读人工智能全传08人工智能的今天

1. 人工智能的今天

1.1. 未来，或许有些领域会有非常明显的人工智能痕迹，有些领域则不会

1.2. 2018年，来自计算机视觉处理器公司英伟达的研究人员证明了人工智能软件能够创造出虚假的人物照片，并且能够完全令人相信它是真实的

1.2.1. 由被称为生成性对抗网络的全新神经网络制造

1.2.2. 事实上它们是由神经网络创造的

1.3. 2018年末，AlphaFold是一个能根据基因序列来预测蛋白质3D结构的程序，能够解决名为“蛋白质折叠”的问题

1.3.1. 使用经典的机器学习技术来学习如何预测蛋白质结构，这意味着在理解蛋白质性状方面迈出了一大步

1.4. 2019年4月，世界上第一张黑洞的照片问世

1.4.1. 黑洞图像是通过人工智能实现的：人们使用先进的计算机视觉算法来重建图像，“预测”图片中缺失的元素

2. 人工智能医疗

2.1. 哪怕是对政治和经济最不敏感的人都能意识到，不管是对政府还是对企业而言，医疗卫生都是全球最重要的经济问题之一

2.2. 在过去的两个世纪里，医疗卫生的改善可能是工业化和科技世界带给人们的最大福祉

2.2.1. 1800年，欧洲人的寿命预测不会超过50岁

2.2.2. 今天，预测一个人能活到70岁是非常合理的

2.2.3. 20世纪40年代抗生素的出现，首次为细菌感染提供了可靠、有效的治疗方法

2.3. 可喜的进展又带来了新的问题

2.3.1. 人类的平均寿命增长了，老年人通常比年轻人需要更多的医疗卫生资源，这就意味着医疗卫生的成本在整体上升

2.3.2. 随着我们开发更多的治疗疾病的新方法和研制更多新的药品，可以治疗疾病的总体范围增加了，这也导致了更多的医疗支出

2.4. 个人医疗健康管理系统是人工智能在医疗健康领域的重要新机遇

2.4.1. 可穿戴设备使个人医疗健康管理成为可能

2.4.2. 这些设备持续监测我们的生理数据，比如心率和体温等

2.4.3. 大量的用户不断生成当前健康状况的数据流，人工智能系统可以对这些数据进行分析

2.5. 阿尔茨海默病是一种毁灭性的疾病，对人口老龄化的社会构成了巨大挑战，可以辅助早期诊断或者管理阿尔茨海默病的工具将非常受欢迎

2.6. 自动化诊断是人工智能在医疗保健领域的又一个令人兴奋的潜在应用

2.7. 谨慎地推动人工智能在医疗领域的应用

2.7.1. 医疗卫生行业是一个人文学科，可能比起任何职业都更需要与人互动和与人交往的能力

2.7.1.1. 全科医生需要“解读”病人，了解病人的社会背景，了解哪些治疗方案对这个病人可能更有效，而哪些方案是无效的，等等

2.7.2. 有些人更倾向于依赖人的判断，而不是机器的判断

2.8. 两个问题需要说明

2.8.1. 把人类专家的判断奉若圭臬，实在是太过天真的想法

2.8.1.1. 每个人都会有缺陷，即使是最勤奋、最有经验的医生，也会有感到疲惫或情绪化的时候

2.8.1.2. 不管我们怎么努力去克服，都难免或多或少带有偏见以及经验主义

2.8.1.3. 我们人类并不太擅长做理性决策，而机器可以做出与人类专家同等水准的判断，医疗卫生行业的挑战或者说机遇，应该是将机器的这种能力用最佳的方式利用起来

2.8.1.4. 人工智能的作用并不是取代人类的医疗卫生专业人员，而是用来增强他们的能力，让他们从某些烦琐的工作中解脱出来，更专注于专业领域中真正困难的部分

2.8.1.4.1. 让他们的思考更加全面

2.8.2. 选择人类医生还是人工智能医疗程序那是发达国家的人才会抱怨的问题，对世界上许多地方的人来说，要么接受人工智能，要么就无人处理

3. 无人驾驶汽车

3.1. 人工智能能够带来大幅降低交通事故的前景：在发展智能中期内出现无人驾驶汽车，已经成为可能

3.1.1. 利用计算机程序来控制汽车驾驶，显然更高效，能够更好地利用稀缺和昂贵的燃料或动力资源，从而产生更环保、运行成本更低的汽车

