從歷史上看，“
人工智能”一詞是在20世紀50年代末創造的，指的是在軟件和硬件上實現具有人類智能水平的實體這樣一個令人興奮的愿望。我將用“模仿人類的AI”(human-imitative AI)來指代這一愿望，強調人工智能實體似乎應該成為我們人類的一員，即使不是在身體上成為，那么至少在精神上要這樣(無論這可能意味著什么)。
這在很大程度上是一項學術事業。雖然相關的學術領域，如運籌學、統計學、模式識別、信息論和控制理論已經存在，并且經常從人類或動物的行為中獲得靈感，但這些領域可以說是專注于低水平的信號和決策。
比如，松鼠能夠感知它所居住的森林的三維結構，并能在樹枝間跳躍，這種能力對這些領域具有啟發意義。AI旨在關注一些不同的東西：人類進行推理和思考的高級或認知能力。然而，60年后，高層次的推理和思想仍然難以捉摸。現在被稱為AI的發展主要出現在與低水平模式識別和運動控制相關的工程領域，以及統計學領域，該學科的重點是在數據中發現模式，并做出有充分根據的預測、測試假設，以及決策。
事實上，現在被認為是所謂“AI革命”核心的著名的反向傳播算法，是David Rumelhart在20世紀80年代初重新發現的，而它早在20世紀60年代和60年代的控制理論領域就已出現。其早期應用之一是優化阿波羅飛船飛向月球時的推力。
自上世紀60年代以來，AI已經取得了很大的進步，但可以說，這種進步并非源于對模仿人類的AI的追求。相反，就像阿波羅飛船的例子一樣，這些想法往往隱藏在幕后，研究人員的工作專注于特定的工程挑戰。雖然普通大眾看不到，但在文檔檢索、文本分類、欺詐檢測、推薦系統、個性化搜索、社會網絡分析、規劃、診斷和A / B測試等領域的研究和系統構建取得了重大進展，這些進步推動了谷歌、Netflix、 Facebook和亞馬遜等公司的成功。
人們可以簡單地把這一切稱為AI，事實上，這似乎已經發生。對于那些發現自己突然被稱為AI研究人員的優化或統計學研究人員來說，這樣的標簽可能會讓他們感到意外。但撇開標簽不談，更大的問題是，使用這個單一的、定義不清的首字母縮略詞，阻礙了他們對正在發揮作用的智能和商業問題范圍的清晰理解。
在過去的20年里，工業和學術領域都取得了重大進展——作為模仿人類的AI的補充，通常被稱為“智能增強”(Intelligence Augmentation, IA)。在這里，計算和數據被用來創建增強人類智力和創造力的服務。搜索引擎可以被視為IA的一個例子，因為它可以增強人類的記憶和事實知識；自然語言翻譯也是IA的一個例子，它可以增強人類的溝通能力。基于計算機的聲音和圖像生成為藝術家提供了增強調色和創造的能力。雖然這類服務將來可能包含高層次的推理和思考，但目前還沒有；它們主要執行各種字符串匹配和數值操作，以捕獲人類可以使用的模式。
讓我們廣泛構思一個“智能基礎設施”的學科，構建基于計算，數據和物理實體的網絡，使人類環境更加有趣和安全。目前這種基礎設施已經開始在運輸，醫藥，商業和
金融等領域出現，對個人和社會的影響正越來越深。
可以想象，我們生活在一個覆蓋全社會的醫療系統中，這個系統能夠建立人與醫生、醫療設備之間的數據流和分析，幫助醫生做出更準確地診斷，并提供護理服務。系統可以整合來自體細胞、DNA、血液測試，環境，群體遺傳學以及關于藥物和治療的大量科學文獻的信息。它不僅關注單個患者和醫生，而且關注所有人類之間的關系，有助于維持關于醫療信息的相關性、來源和可靠性的概念，就像今天的銀行系統關注金融和支付領域的挑戰一樣。盡管人們可以預見這樣的系統中會出現許多問題，比如隱私問題、責任問題，安全問題等等。但我們應該將這些問題視作勇于面對的挑戰，而不是前進的阻礙。
版權申明：本內容來自于互聯網，屬第三方匯集推薦平臺。本文的版權歸原作者所有，文章言論不代表鏈門戶的觀點，鏈門戶不承擔任何法律責任。如有侵權請聯系QQ：3341927519進行反饋。
