底层逻辑，最后从“术”的层面讲了AI炼金术。但是学习是一个螺旋式上升的过程，需要不断深入，不断提高；知识进一步提升，思维能力也会更强，理解和运用人工智能也是这个道理。本章将会更加深入下去，从“器”的层面讲解AI思维。“器”可以帮我们理解AI思维的奥秘，也是人工智能越战越勇的法宝，对人工智能的“器”有了深刻的理解，就像孙悟空有了金箍棒，可上九天揽月，就像哪吒有了混天绫和乾坤圈，可下五洋捉鳖。“器”是工具，而人工智能领域的“器”就是模型，模型是AI思维的核心，本章将挑选人工智能领域的经典模型来帮助你理解AI思维，其中包括分类和聚类的模型，图像、语音以及文本的识别模型，还有消费和社交数据的处理模型。首先让我们从AI的分类和聚类开始理解AI思维的“器”。 AI的分类和聚类 只会纸上谈兵的赵括由于缺乏战场经验，在长平之战中输给了秦将白起；熟读兵书的马谡不听从有实战经验的副将的建议，将街亭输给了司马懿，逼得诸葛亮只能挥泪斩马谡。历史上许多故事都告诉我们：缺乏实践经验，只会空谈，必然会导致失败。 过了那个兵荒马乱的年代，虽然我们不会再经历千军万马丢城失地的覆灭，但在日常生活中，若缺少经验，我们常常会遭遇挫折。从没有学过游泳的人，为了冒险刺激就往深水区游，难免会多呛几口水，甚至失去生命；从没有投资过的人，看到别人获利就盲目进入风云莫测的股市，便是注定了赔钱的命运。 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=500&limit=10)