3.1.2. 计算机程序在利用电子地图和导航方面也更具备优势，例如，可以为拥挤的交通道路带来更好的通行能力

3.1.3. 如果汽车变得安全，它们就不再需要如此昂贵和沉重的保护底盘，这将再次降低汽车的价格和油耗

3.1.4. 既有老牌汽车公司不顾一切地拒绝被时代车轮甩掉，也有新公司发现有机会来抢夺传统汽车制造商的蛋糕

3.2. 2014年，美国自动化工程师协会为自动驾驶分级制定了标准

3.2.1. Level 0：人工驾驶

3.2.1.1. 汽车没有自动控制功能，驾驶员始终自主控制车辆

3.2.1.2. 尽管车辆会提供警告和其他数据用来辅助驾驶员驾驶

3.2.1.3. 如今公路上的绝大部分汽车都是L0级

3.2.2. Level 1：辅助驾驶

3.2.2.1. 汽车提供了一定程度的控制，通常是在常规驾驶方面，但驾驶员仍须在驾驶过程中保持全神贯注

3.2.2.2. 自适应巡航控制系统是辅助驾驶的一个例子，它可以使用刹车和油门来控制车速

3.2.3. Level 2：部分自动化

3.2.3.1. 汽车可以参与转向和速度的自主控制，但驾驶员同样需要持续监控驾驶环境，并准备好在必要的时候进行干预

3.2.4. Level 3：有条件自动驾驶

3.2.4.1. 驾驶员已经不再需要持续监控驾驶环境，尽管汽车可能会要求用户在遇到无法应对的情况下进行控制

3.2.5. Level 4：高度自动化驾驶

3.2.5.1. 汽车能够自动完成正常驾驶操作，不过驾驶员仍然可以干预驾驶行为

3.2.6. Level 5：全自动驾驶

3.2.6.1. 你只需要坐上一辆车，说出你的目的地，然后剩下的所有事情都交给汽车自动处理

3.2.6.2. 这种汽车甚至连方向盘都没有

3.3. 脱离接触

3.3.1. 指人类驾驶员不得不干预汽车行驶，接管汽车控制权的情况

3.3.2. 2017年，有20多家公司向加利福尼亚州提交了自动驾驶汽车脱离报告

3.3.2.1. 一家名为Waymo的公司遥遥领先，该公司的自动驾驶汽车平均每行驶5000英里才报告1次脱离

3.3.2.2. 表现最差的是汽车巨头梅赛德斯-奔驰，每千英里不少于774次脱离

3.3.2.2.1. 汽车行业经验的积累并不是无人驾驶汽车技术取得成功的关键条件

3.3.2.2.2. 无人驾驶汽车的关键不是内燃机，而是软件——人工智能软件

3.3.3. 2018年，Waymo的报告说，该公司旗下无人驾驶汽车已经达到平均行驶超过11000英里才报告1次脱离的水准

3.4. 出现完全无法预计的突发状况,人类驾驶员可以凭借丰富的经验进行处理，利用经验思考处理方案，如果实在来不及思考，也会凭借直觉处理

3.4.1. 人驾驶汽车没有直觉这种奢侈的东西

3.4.1.1. 在可以预见的未来，它们也不会拥有

3.5. 另一个艰难的挑战是如何从我们的道路现状(道路上所有车辆都是由人类驾驶)，到一个混合过渡(即道路上的车辆部分由人类驾驶，部分自动驾驶)，最终过渡到完全无人驾驶

3.5.1. 无人驾驶汽车在驾驶时的行为与人类不同，这会让与之共用道路的人类驾驶员感到困惑和不安

3.5.2. 人类驾驶员的行为是不可预测的，他们不一定会严格遵守交通法规，这就使人工智能很难理解他们的行为，并与之安全地互动

3.6. 无人驾驶汽车技术在某种形式上很快就会在日常生活中应用

3.6.1. 采矿业已经大规模使用自主汽车驾驶技术

3.6.2. 横跨英国和澳大利亚的跨国矿业集团力拓集团于2018年宣称，在西澳大利亚皮尔巴拉地区，他们的大型自动卡车车队已经运送超过10亿吨矿石和矿产

3.6.2.1. 更偏向“自动化”而不是“自主驾驶”

3.6.3. 无人驾驶汽车在有限的环境中能够发挥巨大作用

3.6.3.1. 无人驾驶车辆似乎非常适用于工厂、港口或者军事设施区域

3.7. 在城市和主要高速公路上设置无人驾驶汽车专用车道

3.7.1. 发出一个明确的信号：小心机器人司机